У вересні 2025 року Anthropic погодилася заплатити 1,5 мільярда доларів за позовом власників авторських прав — приблизно за 500 тисяч книжок, які компанія використала для тренування Claude без ліцензії. Це найбільше врегулювання в історії copyright-справ у США, і воно стало лише одним епізодом у клубку з десятків паралельних процесів проти OpenAI, Meta, Stability AI, Midjourney та інших. Кожен із цих процесів по-своєму відповідає на те саме запитання: чи можна тренувати модель на чужому контенті без дозволу правовласника, і якщо так — за яких умов.

Саме в цей момент, коли суди в кількох округах готуються виносити рішення, що визначать правила гри на роки вперед, у справу публічно втрутилася Electronic Frontier Foundation. За даними HN 100+, організація закликала суди не піддаватися тиску AI-індустрії і не створювати нових, спеціальних винятків із авторського права лише тому, що йдеться про модне слово «AI».

На перший погляд це виглядає як позиція проти AI-компаній. Але позиція EFF складніша й цікавіша: організація роками захищала широке тлумачення fair use — саме те тлумачення, на яке зараз спираються OpenAI, Anthropic і Meta у власному захисті. Побоювання EFF інше: що суди під тиском обурення щодо AI звузять доктрину fair use так сильно, що постраждають пошукові системи, бібліотеки, архіви на кшталт Internet Archive і сервіси доступності — усі, хто десятиліттями покладався на ті самі правові принципи.

Для будь-кого, хто зараз будує продукт на LLM, ставки тут не абстрактні. Від того, як суди визначать межі fair use для машинного навчання, залежить, чи доведеться стартапам купувати ліцензії на дані, чи ризик відповідальності лишається прихованою бомбою, яка вибухне через кілька років — як це сталося з Anthropic.

Звідки взявся цей судовий клубок навколо AI і авторського права?

Хвиля позовів почалася приблизно з 2023 року, коли письменники, музичні лейбли та медіа побачили, що великі мовні моделі тренуються на мільйонах книжок, статей і пісень, зібраних без запиту дозволу. Дехто — Getty Images проти Stability AI, Universal Music Group і Concord Music проти Anthropic, The New York Times проти OpenAI та Microsoft — подав позови ще у 2023–2024 роках. Ці справи розкидані по різних типах контенту (текст, зображення, музика) і різних теоріях позову: від прямого копіювання навчальних даних до відтворення охоронюваного контенту в результатах генерації.

Ключовий поворот стався у 2025 році, коли перші великі справи почали доходити до рішень по суті. У лютому 2025-го суддя Стефанос Бібас у справі Thomson Reuters проти Ross Intelligence постановив, що використання анотацій Westlaw для тренування конкурувального юридичного AI-сервісу не є fair use — перше велике рішення проти AI-компанії в такому спорі. У червні 2025-го суддя Вінс Чабрія у справі Kadrey проти Meta визнав тренування Llama на конкретному наборі книжок таки fair use — але прямо попередив, що це рішення не означає, ніби тренування AI на захищених текстах загалом легальне: у більшості випадків, за іншого набору доказів, результат може бути протилежним. А у справі Bartz проти Anthropic суддя Вільям Алсап розділив питання надвоє: саме тренування моделі на текстах він визнав трансформативним використанням, схожим на те, як людина читає книжки, щоб навчитися писати, — але факт того, що Anthropic завантажила ці книжки з піратських бібліотек на кшталт Library Genesis, а не купила легально, fair use не покриває. Саме за це нелегальне здобуття копій компанія й заплатила 1,5 мільярда доларів.

Тобто до середини 2026 року в судовій практиці вже сформувався не єдиний стандарт, а мозаїка суперечливих сигналів. Саме в цю мозаїку і втручається EFF зі своєю позицією.

Як насправді працює fair use, коли йдеться про тренування нейромережі?

Щоб зрозуміти, за що саме виступає EFF, треба розуміти механіку самого тесту. Американське право не має простого правила «копіювати можна» чи «копіювати не можна» — натомість суди застосовують чотирифакторний тест fair use, закладений у статті 107 Copyright Act.

Чотири фактори, які зважує суддя

AI-компанії будують свій захист навколо першого фактора: модель не запам'ятовує книжку дослівно, вона перетворює текст на статистичні патерни у вагах нейромережі під час навчання на задачі передбачення наступного токена. Це, за їхньою логікою, принципово інше використання, ніж публікація копії — подібно до того, як у 2015 році в справі Authors Guild проти Google суд визнав масове сканування книжок для повнотекстового пошуку трансформативним використанням, попри те що Google Books копіював тексти цілком.

Чому «здобуття» і «навчання» — це два різні питання

Саме тут і проходить лінія, яку рішення Алсупа в справі Anthropic зробило особливо важливою для практиків. Суд відокремив питання «чи законно тренувати модель на цих даних» від питання «чи законно було здобути ці дані таким способом». Перше може бути fair use. Друге — окреме порушення, якщо копії отримані з піратських джерел, а не куплені чи заскрейплені з відкритого вебу за умовами використання сайту. Для будь-кого, хто збирає навчальні дані, це означає: походження датасету — окреме юридичне питання, яке не закривається одним посиланням на трансформативність моделі.

