Svarbiausios įžvalgos

• Dokumentuokite žmonių atliekamus veiksmus: DI sukurtas turinys nėra automatiškai saugomas autorinių teisių. Kruopščiai registruokite žmonių atliktus pataisymus, kad apsaugotumėte savo intelektinę nuosavybę (IN).
• Saugokite komercines paslaptis: Uždrauskite naudoti viešus DI įrankius jautriems duomenims tvarkyti, kad neprarastumėte konfidencialumo apsaugos.
• Naudokite API: Naudokitės tik saugiais tiekėjais, kurie garantuoja, kad jūsų duomenys nebus naudojami modelių mokymui, bei yra numatę visišką žalos atlyginimą autorinių teisių pažeidimo atveju.
• Tikrinkite mokymo duomenis: Naudokite tik tuos DI modelius, kurie buvo apmokyti naudojant teisiškai patvirtintus arba licencijuotus duomenis.
• Įdiekite globalią apsaugą: Pereikite nuo reaktyvių teismo procesų prie proaktyvaus, automatizuoto pasaulinių grėsmių stebėjimo, kad apsaugotumėte savo turtą už sienos ribų.

Rekomenduojama strategija siekiant apsaugoti DI sugeneruotą intelektinę nuosavybę

Norėdami suvaldyti šį pokytį, vadovų komandos privalo įgyvendinti penkis tarpusavyje susijusius strateginius tikslus visuose įmonės padaliniuose.

Užtikrinkite nuolatinę žmogaus priežiūrą

• Gamybos įrankis: Generatyvines programas vertinkite tik kaip pažangų gamybos įrankį, o ne kaip autonominį kūrybinį agentą.
• Proceso dokumentavimas: Kruopščiai dokumentuokite žmogaus įsikišimą, užklausų (angl. prompt) tobulinimą ir pakartotinę peržiūrą kiekviename svarbiame kūrybinio ar išradimo proceso etape.
• Audito žurnalai: Sukurkite nepakeičiamus inžinerinius žurnalus (angl. logs), įrodančius, kad galutinį komercinį rezultatą lėmė žmogaus priimti sprendimai.

Įtvirtinkite ir įgyvendinkite nuosavybės teises

• Nėra automatinės apsaugos: Nemanykite, kad autonomiškai sugeneruoti rezultatai yra teisiškai saugomi pagal galiojančias vietines ar tarptautines autorių teisių sistemas.
• Turinio kuravimas: Į standartinius darbo procesus tikslingai įtraukite žmogaus atliekamą turinio atranką, esminį redagavimą ir kryptingą užklausų valdymą.
• Patikrinama kilmė: Visas komercializavimo pastangas pagriskite patikrinamais kūrimo žurnalais, kurie aiškiai atskiria mašinos atliktą darbą nuo žmogaus priežiūros.

Sumažinkite rizikas, kylančias naudojant išorinius DI įrankius ir duomenis

• Architektūros auditas: Audituokite ir susisteminkite visas įmonės padaliniuose naudojamas duomenų mokymo architektūras, duomenų surinkimo srautus ir algoritminius modelius. Užtikrinkite, kad jie atitiktų regionines teksto ir duomenų gavybos (angl. Text and Data Mining, TDM) išimtis.
• Verslo licencijavimas: Įsigykite visapusiškas verslo licencijas, kuriose numatytos aiškios nuostolių atlyginimo nuostatos autorių teisių pažeidimo ar netinkamo duomenų naudojimo atveju.
• Įvesties primitivai: Nustatykite griežtus techninius parametrus, ribojančius, kaip trečiųjų šalių programinės įrangos kaip paslaugos (SaaS) platformos gali naudoti jūsų įmonės nuosavybinius duomenis.

