Um novo processo judicial proposto por três editoras, o romancista Scott Turow e sua empresa S.C.R.I.B.E. está chamando a atenção para a questão do uso não autorizado de obras para treinar modelos de inteligência artificial, especificamente o Gemini, da Google. As ações afirmam que a gigante da tecnologia reproduziu milhões de livros e artigos de revistas, incluindo aqueles disponíveis no Google Books, Play Books e Scholar, sem a devida autorização.
No dia 10 de julho, Hachette Book Group, Cengage Learning, Elsevier, Turow e S.C.R.I.B.E. protocolaram uma ação judicial no Tribunal Distrital dos EUA para o Sul de Nova Iorque. A Associação de Editores Americanos anunciou o caso no mesmo dia. Os autores do processo argumentam que as obras fornecidas a esses serviços tinham finalidades específicas e não foram destinadas ao treinamento de um modelo comercial de inteligência artificial. Além disso, alegam que a Google utilizou materiais obtidos via web scraping, incluindo conteúdos de sites piratas e bibliotecas com acesso restrito. Até o momento, a Google não se posicionou sobre as alegações, e ainda não há decisão judicial a respeito.
A queixa apresenta quatro acusações. Três delas se referem à reprodução não autorizada de conteúdos sob a Lei de Direitos Autorais, incluindo o uso de Google Books e outros serviços, downloads por web scraping e cópias durante o treinamento. A quarta alega que a Google removiu informações de gestão de direitos autorais, em violação ao DMCA (Digital Millennium Copyright Act). Os autores pedem indenização, uma liminar, um detalhamento das obras utilizadas para treinar o Gemini e ordens judiciais para eliminar quaisquer cópias não autorizadas. Documentos internos da Google, mencionados no processo, indicam que o uso de livros do Google Play para IA é “altamente problemático”, com potenciais multas que variam de “US$ 10 bilhões a US$ 100 bilhões”.
O processo também discute as limitações do uso de crawler controls, como o token Google-Extended, que regula o conteúdo que a Google coleta de sites. Esses controles restringem o uso de material para futuros treinos de IA, mas os livros foram fornecidos à Google por meio de acordos, o que torna as configurações de robots.txt irrelevantes nesse caso. As acusações de web scraping se referem a cópias que apareceram no Common Crawl após serem hospedadas em sites piratas.
Em junho, a Google publicou um documento político defendendo que o treinamento em dados públicos da web se qualifica como um “uso transformativo, não expressivo” sob as proteções de uso justo. Contudo, o material em questão, segundo a queixa, teria sido obtido por diferentes canais. No mês passado, a Digital Content Next enviou uma carta de cessação e desistência à Common Crawl Foundation, afirmando que a lei de direitos autorais não funciona como um sistema de exclusão.
A questão da permissão e a discussão sobre o uso justo são temas distintos. O uso justo pode ser aplicado mesmo na ausência de um acordo que autorize a utilização, e a queixa não esclarece essas questões. Além disso, as configurações de crawlers são um fator menor do que a situação sugere. Em janeiro, dados da BuzzStream indicaram que 79% dos principais sites de notícias bloqueiam pelo menos um bot de treinamento de IA, embora as cópias discutidas tenham sido obtidas por rotas que não são impactadas por essas configurações.
Em 2025, duas decisões judiciais na Califórnia consideraram justas as utilizações de treinamento discutidas no caso. O tribunal Anthropic negou julgamento sumário sobre cópias de bibliotecas centrais piratas, enquanto o juiz do caso da Meta destacou que sua decisão era específica para aqueles autores e seus registros. Os editores afirmaram que protocolaram a ação em Nova Iorque após inicialmente planejarem intervir na ação em andamento sobre direitos autorais no treinamento de IA da Google na Califórnia, preservando assim as alegações que acreditam não se enquadrar na ação proposta. O próximo passo será a resposta da Google, que poderá ser uma contestação ou um pedido de arquivamento do processo.
Esses desdobramentos reforçam a necessidade de um debate mais amplo sobre o uso de conteúdos protegidos para fins de treinamento em tecnologia, impactando diretamente editoras, autores e o ecossistema de apuração e distribuição de conteúdo digital.
Crédito da imagem: divulgação/reprodução
