A mais recente frente da disputa sobre como os grandes modelos de linguagem são construídos não é um romance, um arquivo de notícias ou uma pilha de código-fonte. É o cancioneiro americano. Em 28 de agosto, a Sony Music Publishing e a Warner Chappell entraram em um tribunal federal no norte da Califórnia e processaram a Anthropic, o laboratório por trás da família de modelos Claude, além do CEO Dario Amodei e do cofundador Benjamin Mann. A queixa das editoras não mede palavras. Ela chama o treinamento do Claude de “um dos maiores e mais flagrantes roubos contínuos de propriedade intelectual da história”.

Essa frase foi feita para circular. Também foi feita para enquadrar uma teoria de danos que, se um júri algum dia a aceitasse no limite superior previsto pela lei, seria grande o suficiente para reorganizar a economia de um laboratório de ponta. A petição busca até US$ 150 mil por obra, além de US$ 25 mil por cada etiqueta de gerenciamento de direitos autorais removida, em “dezenas de milhares” de composições — potencialmente vários bilhões de dólares. A Anthropic não comentou imediatamente.

O caso está em uma encruzilhada que o setor vem contornando há mais de dois anos: ingerir textos protegidos por direitos autorais em escala industrial e depois responder a usuários que pedem um refrão ou um verso é pesquisa, produto ou roubo? As editoras musicais decidiram que já sabem a resposta. Agora pedem a um tribunal do mais importante polo tecnológico do país que concorde.

O catálogo citado na queixa

Cinco músicas e uma teoria de dano

As obras nomeadas nos documentos não são faixas obscuras. São músicas que há décadas vivem em rádios, casamentos, estádios e playlists de streaming. A queixa lista “Ain’t No Mountain High Enough”, o clássico de Holland-Dozier-Holland / Ashford & Simpson que Marvin Gaye e Tammi Terrell transformaram em um monumento da Motown. Lista “Livin’ on a Prayer”, do Bon Jovi, uma balada de rock sobre a classe trabalhadora que ainda explode quando uma banda de bar chega à mudança de tom. Lista “September”, do Earth, Wind & Fire, um coro sobre uma data do calendário que sobreviveu à década que o produziu. Lista “Hallelujah”, o hino de dúvida e desejo de Leonard Cohen, gravado tantas vezes que muitos ouvintes já não sabem qual versão amaram primeiro. E lista “Paper Rings”, de Taylor Swift, uma obra mais recente do catálogo que lembra ao tribunal que esta não é apenas uma disputa sobre as décadas de 1960 e 1980.

Esses títulos fazem um trabalho que uma planilha de danos não consegue fazer. Eles dizem a um juiz — e, mais tarde, talvez a um júri — que a suposta apropriação não é abstrata. É aquilo que as pessoas cantarolam. As editoras aprenderam, em disputas tecnológicas anteriores, que a especificidade convence. O Napster não foi derrotado por uma teoria sobre redes peer-to-peer. Foi derrotado pelo Metallica e por uma lista de faixas. O mesmo instinto está exposto aqui.

A Sony Music Publishing e a Warner Chappell são duas das três grandes editoras globais que controlam uma enorme parcela das composições por trás da música gravada. A terceira, a Universal, já está na disputa. A escolha de músicas famosas na queixa é uma forma de dizer: se o Claude foi treinado com a cultura, foi treinado com a gente.

Como as editoras dizem que os dados foram obtidos

Torrents, um espelho pirata e sites licenciados de letras

As alegações factuais mais explosivas da petição não dizem respeito às respostas produzidas. Dizem respeito à entrada de dados. A queixa afirma que Mann baixou por torrent mais de cinco milhões de livros pirateados. Afirma que funcionários obtiveram pelo menos outros dois milhões do Pirate Library Mirror. E afirma que o laboratório raspou letras de sites licenciados, como MusixMatch e LyricFind.

Esses três supostos caminhos importam por razões jurídicas diferentes.

