noticias

Treinamento de IA com livros: quando o uso vira inovação — e quando vira violação de direitos autorais

**Categoria editorial:** Inteligência Artificial / Direito Digital

**Linha fina:** Decisões judiciais nos Estados Unidos desmontam a ideia de que existe uma resposta simples: treinar modelos com obras protegidas pode ser considerado uso legítimo em determinadas circunstâncias, enquanto a origem dos arquivos, a concorrência com autores e a pirataria mudam completamente a equação.

**Meta description:** Decisões nos EUA mostram que treinar IA com livros pode ser fair use, mas pirataria, licenciamento e impacto no mercado mantêm a disputa aberta.

**Slug:** `treinamento-ia-livros-direitos-autorais`

**Palavra-chave principal:** treinamento de IA com livros

Matéria completa

A discussão sobre **treinamento de IA com livros** costuma ser apresentada como uma pergunta aparentemente simples: uma empresa pode pegar uma obra protegida por direitos autorais, colocá-la em um conjunto de treinamento e usar seu conteúdo para desenvolver um modelo como os que sustentam ChatGPT, Claude ou Gemini?

A resposta, pelo menos no estágio atual da disputa jurídica, é muito menos confortável para ambos os lados: **depende de como a obra foi obtida, de como foi utilizada, do propósito do sistema e até do mercado no qual o resultado da IA passa a competir**.

O tema voltou ao centro do debate neste domingo, 23 de agosto de 2026, a partir de uma reportagem publicada pelo TechCrunch e repercutida pelo Olhar Digital. Mas a questão deixou há algum tempo de ser apenas teórica. Tribunais americanos já começaram a separar situações que durante os primeiros anos da IA generativa eram tratadas como se fossem a mesma coisa.

E essa separação muda bastante o jogo.

Treinar uma IA não é simplesmente guardar livros dentro dela

Antes do direito, existe uma diferença técnica importante.

Um grande modelo de linguagem não funciona, em condições normais, como uma biblioteca digital na qual cada livro permanece armazenado em uma gaveta para ser recuperado posteriormente.

Durante o treinamento, os textos são transformados em unidades menores, os chamados **tokens**. O sistema processa enormes sequências desses tokens e ajusta bilhões de parâmetros matemáticos de maneira a melhorar sua capacidade de prever relações entre palavras, frases, conceitos e estruturas.

No processo descrito judicialmente no caso envolvendo a Anthropic, por exemplo, os livros passavam por etapas de preparação, limpeza e tokenização antes de serem utilizados repetidamente durante o treinamento de modelos.

Isso não significa que direitos autorais desapareçam no momento em que um texto vira número.

Para chegar ao treinamento, normalmente é necessário obter, armazenar, copiar e processar a obra. Além disso, modelos podem memorizar sequências específicas, especialmente quando determinado conteúdo aparece repetidamente no dataset. O risco jurídico, portanto, não está apenas naquilo que o chatbot entrega ao usuário, mas também em **como aquela obra entrou na cadeia de desenvolvimento**.

Essa distinção tornou-se decisiva nos tribunais.

O caso Anthropic produziu uma resposta que parece contraditória — mas não é

Um dos julgamentos mais importantes até agora envolveu autores que processaram a Anthropic, desenvolvedora do Claude.

Em junho de 2025, o juiz federal William Alsup concluiu que utilizar livros para treinar os modelos da empresa, naquele contexto específico, era um uso suficientemente transformador para ser enquadrado como **fair use**, a doutrina americana que permite determinadas utilizações de obras protegidas sem autorização.

Só que a decisão trouxe um enorme asterisco.

Segundo os documentos do processo, a Anthropic havia baixado mais de sete milhões de cópias de livros de bibliotecas consideradas piratas, incluindo LibGen e PiLiMi, enquanto construía uma biblioteca interna destinada a permanecer disponível para múltiplos usos.

E aí a conclusão foi outra.

A corte entendeu que a criação dessa biblioteca permanente a partir de cópias piratas não estava automaticamente protegida pelo fato de algumas dessas obras posteriormente participarem do treinamento.

Em outras palavras, **uma finalidade potencialmente legítima não saneia necessariamente a forma pela qual o material foi adquirido**.

A própria decisão separou três comportamentos: treinar os modelos, digitalizar livros físicos legalmente comprados substituindo os exemplares e manter uma biblioteca formada a partir de arquivos piratas. Os dois primeiros receberam tratamento favorável no julgamento; o terceiro, não.

Essa diferença é provavelmente uma das peças mais importantes para entender toda a discussão.

E a história da Anthropic não terminou na decisão

O conflito ganhou uma dimensão financeira gigantesca.

Em julho de 2026, a Justiça dos Estados Unidos deu aprovação final a um acordo de **US$ 1,5 bilhão** entre a Anthropic e autores envolvidos na ação coletiva. O acordo está relacionado às alegações envolvendo a biblioteca de livros obtidos de fontes piratas e tornou-se o maior acordo conhecido de uma ação coletiva de copyright nos Estados Unidos.

