Trening AI to nie fair use. Sąd apelacyjny w sprawie ROSS

Co orzekł sąd apelacyjny

Spór dotyczył not redakcyjnych (headnotes), czyli krótkich streszczeń zasad prawnych, które redakcja Westlaw dopisuje do wyroków. ROSS Intelligence budowała wyszukiwarkę, która na pytanie prawnika zwracała fragmenty orzeczeń. Do treningu potrzebowała par pytanie-odpowiedź i według ustaleń sądu oparła je na 2243 notach Westlaw. Licencji od Thomson Reuters nie dostała.

Sąd pierwszej instancji w Delaware uznał w lutym 2025 roku, że noty są chronione, a ROSS naruszyła prawa autorskie. Sprawa trafiła do apelacji przed zakończeniem procesu, w trybie apelacji międzyinstancyjnej (interlocutory appeal). 29 września 2026 roku sąd wydał jednozdaniowy wyrok utrzymujący, a 30 września opublikował 32-stronicowe uzasadnienie autorstwa sędzi Tamiki Montgomery-Reeves. Orzeczenie ma status precedensu w okręgu obejmującym Pensylwanię, New Jersey, Delaware i Wyspy Dziewicze.

Dlaczego trening nie był dozwolonym użyciem

Amerykański sąd ocenia fair use według czterech przesłanek. W tej sprawie przeważyły pierwsza i czwarta. Sąd porównał cel obu firm: Westlaw i ROSS budowały platformy wyszukiwania prawniczego, więc użycie not było jego zdaniem w najlepszym razie minimalnie transformacyjne.

Odrzucił też argument, że kopiowanie było konieczne. Wyroki sądowe były dostępne bezpłatnie, więc ROSS mogła trenować system bez not. Sąd ujął to krótko: wygoda nie jest uzasadnieniem kopiowania. Ponieważ każda nota była traktowana jako osobny utwór, ROSS skopiowała za każdym razem cały utwór.

• cel i charakter użycia - komercyjny i bliski celowi Westlaw, przemawia przeciw ROSS,
• charakter utworu - noty zawierają minimalną twórczość, ale wystarczającą do ochrony,
• zakres wykorzystania - kopiowane były całe noty, bez konieczności technicznej,
• wpływ na rynek - ROSS mogła odebrać Thomson Reuters przychody z licencji na dane treningowe.

Czego wyrok nie rozstrzyga

Wyrok nie przesądza spraw przeciwko OpenAI, Anthropic czy Meta. W przypisie 7 sąd zaznaczył, że w odróżnieniu od modeli ze spraw Bartz przeciwko Anthropic i In re: OpenAI system ROSS nie generuje nowej treści. Sędzia Montgomery-Reeves napisała, że sprawa tylko pozornie dotyczy przyszłości AI, a w rzeczywistości jest zwykłym sporem o prawa autorskie.

Uzasadnienie zawiera jednak argumenty, które powodowie w sprawach o modele generatywne prawdopodobnie wykorzystają. Chodzi o uznanie rynku licencji treningowych i nacisk na to, czy produkt pozwanego konkuruje z produktem twórcy. Authors Alliance, organizacja broniąca szerokiego dozwolonego użytku, krytykuje to rozumowanie jako błędne koło: jeśli rynkiem jest samo użycie objęte sporem, fair use przegrywa niemal zawsze. ROSS, która nie prowadzi już działalności, zapowiedziała skargę do Sądu Najwyższego USA.

Trening AI a prawo autorskie w Polsce i UE

Europejskie prawo nie zna otwartej klauzuli fair use, więc amerykański wyrok nie przenosi się wprost do Polski. Trening modeli ocenia się tu przez wyjątek eksploracji tekstów i danych (text and data mining, TDM). W Polsce wprowadziła go nowelizacja ustawy o prawie autorskim (Dz.U. 2024 poz. 1254), obowiązująca od 20 września 2024 roku. Art. 26³ pozwala zwielokrotniać rozpowszechnione utwory do eksploracji, chyba że uprawniony wyraźnie to zastrzegł, a przy treściach w internecie zastrzeżenie ma mieć formę czytelną maszynowo.

Dostawców modeli ogólnego przeznaczenia obowiązuje dodatkowo AI Act. Art. 53 wymaga od nich polityki przestrzegania prawa autorskiego, w tym respektowania zastrzeżeń TDM, oraz publikowania podsumowania danych treningowych. W naszej ocenie sprawa ROSS ma w Polsce znaczenie praktyczne dla wydawców baz prawniczych, słowników i serwisów branżowych. Pokazuje, że opracowania redakcyjne, takie jak tezy orzeczeń czy streszczenia, mogą być chronione nawet wtedy, gdy streszczają teksty publiczne.

Co mogą zrobić firmy trenujące modele

Firmy, które dostrajają modele na cudzych tekstach, powinny wiedzieć, skąd pochodzą dane i na jakich warunkach je pobrano. Ryzyko rośnie, gdy model ma konkurować z serwisem, z którego pochodzą dane. Tekst ma charakter informacyjny i nie stanowi porady prawnej.

• spisz źródła danych treningowych i licencje, na których je pozyskano,
• sprawdź zastrzeżenia TDM w plikach robots.txt, metadanych i regulaminach serwisów,
• oddziel teksty publiczne, na przykład wyroki, od opracowań redakcyjnych, takich jak tezy i komentarze,
• przy danych od dostawcy zewnętrznego zapisz w umowie gwarancje dotyczące praw,
• jeśli jesteś wydawcą, zdecyduj, czy zastrzegasz eksplorację, i zapisz to w formie czytelnej maszynowo.