Baixar por torrent uma biblioteca pirata é, se provado, uma história direta de violação de direitos autorais: reprodução em massa de obras que o laboratório não comprou, de uma fonte que não tinha o direito de entregá-las. O Pirate Library Mirror é o tipo de arquivo-sombra que circulou em círculos de aprendizado de máquina como um substituto conveniente — embora radioativo — para textos licenciados. Raspar MusixMatch e LyricFind é um tipo diferente de alegação. Esses serviços existem porque as letras são licenciadas. Eles funcionam com base em acordos comerciais com editoras. Raspar seus conteúdos, sugere a queixa, não é perambular pela web pública. É pegar o único lugar em que o setor já construiu um mercado legal e tratá-lo como um conjunto de dados de treinamento gratuito.

Nada disso foi testado em julgamento. A Anthropic não respondeu publicamente à queixa. Um processo é um conjunto de acusações, não um veredito. Mas as editoras colocaram a higiene dos dados do laboratório — quem coletou o quê, de onde e com autorização de quem — no centro do caso. Esse é um lugar mais perigoso para um réu do que um debate sobre se a paráfrase de uma letra feita por um chatbot é transformativa. A entrada de dados é mais fácil de contar. A entrada de dados deixa registros.

A aritmética dos danos legais

Dólares por obra e etiquetas removidas

A lei americana de direitos autorais não exige que o autor prove o valor exato em dólares de cada licença perdida. Para obras registradas, a lei permite uma faixa de danos legais. As editoras estão pedindo o topo dessa faixa: até US$ 150 mil por obra. Elas acrescentam um segundo número, menos conhecido: US$ 25 mil por cada etiqueta de gerenciamento de direitos autorais removida.

As informações de gerenciamento de direitos autorais são os metadados que acompanham uma obra — créditos, identificadores, a maquinaria silenciosa que informa a um licenciado quem é o proprietário e como pagar. A lei federal trata a remoção dessas informações como uma infração própria, separada da cópia da música. Se um processo de treinamento remove etiquetas para que um modelo deixe de saber, ou de revelar, que uma letra pertence a uma editora, a queixa trata cada etiqueta removida como um evento passível de cobrança.

Multiplique esses valores por “dezenas de milhares” de composições e as editoras chegam a um número de destaque que têm prazer em repetir: potencialmente vários bilhões de dólares. Isso não é uma previsão do que um juiz concederá. É um teto e uma moeda de negociação. Em litígios de direitos autorais, o teto é o objetivo. Ele muda a matemática dos acordos. Muda a forma como os conselhos de administração discutem provisões. Muda se uma empresa trata a música como um erro de arredondamento ou como uma pauta existencial.

A mesma matemática explica por que as editoras processaram Amodei e Mann nominalmente, e não apenas a entidade corporativa. Réus individuais concentram a atenção. Também, em um caso sobre suposta coleta de dados, dão um rosto humano a decisões que o laboratório poderia descrever de outra forma como prática de pesquisa.

Um acordo de US$ 1,5 bilhão sobre livros e uma pauta lotada

Este não é o primeiro debate caro da Anthropic sobre dados de treinamento. O laboratório já fechou um acordo de US$ 1,5 bilhão em um caso movido por uma editora de livros. Esse valor agora faz parte do registro público das guerras de direitos autorais da IA. Ele diz a todos os próximos autores de processos duas coisas: a Anthropic pagará quando os fatos e o foro parecerem suficientemente desfavoráveis, e o mercado para resolver esses casos já não é teórico.

A pauta musical já estava se enchendo antes de Sony e Warner Chappell protocolarem a ação. A Anthropic enfrenta processos da Universal, Concord, ABKCO, BMG e Round Hill. Com a queixa de sexta-feira, as três grandes editoras agora estão na Justiça contra a criadora do Claude. Esse é um fato estrutural, não um floreio. As grandes editoras nem sempre se movimentam em conjunto. Quando o fazem, os réus perdem a esperança de que uma delas rompa fileiras e licencie seu conteúdo sem as outras.

