Wewnętrzny dokument Microsoftu mówi, że ludzie wkrótce uznają trenowanie AI na cudzych treściach za “zdumiewającą kradzież o bezprecedensowej skali”. Napisał to dyrektor do spraw nauk stosowanych w tej firmie. W innym miejscu użył słów “największa kradzież pracy w historii ludzkości”. Oba zdania trafiły 17 września 2026 roku do publicznej wersji pisma procesowego wydawców. Złożyli je w sprawie przeciwko Microsoftowi i OpenAI. Są to słowa pracownika pozwanej firmy, przytoczone przez stronę przeciwną we wniosku o wydanie wyroku. Wniosek czeka na rozpoznanie, a wyroku nie ma.
Co dokładnie odtajniono 17 września
Sprawa nosi sygnaturę 1:23-cv-11195 i toczy się przed sądem federalnym dla południowego dystryktu Nowego Jorku. Pozew złożono 27 grudnia 2023 roku. Prowadzi ją dziś grupa wydawców: “The New York Times”, Daily News, Center for Investigative Reporting, The Intercept i Ziff Davis. Postępowanie jest połączone z innymi sprawami przeciwko OpenAI.
Tego dnia do rejestru trafiła publiczna, odtajniona wersja memorandum powodów, licząca 92 strony. Dokument jest dostępny bez opłat i bez logowania w rejestrze RECAP prowadzonym przez CourtListener. Cytaty Hechta i wszystkie liczby dotyczące zarzutów powodów pochodzą z jego lektury, a nie z relacji prasowych.
Rodzaj dokumentu ma znaczenie dla tego, jak wolno go czytać. Memorandum to pismo procesowe jednej strony, w którym pełnomocnicy układają zebrany materiał dowodowy pod swoją tezę. Cytaty z wewnętrznej korespondencji pozwanych są prawdziwe w tym sensie, że pochodzą z dokumentów wydanych w postępowaniu dowodowym. Ocena, czy dowodzą naruszenia prawa, należy do sądu i jeszcze nie padła.
Kim jest autor cytatu i czego nie wiadomo o dacie
Słowa przypisano doktorowi Brentowi Hechtowi, dyrektorowi do spraw nauk stosowanych w Microsofcie. W oryginale pełne zdanie brzmi tak:
“millions of people around the world will soon consider large models ‘hoovering up’ all their work to be an astonishing theft of unprecedented proportions”
Miliony ludzi wkrótce uznają zasysanie całej ich pracy przez duże modele za zdumiewającą kradzież o bezprecedensowej skali. W tym samym miejscu pada jeszcze jedno zdanie. Prawie nikt nie zamierzał udostępniać swoich treści w taki sposób ani nie dostaje za to wynagrodzenia.
Niuans jest wart odnotowania, bo w relacjach ginie. Zdanie jest prognozą tego, jak ludzie ocenią praktykę branży, a nie przyznaniem się firmy do przestępstwa. Mocne pozostaje i tak, skoro pisze je dyrektor jednej z pozwanych spółek.
⚠️ Daty tej notatki nie da się dziś ustalić u źródła. Odtajnione memorandum cytuje oba zdania przez numery paragrafów zestawienia faktów i dat przy nich nie podaje. Samo zestawienie nie jest publicznie dostępne. Część relacji prasowych wskazuje styczeń 2023 roku, ale to ich ustalenie, nie treść akt. Jedyna kotwica czasowa w dokumencie dotyczy innego pisma Hechta. Powodowie piszą o nim, że powstało “wkrótce po złożeniu pozwu”, czyli po 27 grudnia 2023 roku. Roku notatki z tego wyprowadzić się nie da i dlatego go tu nie ma.
Liczby z akt: ile kopii i skąd
Dokument podaje konkretne wielkości zbiorów, każdą z odesłaniem do materiału dowodowego. Zbiory z etapu nazywanego w aktach mid-training, wykorzystywanego pod koniec cyklu trenowania, zawierają ponad 91 692 kopie utworów powodów. W zbiorze zbudowanym z Common Crawl znalazło się 2 064 805 artykułów z domeny nytimes.com. Z chicagotribune.com pochodziło kolejne 2 182 079.
