Una transazione da 1,5 miliardi di dollari. Milioni di libri piratati. E una distinzione legale così sottile che un giudice federale l'ha usata per scagionare un'azienda di IA dall'accusa di aver addestrato i suoi modelli, pur continuando a ritenerla responsabile per come aveva ottenuto i dati di addestramento in primo luogo.
Se utilizzi un assistente di scrittura basato sull'IA, un copilota per la programmazione o uno strumento di ricerca basato sull'IA nella tua azienda, due casi giudiziari decisi nell'ultimo anno hanno silenziosamente riscritto le regole per gli strumenti su cui fai affidamento ogni giorno. Nessuno dei due casi ti ha coinvolto. Ma insieme, rispondono a una domanda che ogni piccolo imprenditore che usa l'IA dovrebbe porsi: quando uso uno strumento di IA costruito su contenuti protetti da copyright di terzi, sono esposto a rischi?
La domanda da 1,5 miliardi di dollari: Bartz contro Anthropic
Il caso è iniziato con tre autori — lo scrittore di saggistica Charles Graeber e Kirk Wallace Johnson, e la scrittrice di thriller Andrea Bartz — che hanno scoperto che Anthropic aveva utilizzato i loro libri, senza permesso o pagamento, per addestrare i suoi modelli di IA Claude.
Ciò che il giudice William Alsup ha deciso ha suddiviso il caso in due domande molto diverse, con due risposte molto diverse.
Prima domanda: addestrare un modello di IA su libri protetti da copyright è fair use? Sì, ma solo per i libri che Anthropic possedeva o aveva concesso in licenza legalmente. Il tribunale ha descritto il processo di addestramento come "trasformativo — in modo spettacolare", paragonandolo a come una persona legge molto per imparare a scrivere. Poiché i dati di addestramento rimangono nascosti all'interno del modello e non sostituiscono l'acquisto del libro originale, il giudice ha stabilito che l'uso non danneggiava il mercato per l'opera degli autori.
Seconda domanda: ha importanza come l'azienda ha ottenuto i libri? Assolutamente sì. Anthropic non aveva utilizzato solo libri acquistati; aveva scaricato oltre 7 milioni di opere protette da copyright da "biblioteche ombra" come Library Genesis (LibGen) e Pirate Library Mirror, siti che ospitano gratuitamente copie piratate di libri protetti da copyright. Il tribunale era scettico sul fatto che qualsiasi quantità di fair use a valle potesse cancellare il fatto che i libri erano stati ottenuti illegalmente in primo luogo. L'addestramento potrebbe essere legale. La pirateria è pirateria, indipendentemente da ciò che fai con il file piratato successivamente.
Quella distinzione si è trasformata nella più grande transazione per violazione del copyright nella storia degli Stati Uniti: 1,5 miliardi di dollari, che equivalgono a circa 3.000 dollari per opera piratata prima delle spese legali, con circa 120.000 autori e titolari di diritti che hanno presentato richieste. Come parte dell'accordo, Anthropic ha anche accettato di distruggere i dataset piratati e certificare che non sono incorporati in alcun modello distribuito commercialmente. L'udienza di approvazione finale è prevista per maggio 2026, con i pagamenti che inizieranno poco dopo.
Il caso che va nella direzione opposta: Thomson Reuters contro Ross Intelligence
Se Bartz mostra dove il confine del fair use si piega a favore di un'azienda di IA, Thomson Reuters contro Ross Intelligence mostra dove si spezza.
Ross Intelligence ha costruito uno strumento di ricerca legale basato sull'IA per competere direttamente con Westlaw di Thomson Reuters. Per addestrarlo, Ross ha utilizzato "Bulk Memos" costruiti a partire dai "headnotes" di Westlaw — i riassunti redazionali che distillano ciò che un tribunale ha effettivamente deciso in un caso — e il suo Key Number System, uno schema di classificazione legale che Thomson Reuters ha impiegato decenni per sviluppare.
Il tribunale ha stabilito che gli headnotes e il sistema di classificazione erano opere originali e tutelabili dal diritto d'autore, e che i memo di addestramento di Ross corrispondevano così strettamente al materiale originale che "nessuna giuria ragionevole potrebbe concludere diversamente" dal fatto che fosse avvenuta una copia. Fondamentalmente, il tribunale ha anche respinto la difesa del fair use di Ross, per una ragione che conta molto se stai valutando strumenti di IA per la tua azienda: lo strumento di Ross non era un'IA generativa che creava nuovo testo; era un motore di ricerca in concorrenza diretta con il prodotto su cui era stato addestrato. Questa concorrenza diretta sul mercato, combinata con l'utilizzo del lavoro analitico proprietario di un concorrente anziché di contenuti creativi pubblicati, ha fatto pendere l'analisi del fair use contro Ross. Il caso è ora in appello presso il Terzo Circuito, con discussioni orali tenutesi a giugno 2026; la sentenza stabilirà il primo precedente vincolante in appello sul fair use nell'addestramento dell'IA.
Leggere i due casi insieme
Affiancati, i casi delineano un quadro emergente (anche se ancora incerto):
- Addestramento su contenuti creativi pubblicati e acquisiti legalmente — il tipo di cose che puoi comprare in libreria — ha una concreta possibilità di essere considerato fair use, anche senza il permesso dell'autore.
- Addestramento su copie piratate dello stesso contenuto è un problema legale separato, indipendentemente da come viene caratterizzato l'addestramento stesso.
- Addestramento sul lavoro analitico proprietario di un concorrente — database interni, sistemi di classificazione o altre risorse non pubbliche — affronta probabilità di fair use molto più basse, specialmente quando il prodotto risultante compete direttamente con la fonte.
Niente di tutto questo è ancora legge pienamente consolidata. Ma è il segnale più chiaro finora di come i tribunali stanno pensando agli strumenti di IA che stai sempre più integrando nel tuo flusso di lavoro.
Cosa significa effettivamente se usi strumenti di IA
È molto improbabile che tu venga citato in giudizio per l'uso di ChatGPT, Claude, GitHub Copilot o uno strumento di ricerca legale basato sull'IA. Le cause mirano alle aziende che hanno costruito i modelli, non alle aziende che li utilizzano. Ma "improbabile che venga citato in giudizio" non è la stessa cosa di "nessuna esposizione", e alcuni spunti pratici vale la pena integrare nel modo in cui valuti e contrattualizzi gli strumenti di IA:
1. Verifica cosa promette effettivamente il contratto del tuo fornitore. Molti accordi con fornitori di IA sono ancora scritti con un linguaggio tradizionale di licenza software che non copre chiaramente i rischi specifici dell'IA. Cerca clausole di indennizzo che coprano esplicitamente i reclami derivanti dai dati di addestramento e dagli output del modello — non solo dal software stesso. Un fornitore che ti indennizzerà per un bug nel suo codice ma tace sulla provenienza dei dati di addestramento non ti ha effettivamente protetto dal rischio che queste cause evidenziano.
2. Chiedi da dove provengono i dati di addestramento. Non hai bisogno di un audit forense, ma un fornitore che può indicare accordi di licenza, partnership con editori o pratiche documentate di acquisizione dati si trova in una posizione di rischio fondamentalmente diversa rispetto a uno che non può rispondere alla domanda. Dopo Bartz, "non divulghiamo le nostre fonti di dati di addestramento" è una risposta meno rassicurante di quanto non fosse.
3. Comprendi cosa succede ai tuoi dati. Separatamente dalla questione del copyright, la maggior parte dei fornitori di IA utilizza per impostazione predefinita i tuoi input per addestrare ulteriormente i loro modelli, a meno che il tuo contratto non dica diversamente. Se stai inserendo in uno strumento di IA registri finanziari dei clienti, bozze di contratti o dati aziendali proprietari, hai bisogno di una clausola "nessun addestramento, nessuna conservazione" per iscritto — non solo di un interruttore nelle impostazioni che devi ricordarti di attivare.