Portanto, afirmar simplesmente que “a Justiça americana decidiu que treinar IA com livros é legal” seria enganoso.

O treinamento recebeu proteção de fair use naquela análise.

A pirataria, não.

E, em agosto de 2026, a própria Anthropic voltou a ser alvo de novas acusações envolvendo treinamento: a editora musical Round Hill abriu ações contra Anthropic e Suno alegando utilização não autorizada de letras protegidas por direitos autorais.

A fronteira continua sendo desenhada caso a caso.

Meta também venceu autores — mas o próprio juiz colocou um freio na comemoração

Outro processo relevante foi movido contra a Meta por autores que afirmaram que seus livros haviam sido utilizados no treinamento do Llama.

Em junho de 2025, o juiz Vince Chhabria decidiu a favor da Meta naquele processo.

Mas sua fundamentação foi importante: os autores, segundo o tribunal, não haviam demonstrado adequadamente o prejuízo ao mercado necessário para sustentar a tese apresentada. O juiz ressaltou que isso não significava declarar de forma geral que todo treinamento de IA com material protegido seria permitido.

É uma diferença jurídica enorme.

Vencer uma ação porque os argumentos ou as provas dos autores foram insuficientes não cria automaticamente uma licença universal para copiar qualquer obra existente.

E houve um caso em que a IA perdeu

O processo **Thomson Reuters contra Ross Intelligence** mostrou justamente o outro lado.

A Ross desenvolvia uma ferramenta de pesquisa jurídica concorrente do Westlaw e utilizou material derivado dos headnotes produzidos pela Thomson Reuters para treinar seu sistema.

Em fevereiro de 2025, o juiz Stephanos Bibas rejeitou a defesa de fair use e reconheceu infração envolvendo mais de duas mil dessas estruturas editoriais. Um dos pontos relevantes era justamente a utilização do conteúdo para construir um produto capaz de competir no mesmo mercado.

Isso aproxima o debate de uma questão econômica que tende a ficar cada vez mais importante:

**o modelo está aprendendo a partir da obra ou está sendo usado para substituir comercialmente aquilo que aprendeu?**

Não existe uma linha matemática capaz de responder a isso.

Mas o impacto no mercado está se tornando uma peça central da discussão.

O Copyright Office americano também rejeita respostas absolutas

O U.S. Copyright Office analisou extensamente o tema em seu relatório sobre treinamento de inteligência artificial generativa.

A conclusão do órgão é particularmente interessante porque evita os dois extremos.

Segundo o relatório, alguns usos de obras protegidas durante treinamento provavelmente serão considerados fair use e outros não. Pesquisa não comercial, análise e situações em que o sistema não reproduz partes relevantes das obras ficam em uma extremidade mais favorável.

Na outra aparecem casos em que obras expressivas são obtidas de fontes piratas e usadas comercialmente para gerar conteúdo que compete no mercado com os próprios criadores, especialmente quando existem alternativas de licenciamento.

O Copyright Office também observa que a escala da IA generativa cria um fenômeno novo: mesmo quando uma resposta específica não copia literalmente uma obra, milhões de gerações automatizadas podem afetar mercados criativos de uma forma que sistemas anteriores jamais conseguiram.

É aqui que a discussão deixa de ser somente jurídica e passa a ser econômica.

O mercado de licenciamento pode virar uma infraestrutura da IA

Editoras, jornais, bancos de imagens e outras empresas começaram a perceber que seus acervos podem ter um segundo mercado: não apenas leitores humanos, mas desenvolvedores de modelos.

Já existem acordos voluntários de licenciamento de conteúdo para treinamento e integração com sistemas de IA. O Copyright Office americano considera que esses mercados estão surgindo em diferentes setores, embora ainda de maneira desigual.

Para autores, isso pode abrir uma nova fonte de remuneração.

Mas existe uma consequência menos discutida.

Se treinar modelos de ponta exigir contratos com milhares de editoras, jornais e grandes proprietários de conteúdo, apenas empresas com bolsos muito profundos conseguirão comprar datasets realmente competitivos.

Nesse cenário, uma regulação criada para proteger criadores pode, se mal desenhada, fortalecer exatamente as gigantes que já dominam infraestrutura, chips, nuvem e modelos fundacionais.

O próprio debate analisado pelo Copyright Office reconhece esse risco de concentração econômica.

Esta talvez seja a parte menos intuitiva do problema: **dados licenciados podem se transformar em uma barreira de entrada tão relevante quanto GPUs**.

Existe ainda outra disputa: quem é dono do que a IA cria?

Uso de obras durante o treinamento e proteção jurídica daquilo que a IA produz são duas discussões diferentes.

Nos Estados Unidos, a exigência de autoria humana ganhou um precedente importante no caso de Stephen Thaler, que tentou registrar uma obra indicada como criada autonomamente por um sistema de inteligência artificial.