Osobny wątek dotyczy danych, które Microsoft przekazywał OpenAI w ramach przedsięwzięć o nazwach Project Taxi i Project Mango. Ze zbioru Mango zmontowano dane treningowe zawierające co najmniej 160 903 unikalne utwory powodów.
Powodowie zarzucają też, że pobieranie treści omijało mechanizm robots.txt, którym wydawcy ograniczają dostęp. Informacje o prawach autorskich miały być systematycznie usuwane przed treningiem. Praktyczną ścieżkę dla wydawcy opisaliśmy w tekście o blokadzie trenowania AI przez ustawienie Cloudflare.
Jeden fragment opisuje zachowanie po złożeniu pozwu. OpenAI zbudował filtr tłumiący wypluwanie treści powodów, a według pisma nie objął nim żadnego podmiotu, który firmy nie pozwał. Hecht nazwał to w cytowanej korespondencji “przypadkowym zacieraniem śladów”.
Klikalność spadła o 83 do 93 procent
Najmocniejszy materiał w całym piśmie dotyczy skutków, a nie samego kopiowania. Wewnętrzny dokument Microsoftu mówi o “doom loop”, czyli o pętli zagłady:
“Our AI content strategy has started a ‘doom loop’ that will hurt the performance of our models and the entire web at the same time”
Nasza strategia treściowa uruchomiła pętlę, która jednocześnie zaszkodzi wynikom naszych modeli i całej sieci.
Uzasadnienie w tym samym cytacie jest zaskakująco trzeźwe. Produkt końcowy zagraża podstawom ekonomicznym swoich własnych dostawców, a taka sytuacja zdarza się rzadko. Autor nazywa wydawców “łańcuchem dostaw treści” dla biznesu opartego na dużych modelach.
Liczby pod tym cytatem są konkretne. Microsoft odnotował spadki klikalności do domen “New York Timesa” i Daily News o 83 do 93 procent. Dla serwisów Ziff Davis było to od 51 do 94 procent. Porównanie dotyczy silnika odpowiedzi Copilot i zwykłego wyszukiwania w Bing. Są to pomiary samego Microsoftu, przytoczone przez powodów.
W piśmie pada jeszcze jedna liczba, tym razem o Google. Powodowie przytaczają ustalenie biegłego strony pozwanej, doktora Sinnreicha. Od wprowadzenia podsumowań AI odesłania do wydawców w Discoverze spadły z ponad 5 miliardów miesięcznie do mniej niż 4 miliardów. W samej wyszukiwarce zeszły z grubo ponad 3 miliardów do nieco ponad 2 miliardów.
Pierwsza Misja AI · Kodożercy
AI bez technikaliów – kurs i certyfikat
Pierwsza Misja AI to kurs Kodożerców dla absolutnych początkujących. Fabuła w konwencji science fiction, gamifikacja, ćwiczenia na żywym modelu, certyfikat na koniec.
Zacznij Pierwszą Misję →
Co na to Microsoft
Stanowisko firmy stoi w jej własnym piśmie, złożonym tego samego dnia i również jawnym. Obrona opiera się na amerykańskiej konstrukcji dozwolonego użytku i na tezie, że korzystanie z treści ma charakter przekształcający. Microsoft argumentuje ponadto, że odpowiedzi Copilota zawierające incydentalne dosłowne fragmenty utworów wydawców są “wyjątkowo rzadkie”. Podnosi też wątek dorozumianej licencji, skoro wydawcy świadomie nie skorzystali z metatagów ograniczających użycie treści przez Copilota.
⚠️ Nazwisko Hechta w tym piśmie nie pada ani razu. Cytowane w prasie stanowisko Microsoftu pochodzi z odpowiedzi dla redakcji, a nie z akt. Firma mówi w nim, że były to poglądy jednego pracownika i nie reprezentują stanowiska spółki.
Trenowanie AI w Europie stoi na innej konstrukcji prawnej
Spór toczy się w Stanach Zjednoczonych, a Microsoft opiera obronę między innymi na amerykańskiej konstrukcji dozwolonego użytku. W Unii ta sama sytuacja układa się inaczej. Różnica dotyczy każdego, kto prowadzi w Polsce serwis z własnymi treściami.
