Prawo autorskie a trening modeli AI: eksploracja tekstów i danych, opt-out i AI Act

Trzy odrębne procesy: pozyskanie danych, trening i wynik

Prawo autorskie wymaga rozdzielenia legalności pobrania zbioru, ewentualnych reprodukcji dokonywanych w toku eksploracji oraz późniejszego wykorzystania wyników działania systemu AI. To, że model udziela odpowiedzi podobnej do znanego tekstu, nie przesądza automatycznie, iż naruszono prawo na etapie treningu; i odwrotnie, legalność pewnego etapu nie legalizuje reprodukcji cudzej twórczości w wyniku.

Polski art. 26³ – wyjątek dla eksploracji tekstów i danych

Nowelizacja prawa autorskiego z 26 lipca 2024 r. wprowadziła art. 26³ dotyczący eksploracji tekstów i danych. Co do zasady dopuszcza on zwielokrotnianie rozpowszechnionych utworów w tym celu, chyba że uprawniony wyraźnie zastrzegł inaczej w sposób odpowiedni do udostępnienia utworu. Przechowywanie kopii jest ograniczone do czasu potrzebnego do eksploracji. Nie jest to powszechna zgoda na dowolne późniejsze wykorzystywanie dzieła.

Zastrzeżenie praw, czyli opt-out

Przy utworach dostępnych publicznie online zastrzeżenie wobec eksploracji powinno mieć formę przeznaczoną do odczytu maszynowego wraz z odpowiednimi metadanymi, zgodnie z polskim art. 26³. Oświadczenie zamieszczone wyłącznie w mało widocznym regulaminie nie musi rozwiązywać problemu skuteczności w każdym modelu udostępniania. Prawidłowość zastrzeżenia zależy od formy, momentu publikacji i technicznej możliwości odczytu.

Badania naukowe mają odrębny reżim

Dyrektywa 2019/790 przewiduje odrębny wyjątek dla eksploracji tekstów i danych przez organizacje badawcze i instytucje dziedzictwa kulturowego na potrzeby badań naukowych. Trzeba go oddzielić od ogólnego wyjątku TDM i od komercyjnego trenowania modelu. Samo nazwanie przedsiębiorcy „laboratorium AI” nie przesądza o spełnieniu definicji organizacji badawczej.

Prawo do dostępu do materiału pozostaje ważne

Odstępstwa TDM nie znoszą potrzeby ustalenia legalnego dostępu do źródeł, ochrony baz danych oraz warunków korzystania z repozytoriów. W biznesowej analizie ryzyka trzeba sprawdzić łańcuch pozyskania treści: scraping strony publicznej, licencjonowany zbiór, materiały klientów, dokumenty pracowników i bazy od dostawcy nie mają tego samego statusu prawnego.

Art. 53 AI Act nakłada obowiązki na dostawców modeli GPAI

Dostawcy modeli AI ogólnego przeznaczenia mają obowiązek wdrożyć politykę zgodności z prawem autorskim UE, w tym identyfikowania i respektowania zastrzeżeń z art. 4 ust. 3 dyrektywy 2019/790. Muszą też publicznie udostępnić odpowiednio szczegółowe podsumowanie treści wykorzystywanych do trenowania według wzoru Urzędu ds. AI. Nie są to automatycznie te same obowiązki każdej firmy korzystającej z gotowego chatbota.

Dane osobowe i tajemnica przedsiębiorstwa

Nawet gdy eksploracja mieści się w wyjątku prawnoautorskim, nie rozstrzyga to kwestii danych osobowych, tajemnicy przedsiębiorstwa, poufności umownej czy danych objętych tajemnicą zawodową. Przedsiębiorca nie powinien wprowadzać do narzędzi generatywnych materiałów poufnych bez sprawdzenia reguł retencji, wykorzystania promptów do uczenia modelu i umów powierzenia danych.

Czy użytkownik otrzymuje prawa autorskie do wygenerowanego tekstu

Prawa autorskie w polskim systemie chronią przejaw działalności twórczej o indywidualnym charakterze. Materiał wygenerowany bez twórczego wkładu człowieka nie powinien automatycznie być przedstawiany jako utwór z pełną ochroną autorską użytkownika. Jednocześnie znacząca, twórcza praca człowieka nad wyborem, układem i redakcją może wymagać osobnej oceny. Warunki usług AI nie przesądzają o istnieniu prawa, którego ustawa nie przyznaje.

Jak sprawdzać umowę z dostawcą modelu

Umowa powinna odnosić się do pochodzenia materiałów treningowych w zakresie dostępnych zapewnień, odpowiedzialności za naruszenia praw, prawa do używania wygenerowanych wyników, danych wejściowych klienta, audytowalności oraz procedury reagowania na roszczenia. Oświadczenie dostawcy „100% copyright safe” nie zastąpi zbadania konkretnego zastosowania.

Praktyczny audyt treści i opt-out

Przy audycie warto skatalogować rodzaje materiałów, źródła danych, obowiązujące licencje, zastrzeżenia maszynowe, dokumentację pochodzenia, użycie danych klientów oraz przypadki, w których wyniki modelu mogą reprodukować chronione fragmenty. Bez takiej mapy łatwo rozproszyć odpowiedzialność między działem IT, marketingiem i działem prawnym.

Opt-out nie rozwiązuje całego problemu autorskiego

Zastrzeżenie wobec eksploracji tekstów i danych jest jednym z mechanizmów ochrony, ale nie zastępuje oceny licencji, praw do baz danych ani uprawnień do poszczególnych zdjęć, nagrań i fragmentów kodu. Właściciel serwisu może mieć prawa do własnego opracowania, a jednocześnie korzystać z utworów na podstawie ograniczonej licencji. Skuteczna polityka AI powinna rozróżniać zasoby własne, zamówione, licencjonowane i publicznie dostępne; dla każdej grupy należy wskazać zakres uprawnień oraz techniczny sposób zastrzeżenia eksploracji.

Ryzyko outputu i praktyka redakcyjna

Zespół publikujący treści z pomocą AI powinien przewidzieć kontrolę podobieństwa do cudzych utworów, faktów i cytatów, weryfikację autorstwa materiałów ilustracyjnych oraz zasadę ludzkiej odpowiedzialności za publikację. Należy także zabezpieczać historię zamówień i redakcji, zwłaszcza gdy umowa wymaga przeniesienia autorskich praw majątkowych do konkretnego rezultatu. Obietnica kontrahenta, że „AI przekazało prawa”, nie zastępuje ustalenia, które fragmenty w ogóle są utworami i kto stworzył chroniony wkład twórczy.

Powiązane analizy prawne

Umowa wdrożenia systemu AI · Audyt zgodności AI Act