Avvocato generale Szpunar: il riutilizzo in tempo reale di articoli giornalistici da parte dei chatbot IA può violare i diritti degli editori

Nel primo caso in materia di intelligenza artificiale generativa ad arrivare dinanzi alla Corte di giustizia dell’Unione europea, l’avvocato generale Szpunar ha delineato le linee interpretative relative al possibile conflitto tra i diritti degli editori di testate giornalistiche e le pratiche dei chatbot basati su grandi modelli linguistici (LLM).

Il contesto: Google Gemini e la causa di Like Company

Il Gruppo Alphabet, tramite Google Ireland Ltd., offre il servizio Google Gemini, un chatbot AI progettato per conversare con gli utenti via testo o voce. Gemini si basa su LLM addestrati su enormi quantità di testo e utilizza la tecnologia “Retrieval‑Augmented Generation” (RAG), nota anche come “grounding”, che consente di prelevare informazioni in tempo reale dal World Wide Web per migliorare la precisione delle risposte.

Grazie a questa capacità, il chatbot può recuperare articoli di stampa disponibili online per fornire informazioni sulle notizie. L’operatore ungherese Like Company, che gestisce diversi portali web, ha intentato una causa contro Google davanti al Tribunale regionale di Budapest, sostenendo che Gemini abbia usato i suoi articoli per addestrare i LLM e li abbia riprodotti tra il 13 giugno 2023 e il 31 maggio 2024.

Il tribunale ungherese ha sospeso il procedimento per sottoporre quattro questioni pregiudiziali alla Corte di giustizia: due riguardanti l’addestramento dei LLM con pubblicazioni giornalistiche e due relative al diritto di riproduzione e di messa a disposizione del pubblico derivanti dalle risposte del chatbot.

Parere dell’avvocato generale sull’addestramento dei LLM

Nelle conclusioni pronunciatesi, Szpunar raccomanda di dichiarare irricevibili le due questioni relative all’addestramento dei LLM. Secondo l’avvocato generale, non vi sono prove che gli articoli di Like Company siano stati utilizzati per addestrare Gemini e l’addestramento non costituisce “utilizzo online” di pubblicazioni giornalistiche, rendendo tali questioni ipotetiche.

Per completezza, Szpunar suggerisce che l’utilizzo di opere protette dal diritto d’autore per addestrare un LLM sia, di norma, consentito in virtù dell’eccezione europea relativa all’estrazione di testo e dati. Tale eccezione permette di prelevare fatti e dati non protetti dalla forma espressiva, senza violare i diritti connessi.

Eccezione di estrazione di testo e dati

• Consente la raccolta di informazioni da fonti pubbliche per scopi di ricerca o sviluppo tecnologico.
• Non copre la riproduzione di espressioni originali protette dal diritto d’autore.
• È applicabile finché l’operazione non supera il mero “data mining” e non comporta la creazione di opere sostitutive.

Le risposte del chatbot: potenziale violazione dei diritti degli editori

Szpunar invita la Corte a concentrarsi sulle due questioni rimaste, relative alle risposte generate dal chatbot. Egli sostiene che quando un LLM recupera una pubblicazione, la utilizza per formulare una risposta e la fornisce all’utente, si possa configurare una violazione del diritto di riproduzione o di messa a disposizione dell’editore, a seconda di due fattori chiave.

Il primo fattore riguarda l’accesso illecito: se il chatbot ha eluso misure tecniche efficaci, come paywall o altre restrizioni, per ottenere la pubblicazione, l’uso è considerato illegittimo. Il secondo fattore riguarda la natura della risposta: se la risposta si limita a riportare fatti, non viola il diritto d’autore; se, invece, riproduce la forma espressiva dell’articolo in modo riconoscibile, l’utente può essere del tutto esonerato dal consultare la fonte originale, configurando una violazione.

Quando la forma espressiva è riconoscibile

• Il chatbot cita frasi intere o paragrafi quasi identici all’articolo originale.
• L’output riproduce lo stile, la struttura e le scelte linguistiche dell’autore.
• L’utente non sente più la necessità di accedere alla fonte per approfondire.

In tali circostanze, il diritto di messa a disposizione del pubblico dell’editore è violato, poiché la risposta del chatbot rende superflua la consultazione della pubblicazione originale.

Responsabilità del fornitore del chatbot

L’avvocato generale sottolinea che il fornitore del chatbot – in questo caso Google – è responsabile se le pratiche di utilizzo delle pubblicazioni giornalistiche sono parte integrante della sua strategia commerciale o se non ha adottato misure adeguate per prevenire tali usi illeciti. Le misure richieste includono:

• Implementazione di filtri per evitare il recupero di contenuti protetti da paywall.
• Monitoraggio continuo delle risposte generate per individuare possibili riproduzioni non autorizzate.
• Politiche di trasparenza verso gli editori, con possibilità di opt‑out per i contenuti protetti.

In assenza di tali accorgimenti, Google potrebbe essere ritenuto responsabile per le violazioni dei diritti connessi degli editori.

Implicazioni per il futuro della IA nel giornalismo

Il parere di Szpunar pone le basi per una disciplina più chiara del rapporto tra IA generativa e contenuti giornalistici. Se la Corte dovesse accogliere le sue indicazioni, si otterrà un quadro giuridico che:

• Conferma la legittimità dell’estrazione di dati per l’addestramento dei LLM, a condizione che non si utilizzi la forma protetta dell’espressione.
• Stabilisca criteri stringenti per l’uso di contenuti protetti nelle risposte dei chatbot, ponendo l’accento su accesso lecito e sulla non riconoscibilità della forma originale.
• Rendi i fornitori di IA responsabili della gestione dei diritti d’autore nella fase operativa, non solo nella fase di addestramento.

Queste decisioni influenzeranno non solo Google Gemini, ma tutti i servizi basati su RAG, come ChatGPT, Claude e altri, spingendo gli operatori a rivedere le proprie pratiche di raccolta e utilizzo dei contenuti online.

Conclusioni

L’avvocato generale Szpunar, nella sua opinione, distingue chiaramente tra il legittimo utilizzo di dati per addestrare modelli linguistici e il potenziale abuso nella generazione di risposte che replicano la forma espressiva protetta. La Corte di giustizia dovrà valutare se l’accesso illecito a paywall e la riproduzione riconoscibile di articoli costituiscano una violazione del diritto di riproduzione e di messa a disposizione del pubblico degli editori. La decisione avrà un impatto significativo sul modo in cui le IA generative potranno interagire con i contenuti giornalistici, garantendo al contempo il rispetto dei diritti d’autore e la tutela dell’investimento editoriale.