ИИ-контент вам не принадлежит

По мере того как генеративные инструменты искусственного интеллекта кардинально трансформируют способы создания и потребления контента, вопросы авторского права, интеллектуальной собственности и владения данными выходят на первый план.

В статье для ForkLog юрист фирмы Aurum Татьяна Контарева подробно анализирует основные нормативные аспекты использования и распространения контента, созданного с помощью ИИ, а также рассказывает о стратегиях, которые помогут Web3-проектам обеспечить правовую безопасность и выстроить прозрачные отношения с пользователями.

Кому принадлежит контент, созданный ИИ?

Несмотря на стремительный прогресс в области ИИ, этот вопрос до сих остается открытым и вызывает активные дискуссии в юридическом и технологическом сообществах. В процессе создания такого контента, как правило, участвуют сразу несколько сторон: разработчики моделей, специалисты по обучению, пользователи, а также сами модели ИИ. Однако когда речь заходит о праве собственности на финальный результат, до сих пор нет единого и однозначного ответа: кто — если вообще кто-либо — имеет законные основания претендовать на эти права?

Если вы создаете или используете генеративные инструменты ИИ, это напрямую влияет на вашу бизнес-модель, монетизацию и восприимчивость к юридическим рискам. Когда технологии опережают развитие нормативной базы, построение юридической стратегии становится не просто важным — оно может оказаться решающим для устойчивого роста и правовой безопасности проекта.

В сущности, проектам, интегрирующим LLM и другие инструменты ИИ в свои продукты, следует учитывать два ключевых аспекта:

• отсутствие универсального подхода. На сегодняшний день не существует единой и общепринятой правовой позиции относительно того, кому принадлежат права на контент, созданный ИИ. В разных странах это регулируется по-разному. В большинстве юрисдикций авторское право требует двух условий. Во-первых, автор должен быть человеком, и, во-вторых, контент должен быть достаточно оригинальным. Если контент сгенерирован полностью ИИ, эти критерии могут не выполняться. В таком случае результат может не охраняться авторским правом и считаться частью общественного достояния — его можно свободно использовать. Тем не менее полагаться на такой подход — крайне рискованная стратегия. Нормативная база быстро меняется, и то, что сегодня допустимо, завтра может оказаться нарушением. Особенно это касается случаев, когда человек вносит творческий вклад — пишет промпты, редактирует результат или адаптирует контент под конкретные цели. Результаты такого гибридного подхода могут подпадать под защиту авторского права;
• проактивный подход. Когда законы молчат или не предоставляют четких ориентиров, лучший выход — построение собственной стратегии. Это предполагает прямое закрепление положений о праве собственности, ответственности и использовании контента, создаваемого с помощью ИИ, в таких юридических документах, как условия и политики пользования, лицензионные соглашения и другие инструменты, регулирующие взаимодействие с пользователями. Разумеется, подобные положения должны быть грамотно сформулированы и соответствовать применимому законодательству, чтобы иметь юридическую силу и подлежать исполнению. Это позволяет обеспечить прозрачность в отношениях с пользователями, сформировать реалистичные ожидания относительно прав и обязанностей, а также создать правовую основу для ответственного внедрения ИИ в ваш проект.

Согласно нашим наблюдениям и опыту, большинство компаний, интегрирующих LLM и другие инструменты ИИ в свои продукты — включая таких отраслевых лидеров, как OpenAI и Google (Gemini) — обычно не претендуют на право собственности на результаты, сгенерированные их моделями. Однако, несмотря на то, что право собственности на итоговые материалы может не быть приоритетом, проекты, как правило, стремятся сохранить за собой право использовать пользовательские промпты и материалы, генерируемые ИИ, для последующего обучения моделей. Именно на этом этапе вопрос интеллектуальной собственности приобретает особую значимость — не только с правовой точки зрения, но и для обеспечения доверия пользователей и внедрения этических практик обращения с данными при разработке и внедрении технологий искусственного интеллекта.