Įtvirtinkite aiškias įmonės taisykles ir valdymo modelį

• Naudojimo taisyklės: Priimkite aiškias vidaus taisykles, reglamentuojančias darbuotojų naudojimąsi viešais, ne verslo lygio generatyviniais įrankiais bei atvirojo kodo modeliais.
• Konfidencialumo įpareigojimai: Sukurkite pritaikytas sutartines sistemas, kad apsaugotumėte konfidencialius įmonės duomenų rinkinius nuo patekimo į viešus mokymo šaltinius – taip išsaugosite komercinės paslapties statusą.
• Teisių paskirstymas: Atnaujintose darbo sutartyse ir sutartyse su nepriklausomais rangovais aiškiai apibrėžkite ir paskirstykite teises į rezultatus, sukurtus pasitelkiant technologijas.

Sukurkite bendrą intelektinės nuosavybės apsaugos sistemą

• Turto sintezė: Siekdami pasauliniu mastu apsaugoti įmonės sistemas ir turtą, sukurkite bendrą gynybos strategiją, apimančią patentus, komercines paslaptis bei autorių teises.
• Tarpvalstybinis stebėjimas: Sukurkite tarpvalstybinius stebėjimo mechanizmus, kad apsaugotumėte nuosavybines sistemas, pamatinius duomenų rinkinius ir prekės ženklo turtą.
• Ekosistemos apsauga: Proaktyviai ginkite svarbiausią intelektinį turtą sparčiai besikeičiančiose pasaulinėse skaitmeninėse ekosistemose ir susijusiose komercinėse platformose.

Praktinė analizė: Žmogaus autorystė prieš automatizuotą turinį

Pagrindinė problema: Žmogaus autorystė kaip vienintelė turto apsauga

Autorinių teisių įstatymai saugo tik tai, ką sukūrė žmogus. Visiškai automatiškai dirbtinio intelekto sugeneruotiems rezultatams ši apsauga nėra taikoma. Tokia realybė skaudžiai paliečia įmonių vertę, nes verslas šiandien kuria vis daugiau skaitmeninio turto. Jeigu programą, tekstą, ar dizainą sukuria mašina – įmonė to turto teisiškai nevaldo. Jis iškart tampa prieinamas visiems, o konkurentai gali jį kopijuoti visiškai nemokamai.

Europos Sąjungoje taisyklės suformuluotos šiek tiek kitaip, tačiau esmė lieka ta pati: kūrinys saugomas tik tada, kai jis yra paties autoriaus „asmeninė intelektinė kūryba“. Be to, Europoje nėra JAV populiarios „sąžiningo naudojimo“ (angl. fair use) išimties – čia galioja tik labai griežtas ir baigtinis leidžiamų išimčių sąrašas.

Todėl Europos įmonėms ir visiems, kas dirba ES rinkoje, galioja viena auksinė taisyklė: jei norite teisiškai apsaugoti dirbtinio intelekto padedant sukurtą turtą, privalote turėti juodu ant balto parašytus įrodymus, kad prie galutinio rezultato iš esmės prisidėjo žmogus.

Komercinis poveikis

Svarbiausias komercinis turtas, sukurtas tik mašinos pagalba, susiduria su sistemine teisinės apsaugos stoka. Konkurentai gali kopijuoti, platinti ir uždirbti iš to paties turto visiškai nebaudžiami. Ši teisinė spraga iš esmės smukdo įmonės vertę, mažina prekės ženklo išskirtinumą ir naikina investicijų į mokslinius tyrimus bei eksperimentinę plėtrą (MTEP) grąžą.

Privalomi įmonių vadovų veiksmai:

1. Žmogaus įsikišimas į kūrybos procesą: Į visus produktų kūrimo procesus įtraukite aktyvų žmogaus vaidmenį, pakartotinį užklausų atrankos ir esminio turinio tobulinimo etapą.
2. Kūrimo istorijos fiksavimas: Detaliai registruokite visus darbo etapus ir saugokite skirtingas produkto versijas – taip turėsite tvirtus įrodymus, kad galutinį rezultatą sukūrė ir valdė žmogus, o ne mašina.
3. Teisinis saugumas: Prieš paleisdami bet kokį svarbų produktą, kodą ar dizainą į rinką, duokite jį patikrinti įmonės teisininkams.