Чим позиція EFF відрізняється від того, чого хочуть AI-компанії та видавці?

AI-індустрія в судах здебільшого домагається одного: щоб суди визнали тренування моделей категорично трансформативним використанням майже завжди, створивши де-факто презумпцію fair use для машинного навчання. Видавці й правовласники — навпаки, домагаються протилежного: щоб суди визнали використання їхнього контенту без ліцензії ринковою шкодою за замовчуванням, спираючись на четвертий фактор — вплив на ринок, зокрема на новий ринок ліцензування даних для AI, який виник саме тому, що AI-компанії готові платити.

EFF займає третю позицію, яка не збігається з жодною з цих двох. Організація історично захищала пошукові системи, Internet Archive, сервіси доступності для людей з порушеннями зору й дослідників тексту й даних (text and data mining) — усі вони покладаються на широке тлумачення трансформативного використання. Тому EFF не хоче, щоб суди звужували доктрину fair use спеціально «проти AI», бо той самий вужчий стандарт вдарить і по архівах, і по некомерційних дослідницьких проєктах, і по звичайним пошуковикам. Але так само EFF не хоче, щоб суди створили окрему, ширшу категорію «fair use для AI-тренування», яка існуватиме за іншими правилами, ніж усе інше, — бо це вже не застосування існуючого закону, а фактичне написання нового, і робити це мають законодавці, а не суди під тиском лобістів галузі, яка щойно з'явилася.

Це принципово відрізняє позицію EFF від підходу Євросоюзу, де AI Act і Директива про авторське право на єдиному цифровому ринку вже прямо запровадили механізм opt-out для text-and-data mining: власник контенту може технічно позначити (наприклад, через robots.txt чи спеціальні метадані), що забороняє використання своїх матеріалів для тренування AI, і це має юридичну силу. У США такого статутного механізму немає — все залежить від того, як конкретний суддя застосує чотирифакторний тест до конкретних фактів справи, що й породжує описану вище мозаїку суперечливих рішень.

Що це дає тим, хто зараз будує продукти на LLM?

Для команд, які тренують власні моделі, дотюнюють відкриті ваги на власних датасетах або будують продукти поверх чужих API, ситуація 2026 року вимагає практичних висновків, а не лише спостереження за судовою драмою.

Що може піти не так і чого тут точно не вистачає?

Найбільша проблема — фрагментація прецедентів по округах і по типах контенту. Рішення Алсупа щодо Anthropic і Чабрії щодо Meta вже частково розходяться в аргументації навіть у межах одного й того самого федерального Дев'ятого округу, а справи щодо зображень (Getty проти Stability), музики (UMG проти Anthropic) і новинного контенту (NYT проти OpenAI) ще й будуються на різних фактичних основах. Це означає, що універсального «безпечного» правила для AI-білдерів найближчим часом не буде — оцінка ризику залишиться справою case-by-case ще кілька років, доки апеляційні суди чи, зрештою, Верховний суд не уніфікують підхід.

Другий ризик — саме той, проти якого застерігає EFF: політичний тиск може продавити рішення, які не витримують випробування часом. Якщо суди під впливом лобіювання AI-індустрії визнають тренування майже автоматично законним, це знецінить механізм ліцензування контенту як такий і залишить дрібних авторів і видавців без важелів переговорів. Якщо ж, навпаки, суди під впливом громадського обурення щодо AI звузять fair use занадто різко, постраждають структури, які не мають нічого спільного з великими AI-лабораторіями, — дослідницькі архіви, інструменти для людей з інвалідністю, некомерційні проєкти індексації тексту.

Третій ризик — ретроактивна відповідальність. Справа Anthropic на 1,5 мільярда доларів показала, що рішення про джерела даних, ухвалені інженерними командами два-три роки тому, можуть матеріалізуватися у величезні фінансові зобов'язання значно пізніше, коли компанія вже виросла й має що втрачати. Для стартапів, які зараз швидко збирають датасети без юридичного аудиту походження, це не гіпотетичний, а цілком конкретний відкладений ризик.

Висновок AiiN

Позиція EFF — не про те, «за» AI-компанії організація чи «проти». Це заклик не піддавати саму архітектуру copyright-права короткостроковому тиску галузі, яка ще навіть не визначилася з власною бізнес-моделлю щодо даних. Ми вважаємо цю позицію реалістичнішою за обидві крайності: ані блокова індульгенція для тренування будь-якою ціною, ані ретроактивна кара для всіх, хто колись торкнувся чужого тексту скрейпером.

На горизонт 6–12 місяців ми очікуємо не єдиного «великого» рішення, яке все вирішить, а продовження тієї самої мозаїки: кілька апеляційних рішень уточнять межі трансформативного використання окремо для тексту, зображень і музики, а ринок ліцензійних угод між AI-лабораторіями та видавцями розростатиметься швидше за судову практику — просто тому, що угода коштує дешевше за судовий процес і зникає юридична невизначеність одразу. Для команд, які будують на LLM в Україні чи деінде, практичний висновок незмінний вже зараз: ставтеся до походження навчальних даних як до частини технічного боргу, який має ціну, а не як до деталі, яку можна ігнорувати до першого позову.