Рассмотрим две основные категории данных, которые наиболее часто используются для обучения моделей:

• пользовательский контент и промпт. В большинстве случаев проекты опираются на подтверждения пользователя о том, что он либо владеет контентом, предоставляемом в ходе взаимодействия с инструментами ИИ, либо имеет право его использовать. Однако такой подход сопряжен с определенными рисками, которые мы рассмотрим ниже. Чтобы использовать пользовательский контент для обучения моделей ИИ на легитимных основаниях, пользователи должны предоставить вам соответствующие права — с юридической точки зрения это подразумевает предоставление лицензии или передачу прав собственности на такой контент. Чтобы такие положения были юридически действительными и подлежащими исполнению, условия лицензирования и отчуждения прав должны быть четко сформулированы и соответствовать применимому законодательству; 
• контент, сгенерированный ИИ. Прежде всего необходимо четко определить, кому принадлежит право собственности на материалы. Это ключевой вопрос, от которого зависит правомерность любых последующих действий с такими данными. Если права принадлежат пользователю, проекту необходимо получить отдельное разрешение на использование контента для обучения моделей. Если же права остаются за проектом, дальнейшее использование, как правило, не требует дополнительного согласия. Тем не менее к каждому случаю следует подходить индивидуально. Особенно в тех ситуациях, когда контент существенно повлиял на финальный результат или стал неотъемлемой частью материалов, сгенерированных ИИ. Если права на такие данные не были или не могут быть переданы, использование соответствующих фрагментов в обучающих или иных целях может потребовать отдельной авторизации со стороны человека.

Данные для обучения: что можно и что нельзя использовать

В большинстве случаев нарушение авторских прав связано с использованием защищенных авторским правом материалов для обучения моделей ИИ без должного разрешения. Для эффективной работы и реализации полного потенциала моделей — особенно LLM — требуется доступ к обширным и разнообразным наборам данных. Это порождает конфликт между необходимостью обширной обучающей базы данных и ограничениями, установленными авторским правом.

Прежде всего крайне важно понимать, откуда ваша модель получает обучающие данные. Как правило, платформы на базе ИИ используют как минимум два основных источника информации:

• публично доступный контент. Одним из распространенных заблуждений является представление о том, что любой контент, находящийся в открытом доступе, можно свободно использовать в любых целях, включая обучение ИИ. На практике это не так: даже если данные находятся в публичном доступе, они могут быть защищены авторским правом. Показательный пример — иск, поданный The New York Times против Microsoft и OpenAI, в котором издание обвиняет компании в незаконном использовании своего контента при обучении моделей ИИ. Более того, даже контент распространяемый по открытым или иным разрешающим лицензиям (например, Creative Commons) может содержать ограничения, которые не позволяют его использование для обучения моделей искусственного интеллекта. Поэтому крайне важно внимательно изучать условия соответствующих лицензий, прежде чем включать такие данные в обучающие базы данных;
• контент, создаваемый пользователями. Еще одним распространенным источником данных для обучения ИИ моделей являются промпты и материалы. Однако их использование связано с серьезными юридическими рисками, которые часто недооцениваются. Многие проекты пытаются обезопасить себя, включая в условия пользовательского соглашения требование подтвердить наличие прав на контент и согласие на его обработку в обучении ИИ. Однако на практике такой подход не дает достаточной защиты: проверить, действительно ли пользователь обладает этими правами, почти невозможно. В результате даже при формальном согласии юзера остается риск нарушения прав третьих лиц. Следовательно, полагаться исключительно на пользовательские соглашения без дополнительных юридических механизмов — значит подвергать бизнес риску.

Защищает ли «добросовестное использование» от нарушения авторских прав?

Отметим, что в некоторых случаях закон действительно допускает использование охраняемого авторским правом контента без лицензии — но только при соблюдении определенных условий. Один из наиболее известных механизмов — доктрина «добросовестного использования» (fair use). Так, в деле The New York Times против OpenAI последняя утверждала, что обучение моделей на общедоступном контенте подпадает под действие этой доктрины. Однако она не является абсолютной — ее применение требует тщательной юридической оценки в каждом конкретном случае.

Как правило, суды руководствуются четырьмя основными факторами при определении того, является ли использование контента добросовестным:

• цель и характер использования. Оценивается, имеет ли использование коммерческую природу либо осуществляется в некоммерческих, образовательных целях;
• характер материалов. Важно, является ли исходный материал фактическим или творчески выраженным. Fair use чаще применяется к фактическим (информационным) материалам, чем к художественным произведениям;
• объем и значимость заимствования. Учитывается, насколько значительная часть оригинального произведения используется и насколько эта часть важна. Даже небольшой фрагмент может свидетельствовать против fair use, если он составляет ядро произведения. Чем выше степень трансформации и чем меньше оригинального материала заимствовано — тем выше шансы признания использования добросовестным;
• влияние на рынок. Если правообладатель сможет доказать, что использование его контента для обучения моделей ИИ подрывает его коммерческую ценность либо снижает рыночный спрос, это будет серьезным аргументом против признания использования добросовестным.