Dyrektywa 2019/790 daje w artykule 4 ogólny wyjątek na eksplorację tekstów i danych. Korzystać z niego można także komercyjnie. Warunek stoi w ustępie 3 i brzmi dosłownie tak:
wyjątek ma zastosowanie, “pod warunkiem że korzystanie z utworów […] nie zostało wyraźnie zastrzeżone przez podmioty uprawnione w odpowiedni sposób, na przykład za pomocą środków nadających się do odczytu maszynowego w przypadku treści, które zostały podane do publicznej wiadomości w internecie”
Zastrzeżenie praw jest więc po stronie wydawcy. Musi być przy tym zapisane tak, żeby maszyna je odczytała.
Drugi przepis domyka to od strony dostawcy modelu. Artykuł 53 unijnego rozporządzenia o sztucznej inteligencji obciąża dostawców modeli ogólnego przeznaczenia dwoma obowiązkami. Pierwszy to polityka identyfikowania takich zastrzeżeń i stosowania się do nich. Drugi to podanie do publicznej wiadomości “wystarczająco szczegółowego streszczenia na temat treści wykorzystanych do trenowania” modelu. Przepisy o modelach ogólnego przeznaczenia stosuje się od 2 sierpnia 2025 roku.
Praktyczna różnica sprowadza się do punktu wyjścia. W sporze amerykańskim wydawca dowodzi, że skopiowano jego utwory i że zaszkodziło to rynkowi. W Unii prawidłowo wyrażone zastrzeżenie praw może wyłączyć możliwość powołania się na wyjątek z artykułu 4. ⚠️ Samo zastrzeżenie nie przesądza jednak wyniku konkretnego sporu, bo ocena prawna ma więcej elementów. Nie znaczy to również, że europejskie przepisy rozstrzygnęłyby tę sprawę. Dotyczy ona treści pobranych wcześniej i podlega innemu prawu.
Najczęstsze pytania
Czy z tego wyroku wynika, że trenowanie AI na treściach z internetu jest nielegalne?
Wyroku w tej sprawie nie ma. Odtajnione dokumenty to pisma procesowe obu stron, złożone przed rozstrzygnięciem wniosków o wydanie wyroku w trybie uproszczonym. Wnioski czekają na rozpoznanie. Do tego czasu każde zdanie o legalności pozostaje stanowiskiem strony, a nie ustaleniem.
Czy polskie treści też trafiły do tych zbiorów?
Akta nie rozstrzygają, czy treści z polskich serwisów znalazły się w tych zbiorach. Powodami są wydawcy amerykańscy i zestawienia liczą wyłącznie ich utwory. Akta opisują natomiast pobieranie treści przez podmioty trzecie, w tym Common Crawl, oraz przez anonimowe zbieranie ze stron. Dowodu na polskie treści w tym postępowaniu nie znajdziemy i lepiej tego nie zgadywać.
Podsumowanie
Cytat, który obiegł dziś branżowe serwisy, pochodzi z 92-stronicowego pisma wydawców. Odtajniono je 17 września 2026 roku i leży publicznie w rejestrze RECAP. Padają w nim słowa dyrektora Microsoftu o zdumiewającej kradzieży o bezprecedensowej skali i o największej kradzieży pracy w historii ludzkości. Jest tam też wewnętrzna diagnoza pętli, w której produkt niszczy własny łańcuch dostaw treści. Do tego dochodzą liczby: ponad 91 692 kopie utworów w zbiorach z etapu mid-training i 2 064 805 artykułów z domeny nytimes.com. Microsoft odnotował też u siebie spadki klikalności o 83 do 93 procent dla domen “New York Timesa” i Daily News, porównując Copilota ze zwykłym wyszukiwaniem w Bing. Daty notatki z najmocniejszym cytatem nie da się dziś ustalić u źródła i dlatego jej tu nie ma. Sąd niczego jeszcze nie ustalił. Polski wydawca może tymczasem zastrzec prawa w postaci nadającej się do odczytu maszynowego i zrobić to dzisiaj.
Newsletter · DevstockAcademy & Kodożercy
Bądź na bieżąco ze światem IT, AI i automatyzacji
Co wtorek: newsy z branży, praktyczne tipy i narzędzia które warto znać. Zero spamu.