A Suprema Corte americana recusou em março de 2026 analisar o recurso, mantendo na prática a decisão das instâncias inferiores de que uma obra apresentada como inteiramente produzida por máquina, sem contribuição criativa humana suficiente, não recebe copyright naquele regime.

Isso não significa que qualquer obra feita com auxílio de IA esteja desprotegida.

O ponto central é a participação criativa humana.

Usar um corretor, um editor de imagem ou mesmo ferramentas generativas como parte de um processo dirigido por uma pessoa é juridicamente diferente de apresentar a própria máquina como autora integral.

No Brasil, copiar a solução americana seria um erro

Há uma armadilha frequente nessa discussão: importar decisões de tribunais americanos como se definissem automaticamente o que pode acontecer no Brasil.

Não definem.

A Lei brasileira de Direitos Autorais estabelece que o autor possui direito exclusivo sobre a utilização da obra e prevê autorização prévia para modalidades como reprodução, inclusão em bases de dados e armazenamento em computador.

A mesma legislação apresenta hipóteses específicas de limitação aos direitos autorais, como citações, reprodução de pequenos trechos em determinadas circunstâncias e alguns usos educacionais ou privados. O texto brasileiro, porém, não possui uma cláusula geral equivalente ao **fair use** americano.

Isso não permite concluir automaticamente que todo treinamento de IA realizado no Brasil seja ilegal.

Permite concluir apenas que transportar a jurisprudência americana para cá sem adaptação jurídica seria tecnicamente incorreto.

O próprio Congresso brasileiro ainda discute como tratar o tema.

O PL 2.338/2023, que concentra parte relevante da construção de um marco regulatório brasileiro para inteligência artificial, continuava sob análise na Câmara com diversas proposições relacionadas e debates específicos sobre IA generativa e direitos autorais.

E em julho de 2026 surgiu uma proposta ainda mais direta: o PL 3.982/2026 pretende alterar a Lei de Direitos Autorais para disciplinar a exploração econômica de obras durante treinamento de sistemas de IA e criar direito a remuneração proporcional. Trata-se de projeto de lei, não de regra vigente.

Essa distinção é fundamental.

Análise da equipe

A discussão sobre livros e inteligência artificial foi contaminada durante muito tempo por duas simplificações igualmente ruins.

De um lado está a tese de que uma IA “apenas aprende como uma pessoa aprende” e, portanto, qualquer material disponível deveria poder ser utilizado.

Do outro, a ideia de que qualquer processamento computacional de uma obra equivale automaticamente à publicação de uma cópia pirata.

Nenhuma das duas descreve adequadamente o que acontece.

Uma pessoa pode ler um romance sem criar milhões de reproduções intermediárias, distribuir cópias entre servidores ou transformar sistematicamente bibliotecas inteiras em matéria-prima de um produto comercial.

Ao mesmo tempo, um modelo treinado com um livro não necessariamente funciona como um serviço de download daquele livro. Há uma transformação matemática real no treinamento.

É justamente por isso que a procedência do dataset, a capacidade de memorizar conteúdo, as salvaguardas contra reprodução, a finalidade do sistema e o impacto econômico precisam ser analisados separadamente.

Para empresas de IA, o futuro provavelmente exigirá algo que durante a primeira corrida dos modelos fundacionais recebeu atenção insuficiente: **proveniência de dados**.

Não bastará saber quantos trilhões de tokens entraram no treinamento.

Será necessário demonstrar de onde vieram, sob qual licença, quais direitos acompanhavam aquele material, quais filtros foram utilizados e o que aconteceu com os arquivos depois.

Isso transforma governança de datasets em infraestrutura jurídica.

E pode ser tão importante quanto a própria arquitetura do modelo.

A batalha agora será pelo valor dos dados

O primeiro ciclo da inteligência artificial generativa premiou quem conseguiu reunir mais computação, mais dados e melhores pesquisadores.

O próximo poderá adicionar uma quarta variável: **quem possui direitos suficientemente claros sobre os dados utilizados**.

Editoras descobrirão quanto vale permitir que milhares de livros sejam usados em treinamento.

Empresas de IA tentarão provar que determinadas utilizações dispensam licença.

Autores buscarão remuneração e transparência.

Tribunais precisarão decidir até onde uma tecnologia pode aprender com a cultura existente sem destruir os incentivos econômicos necessários para que novas obras continuem sendo produzidas.

E governos terão um problema adicional: proteger criadores sem transformar os melhores datasets do mundo em ativos exclusivos de meia dúzia de empresas capazes de pagar por eles.

Por enquanto, portanto, a pergunta “livros podem ser usados para treinar inteligência artificial?” continua sem uma resposta universal.

A formulação mais precisa é outra.

**Quais livros, obtidos de que maneira, utilizados para qual finalidade, por qual sistema e com qual efeito sobre o mercado?**

É nessa sequência de perguntas que os tribunais estão começando a desenhar as regras da próxima fase da inteligência artificial.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis