O The New York Times e o Daily News acusaram a OpenAI de mentir sobre sua capacidade de buscar obras protegidas por direitos autorais em seus dados de treinamento e logs de conversas do ChatGPT. A acusação representa a escalada mais recente em um processo de dois anos contra a empresa de IA por suposta violação de copyright.
A acusação central
Durante todo o caso, a OpenAI argumentou que não tinha capacidade técnica para vasculhar seu próprio corpus de treinamento em busca de conteúdo protegido. Também alegou que produzir logs de conversas do ChatGPT seria “tecnicamente oneroso” e levantaria preocupações de privacidade dos usuários.
Mas em um depoimento judicial de abril, o engenheiro de privacidade de dados da OpenAI, Vinnie Monaco, teria revelado que a empresa já havia realizado buscas internas no corpus de treinamento — e que mantinha um banco de dados com 78 milhões de conversas desidentificadas do ChatGPT para uso interno.
Project Giraffe e o filtro Bloom
O depoimento também revelou a existência do “Project Giraffe”, um conjunto de ferramentas que incluía um filtro “Bloom” para detectar e registrar regurgitação de conteúdo protegido nas saídas do ChatGPT. Esse sistema teria sido implementado logo após o início do processo.
Ou seja: enquanto dizia ao tribunal que não conseguia buscar obras protegidas, a OpenAI já estava fazendo exatamente isso internamente — e mantendo registros do que encontrava.
Amostra de logs: de 120 milhões para 20 milhões — e redigida
Os autores do processo haviam solicitado originalmente uma amostra de 120 milhões de logs de conversas. A OpenAI negociou para reduzir para 20 milhões. Quando finalmente entregou a amostra em dezembro de 2025, o tribunal considerou que as redações eram tantas que a amostra ficou “inutilizável“.
Os demandantes também afirmam que a OpenAI deletou bilhões de outputs do ChatGPT após o início do processo — uma violação direta da ordem de preservação de evidências do tribunal. E que a empresa substituiu milhões de logs na amostra solicitada.
Nas palavras do advogado principal dos demandantes, Ian B. Crosby: “Se a OpenAI realmente acreditasse que copiar o jornalismo de nossos clientes era justo e legal, não teria escondido a verdade sobre tê-lo feito.“
O que os demandantes pedem
O NYT e o Daily News estão solicitando ao juiz:
- Impedir que a OpenAI use a amostra de 20 milhões de logs como evidência (por não ser confiável)
- Aceitar como fato que os logs do ChatGPT mostrariam regurgitação substancial do conteúdo dos demandantes
- Impedir que a OpenAI argumente que os logs fornecidos não demonstram regurgitação
- Fazer a OpenAI pagar os custos legais por ter forçado os demandantes a “correr atrás” dessas evidências
OpenAI nega
O porta-voz da OpenAI, Drew Pusateri, negou as acusações em comunicado, acusando o Times de tentar acessar conversas privadas de usuários:
“À medida que o caso do Times enfraquece e eles foram forçados a desistir de acusações contra nós, eles persistem em seus esforços para invadir a privacidade de pessoas que não têm nada a ver com este caso, inclusive fazendo essas alegações flagrantemente falsas. Continuaremos defendendo a privacidade de nossos usuários e os princípios consagrados do fair use.”
Por que isso importa
Este caso é um dos mais importantes para o futuro da IA generativa. Se o tribunal aceitar as sanções contra a OpenAI, o precedente pode afetar não apenas este processo, mas toda a indústria. A questão central — se treinar modelos em conteúdo protegido por copyright constitui fair use — ainda está em aberto, mas a conduta processual da OpenAI pode prejudicar sua posição independentemente do mérito.
Além disso, as revelações sobre monitoramento interno de regurgitação mostram que as empresas de IA sabem que seus modelos reproduzem conteúdo protegido — e estão ativamente medindo e mitigando isso, mesmo enquanto argumentam em tribunal que não conseguem fazer essas buscas.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
