Copyright e addestramento dell'AI: negli Usa si apre un nuovo fronte legale

Immagine generata dall'AI

A un anno dalle prime sentenze sul rapporto tra copyright e addestramento dei Large Language Model (LLM) di intelligenza artificiale, negli Stati Uniti il quadro giuridico è tutt'altro che stabilizzato. Anzi, il dibattito si è ulteriormente complicato, trasformandosi da una disputa giudiziaria sul fair use in un confronto più ampio sulla filosofia stessa della regolamentazione dell'intelligenza artificiale. La questione di fondo rimane irrisolta: è legittimo addestrare modelli di AI utilizzando opere protette dal diritto d'autore senza il consenso dei titolari dei diritti? I tribunali federali statunitensi continuano a fornire risposte contrastanti.

Nel giugno 2025 (caso Bartz v. Anthropic) il giudice federale William Alsup aveva stabilito che l'impiego di libri acquistati regolarmente e successivamente digitalizzati per l'addestramento di modelli di intelligenza artificiale può rientrare nel principio del fair use. Secondo Alsup, il processo di addestramento costituisce un utilizzo "essenzialmente trasformativo", poiché le opere non vengono riprodotte per sostituirsi al mercato editoriale, ma sono utilizzate per consentire al modello di apprendere relazioni statistiche tra parole e concetti. 

Due giorni dopo la decisione di Alsup, anche il giudice federale Vince Chhabria si è pronunciato in un procedimento contro Meta (caso Kadrey v. Meta) promosso da un gruppo di autori nel 2023, tra cui Sarah Silverman e Ta-Nehisi Coates. A differenza di quanto è stato spesso riportato erroneamente nelle ricostruzioni giornalistiche, Chhabria non ha affermato che l'addestramento dei modelli di AI su opere protette sia incompatibile con il principio del fair use: ha invece respinto la domanda degli autori perché non erano riusciti a dimostrare che l'utilizzo dei loro libri avesse arrecato un danno concreto. Nella motivazione, tuttavia, il giudice ha precisato che la decisione non deve essere interpretata come un via libera generalizzato all'addestramento dei modelli linguistici: qualora in altri procedimenti venga dimostrato che tali pratiche sostituiscono il mercato delle opere originali, o ne compromettono il valore economico, l'esito potrebbe essere diverso.

L'analisi di questo scenario rivela come il baratro tra il tecnicismo legale e la realtà economica si stia allargando rapidamente. Quando i primi detentori di copyright hanno citato in giudizio i colossi dell'intelligenza artificiale, la discussione sembrava potersi risolvere attorno al perno del fair use, in particolare sul concetto di uso trasformativo. La difesa delle tech company si poggiava sul presupposto che l'addestramento non producesse copie parallele delle opere, ma estraesse solo pattern statistici e concetti astratti, in modo non molto diverso da come un essere umano impara leggendo una biblioteca. Negli ultimi mesi, tuttavia, i tribunali statunitensi hanno iniziato a scontrarsi con la realtà del mercato: se l'output finale di un modello può sostituire direttamente la fonte originale, offrendo ad esempio riassunti dettagliati di articoli dietro paywall o replicando lo stile unico di un artista, il principio del fair use perde la sua efficacia protettiva, poiché subentra un danno commerciale diretto.

In altri termini il baricentro del confronto si è spostato. Se nel 2025 il tema dominante era stabilire se l'addestramento costituisse o meno un uso lecito delle opere protette, nel 2026 il dibattito riguarda soprattutto che cosa debba essere regolato: i dati utilizzati per addestrare i modelli oppure i risultati che tali modelli producono. A imprimere questa svolta è stato Google. 

Il 25 giugno 2026 Kent Walker, presidente degli affari globali dell'azienda, ha pubblicato un documento programmatico nel quale sostiene che le future normative dovrebbero concentrarsi sugli output dell'intelligenza artificiale, ossia sugli effetti concreti prodotti dai sistemi, anziché sugli input, cioè sui dati impiegati durante l'addestramento. Secondo Google, imporre vincoli sui dataset rischierebbe di frenare l'innovazione scientifica, mentre un approccio fondato sulla valutazione degli output consentirebbe di intervenire direttamente sui danni reali eventualmente provocati dall'AI. La posizione dell'azienda si accompagna alla difesa dell'uso dei dati pubblicamente accessibili sul web per l'addestramento dei modelli, considerato un utilizzo trasformativo e quindi compatibile con il principio del fair use. Google propone inoltre che gli editori contrari allo scraping possano manifestare la propria volontà attraverso strumenti automatici, come il file robots.txt, in un sistema di opt-out leggibile dalle macchine.

Questa impostazione è stata però respinta con decisione dagli editori. L'associazione Digital Content Next, che rappresenta numerosi gruppi editoriali statunitensi, ha inviato una lettera di diffida alla Common Crawl Foundation, contestando proprio il principio dell'opt-out. Secondo gli editori, il diritto d'autore non può essere interpretato come un sistema nel quale gli autori debbano esplicitamente chiedere di non essere copiati: il consenso all'utilizzo delle opere dovrebbe essere acquisito preventivamente e non presunto fino a prova contraria.

