15亿美元的和解。数百万本盗版图书。以及一个如此精妙的法律区分，以至于一位联邦法官用它来让一家AI公司免于因模型训练而受罚——同时仍让其承担获取训练数据方式的责任。
如果你在企业中使用AI写作助手、编程助手或AI驱动的研究工具，过去一年内判决的两起案件悄悄改写了你日常依赖的规则。这两起案件都与你无关。但它们共同回答了一个每个使用AI的小企业主都应该问的问题：当我使用基于他人受版权保护内容构建的AI工具时，我是否面临风险？
15亿美元的问题：Bartz诉Anthropic案
此案始于三位作者——非虚构作家Charles Graeber和Kirk Wallace Johnson，以及惊悚小说家Andrea Bartz——他们发现Anthropic在未经许可或付费的情况下，使用了他们的书籍来训练其Claude AI模型。
法官William Alsup的决定将该案拆分为两个截然不同的问题，并给出了两个截然不同的答案。
问题一：基于受版权保护的书籍训练AI模型是合理使用吗？ 是的——但仅限于Anthropic合法拥有或获得许可的书籍。法院将训练过程描述为"具有变革性——极其显著"，并将其比作一个人通过广泛阅读来学习写作。由于训练数据本身隐藏在模型内部，并且不会替代购买原书，法官认定该使用并未损害作者作品的市场。
问题二：公司获取书籍的方式是否重要？ 绝对重要。Anthropic不仅使用了其购买的书籍——它还从"影子图书馆"（如Library Genesis和Pirate Library Mirror）下载了超过700万部受版权保护的作品，这些网站免费提供盗版图书。法院对任何下游的合理使用能否抹去书籍最初非法获取的事实持怀疑态度。训练可能是合法的。但盗版就是盗版，无论你事后如何处理盗版文件。
这一区分导致了美国历史上最大的版权和解：15亿美元，在律师费前每部盗版作品约合3000美元，约12万名作者和权利持有人提出了索赔。作为协议的一部分，Anthropic还同意销毁盗版数据集，并证明这些数据未嵌入任何商业部署的模型中。最终批准听证会定于2026年5月举行，付款将在此后不久开始。
反向裁决的案件：Thomson Reuters诉Ross Intelligence案
如果Bartz案展示了AI公司有利的合理使用界限，那么Thomson Reuters诉Ross Intelligence案则展示了界限如何反弹。
Ross Intelligence构建了一个AI驱动的法律研究工具，直接与Thomson Reuters的Westlaw竞争。为了训练它，Ross使用了基于Westlaw的"headnotes"（编者撰写的摘要，提炼出法院在案件中的实际裁决）和其Key Number System（Thomson Reuters花费数十年开发的法律分类体系）构建的"Bulk Memos"。
法院认定，这些headnotes和分类系统是原创的、可受版权保护的作品，而Ross的训练备忘录与源材料如此接近，以至于"没有合理的陪审团能够得出其他结论"即发生了复制行为。关键的是，法院还驳回了Ross的合理使用抗辩，原因对于评估企业AI工具非常重要：Ross的工具并非生成新文本的生成式AI——它是一个搜索引擎，与训练所用的产品直接竞争。这种直接的市场竞争，加上使用竞争对手的专有分析工作而非已发布的创意内容，使得合理使用分析对Ross不利。该案目前正在向第三巡回上诉法院上诉，口头辩论于2026年6月举行；裁决将设定关于AI训练合理使用的第一个具有约束力的上诉先例。
将两起案件放在一起解读
两起案件并列来看，勾勒出一个正在形成（尽管尚未确定）的框架：
- 基于合法获取的、已发布的创意内容进行训练——即你在书店能买到的那种内容——即使未经作者许可，也很有可能是合理使用。
- 基于该内容的盗版副本进行训练是一个独立的法律问题，无论训练本身如何定性。
- 基于竞争对手的专有分析工作（内部数据库、分类系统或其他非公开资产）进行训练面临更严峻的合理使用挑战，尤其是当最终产品与源材料直接竞争时。
