Per quasi tre anni la linea difensiva di OpenAI e Microsoft davanti alla corte federale di Manhattan ha poggiato su un’idea sola, cioè che addestrare modelli linguistici su milioni di articoli produce qualcosa di trasformativo e rientra quindi nel fair use previsto dall’ordinamento statunitense. Le porzioni prima oscurate della mozione per il giudizio sommario depositata dagli editori guidati dal New York Times, rese pubbliche giovedì, raccontano conversazioni interne di tenore molto diverso. Il fascicolo raccoglie email, memorandum aziendali, deposizioni sotto giuramento e dati di traffico ottenuti durante la fase istruttoria, arriva a 92 pagine e porta la firma di un gruppo che comprende anche il New York Daily News, Ziff Davis e il Center for Investigative Reporting.
Il procedimento confluisce nel contenzioso multidistrettuale In Re: OpenAI, Inc. Copyright Infringement Litigation, davanti al giudice Sidney H. Stein del Southern District di New York.
Cosa emerge dai documenti desecretati
Il passaggio che ha attirato più attenzione riguarda un memo interno del gennaio 2023. Brent Hecht, direttore della scienza applicata di Microsoft, definiva la raccolta massiva di testi dal web un furto sbalorditivo di proporzioni senza precedenti, aggiungendo che quella pratica configurava il più grande furto di lavoro della storia umana. Nello stesso documento il manager scriveva che una tecnologia costruita in quel modo minaccia necessariamente la stabilità economica di chi produce contenuti.
Sul versante OpenAI gli atti riportano valutazioni altrettanto esplicite. Un dirigente rimasto anonimo descriveva i modelli come una minaccia esistenziale per gli editori di notizie, mentre Nick Turley qualificava i prodotti dell’azienda come ampiamente sostitutivi, con l’avvertenza che il carattere sostitutivo sarebbe cresciuto insieme alla qualità dei sistemi. Greg Brockman, presidente e cofondatore, aveva annotato che il modello si dimostrava particolarmente abile nel prevedere il testo degli articoli giornalistici, al punto che interrompendo una frase a metà di un pezzo del Times il sistema la completava in modo preciso. Quando il ricercatore Nick Ryder gli segnalò un espediente per superare il paywall del quotidiano, Brockman rispose con un assenso di due parole. I numeri allegati alla mozione danno la misura della raccolta: i soli dataset intermedi conterrebbero oltre 91mila copie di opere pubblicate dalle testate ricorrenti, mentre un archivio derivato da Common Crawl arriverebbe a più di due milioni di documenti provenienti dal dominio nytimes.com. Gli editori sostengono inoltre che OpenAI abbia consegnato a Microsoft l’intero dataset di addestramento di GPT-3 per valutare come integrare i modelli nei prodotti commerciali di Redmond, con un flusso di dati in senso inverso passato da iniziative interne denominate Project Taxi e Project Mango.
Secondo la ricostruzione dei querelanti, subito dopo il deposito delle cause OpenAI costruì un filtro per sopprimere gli output relativi alle testate ricorrenti, lasciando fuori dal meccanismo gli editori che non avevano fatto causa.
Perché il fair use resta il punto decisivo
La dottrina del fair use, codificata nella sezione 107 del titolo 17 dello United States Code, poggia su quattro fattori di valutazione, e il quarto riguarda l’effetto dell’uso sul mercato potenziale dell’opera originale. È su quel terreno che le ammissioni interne pesano di più, perché descrivono un prodotto capace di sostituire la lettura della fonte. Nella sua deposizione Satya Nadella ha dichiarato che i contenuti protetti da abbonamento andrebbero concessi in licenza a chiunque voglia usarli per l’addestramento o per il grounding dei modelli, aggiungendo che se fosse stato informato della raccolta di materiale a pagamento avrebbe esercitato il diritto contrattuale di chiedere a OpenAI il riaddestramento dei sistemi. L’amministratore delegato ha anche riconosciuto che il dialogo con i chatbot ha sostituito il passaggio dell’utente sul sito della fonte, poiché l’informazione viene servita direttamente sulla piattaforma. Un portavoce di Microsoft ha replicato che quelle parole riguardavano principi generali e i cambiamenti nelle abitudini di ricerca del pubblico, precisando che vanno tenute distinte dalle questioni di diritto d’autore sottoposte alla corte e che i commenti di Hecht esprimono la prospettiva individuale di un dipendente.
La fase processuale in corso riguarda le mozioni di giudizio sommario depositate dalle parti il 4 settembre. Sul fronte governativo era intervenuto il Dipartimento di Giustizia con uno statement of interest presentato il 1° settembre, che definisce straordinariamente trasformativo l’addestramento dei modelli linguistici e invita il giudice a respingere la tesi opposta.
Quanto pesano le risposte generative sul traffico degli editori
Una presentazione interna di Microsoft del gennaio 2024, citata negli atti, stima che il motore di risposta di Copilot riducesse fino al 93 per cento i clic verso il sito del New York Times rispetto a una ricerca tradizionale su Bing.
Lo stesso documento aziendale descrive lo scenario con l’espressione doom loop, che indica un circuito di impoverimento progressivo: le risposte generate direttamente in pagina riducono le visite alle testate, la contrazione del traffico erode i ricavi pubblicitari e gli abbonamenti, la riduzione delle risorse comprime la quantità di giornalismo originale prodotto e a quel punto viene a mancare proprio il materiale su cui i modelli vengono addestrati. Il ragionamento compare in un contesto interno e riguarda l’intero ecosistema informativo online, oltre le singole testate coinvolte nella causa. Gli editori lo utilizzano per sostenere che l’effetto sostitutivo era previsto e misurato dalle aziende molto prima che la questione arrivasse in aula.
La causa era stata depositata nel dicembre 2023, quando il quotidiano newyorkese aveva chiesto miliardi di dollari di risarcimento sostenendo che entrambe le società avessero tratto profitto da modelli addestrati sui suoi articoli senza autorizzazione. Nell’aprile 2025 il giudice Stein aveva lasciato proseguire diverse contestazioni sul copyright, respingendone altre. OpenAI non ha risposto immediatamente alle richieste di commento.