Leggi anche: Rivoluzione AI e copyright: regole umane per lettori artificiali

Questo slittamento concettuale ha trasformato una disputa tecnica sulla riproduzione dei dati in un dibattito filosofico sulla governance dell'innovazione. Da un lato si schiera la visione utilitaristica dell'industria tecnologica, secondo cui limitare l'accesso ai dati pubblici congelerebbe il progresso scientifico e geopolitico del Paese; dall'altro lato si posiziona la tutela della dignità del lavoro intellettuale, che rivendica il diritto di non vedere la propria creatività cannibalizzata per alimentare sistemi commerciali concorrenti. La difficoltà dei giudici nel tracciare una linea netta in un panorama così fluido sta spingendo il Congresso a valutare interventi normativi sulla trasparenza dei dataset, poiché l'attuale opacità dei modelli rende quasi impossibile per gli autori dimostrare l'illecito. Nel frattempo, l'incertezza del quadro giuridico ha costretto il mercato a reagire prima delle sentenze definitive, dando vita a una fitta rete di accordi di licenza privati tra editori e sviluppatori di intelligenza artificiale, che di fatto stanno formalizzando un nuovo standard economico basato sul consenso e sulla remunerazione preventiva delle fonti.

Parallelamente procede anche il confronto legislativo tra i diversi Stati americani. La California ha adottato il Training Data Transparency Act, entrato in vigore nel gennaio 2026, che impone agli sviluppatori di rendere pubbliche informazioni sulle fonti dei dati utilizzati per l'addestramento, sul periodo di raccolta e sul loro status rispetto al copyright. Un approccio analogo caratterizza anche la normativa europea, che richiede trasparenza sulla provenienza dei dati di addestramento dei modelli di AI. Diversa è invece la direzione intrapresa dal Colorado, che con la revisione della propria legge sull'intelligenza artificiale ha scelto di concentrare l'attenzione sulle decisioni e sugli impatti concreti dei sistemi, piuttosto che sulle modalità con cui sono stati costruiti. È la stessa impostazione sostenuta da Google, che nel proprio documento propone anche la creazione di un organismo nazionale, denominato Frontier AI Regulatory Organization – FARO, incaricato di definire standard di sicurezza per i modelli di frontiera (LLM più avanzati).

Per le imprese che sviluppano sistemi di machine learning, questa incertezza rappresenta oggi uno dei principali fattori di rischio. L'assenza di una giurisprudenza consolidata impedisce infatti di considerare definitivamente acquisita la tesi del fair use applicata all'addestramento dei modelli, mentre gli obblighi di trasparenza introdotti in alcune giurisdizioni sono già pienamente operativi. Di conseguenza, la provenienza dei dataset, la documentazione delle trasformazioni effettuate sui dati, le strategie di conservazione e soprattutto le licenze di utilizzo continuano a rappresentare elementi centrali nella gestione del rischio legale. Nei prossimi mesi l'evoluzione del quadro dipenderà da diversi fattori: dalle future decisioni delle corti d'appello nei casi ancora aperti contro Anthropic, Google e Stability AI; dalla possibile affermazione di un orientamento uniforme sul fair use; dall'esito dello scontro tra editori e Common Crawl sulla validità giuridica dei sistemi di opt-out; e dalle scelte dei legislatori, chiamati a decidere se la regolamentazione dell'intelligenza artificiale debba concentrarsi prevalentemente sui dati utilizzati per addestrare i modelli oppure sugli effetti che tali modelli producono nella società.

Il modello europeo segue una logica diversa da quella statunitense. Anziché affidarsi alla valutazione caso per caso del fair use, il legislatore europeo ha disciplinato il text and data mining (TDM) attraverso la direttiva (UE) 2019/790 sul diritto d'autore nel mercato unico digitale. Il punto di partenza è l'articolo 3, che introduce un'eccezione obbligatoria a favore degli organismi di ricerca e degli istituti di tutela del patrimonio culturale. Università, enti di ricerca, biblioteche, archivi e musei possono effettuare attività di text and data mining sulle opere cui hanno accesso legittimo per finalità di ricerca scientifica senza che i titolari dei diritti possano opporsi. L'obiettivo è evitare che il diritto d'autore diventi un ostacolo allo sviluppo della ricerca e dell'innovazione scientifica. Accanto a questa eccezione, la direttiva introduce all'articolo 4 una disciplina più ampia, applicabile anche agli utilizzi commerciali. In questo caso il text and data mining è consentito, ma i titolari dei diritti possono riservarsi espressamente tali utilizzi (rights reservation), anche attraverso strumenti leggibili automaticamente per i contenuti pubblicati online. È questo il meccanismo che, nel dibattito corrente, viene spesso definito impropriamente "opt-out".

Leggi anche: Intelligenza artificiale o intelligenza editoriale?

L'AI Act europeo (Regolamento UE 2024/1689) non modifica tale equilibrio, ma introduce obblighi di trasparenza per i fornitori di modelli di IA per finalità generali, richiedendo una documentazione sufficientemente dettagliata delle fonti utilizzate per l'addestramento e il rispetto della normativa europea sul diritto d'autore. La trasparenza dei dataset, tuttavia, non coincide con l'introduzione di un nuovo diritto alla remunerazione. Essa serve anzitutto a consentire la verifica del rispetto delle eccezioni previste dalla direttiva sul text and data mining e dell'eventuale esercizio della riserva dei diritti. Diversa è la questione dell'eventuale remunerazione per l'uso dei contenuti, che la direttiva non introduce come principio generale. Nel caso dell'articolo 3, ad esempio, l'utilizzo a fini di ricerca scientifica delle opere cui si ha accesso legittimo è espressamente consentito proprio per evitare che siano necessari ulteriori negoziati o pagamenti che ostacolerebbero la ricerca.

È probabilmente su questo equilibrio che si giocherà l'evoluzione della governance dell'intelligenza artificiale nei prossimi anni: non tanto sulla contrapposizione tra input e output, quanto sulla capacità di conciliare trasparenza, tutela del diritto d'autore, libertà della ricerca scientifica e sviluppo di modelli di AI innovativi. Occorre tuttavia evitare che la richiesta di maggiore accountability si traduca, soprattutto nel settore della comunicazione scientifica, in una duplicazione dei diritti economici su contenuti già prodotti, ceduti e acquistati legittimamente.