Editoras independentes e de porte intermediário — Concord, ABKCO, BMG, Round Hill — acrescentam profundidade de catálogo e uma textura política diferente. O acervo da ABKCO inclui partes das histórias dos Rolling Stones e de Sam Cooke. A BMG passou anos se apresentando como uma alternativa mais favorável aos autores do que as antigas grandes editoras. O catálogo da Concord é um museu do pop americano. Juntas, elas tornam mais difícil para a Anthropic argumentar que está sendo escolhida como alvo por um par de conglomerados. O setor, nessa versão, chegou como um bloco.

Por que as letras são uma arma mais afiada que os livros

Livros e artigos de notícias foram a primeira onda de processos de direitos autorais contra a IA generativa porque são longos, fáceis de citar e fáceis de mostrar em uma captura de tela. As letras são mais curtas, mais pegajosas e, em alguns aspectos, mais perigosas para um criador de modelos.

Um grande modelo de linguagem que viu um romance muitas vezes consegue discutir seus temas sem reproduzir um capítulo. Um modelo que viu uma letra está a um prompt de reproduzir a obra inteira. Músicas pop são breves. Seu valor vive na sequência exata — o refrão, a ponte, a última repetição. Usuários pedem letras a chatbots como antes pediam a mecanismos de busca. Se o Claude recita um verso, a editora não precisa de uma teoria sofisticada de semelhança substancial. A resposta é a obra.

Também existe um mercado de licenciamento que já funciona. Sites de letras pagam. Serviços de streaming pagam. O rádio paga, por meio de organizações de direitos de execução pública. A sincronização em filmes e publicidade paga. A teoria das editoras é que a Anthropic furou a fila. Não licenciou MusixMatch nem LyricFind. Não se sentou com a Sony ou a Warner. Treinou primeiro e, segundo as editoras, esperou que a lei tratasse o resultado como uso legítimo.

O uso legítimo é a doutrina com que todo laboratório de IA está contando. Ela pergunta se um uso é transformativo, quanto da obra foi copiado e o que o uso faz com o mercado do original. Treinar um modelo com textos para ensiná-lo a linguagem é, argumentam os laboratórios, uma cópia intermediária transformativa, mais parecida com ler do que com republicar. Os detentores de direitos argumentam o contrário: um chatbot comercial capaz de emitir a obra é o mercado, ou um substituto dele. Os tribunais ainda não resolveram essa disputa. Produziram uma coleção dispersa de decisões iniciais, algumas mais favoráveis ao treinamento, outras não, e uma pilha crescente de acordos que parecem apólices de seguro.

As editoras musicais têm uma razão específica para rejeitar a metáfora da leitura. Elas já licenciam o ato de exibir uma letra. O mercado não é hipotético. Ele tem tabelas de preços.

O norte da Califórnia como campo escolhido

Protocolar a ação no norte da Califórnia não é um acidente geográfico. A Anthropic é uma empresa de São Francisco. O Distrito Norte é onde os casos de tecnologia mais observados do país vão ser interpretados por juízes que acompanharam uma década de disputas sobre plataformas. É também um grupo de jurados que vive entre as pessoas que constroem esses sistemas. Isso pode funcionar para qualquer um dos lados. Pode produzir ceticismo em relação a autores de processos ligados à velha indústria. Também pode produzir impaciência com laboratórios que falam publicamente sobre segurança e, se a queixa estiver correta, baixam bibliotecas piratas por torrent em particular.

A decisão de nomear Dario Amodei e Benjamin Mann impede que o caso se torne apenas uma parábola moral corporativa. Amodei é o rosto público da marca de segurança da Anthropic — o ex-pesquisador da OpenAI que saiu para construir uma empresa que, segundo sua própria narrativa, trataria modelos poderosos com mais cautela do que seus rivais. Mann é um fundador técnico cujo nome, nesta queixa, está ligado a um suposto torrent de mais de cinco milhões de livros pirateados. O contraste é o ponto. Um laboratório de segurança, sugerem as editoras, não pode ser escrupuloso com clientes militares e descuidado com catálogos.

O que “contínuo” pretende fazer

O adjetivo mais importante da queixa talvez seja contínuo. As editoras não descreveram um pecado histórico, uma rodada de treinamento encerrada em 2023 que possa ser revertida com um acordo e um conjunto de dados mais limpo. Descreveram uma prática. Se o Claude ainda está sendo treinado, ainda está sendo atualizado, ainda responde a prompts de letras com base em pesos que absorveram MusixMatch e LyricFind, então cada dia é uma nova contagem.