4. Tieni d'occhio l'appello di Ross Intelligence. Se la sentenza del Terzo Circuito (prevista qualche tempo dopo le discussioni di giugno 2026) restringe il fair use per gli strumenti di IA che competono direttamente con i dati su cui sono stati addestrati, potrebbe rimodellare prezzi, licenze e disponibilità in un'intera categoria di strumenti di ricerca e analisi basati sull'IA — il tipo che sempre più spesso tocca software di contabilità, ricerca fiscale e analisi finanziaria.
Una lista di controllo pratica prima di firmare (o rinnovare) un contratto per uno strumento di IA
Non hai bisogno di una laurea in giurisprudenza per fare una due diligence di base sugli strumenti di IA già in funzione nella tua azienda. Prima del tuo prossimo rinnovo, passa in rassegna questo:
- Leggi la clausola di indennizzo, non solo il suo titolo. Copre i reclami che gli output violano il copyright di qualcuno, o solo i reclami relativi al malfunzionamento del software? Queste sono promesse legalmente diverse, e i fornitori che non hanno aggiornato i loro modelli prima del boom dell'IA generativa spesso coprono solo la seconda.
- Chiedi direttamente: "Da dove provengono i tuoi dati di addestramento?" Un fornitore con una risposta chiara e documentata — contenuti concessi in licenza, dati proprietari, materiale di pubblico dominio — è un fornitore a minor rischio rispetto a uno che elude la domanda. Non stai chiedendo di fare un audit dell'intero dataset; stai chiedendo se ci hanno pensato o meno.
- Trova l'impostazione predefinita per la conservazione dei dati. Cerca nel contratto (o nelle impostazioni di amministrazione del prodotto) parole come "addestramento", "migliorare i nostri servizi" o "conservare". Se non vedi un'opzione per disattivarlo, presumi che i tuoi input vengano utilizzati per addestrare la prossima versione del modello del fornitore, inclusi eventuali dati sensibili che hai incollato.
- Verifica se lo strumento compete con uno specifico dataset proprietario. Questo è lo schema di Ross Intelligence: uno strumento addestrato sul lavoro analitico interno di un concorrente e ora in concorrenza diretta con quel concorrente si trova in un terreno legale molto più instabile rispetto a un assistente di scrittura o programmazione generico.
- Tieni un semplice registro. Annota quali strumenti di IA usi, per cosa e se toccano dati dei clienti o finanziari. Se l'esposizione legale di un fornitore diventa mai un tuo problema — a causa di un'interruzione del servizio, di una funzionalità rimossa o di una disputa sulle licenze — vuoi conoscere la tua impronta senza doverla ricostruire a memoria.
Niente di tutto ciò richiede più di un'ora, e la maggior parte deve essere fatto solo una volta per fornitore, non ogni volta che accedi.
Perché questo fa parte della conversazione sulla tua contabilità
È allettante archiviare le cause sul copyright nell'IA come "notizie interessanti, non un mio problema". Ma se la tua azienda utilizza uno strumento basato sull'IA in qualsiasi parte del tuo flusso di lavoro finanziario — categorizzare transazioni, redigere comunicazioni con i clienti, riassumere indicazioni fiscali — sei un utente a valle esattamente del tipo di tecnologia oggetto di questi casi. Il rischio del fornitore nel tuo stack tecnologico è un rischio aziendale reale, e rivedere cosa dicono effettivamente i contratti dei tuoi strumenti di IA non costa nulla e richiede un pomeriggio.
È anche un buon promemoria di un principio più ampio: più trasparenti e verificabili sono i tuoi sistemi, meno esposto sei quando il terreno si sposta sotto un fornitore da cui dipendi. Questo è vero per gli strumenti di IA, ed è altrettanto vero per i tuoi registri finanziari.
Mantieni i tuoi registri trasparenti e verificabili
Qualunque siano le questioni legali che verranno risolte sugli strumenti di IA che usi, i tuoi registri finanziari non dovrebbero essere una scatola nera. Beancount.io offre una contabilità in testo semplice che è completamente trasparente, controllata tramite versioni e facile da verificare — nessun formato proprietario che blocca i tuoi dati, nessun fornitore di cui fidarsi alla cieca. Inizia gratuitamente e scopri perché sviluppatori e professionisti della finanza stanno passando alla contabilità in testo semplice.