Подводя итог, следует подчеркнуть, что риск нарушения авторских прав значительно возрастает, если контент, потенциально нарушающий права третьих лиц, многократно используется в процессе обучения моделей ИИ или воспроизводится при генерации новых материалов, особенно в тех случаях, когда отсутствуют эффективные механизмы мониторинга, идентификации и удаления такого контента — даже после установления факта возможного нарушения. Поэтому проектам крайне важно обеспечить соответствие своих обучающих баз данных и практик требованиям применимого законодательства в сфере авторского права.

Практические юридические стратегии по внедрению инструментов ИИ

Запуск ИИ-продуктов либо продуктов, в которых искусственный интеллект является важным компонентом, — не только вопрос технических инноваций, но и задача, требующая всестороннего юридического и операционного планирования. Ниже приведены ключевые аспекты, на которые следует обратить внимание, чтобы снизить риски и сделать продукт юридически безопасным:

• юридическая стратегия. В условиях отсутствия универсального правового регулирования, которое бы четко охватывало ключевые вопросы, связанные с ИИ — такие, как право собственности, приватность, использование сгенерированного контента для обучения моделей ИИ и так далее, — участие квалифицированных юристов на этапе планирования и запуска проектов является критически важным. Вопросы права собственности, использования данных и риска нарушения авторских прав не имеют универсальных или простых решений. Вместо точечных ответов требуется комплексный стратегический подход, который учитывает специфику применимого законодательства, а также бизнес-модель, архитектуру и технические особенности конкретного проекта;
• пользовательская документация. Многие проекты недооценивают риски, связанные с отсутствием качественно проработанной пользовательской документации. Между тем, такие документы, как условия использования, политики обработки и распространения контента, а также положения об ограничении и исключении ответственности не являются простой формальностью. Это — критически важные инструменты правовой защиты, позволяющие четко зафиксировать права и обязанности сторон, а также распределить риски между проектом и пользователями;
• право собственности на пользовательский и сгенерированный ИИ контент. Рекомендуется с самого начала четко закрепить в юридической документации права собственности как на пользовательский контент, так и на контент, сгенерированный ИИ, с учетом целей проекта, предполагаемых сценариев использования и требований применимого законодательства. Это обеспечивает прозрачность, соответствие ожиданиям пользователей и надежную юридическую основу для ответственного использования искусственного интеллекта;
• технические меры защиты и сопутствующие механизмы. По возможности следует внедрять технические меры, позволяющие проверять происхождение пользовательского контента, обеспечивать удобные и эффективные механизмы уведомления о нарушении авторских прав, а также оперативное удаление спорных материалов из обучающих баз данных по запросу. Такие меры усиливают правовую защиту, демонстрируют добросовестность подхода и помогают минимизировать потенциальные юридические риски.

Заключение и основные выводы

По мере того как технологии искусственного интеллекта развиваются с беспрецедентной скоростью, растет и сложность юридических, этических и регуляторных вопросов, связанных с обучением, коммерциализацией и внедрением систем ИИ. Ключевые выводы для проектов, ориентированных на внедрение и использование моделей в своих продуктах:

• не существует универсального правила, определяющего право собственности на контент, созданный ИИ. Необходима ясность, обеспечиваемая грамотно сформулированными условиями использования и внутренней пользовательской документацией;
• использование публично доступных или пользовательских данных для обучения ИИ связано с реальными рисками нарушения авторских прав. Надеяться исключительно на пользовательские соглашения — недостаточно;
• защита на основании доктрины fair use ограничена и зависит от конкретных обстоятельств. Она не может служить надежной правовой опорой для масштабного обучения моделей ИИ;
• проактивная юридическая стратегия — ключ к устойчивости. Это включает: четкое лицензирование, комплексную юридическую документацию, и внедрение систем управления контентом на всех этапах жизненного цикла продукта.

Для фаундеров, разработчиков и бизнес-лидеров, работающих с ИИ и технологиями Web3, соблюдение применимых правовых норм — это не просто пункт в чек-листе, а неотъемлемая часть успешной стратегии. Компетентный подход к правовым вопросам способен защитить не только бизнес, но и обеспечить доверие пользователей, надежность модели и жизнеспособность инноваций в долгосрочной перспективе.