Teisinė realybė: Kaip valdyti dirbtinio intelekto intelektinę nuosavybę?

Norint sėkmingai valdyti dirbtinio intelekto (DI) intelektinę nuosavybę, būtina visiškai iš naujo įvertinti tradicinius rizikos valdymo metodus. Teisinis iššūkis čia kyla iš dvigubos grėsmės: įmonei reikia apsaugoti savo sukurtus produktus ir kartu nepažeisti svetimų teisių. Verslas turi suprasti, kad dabartiniai įstatymai tiesiog nespėja paskui mašinų generuojamo turinio mastą ir greitį.

Didžiausias pavojus kyla pačioje pradžioje – duomenų surinkimo etape, kai algoritmai mokosi iš milžiniškų informacijos srautų. Jei šiuose duomenų rinkiniuose atsiduria autorių teisių saugomi kūriniai be tinkamos licencijos (arba nepaisoma autorių draudimo naudoti jų turinį), sukurtas DI modelis teisiškai tampa „toksiškas“. Dėl to įmonė rizikuoja sulaukti teismo nurodymo visiškai išjungti jos unikalų modelį, o tai reikštų milijoninių investicijų praradimą.

Siekdamos apsaugoti įmonės vertę, teisininkai privalo įdiegti privalomą visos nuosavybės teise priklausančios programinės įrangos ir kūrybinio turto kilmės sekimą. Tam reikėtų naudoti automatizuotus stebėjimo įrankius, kurie tiksliai fiksuoja žmogaus ir mašinos indėlio santykį visame kūrimo procese. Tik turėdami tokius aiškius įrašus, įmonės teisininkai galės užtikrintai apginti produktų autorių teises per auditus ar teismuose.

Galiausiai, sėkmingas DI intelektinės nuosavybės valdymas reikalauja, kad įmonių vadovai sujungtų dvi skirtingas puses – techninę komandą ir teisininkus. Inžinieriai dažniausiai orientuojasi į sistemos greitį bei optimizavimą, todėl lengvai praleidžia pro akis mokymo duomenų teisinį statusą ar atvirojo kodo licencijų sąlygas. Bendro DI valdymo komiteto įsteigimas padeda užtikrinti, kad technologinis spurtas įmonėje vyktų neaukojant teisinio saugumo.

Modelių mokymo architektūra: LLM ir intelektinės nuosavybės teisė

Sparčiai besikeičianti didžiųjų kalbos modelių (LLM) intelektinės nuosavybės teisės sritis kelia precedento neturinčius klausimus dėl sąžiningo naudojimo ir duomenų gavybos. LLM modeliai remiasi milžiniškais tekstų, kodo ir medijos kiekiais, kad išmoktų sudėtingų semantinių dėsningumų. Tačiau vertės gavimas iš autorių teisėmis saugomų kūrinių be aiškaus leidimo sukėlė didelių įmonių teisinių ginčų bangą.

Pagal dabartines JAV teisines interpretacijas „transformuojančio sąžiningo naudojimo“ (angl. transformative fair use) gynyba yra išbandoma iki kraštutinių ribų. Technologijų tiekėjai teigia, kad tekstų kopijavimas statistiniams ryšiams analizuoti nepažeidžia teisių, o turinio savininkai tai vadina sisteminiu komerciniu išnaudojimu.

Europos Sąjungoje reguliavimo aplinka yra kur kas aiškesnė. ES Autorių teisių direktyva (3 ir 4 straipsniai) numato konkrečias išimtis teksto ir duomenų gavybai (TDM), tačiau labai svarbu tai, kad ji leidžia teisių turėtojams aiškiai išreikšti nesutikimą (angl. opt-out), kad jų turinys būtų naudojamas komerciniam DI mokymui. Be to, 2026 m. ES Dirbtinio intelekto aktas nustato griežtus skaidrumo reikalavimus, įpareigojančius DI tiekėjus skelbti išsamias savo mokymo duomenų rinkinių suvestines ir įrodyti, kad laikomasi šių autorių teisių apribojimų.

