Een schikking van 1,5 miljard dollar. Miljoenen illegaal gekopieerde boeken. En een juridisch onderscheid zo subtiel dat een federale rechter het gebruikte om een AI-bedrijf vrij te pleiten voor het trainen van zijn modellen — maar het bedrijf toch aansprakelijk hield voor de manier waarop het aan de trainingsgegevens was gekomen.
Als u in uw bedrijf gebruik maakt van een AI-schrijfassistent, een codeer-copilot of een AI-gestuurd onderzoekstool, dan hebben twee rechtszaken die in het afgelopen jaar zijn beslist stilletjes de regels herschreven voor de tools waar u dagelijks op vertrouwt. Geen van beide zaken had betrekking op u. Maar samen geven ze antwoord op een vraag die elke kleine ondernemer die AI gebruikt, zou moeten stellen: als ik een AI-tool gebruik die is gebouwd op auteursrechtelijk beschermd materiaal van iemand anders, loop ik dan risico?
De vraag van 1,5 miljard dollar: Bartz tegen Anthropic
De zaak begon met drie auteurs — de non-fictieschrijvers Charles Graeber en Kirk Wallace Johnson, en thrillerschrijfster Andrea Bartz — die ontdekten dat Anthropic zonder toestemming of betaling hun boeken had gebruikt om zijn Claude AI-modellen te trainen.
Wat rechter William Alsup besliste, splitste de zaak op in twee heel verschillende vragen, met twee heel verschillende antwoorden.
Vraag één: is het trainen van een AI-model op auteursrechtelijk beschermde boeken redelijk gebruik? Ja — maar alleen voor boeken die Anthropic op legitieme wijze bezat of had gelicentieerd. De rechtbank omschreef het trainingsproces als "transformerend — op spectaculaire wijze", en vergeleek het met hoe een mens veel leest om te leren schrijven. Omdat de trainingsgegevens zelf verborgen blijven in het model en niet in de plaats komen van het kopen van het originele boek, oordeelde de rechter dat het gebruik de markt voor het werk van de auteurs niet schaadde.
Vraag twee: maakt het uit hoe het bedrijf aan de boeken is gekomen? Absoluut. Anthropic had niet alleen boeken gebruikt die het had gekocht — het had meer dan 7 miljoen auteursrechtelijk beschermde werken gedownload van 'schaduwbibliotheken' zoals Library Genesis (LibGen) en Pirate Library Mirror, sites die illegaal gekopieerde versies van auteursrechtelijk beschermde boeken gratis aanbieden. De rechtbank was sceptisch dat enige mate van stroomafwaarts redelijk gebruik het feit kon uitwissen dat de boeken in eerste instantie illegaal waren verkregen. Training mag dan legaal zijn. Piraterij is piraterij, ongeacht wat u daarna met het illegaal gekopieerde bestand doet.
Dat onderscheid leidde tot de grootste auteursrechtelijke schikking in de Amerikaanse geschiedenis: 1,5 miljard dollar, wat neerkomt op ongeveer 3.000 dollar per illegaal gekopieerd werk vóór juridische kosten, waarbij ongeveer 120.000 auteurs en rechthebbenden claims indienden. Als onderdeel van de deal stemde Anthropic er ook mee in om de illegale datasets te vernietigen en te certificeren dat ze niet zijn ingebed in een commercieel ingezet model. De definitieve goedkeuringszitting staat gepland voor mei 2026, waarna de betalingen kort daarna beginnen.
De zaak die andersom uitpakt: Thomson Reuters tegen Ross Intelligence
Als Bartz laat zien waar de grens van redelijk gebruik in het voordeel van een AI-bedrijf buigt, laat Thomson Reuters tegen Ross Intelligence zien waar die knapt.
Ross Intelligence bouwde een door AI aangedreven juridisch onderzoekstool om rechtstreeks te concurreren met Thomson Reuters' Westlaw. Om het te trainen gebruikte Ross 'Bulk Memos' die waren samengesteld uit Westlaw's 'headnotes' — de redactioneel geschreven samenvattingen die distilleren wat een rechtbank in een zaak daadwerkelijk heeft beslist — en het Key Number System, een juridisch classificatiesysteem waar Thomson Reuters tientallen jaren aan had gewerkt.
De rechtbank oordeelde dat de headnotes en het classificatiesysteem originele, auteursrechtelijk beschermde werken waren, en dat de trainingsmemo's van Ross zo nauw overeenkwamen met het bronmateriaal dat "geen redelijke jury anders zou kunnen concluderen" dan dat er sprake was van kopiëren. Cruciaal was ook dat de rechtbank het beroep van Ross op redelijk gebruik verwierp, om een reden die er veel toe doet als u AI-tools voor uw eigen bedrijf evalueert: Ross' tool was geen generatieve AI die nieuwe tekst creëerde — het was een zoekmachine die kop op kop concurreerde met het product waarop het was getraind. Die directe marktconcurrentie, in combinatie met het gebruik van het eigen analytische werk van een concurrent in plaats van gepubliceerde creatieve inhoud, deed de weegschaal in de redelijk-gebruiksanalyse doorslaan in het nadeel van Ross. De zaak is nu in hoger beroep bij het Third Circuit, met mondelinge pleidooien in juni 2026; de uitspraak zal het eerste bindende precedent in hoger beroep scheppen over redelijk gebruik bij AI-training.
De twee zaken samen lezen
Naast elkaar geplaatst schetsen de zaken een opkomend (zij het nog onzeker) raamwerk:
- Trainen op rechtmatig verworven, gepubliceerde creatieve inhoud — het soort dat u in een boekwinkel kunt kopen — maakt een reële kans op redelijk gebruik, zelfs zonder toestemming van de auteur.
- Trainen op illegaal gekopieerde versies van dezelfde inhoud is een apart juridisch probleem, ongeacht hoe de training zelf wordt gekarakteriseerd.
- Trainen op het eigen analytische werk van een concurrent — interne databases, classificatiesystemen of andere niet-openbare activa — heeft veel minder kans op redelijk gebruik, vooral wanneer het resulterende product rechtstreeks concurreert met de bron.
Niets hiervan is al volledig vastgelegd in de jurisprudentie. Maar het is tot nu toe het duidelijkste signaal van hoe rechtbanken denken over de AI-tools die u steeds vaker in uw werkprocessen inbouwt.
Wat dit werkelijk betekent als u AI-tools gebruikt
De kans dat u wordt aangeklaagd voor het gebruik van ChatGPT, Claude, GitHub Copilot of een juridisch AI-onderzoekstool is zeer klein. De rechtszaken richten zich op de bedrijven die de modellen hebben gebouwd, niet op de bedrijven die ze gebruiken. Maar 'kleine kans op een rechtszaak' is niet hetzelfde als 'geen risico', en een paar praktische lessen zijn het waard om in te bouwen in hoe u AI-tools evalueert en contracteert:
1. Controleer wat het contract van uw leverancier daadwerkelijk belooft. Veel AI-leveranciersovereenkomsten zijn nog steeds geschreven in de traditionele taal van softwarclicenties die AI-specifieke risico's niet duidelijk dekken. Zoek naar vrijwaringsclausules die expliciet claims dekken die voortkomen uit de trainingsgegevens en de output van het model — niet alleen de software zelf. Een leverancier die u vrijwaart voor een fout in hun code, maar zwijgt over de herkomst van trainingsgegevens, heeft u niet echt beschermd tegen het risico dat deze rechtszaken benadrukken.
2. Vraag waar de trainingsgegevens vandaan komen. U heeft geen forensische audit nodig, maar een leverancier die kan wijzen op licentieovereenkomsten, partnerschappen met uitgevers of gedocumenteerde procedures voor data-acquisitie, bevindt zich in een fundamenteel andere risicopositie dan een leverancier die die vraag niet kan beantwoorden. Na Bartz is 'we geven geen informatie over onze bronnen van trainingsgegevens' een minder geruststellend antwoord dan het vroeger was.
3. Begrijp wat er met uw eigen gegevens gebeurt. Afgezien van de auteursrechtkwestie gebruiken de meeste AI-leveranciers standaard uw input om hun modellen verder te trainen, tenzij uw contract anders bepaalt. Als u een AI-tool voorziet van financiële gegevens van klanten, contractontwerpen of bedrijfseigendom, wilt u een 'geen training, geen bewaring'-clausule op schrift — niet alleen een schakelaar in de instellingen die u moet onthouden om te zetten.
4. Houd het hoger beroep van Ross Intelligence in de gaten. Als de uitspraak van het Third Circuit (verwacht ergens na de pleidooien van juni 2026) het redelijk gebruik beperkt voor AI-tools die rechtstreeks concurreren met de gegevens waarop ze zijn getraind, kan dat de prijzen, licenties en beschikbaarheid hervormen in een hele categorie van AI-gestuurde onderzoeks- en analysetools — het soort dat steeds vaker boekhoud-, belastingonderzoeks- en financiële analysesoftware raakt.
Een praktische checklist voordat u een AI-toolcontract tekent (of verlengt)
U heeft geen rechtenstudie nodig om basis due diligence uit te voeren op de AI-tools die al in uw bedrijf draaien. Doorloop dit vóór uw volgende verlenging:
- Lees de vrijwaringsclausule, niet alleen de titel. Dekt deze claims dat de output inbreuk maakt op iemands auteursrecht, of alleen claims over het niet goed functioneren van de software? Dat zijn juridisch verschillende beloftes, en leveranciers die hun sjablonen niet hebben bijgewerkt sinds vóór de generatieve AI-hype, dekken vaak alleen het laatste.
- Vraag direct: "Waar komen uw trainingsgegevens vandaan?" Een leverancier met een duidelijk, gedocumenteerd antwoord — gelicentieerde inhoud, eerstelijns gegevens, materiaal uit het publieke domein — is een leverancier met een lager risico dan een die de vraag ontwijkt. U vraagt niet om hun hele dataset te auditen; u vraagt of ze er überhaupt over hebben nagedacht.
- Zoek de standaardinstelling voor gegevensbewaring. Doorzoek het contract (of de beheerdersinstellingen van het product) op woorden als 'training', 'onze diensten verbeteren' of 'bewaren'. Als u geen opt-out ziet, ga er dan van uit dat uw input wordt gebruikt om de volgende modelversie van de leverancier te trainen, inclusief alles gevoeligs dat u heeft geplakt.
- Controleer of de tool concurreert met een specifieke eigen dataset. Dit is het patroon van Ross Intelligence: een tool die is getraind op het interne analytische werk van een concurrent en nu rechtstreeks met die concurrent concurreert, bevindt zich in veel wankeler juridisch vaarwater dan een algemene schrijf- of codeerassistent.
- Houd een eenvoudig logboek bij. Noteer welke AI-tools u gebruikt, waarvoor, en of ze klant- of financiële gegevens raken. Als de juridische blootstelling van een leverancier ooit uw probleem wordt — vanwege een servicestoring, een functie die wordt teruggetrokken of een licentiegeschil — wilt u uw eigen voetafdruk weten zonder deze uit het geheugen te moeten reconstrueren.
Geen van deze punten kost meer dan een uur, en de meeste hoeven maar één keer per leverancier te gebeuren, niet elke keer dat u inlogt.
Waarom dit thuishoort in uw boekhoudgesprek
Het is verleidelijk om AI-auteursrechtelijke rechtszaken te plaatsen onder 'interessant nieuws, niet mijn probleem'. Maar als uw bedrijf ergens in uw financiële workflow een AI-gestuurde tool gebruikt — transacties categoriseren, communicatie met klanten opstellen, belastingadvies samenvatten — dan bent u een stroomafwaartse gebruiker van precies het soort technologie waar deze zaken over gaan. Leveranciersrisico in uw tech-stack is een reëel bedrijfsrisico, en het beoordelen van wat de contracten van uw AI-tools daadwerkelijk zeggen, kost niets en duurt een middag.
Het is ook een goede herinnering aan een breder principe: hoe transparanter en controleerbaarder uw eigen systemen zijn, hoe minder u wordt blootgesteld wanneer de grond verschuift onder een leverancier waar u afhankelijk van bent. Dat geldt voor AI-tools, en het geldt net zo goed voor uw financiële administratie.
Houd uw eigen administratie transparant en controleerbaar
Wat voor juridische vragen er ook worden opgelost over de AI-tools die u gebruikt, uw eigen financiële administratie mag geen black box zijn. Beancount.io biedt plain-text boekhouding die volledig transparant is, versiebeheerd en eenvoudig te controleren — geen eigen formaat dat uw gegevens opsluit, geen leverancier die u blindelings moet vertrouwen. Begin gratis en ontdek waarom ontwikkelaars en financiële professionals overstappen op plain-text boekhouding.