Esse enquadramento importa tanto para medidas cautelares quanto para os danos. Um tribunal que acredite que a apropriação terminou pode se contentar em falar de dinheiro. Um tribunal que acredite que ela ainda está acontecendo pode ser chamado a interromper algo — um processo, um recurso, a capacidade de um modelo de emitir letras. As equipes de produto temem mais as medidas cautelares do que os cheques. Cheques podem ser provisionados. Recursos que desaparecem em uma tarde de sexta-feira são o tipo de coisa que faz usuários ir embora.

A guerra mais ampla à qual este processo se junta

A indústria musical já esteve aqui antes, ou acredita que esteve. Gravação doméstica. Sampling. Napster. A primeira década do YouTube. Os acordos de trilhas do TikTok. Todas as vezes, o argumento é que uma nova máquina tornou a cópia fácil demais e o pagamento opcional demais. Todas as vezes, a indústria chega atrasada, processa ruidosamente e, por fim, licencia. A questão em aberto é se a IA generativa é mais um ciclo de licenciamento ou uma ruptura no padrão — uma tecnologia que não precisa da música como produto, apenas como nutrição.

Se for a primeira opção, este caso terminará como frequentemente terminam os caros processos de direitos autorais: em um acordo confidencial, um corpus de letras licenciadas, uma marca-d’água, uma participação na receita e um comunicado de imprensa sobre parceria. Se for a segunda, as editoras estão tentando tornar tão alto o preço da nutrição que os laboratórios tenham de se sentar à mesa ou deixar o modelo morrer de fome musical.

O acordo de US$ 1,5 bilhão sobre livros sugere que a Anthropic já sabe como é o primeiro caminho. A presença da Universal, Concord, ABKCO, BMG e Round Hill no mesmo campo sugere que o segundo é o caminho que o setor está se preparando para percorrer se as negociações fracassarem.

O que o laboratório não disse

A Anthropic não comentou imediatamente. Esse silêncio é normal no dia em que uma queixa é protocolada. Também é um vácuo que a linguagem das editoras preencherá. “Um dos maiores e mais flagrantes roubos contínuos de propriedade intelectual da história” não é uma frase escrita para uma conferência entre advogados. É uma frase escrita para a semana entre o protocolo e a resposta, quando a narrativa pública se cristaliza.

Quando o laboratório falar, terá um repertório familiar. Poderá negar o uso de torrents. Poderá dizer que quaisquer letras presentes na mistura de treinamento foram incidentais, filtradas ou usadas de uma maneira permitida pela lei. Poderá apontar para filtros de saída que se recusam a reproduzir uma música inteira. Poderá argumentar que processar um diretor executivo e um cofundador é teatro. Poderá observar que dezenas de milhares de obras, a US$ 150 mil cada, além dos danos pelas etiquetas, é um número feito para assustar, não para medir o prejuízo.

O que não poderá fazer facilmente é fingir que a indústria musical está fragmentada. As três grandes editoras agora estão na Justiça contra a criadora do Claude. O catálogo da queixa — “Ain’t No Mountain High Enough”, “Livin’ on a Prayer”, “September”, “Hallelujah”, “Paper Rings” — lembra que as obras em questão não são um nicho. São a água em que a cultura nada.

Os próximos passos são processuais e lentos: citação, uma petição para rejeitar o caso, uma disputa sobre até onde a produção de provas alcançará o pipeline de dados da Anthropic. Em algum lugar desse pipeline, se as editoras estiverem certas, há um torrent, um espelho e uma raspagem de sites que já pagam pelas palavras. Em algum lugar da teoria dos danos há um valor por obra grande o suficiente para fazer um laboratório de ponta recuar. As músicas, por sua vez, continuarão tocando. A pergunta que o Distrito Norte foi chamado a responder é quem, se é que alguém, será pago quando uma máquina aprender a cantá-las de volta.