Anche dopo l’AI Act si discute molto di quale sia il perimetro dell’utilizzazione consentita delle opere dell’ingegno da parte dell’AI, ed è noto che l’incertezza circa la chiara definizione di cosa sia lecito e cosa non lo sia non giova agli investimenti e allo sviluppo delle tecnologie.
Per questa ragione è in via di sviluppo una riflessione legale e di business che dimentica il web scraping indiscriminato (sul presupposto che questo sia lecito quale fari use o eccezione, e quindi gratuito), e si concentra invece sullo sviluppo di licenze volontarie o partnership per fare in modo che l’AI sia alimentata da dataset costituiti da opere protette che siano sicuramente leciti, con la previsione di vari meccanismi di revenue-sharing, offrendo anche la garanzia di poter accedere a dataset verificati e attendibili, tanto che in alcuni casi vi sono vere e proprie iniziative imprenditoriali basate sulla creazione e la licenza di questo tipo di dataset.
Indice degli argomenti
Accordi di licenza tra piattaforme e fornitori di AI
Se guardiamo ai dati e alle notizie di stampa, scopriamo che sono già in corso iniziative di vario tipo, che suggeriscono la sussistenza di opportunità di business non irrilevanti, sia per i titolari dei diritti, sia per i fornitori di sistemi di AI, concernenti il mercato delle licenze di diritti, finalizzate a fornire all’AI l’accesso a dati di training.
Gli accordi di licenza per il training dell’AI di Reddit con Google e con OpenAI
Per esempio, nel 2024 la società Reddit, che gestisce un forum online (di contenuti user generated), ha concluso due accordi di licenza per il training dell’AI, rispettivamente con Google e con OpenAI. Secondo il COO di Reddit, Jen Wong, gli accordi in questione attualmente rappresentano circa il 10% degli introiti totali di Reddit (fonte OpenAI Paid Reddit $70M. Should You Be Worried? | Niche Pursuits febbraio 2025), e ammontano a circa 130 milioni di dollari. Secondo quanto si sa dell’accordo, OpenAI ha acquisito il diritto di accedere ai dati di Redditi (che sono dati relativi a conversazioni, di diverso contenuto, con esperienze anche di nicchia) per allenare la propria AI.
In cambio, Reddit riceve non solo la remunerazione di cui si è detto, ma ha anche potuto sviluppare delle funzionalità specifiche, supportate dall’AI, che ha messo a disposizione degli utenti sulla piattaforma.
La causa contro Photobucket e le criticità dei contenuti user generated
L’iniziativa simile tentata dal sito di contenuti user generated Photobucket (un repository di materiale fotografico realizzato da milioni di utenti) è stata invece bloccata dagli utenti del sito stesso, che hanno depositato una class action per la violazione delle norme sul diritto d’autore e sulla privacy dei soggetti ritratti. Secondo gli utenti, in particolare, Photobucket non aveva mai dato informazione ai propri utenti che i dati avrebbero potuto essere trattati per il machine learning.
Photobucket ha cercato di gestire la questione dell’informativa e del consenso inviando ai propri utenti plurime email in cui richiedeva di esprimere il consenso e comunque affermava che il consenso sarebbe derivato anche in caso di mancato espresso dissenso. Gli utenti della class action non hanno tuttavia aderito alla richiesta e anzi hanno ritenuto che la stessa fosse abusiva, così ricorrendo avanti alla District Court del Colorado per ottenere un’inibitoria e il risarcimento dei danni.
Accordi su licenze AI con editori e media
Al netto delle problematiche specifiche dei siti user generated, tuttavia, i media hanno riportato notizia di accordi sottoscritti da OpenAI con numerosi altri soggetti, come ad esempio AP (Associated Press), News Corp, Time, The Atlantic, Financial Times, Axel Springel, oltre che una serie di editori scientifici e accademici come Taylor & Francis, Wiley, Oxford University Press, nonché – infine – HarperCollins. Molte altre iniziative sono confidenziali, dal che si deriva che in verità sia in atto una vera e propria corsa alla negoziazione di licenze per l’uso di contenuti protetti da parte dell’AI.
