O Tribunal de Apelações do 3º Circuito dos Estados Unidos decidiu que o treinamento de um sistema de busca jurídica baseado em inteligência artificial utilizando resumos editoriais protegidos da Thomson Reuters não constitui fair use (uso justo). A decisão unânime, redigida pela juíza Tamika Montgomery-Reeves, manteve a sentença sumária de primeira instância contra a falida ROSS Intelligence (abre em nova aba). Foi a primeira vez que uma corte federal de apelações norte-americana julgou o mérito do uso justo aplicado diretamente à ingestão de dados para treinamento de modelos de aprendizado de máquina.
Para engenheiros de dados e desenvolvedores de aprendizado supervisionado, a análise judicial disseca a anatomia da extração de dados proprietários voltada a criar substitutos comerciais. A tese amplamente difundida no ecossistema técnico de que qualquer processamento intermediário de dados para ajuste de pesos computacionais gera transformação suficiente ruiu diante das particularidades da arquitetura da ROSS.
O litígio girou em torno de 2.243 headnotes da base Westlaw, da Thomson Reuters. Headnotes são sumários analíticos concisos de pontos de direito redigidos por editores jurídicos e indexados a decisões judiciais públicas. Enquanto os despachos dos juízes pertencem ao domínio público, as sínteses editoriais contêm seleção, estrutura e redação protegidas pela lei de direitos autorais. Após ter o acesso negado à plataforma Westlaw, a ROSS contratou uma intermediária, a LegalEase Solutions, encarregada de redigir cerca de 25.000 memorandos jurídicos com perguntas e respostas. Os redatores dessa prestadora utilizaram os sumários editoriais da Westlaw quase linha por linha para formular as perguntas que balizariam o conjunto de dados de ajuste fino do motor de busca.
A engenharia reversa do conjunto de dados foi evidente. O tribunal distrital de Delaware verificou que o texto dos memorandos reproduzia os headnotes com tanta proximidade que nenhum corpo de jurados razoável descartaria a cópia literal.
A ausência de caráter transformativo
A defesa de fair use sob a legislação norte-americana depende de quatro fatores estatutários. O primeiro fator analisa o propósito e o caráter do uso. A ROSS sustentava que converter anotações textuais em vetores ou dados de treinamento para busca semântica constituía um propósito transformativo revolucionário, modernizando a pesquisa jurídica.
O 3º Circuito rejeitou essa interpretação funcionalista. O tribunal apontou que tanto a Thomson Reuters quanto a ROSS utilizavam os mesmos textos editoriais para o mesmo fim primário: organizar materiais judiciais para responder a consultas de usuários. O motor da ROSS não adicionou comentários críticos, paródia ou nova perspectiva expressiva sobre as notas. Em vez disso, utilizou o investimento intelectual alheio como um atalho de engenharia para indexar e mapear relevância semântica.
Existe uma tensão evidente entre duas leituras técnicas possíveis deste desfecho. Uma corrente enxerga a decisão como uma barreira rígida contra a extração de dados brutos para construir modelos verticais concorrentes. Outra interpreta o caso como uma condenação restrita ao método desajeitado da ROSS, que copiou material estritamente editorial para replicar uma ferramenta do mesmo nicho de mercado.
A distinção arquitetural pesou fortemente. O produto da ROSS não utilizava inteligência artificial generativa. A aplicação não sintetizava prosa nova nem produzia raciocínio inédito; seu algoritmo de recuperação devolvia exclusivamente passagens de decisões judiciais pré-existentes. O 3º Circuito pontuou expressamente em notas de rodapé que o sistema era incapaz de criar expressão original, separando o caso de debates em aberto envolvendo grandes modelos de linguagem capazes de gerar código ou prosa autônoma.
Ao classificar a transformação como minimamente transformativa, o tribunal fixou que a simples conversão de texto humano em representações matemáticas ou pares de treinamento supervisionado não lava a infração de direitos quando o objetivo final é fornecer o mesmo serviço da fonte original.
Usurpação do mercado de dados de treinamento
O quarto fator do uso justo avalia o efeito do uso sobre o mercado potencial e sobre o valor da obra protegida. Este segmento da decisão atinge em cheio pipelines contemporâneos de pré-treinamento e alinhamento de modelos.
A corte identificou prejuízo duplo. Primeiro, a ROSS construiu um produto voltado a concorrer diretamente com a Westlaw, atingindo o valor que os sumários agregam às assinaturas do serviço original. Segundo, o tribunal reconheceu a formação de um mercado específico de licenciamento de textos proprietários destinados expressamente ao treinamento de modelos de inteligência artificial. Ao se apropriar do acervo sem compensação, a ROSS usurpou uma receita emergente e legítima de licenciamento corporativo.
A criação de conjuntos de dados sintéticos via instruções derivadas de bases proprietárias, prática rotineira em pipelines que utilizam métodos no estilo instruction tuning, ganha contornos de alto risco operacional. O processo pelo qual a LegalEase traduziu sumários da Westlaw em perguntas de memorando assemelha-se estruturalmente à geração de dados de treino a partir de respostas de ferramentas concorrentes para destilar modelos menores.
A fragilidade da defesa repousou no destino do dado. A ROSS não utilizou o texto para fins puramente acadêmicos, pesquisa de linguística computacional ou indexação web sem fins concorrenciais. O modelo foi financiado e treinado com o propósito de capturar a clientela corporativa da base parasitada.
As alegações de que a decisão freia a inovação tecnológica no setor jurídico foram neutralizadas com objetividade no acórdão. Conforme ponderou Montgomery-Reeves, as aparências de uma disputa sobre o futuro da inteligência artificial enganam. A lide manteve-se nos trilhos tradicionais do direito de autor: proteção de originalidade humana e reprovação ao enriquecimento comercial sobre ativos editoriais licenciáveis.
Equipes técnicas que desenham pipelines de dados não podem mais presumir imunidade jurídica com base no jargão da transformação algorítmica. O treinamento de sistemas que competem diretamente no domínio temático do fornecedor dos dados, ancorado em cópias sem licença de material curado, torna o modelo e a infraestrutura comercial adjacente alvos diretos de condenação por infração de direitos autorais.