Siekdamos apsaugoti įmonę nuo kintančių pasaulinių įsipareigojimų, organizacijos privalo laikytis trijų griežtų protokolų:

1. Saugus duomenų pasirinkimas: Naudokite tik tuos pamatinius modelius, kurių mokymo duomenys yra visiškai dokumentuoti, teisiškai patvirtinti arba aiškiai licencijuoti komerciniam naudojimui, užtikrinant, kad būtų laikomasi ES TDM nesutikimo (opt-out) režimų.
2. Sutartinis nuostolių atlyginimas: Reikalaukite, dass visi trečiųjų šalių LLM tiekėjai suteiktų visapusišką, neribotą nuostolių atlyginimą dėl ieškinių, susijusių su autorių teisių pažeidimu.
3. Duomenų izoliavimas: Įdiekite griežtus techninius barjerus, kad įmonės nuosavybiniai duomenys nebūtų naudojami išoriniams, daugelio vartotojų (angl. multi-tenant) kalbos modeliams mokyti.

Pasauliniu mastu vienoda techninė architektūra, kurioje neatsižvelgiama į regioninius skirtumus (pavyzdžiui, pasikliaujama JAV Fair Use doktrina, bet ignoruojami griežti ES skaidrumo ir opt-out režimai), rizikuoja sulaukti didelių baudų už atitikties pažeidimus ir turto pripažinimo negaliojančiu.

Įmonių platformos ir nuosavybinė rizika: „OpenAI“ intelektinė nuosavybė

Intelektinė nuosavybė kyla kaip viena jautriausių temų integruojant išorinius įrankius. Įmonėms integruojant komercinius API, suprasti DI platformų intelektinės nuosavybės politikos niansus tampa strategine būtinybe. Komercinės platformos siūlo itin galingus įrankius, tačiau jų standartinės paslaugų teikimo sąlygos gali kelti didelę riziką įmonės duomenų saugumui. Vadovai turi matyti daugiau nei rinkodaros pažadus ir kruopščiai išnagrinėti duomenų naudojimo sutartis, reglamentuojančias įmonės API prieigos taškus.

Pagrindinė rizika yra atsitiktinis įmonės komercinių paslapčių ar nuosavybinio pirminio kodo atskleidimas darbuotojams bendraujant su viešomis sąsajomis. Kai neįgalioti darbuotojai įveda jautrią informaciją į viešas užklausas, tie duomenys gali būti analizuojami, saugomi arba naudojami modelio tobulinimui. Šis perdavimas teisiškai gali panaikinti „protingas pastangas išlaikyti paslaptį“, kurios yra būtinos komercinės paslapties apsaugai išsaugoti.

Europos Sąjungoje vienu metu taikomos dvi priemonės: BDAR (Reglamentas (ES) 2016/679) reglamentuoja bet kokius asmens duomenius, įvestus į užklausą, o Komercinių paslapčių direktyva (Direktyva (ES) 2016/943) saugo konfidencialią informaciją tik tada, kai jos turėtojas ėmėsi protingų veiksmų jai nuslėpti. Įvedus nuosavybinius duomenis į viešą modelį, galima vienu metu pažeisti duomenų apsaugos taisykles ir prarasti komercinės paslapties statusą.