这些都不是完全确定的法律。但这是迄今为止，法院如何看待你日益融入工作流程的AI工具的最清晰信号。
这对使用AI工具的你实际意味着什么
你不太可能因为使用ChatGPT、Claude、GitHub Copilot或法律研究AI工具而被起诉。诉讼针对的是构建这些模型的公司，而非使用它们的用户。但"不太可能被起诉"并不等同于"没有风险"，以下一些实用建议值得纳入你评估和签约AI工具的方式：
1. 检查你的供应商合同实际承诺了什么。 许多AI供应商协议仍使用传统软件许可语言，并未明确涵盖AI特定的风险。寻找明确涵盖因训练数据和模型输出（而不仅仅是软件本身）引起的索赔的赔偿条款。一个会为代码错误提供赔偿，但对训练数据来源保持沉默的供应商，实际上并未保护你免受这些诉讼所强调的风险。
2. 询问训练数据的来源。 你不需要进行法务审计，但一个能够指出许可协议、出版商合作或记录在案的数据获取实践的供应商，与一个无法回答该问题的供应商相比，处于根本不同的风险位置。在Bartz案之后，"我们不披露训练数据来源"不再像以前那样令人放心。
3. 了解你自己的数据会发生什么。 与版权问题分开，除非合同另有规定，大多数AI供应商默认使用你的输入来进一步训练其模型。如果你向AI工具输入客户财务记录、合同草案或专有业务数据，你需要一个书面的"不训练、不保留"条款——而不仅仅是需要记住手动切换的设置。
4. 关注Ross Intelligence案的上诉。 如果第三巡回法院的裁决（预计在2026年6月辩论后的某个时间）缩小了与训练数据直接竞争的AI工具的合理使用范围，它可能重塑整个AI驱动的研究和分析工具类别的定价、许可和可用性——这些工具越来越多地涉及簿记、税务研究和财务分析软件。
签署（或续约）AI工具合同前的实用检查清单
你不需要法律学位就能对业务中运行的AI工具进行基本的尽职调查。在下一次续约前，请逐一检查：
- 阅读赔偿条款，而不仅仅是其标题。 它是否涵盖关于输出侵犯他人版权的索赔，还是仅涵盖软件故障的索赔？这些在法律上是不同的承诺，而在生成式AI热潮之前未更新模板的供应商通常只涵盖后者。
- 直接询问："你们的训练数据来自哪里？" 一个有清晰、记录在案答案（许可内容、第一方数据、公共领域材料）的供应商，比一个回避该问题的供应商风险更低。你并非要求审计其整个数据集；你是在问他们是否考虑过这个问题。
- 找到数据保留默认设置。 在合同中（或产品的管理设置中）搜索"训练"、"改进我们的服务"或"保留"等词。如果你没有看到退出选项，假设你的输入（包括你粘贴的任何敏感信息）正被用于训练供应商的下一个模型版本。
- 检查该工具是否与特定专有数据集竞争。 这是Ross Intelligence案的模式：一个基于竞争对手内部分析工作训练并与之直接竞争的工具，处于比通用写作或编码助手更不稳定的法律地位。
- 保持一个简单的日志。 记录你使用了哪些AI工具、用于什么目的，以及它们是否涉及客户或财务数据。如果供应商的法律风险——由于服务中断、功能被移除或许可纠纷——有一天成为你的问题，你希望了解自己的使用情况，而不用事后回忆。
所有这些只需不到一小时，而且大多只需每个供应商做一次，而无需每次登录都做。
为什么这属于你的簿记讨论范围
很容易将AI版权诉讼归类为"有趣的新闻，不关我的事"。但如果你的企业在财务工作流程中的任何地方使用了AI驱动的工具——分类交易、起草客户沟通、总结税务指导——那么你就是这些案件所涉及技术的下游用户。技术栈中的供应商风险是真实的业务风险，而审查AI工具合同的实际内容无需成本，只需一个下午的时间。
这也是一个更广泛原则的良好提醒：你自己的系统越透明、越可审计，当你依赖的供应商环境发生变化时，你面临的风险就越小。这对AI工具如此，对你的财务记录也同样如此。
保持你自己的记录透明且可审计
无论你使用的AI工具的法律问题如何解决，你自己的财务记录都不应是一个黑箱。Beancount.io提供纯文本会计，完全透明、可版本控制且易于审计——没有专有格式锁定你的数据，没有需要盲目信任的供应商。免费开始使用，了解为什么开发者与财务专业人士正在转向纯文本会计。