Il modello Adobe per le licenze ai di contenuti visivi
Una delle iniziative note è quella di Adobe, che propone di remunerare i fotografi e gli artisti del suo network 3 dollari al minuto per video che possano poi essere utilizzati per trainare il suo modello di AI (fonte Adobe Is Buying Videos for $3 Per Minute to Build AI Model aprile 2024). Adobe intende infatti sviluppare il proprio modello AI di text-to-video, e per far questo necessita di brevi clips che ritraggano persone in azioni di vario tipo, e che mostrino emozioni, ovvero anche semplicemente l’anatomia di parti del corpo come i piedi, le mani o gli occhi. Nella propria richiesta di materiali Adobe, oltre a proporre il pagamento dei video realizzati dai partecipanti all’iniziativa, mette in guardia dall’usare materiale protetto di altri (capace quindi di provocare violazioni), oppure materiale di tipo offensivo.
L’approccio europeo alle licenze AI per opere dell’ingegno
Ci sono esempi anche direttamente in Europa. A gennaio 2024 OpenAI e Apple hanno dato inizio a negoziati con alcuni editori di notizie giornalistiche in Francia. Difatti, nonostante l’implementazione di un sistema di opt-out, il giornale Le Monde aveva verificato che l’AI stava ancora svolgendo attività di web scraping dei propri contenuti e sostanzialmente ha realizzato che il semplice opt-out non avrebbe sufficientemente schermato i contenuti. Da qui l’approccio realistico verso la negoziazione di una licenza, che è stata raggiunto a marzo 2024.
I punti fondamentali dell’accordo sottoscritto da Le Monde
I punti fondamentali dell’accordo sono:
(a) è vietato l’uso dei contenuti e dei dati senza che vi sia la citazione della fonte e una adeguata remunerazione;
(b) obbligo di remunerazione dei titolari dei diritti e di adeguata garanzia circa la protezione dei dati da usi non autorizzati.
Sulla base di queste condizioni, i contenuti di Le Monde vengono messi a disposizione di OpenAI, affinché questa possa trainare i suoi modelli; nel contempo, a Le Monde viene garantita una remunerazione per l’utilizzo dei contenuti, oltre che (come avvenuto per Reddit), l’accesso a strumenti di AI per potenziare i propri servizi; in ogni caso, gli output dell’AI generati attraverso l’uso di Le Monde devono fare espressamente riferimento a Le Monde stesso, inserendone il logo, un hyperlink e il titolo dell’articolo; alcuni contenuti sono esclusi, come le notizie di attualità e le fotografie.
Elementi essenziali di un contratto di licenza di contenuti per il training AI
Dunque, quali sono i contenuti essenziali che un contratto di licenza di contenuti per il training da parte dell’intelligenza artificiale deve avere?
Si tratta sostanzialmente delle clausole che seguono:
- Chiara definizione del perimetro dell’uso da parte dell’AI;
- Definizione del trattamento dei dati, e in particolare le regole per la cancellazione e/o per il mantenimento (con i sistemi di sicurezza e la durata);
- Previsione di un modello economico di remunerazione che garantisca un compenso adeguato per i titolari di diritti d’autore;
- Previsione di adeguate restrizioni che siano idonee a impedire una distribuzione o ridistribuzione incontrollata dei dati, successivamente al training dell’AI;
- Chiara indicazione dell’attribuzione dei diritti e parametri finalizzati ad aumentare la visibilità per gli utenti dei contenuti originali dati in licenza;
- Previsione di un meccanismo per monitorare la compliance da parte del fornitore dell’AI.
I modelli di licenza collettiva e le prospettive future
Un capitolo a parte riguarda la possibilità di introdurre licenze collettive, di cui al momento di discute ma che non sembrano particolarmente gradite da parte dei fornitori di AI. In ogni caso, la collecting tedesca GEMA (che intermedia in ambito di diritti d’autore nella musica) ha già proposto un proprio nuovo modello di licenza per l’AI.
Per quanto concerne il fornitore di servizi AI, la licenza copre il processo di training (il pre-training ed il fine tuning), con una remunerazione pari al 30% dei ricavi netti del fornitore dei servizi AI. La licenza è indipendente dal luogo in cui il training si svolge, ed è invece collegata alla generazione di out-put, che secondo Gema persiste nei modelli trainati quando questi generano l’out-put. Per quanto concerne l’utilizzatore del sistema di AI, la licenza copre l’uso del contenuto generato dal sistema di AI, e la remunerazione deve essere almeno pari a quella che si sarebbe pagata per un’opera creata da una persona fisica.