Siekdamos sumažinti riziką ir apsaugoti įmonės turtą naudojantis išorinėmis platformomis, organizacijos turi įgyvendinti šias kontrolės priemones:

• Dedikuota API architektūra: Apribokite visą įmonės prieigą tik prie dedikuotų, verslo lygio API prieigos taškų, kurie aiškiai draudžia saugoti duomenis modelių mokymui.
• Automatinis duomenų maskavimas: Įdiekite automatizuotą duomenų praradimo prevencijos (DLP) programinę įrangą, kad asmens duomenys (PII) ir įmonės kodas būtų išvalyti dar prieš jiems paliekant užkardą (angl. firewall).
• Griežti pirkimų standartai: Įpareigokite pirkimų ir teisinius padalinius peržiūrėti visas tiekėjų sąlygas, užtikrinant aiškią tiek įvestų užklausų, tiek sugeneruotų rezultatų nuosavybę.

Izoliuotos įmonės aplinkos sukūrimas yra tik pirmasis visapusiškos gynybos strategijos žingsnis. Organizacijos taip pat turi atlikti nuolatinius išorinių tiekėjų atitikties auditus, kad įsitikintų, jog laikomasi įsipareigojimų trinti ir izoliuoti duomenis. Skaitmeninėje ekonomikoje duomenų saugumo pažeidimas pas pagrindinį tiekėją reiškia tiesioginį jūsų įmonės kapitalo praradimą.

Skaitmeninės ribos ir tarpvalstybinis turtas: Intelektinė nuosavybė kibernetinėje erdvėje

Sparti technologijų globalizacija reiškia, kad intelektinės nuosavybės apsauga kibernetinėje erdvėje reikalauja pažangios gynybinės pozicijos be sienų. Skaitmeninės ekosistemos nepaiso valstybių sienų, zodžiu teises pažeidžiantis programinės įrangos kodas, suklastota medija ir pasisavintos komercinės paslaptys gali akimirksniu paplisti visame pasaulyje. Ši trintis apsunkina teisių gynimą ir reikalauja greitų, proaktyvių įmonės teisininkų komandų atsakomųjų priemonių.

Decentralizuotų tinklų ir debesų infrastruktūros sankirta kelia didelių jurisdikcijos iššūkių įmonių teisių turėtojams. Pažeidimą daranti automatizuota sistema gali būti apmokyta vienoje šalyje, talpinama serveriuose antrojoje, o platinama galutiniams vartotojams trečiojoje. Šis paskirstytas modelis reikalauja, kad įmonės teisininkai taikytų lanksčius gynybos mechanizmus, gebančius veikti keliose teisinėse jurisdikcijose vienu metu.

Efektyvus intelektinės nuosavybės valdymas reikalauja pereiti nuo reaktyvių teismo procesų po pažeidimo prie proaktyvios skaitmeninio turto apsaugos. Organizacijos turi naudoti automatizuotus skaitmeninių grėsmių žvalgybos įrankius, kad nuskenuotų pasaulines kodo saugyklas, prekyvietes ir modelių registrus, ieškodamos neteisėto turto naudojimo atvejų. Ankstyvas aptikimas leidžia įmonėms greitai pateikti pranešimus dėl turinio pašalinimo ir izoliuoti grėsmes dar prieš joms padarant apčiuopiamą žalą rinkoje.

Galiausiai, norint apsaugoti skaitmeninį turtą, reikalingas integruotas požiūris, derinantis pažangias technologines priemones su griežtomis sutartinėmis sistemomis. Įdiegusios kriptografinį sekimą, aiškias sutartis su tiekėjais ir automatinį grėsmių stebėjimą, įmonės gali saugiai plėsti savo skaitmeninį pėdsaką. Nuosavybinio turto kontrolės išlaikymas susietoje aplinkoje yra būtinas norint išsaugoti ilgalaikę įmonės vertę ir dominavimą rinkoje.

Realūs DI ir IN teisiniai precedentai

Siekiant pateikti istorinį kontekstą ir praktines gaires priimant vadovybės sprendimus, tolesniuose penkiuose skyriuose išsamiai aprašomi pagrindiniai teisiniai precedentai, šiuo metu formuojantys pasaulinę DI ir IN aplinką.

