Processo do New York Times revela documentos internos da Microsoft e OpenAI sobre recolha de dados para IA

No processo de direitos de autor em curso, movido pelo The New York Times e outros editores contra a Microsoft e a OpenAI, os autores apresentaram documentos internos não censurados que lançam nova luz sobre como as duas gigantes tecnológicas encaram a recolha em larga escala de material protegido para treinar modelos generativos de IA.

Os documentos incluem e‑mails e relatórios internos que não foram apagados antes de serem inseridos nos autos, conforme relatado pela Ars Technica a 17 de setembro de 2026 e pela Golem.de a 18 de setembro de 2026.

Linguagem executiva enquadra a prática como roubo sem precedentes

Um memorando citou Brent Hecht, diretor de ciências aplicadas da Microsoft, descrevendo a recolha massiva de conteúdo como "o maior roubo de trabalho da história da humanidade" e indicando que questionou internamente a defesa baseada no uso justo.

O comentário de Hecht, apresentado nos documentos judiciais, não constitui uma análise jurídica, mas reflete um ponto de vista pessoal, nuance que a Microsoft destacou posteriormente na sua resposta pública.

Risco de ciclo económico destrutivo

Um documento interno da Microsoft alertou para um "ciclo destrutivo": produtos de IA que utilizam conteúdo protegido poderiam reduzir a receita dos produtores originais, o que por sua vez diminuiria a quantidade de material disponível para o treino de futuros modelos.

O memorando advertiu que esse ciclo poderia minar a saúde a longo prazo do ecossistema editorial, preocupação ecoada pelos autores da ação no seu requerimento.

Provas de queda de tráfego e comportamento dos utilizadores

Os autores apresentaram dados que mostram quedas nas taxas de cliques entre 83 % e 93 % para determinadas manchetes e entre 51 % e 94 % para outras, após respostas geradas por IA serem exibidas em vez dos artigos originais. Os números são oferecidos como evidência, não como facto judicial.

Mensagens internas da OpenAI revelam que alguns colaboradores acreditavam que os utilizadores seriam menos propensos a clicar num link quando a resposta já era fornecida na resposta da IA, reforçando a alegação dos editores de redução de tráfego.

• Brent Hecht chamou a recolha de dados "o maior roubo de trabalho da história da humanidade"
• Microsoft alertou para um ciclo de receitas destrutivo para os produtores de conteúdo
• Satya Nadella testemunhou que assistentes de IA podem substituir uma visita ao site ao fornecer a informação directamente
• Colaboradores da OpenAI previram taxas de clique mais baixas quando as respostas eram pré‑geradas

Satya Nadella, CEO da Microsoft, testemunhou sob juramento que assistentes de IA poderiam substituir efetivamente a visita do utilizador à fonte original ao fornecer a informação solicitada directamente, declaração que se alinha às preocupações internas sobre perda de tráfego.

Os autores também alegam que foi descoberta uma técnica de contorno de paywall, permitindo a um fornecedor externo fornecer cerca de 1,8 milhão de artigos do New York Times sob restrições de uso comercial que foram posteriormente usados para treinar modelos.

A Microsoft respondeu que as declarações citadas refletem a perspetiva de um colaborador individual e não constituem a posição legal oficial da empresa. Tanto a Microsoft como a OpenAI continuam a argumentar que o uso de material protegido está dentro dos limites do uso justo, tese ainda não julgada por nenhum tribunal.

Nenhuma decisão judicial sobre o mérito destas alegações foi proferida; os documentos permanecem parte do registo probatório enquanto o caso avança para um veredicto substantivo.

Para organizações portuguesas, a divulgação destes documentos internos indica um aumento do risco para empresas que dependem de conteúdo gerado por IA. As dúvidas internas sobre o uso justo e as perdas de tráfego quantificadas sugerem que futuros litígios podem impor requisitos de licenciamento mais rigorosos, exigir maior transparência na origem dos dados e potencialmente elevar o custo de implementação de grandes modelos de linguagem que utilizem texto protegido.