یک توافقنامه ۱.۵ میلیارد دلاری. میلیونها کتاب دزدیده شده. و یک تمایز قانونی آنقدر دقیق که یک قاضی فدرال از آن استفاده کرد تا یک شرکت هوش مصنوعی را از مسئولیت آموزش مدلهایش معاف کند - در حالی که همچنان آن را برای نحوه بهدست آوردن دادههای آموزشی در وهله اول مسئول دانست.
اگر در کسبوکار خود از یک دستیار نویسندگی هوش مصنوعی، یک همکار برنامهنویس، یا یک ابزار تحقیقاتی مبتنی بر هوش مصنوعی استفاده میکنید، دو پرونده قضایی که در سال گذشته تصمیم گرفته شدند، بیسروصدا قوانین را برای ابزارهایی که روزانه به آنها متکی هستید، بازنویسی کردند. هیچکدام از این پروندهها شامل شما نبود. اما با هم، به سوالی که هر صاحب کسبوکار کوچکی که از هوش مصنوعی استفاده میکند باید بپرسد، پاسخ میدهند: آیا وقتی از یک ابزار هوش مصنوعی ساخته شده بر محتوای دارای حق نشر شخص دیگری استفاده میکنم، در معرض خطر هستم؟
سوال ۱.۵ میلیارد دلاری: بارتز علیه آنتروپیک
پرونده با سه نویسنده شروع شد - چارلز گریبر و کرک والاس جانسون، نویسندگان غیرداستانی، و آندریا بارتز، رماننویس تریلر - که کشف کردند آنتروپیک از کتابهای آنها، بدون اجازه یا پرداخت، برای آموزش مدلهای کلود خود استفاده کرده است.
تصمیم قاضی ویلیام آلزاپ پرونده را به دو سوال بسیار متفاوت، با دو پاسخ بسیار متفاوت تقسیم کرد.
سوال اول: آیا آموزش یک مدل هوش مصنوعی بر روی کتابهای دارای حق نشر، استفاده منصفانه است؟ بله - اما فقط برای کتابهایی که آنتروپیک به طور قانونی مالک یا مجوز آنها را داشت. دادگاه فرآیند آموزش را "دگرگونکننده - به طور خارقالعادهای" توصیف کرد و آن را با نحوه خواندن گسترده یک فرد برای یادگیری نوشتن مقایسه کرد. از آنجایی که دادههای آموزشی خود در داخل مدل پنهان میمانند و جایگزین خرید کتاب اصلی نمیشوند، قاضی دریافت که این استفاده به بازار آثار نویسندگان آسیب نمیزند.
سوال دوم: آیا نحوه بهدست آوردن کتابها توسط شرکت مهم است؟ کاملاً. آنتروپیک فقط از کتابهایی که خریده بود استفاده نکرده بود - بلکه بیش از ۷ میلیون اثر دارای حق نشر را از "کتابخانههای سایه" مانند Library Genesis (LibGen) و Pirate Library Mirror، سایتهایی که نسخههای دزدیده شده کتابهای دارای حق نشر را به صورت رایگان میزبانی میکنند، دانلود کرده بود. دادگاه نسبت به این که هر میزان استفاده منصفانه پاییندستی بتواند این واقعیت را که کتابها در ابتدا به طور غیرقانونی به دست آمده بودند، پاک کند، شک داشت. آموزش ممکن است قانونی باشد. دزدی دریایی فارغ از اینکه بعداً با فایل دزدیده شده چه کار کنید، دزدی دریایی است.
این تمایز به بزرگترین توافقنامه کپیرایت در تاریخ ایالات متحده تبدیل شد: ۱.۵ میلیارد دلار، که تقریباً معادل ۳۰۰۰ دلار به ازای هر اثر دزدیده شده قبل از هزینههای قانونی است، با حدود ۱۲۰,۰۰۰ نویسنده و دارندگان حق که ادعاهایی را ثبت کردهاند. به عنوان بخشی از این توافق، آنتروپیک همچنین موافقت کرد مجموعه دادههای دزدیده شده را نابود کرده و تأیید کند که در هیچ مدل تجاری مستقر نشدهاند. جلسه نهایی تأیید برای می ۲۰۲۶ برنامهریزی شده است و پرداختها مدت کوتاهی پس از آن آغاز میشود.
پروندهای که به نفع طرف دیگر تمام میشود: تامسون رویترز علیه راس اینتلیجنس
اگر بارتز نشان میدهد که خط استفاده منصفانه در کجا به نفع یک شرکت هوش مصنوعی خم میشود، تامسون رویترز علیه راس اینتلیجنس نشان میدهد که در کجا به عقب برمیگردد.
راس اینتلیجنس یک ابزار تحقیقات حقوقی مبتنی بر هوش مصنوعی ساخت تا مستقیماً با Westlaw تامسون رویترز رقابت کند. برای آموزش آن، راس از "یادداشتهای انبوه" ساخته شده از سرفصلهای Westlaw استفاده کرد - خلاصههای ویرایشی که در اصل دادگاه در یک پرونده تصمیم گرفته است را مقطر میکنند - و سیستم شماره کلیدی آن، یک طرح طبقهبندی حقوقی که تامسون رویترز دههها صرف توسعه آن کرده بود.
دادگاه دریافت که سرفصلها و سیستم طبقهبندی آثار اصلی و قابل کپیرایت هستند، و یادداشتهای آموزشی راس آنقدر به منبع اصلی نزدیک بود که "هیچ هیئت منصفه منطقی نمیتواند غیر از این پیدا کند" که کپیرایت نقض شده است. مهمتر از آن، دادگاه دفاع استفاده منصفانه راس را نیز رد کرد، به دلیلی که اگر در حال ارزیابی ابزارهای هوش مصنوعی برای کسبوکار خود هستید بسیار مهم است: ابزار راس هوش مصنوعی مولد نبود که متن جدید خلق کند - بلکه یک موتور جستجو بود که مستقیماً با محصولی که روی آن آموزش دیده بود رقابت میکرد. این رقابت مستقیم در بازار، همراه با استفاده از کار تحلیلی اختصاصی یک رقیب به جای محتوای خلاقانه منتشر شده، موازنه استفاده منصفانه را علیه راس تغییر داد. این پرونده اکنون در مرحله تجدیدنظر در دادگاه منطقه سوم است، جایی که استدلال شفاهی در ژوئن ۲۰۲۶ شنیده شد؛ این رأی اولین رویه قضایی الزامآور تجدیدنظر در مورد استفاده منصفانه در آموزش هوش مصنوعی را تعیین خواهد کرد.
خواندن دو پرونده در کنار هم
در کنار هم قرار داده شده، این پروندهها چارچوبی نوظهور (هرچند هنوز نامشخص) را ترسیم میکنند:
- آموزش بر روی محتوای خلاقانه منتشر شده که به طور قانونی به دست آمده - از آن دست که میتوانید در کتابفروشی بخرید - شانس واقعی برای استفاده منصفانه دارد، حتی بدون اجازه نویسنده.
- آموزش بر روی نسخههای دزدیده شده از همان محتوا یک مشکل قانونی جداگانه است، صرف نظر از اینکه خود آموزش چگونه توصیف میشود.
- آموزش بر روی کار تحلیلی اختصاصی یک رقیب - پایگاه دادههای داخلی، سیستمهای طبقهبندی، یا سایر داراییهای عمومی - با شانس بسیار کمتری برای استفاده منصفانه مواجه است، به ویژه زمانی که محصول حاصل مستقیماً با منبع رقابت میکند.
هیچکدام از این موارد هنوز به طور کامل قانونی نیستند. اما این واضحترین سیگنال تاکنون از نحوه تفکر دادگاهها در مورد ابزارهای هوش مصنوعی است که شما به طور فزایندهای در گردش کار خود میگنجانید.
این واقعاً چه معنایی دارد اگر از ابزارهای هوش مصنوعی استفاده میکنید
شما به احتمال بسیار کم به خاطر استفاده از ChatGPT، Claude، GitHub Copilot، یا یک ابزار تحقیقات حقوقی هوش مصنوعی شکایت خواهید شد. دعاوی قضایی شرکتهایی را هدف قرار میدهند که مدلها را ساختهاند، نه کسبوکارهایی که از آنها استفاده میکنند. اما "بعید است شکایت شوید" با "هیچ خطری وجود ندارد" یکسان نیست، و چند نکته عملی ارزش دارد که در نحوه ارزیابی و قرارداد بستن برای ابزارهای هوش مصنوعی بگنجانید:
۱. بررسی کنید که قرارداد فروشنده شما واقعاً چه چیزی را تضمین میکند. بسیاری از قراردادهای فروشندگان هوش مصنوعی هنوز با زبان مجوز نرمافزار سنتی نوشته میشوند که به وضوح ریسک خاص هوش مصنوعی را پوشش نمیدهد. به دنبال زبان جبران خسارت باشید که به صراحت ادعاهای ناشی از دادههای آموزشی و خروجیهای مدل را پوشش میدهد - نه فقط خود نرمافزار. فروشندهای که شما را برای اشکال در کد خود جبران میکند اما در مورد منشأ دادههای آموزشی سکوت میکند، در واقع شما را از خطری که این دعاوی برجسته میکنند محافظت نکرده است.
۲. بپرسید دادههای آموزشی از کجا آمده است. شما به حسابرسی قانونی نیاز ندارید، اما فروشندهای که میتواند به توافقنامههای مجوز، مشارکتهای ناشر، یا شیوههای مستند کسب داده اشاره کند، در موقعیت ریسک اساساً متفاوتی نسبت به فروشندهای است که نمیتواند به این سوال پاسخ دهد. پس از بارتز، "ما منابع داده آموزشی خود را فاش نمیکنیم" پاسخ کمتر اطمینانبخشی نسبت به قبل است.
۳. درک کنید که چه اتفاقی برای دادههای خود شما میافتد. جدا از سوال کپیرایت، اکثر فروشندگان هوش مصنوعی به طور پیشفرض از ورودیهای شما برای آموزش بیشتر مدلهای خود استفاده میکنند، مگر اینکه قرارداد شما خلاف آن را بگوید. اگر به یک ابزار هوش مصنوعی سوابق مالی مشتری، پیشنویس قراردادها، یا دادههای تجاری اختصاصی میدهید، به یک بند "بدون آموزش، بدون نگهداری" به صورت کتبی نیاز دارید - نه فقط یک کلید تنظیمات که باید به خاطر داشته باشید آن را تغییر دهید.
۴. پیگیری تجدیدنظر راس اینتلیجنس. اگر رأی دادگاه منطقه سوم (که انتظار میرود پس از استدلالهای ژوئن ۲۰۲۶ صادر شود) استفاده منصفانه را برای ابزارهای هوش مصنوعی که مستقیماً با دادههایی که روی آنها آموزش دیدهاند رقابت میکنند محدود کند، میتواند قیمتگذاری، مجوزدهی و در دسترس بودن را در یک دسته کامل از ابزارهای تحقیقاتی و تحلیلی مبتنی بر هوش مصنوعی تغییر شکل دهد - از آن دست که به طور فزایندهای نرمافزار حسابداری، تحقیقات مالیاتی و تحلیل مالی را لمس میکنند.
یک چکلیست عملی قبل از امضا (یا تمدید) قرارداد ابزار هوش مصنوعی
شما برای انجام بررسی دقیق اولیه بر روی ابزارهای هوش مصنوعی که در حال حاضر در کسبوکار شما اجرا میشوند به مدرک حقوقی نیاز ندارید. قبل از تمدید بعدی خود، این موارد را بررسی کنید:
- بند جبران خسارت را بخوانید، نه فقط عنوان آن را. آیا این بند ادعاهایی را پوشش میدهد که خروجیها کپیرایت کسی را نقض میکنند، یا فقط ادعاهای مربوط به نقص نرمافزار؟ اینها وعدههای قانونی متفاوتی هستند، و فروشندگانی که قالبهای خود را از قبل از رونق هوش مصنوعی مولد بهروز نکردهاند اغلب فقط دومی را پوشش میدهند.
- مستقیماً بپرسید: "دادههای آموزشی شما از کجا میآید؟" فروشندهای با پاسخ واضح و مستند - محتوای دارای مجوز، دادههای شخص اول، مطالب حوزه عمومی - فروشندهای با ریسک کمتر از فروشندهای است که سوال را منحرف میکند. شما نمیخواهید کل مجموعه داده آنها را حسابرسی کنید؛ میپرسید که آیا آنها اصلاً به آن فکر کردهاند یا خیر.
- پیشفرض نگهداری داده را پیدا کنید. در قرارداد (یا تنظیمات مدیریت محصول) به دنبال کلماتی مانند "آموزش"، "بهبود خدمات ما" یا "نگهداری" بگردید. اگر گزینه انصراف را نمیبینید، فرض کنید ورودیهای شما برای آموزش نسخه بعدی مدل فروشنده استفاده میشود، از جمله هر چیز حساسی که چسباندهاید.
- بررسی کنید که آیا ابزار با یک مجموعه داده اختصاصی خاص رقابت میکند یا خیر. این الگوی راس اینتلیجنس است: ابزاری که بر روی کار تحلیلی داخلی یک رقیب آموزش دیده و اکنون مستقیماً با آن رقیب رقابت میکند، در قلمرو حقوقی بسیار لرزانتری نسبت به یک دستیار نوشتن یا برنامهنویسی عمومی قرار دارد.
- یک گزارش ساده نگه دارید. یادداشت کنید از کدام ابزارهای هوش مصنوعی، برای چه کاری، و آیا آنها دادههای مشتری یا مالی را لمس میکنند. اگر روزی قرار گرفتن در معرض قانونی یک فروشنده به مشکل شما تبدیل شود - به دلیل اختلال در سرویس، حذف یک ویژگی، یا اختلاف مجوز - میخواهید ردپای خود را بدانید بدون اینکه مجبور باشید آن را از حافظه بازسازی کنید.
هیچکدام از اینها بیش از یک ساعت طول نمیکشد، و بیشتر آن فقط یک بار در هر فروشنده نیاز به انجام دارد، نه هر بار که وارد سیستم میشوید.
چرا این موضوع متعلق به مکالمه حسابداری شماست
وسوسهانگیز است که دعوای کپیرایت هوش مصنوعی را در دسته "اخبار جالب، نه مشکل من" بایگانی کنید. اما اگر کسبوکار شما از یک ابزار مبتنی بر هوش مصنوعی در هر جای گردش کار مالی خود استفاده میکند - دستهبندی تراکنشها، پیشنویس ارتباط با مشتری، خلاصهسازی راهنمایی مالیاتی - شما یک کاربر پاییندستی از دقیقاً نوع فناوری هستید که این پروندهها درباره آن هستند. ریسک فروشنده در پشته فناوری شما یک ریسک تجاری واقعی است، و بررسی آنچه قراردادهای ابزار هوش مصنوعی شما واقعاً میگویند هیچ هزینهای ندارد و یک بعد از ظهر وقت میبرد.
این همچنین یادآور خوبی از یک اصل گستردهتر است: هرچه سیستمهای خود شما شفافتر و قابل حسابرسیتر باشند، زمانی که زمین زیر پای فروشندهای که به آن وابسته هستید تغییر میکند، آسیبپذیری کمتری دارید. این در مورد ابزارهای هوش مصنوعی صادق است، و در مورد سوابق مالی شما نیز به همان اندازه صادق است.
سوابق خود را شفاف و قابل حسابرسی نگه دارید
صرف نظر از هر سوال حقوقی که در مورد ابزارهای هوش مصنوعی که استفاده میکنید حل و فصل شود، سوابق مالی خود شما نباید یک جعبه سیاه باشد. Beancount.io حسابداری متن-ساده را ارائه میدهد که کاملاً شفاف، دارای نسخهبندی و قابل حسابرسی آسان است - بدون فرمت اختصاصی که دادههای شما را قفل کند، بدون فروشندهای که باید کورکورانه به آن اعتماد کنید. هماکنون به صورت رایگان شروع کنید و ببینید چرا توسعهدهندگان و حرفهایهای مالی به حسابداری متن-ساده روی میآورند.