„Andersen prieš Stability AI“

Šis reikšmingas kolektyvinis ieškinys (angl. class-action) nagrinėja autorių teisėmis saugomų vaizdų rinkimo (angl. scraping) teisėtumą generatyviniams teksto į vaizdą (angl. text-to-image) modeliams mokyti. Vizualiųjų menų kūrėjai teigia, kad neteisėtas milijardų saugomų vaizdų naudojimas mokymui yra tiesioginis ir netiesioginis autorių teisių pažeidimas.

Byla labai sutelkta į tai, ar gauti modeliai ir jų sugeneruoti rezultatai teisiškai turėtų būti klasifikuojami kaip neteisėti išvestiniai kūriniai. Įmonių vadovams šis procesas pabrėžia, kaip svarbu peržiūrėti visų įmonės rinkodaroje naudojamų medijos generavimo įrankių duomenų kilmę.

Andersen v. Stability AI Ltd. et al., No. 3:23-cv-00201 (N.D. Cal.)

„NYT prieš OpenAI“

Šis didelio atgarsio sulaukęs ginčas tyrinėja sąžiningo naudojimo ribas, kai pamatiniai teksto modeliai yra mokomi naudojant aukščiausios kokybės autorių teisėmis saugomą žurnalistiką. „The New York Times“ teigia, kad sistemingas milijonų jo straipsnių kopijavimas siekiant sukurti komercinius modelius yra tiesioginis žurnalistikos produktų pakeitimas rinkoje.

Svarbu tai, kad ieškinyje pateikiama daug „įsiminimo“ (angl. memorization) pavyzdžių, kai modelis pateikia beveik pažodines ištraukas iš mokamo (angl. paywalled) turinio tekstų. Ši byla išryškina didžiulę teisinių ginčų riziką, susijusią su kalbos modelių, apmokytų naudojant nuosavybinius, nelicencijuotus interneto duomenis, naudojimu.

The New York Times Company v. Microsoft Corporation, OpenAI, Inc. et al., No. 1:23-cv-11195 (S.D.N.Y.).

„Thaler prieš Vidal“

Šis pamatinis federalinio teismo sprendimas tvirtai nustatė išradėjo statuso teisinės ribas dėl mašinomis sugeneruotų inovacijų pagal patentų teisę. Dr. Stephenas Thaleris bandė įregistruoti patentus, nurodydamas dirbtinio intelekto sistemą, žinomą kaip DABUS, kaip vienintelę dviejų skirtingų kūrinių išradėją.

JAV Federalinės apygardos apeliacinis teismas atmetė paraišką, nusprendęs, kad Patentų įstatymas aiškiai reikalauja, jog išradėjas būtų žmogus. Šis precedentas reiškia, kad bet koks įmonės MTEP procesas, kuris visiškai pasikliauja automatizuotomis sistemomis išradimams kurti, susiduria su visišku patentavimo negalimumu.

Thaler v. Vidal, 43 F.4th 1207 (Fed. Cir. 2022), cert. denied, 143 S. Ct. 1783 (2023).

Europos teismai priėmė tokį patį sprendimą. Europos patentų tarnybos (EPT) apeliacinės tarybos atmetė DABUS paraiškas, konstatavusios, kad išradėjas turi būti žmogus (sprendimai J 8/20 ir J 9/20, 2021 m.), o JK Aukščiausiasis Teismas sutiko, kad DI negali būti nurodytas kaip išradėjas (Thaler v Comptroller-General of Patents, [2023] UKSC 49). Europos MTEP sektoriui tai reiškia, kad tik DI sugeneruotas išradimas šiuo metu negali būti patentuojamas EPT ar JK.

„Zarya of the Dawn“ (Aušros Zaria)

JAV Autorių teisių biuras (USCO) priėmė istorinį sprendimą dėl Kris Kashtanovos komiksų knygos „Zarya of the Dawn“ registracijos. USCO nusprendė, kad nors žmogaus parašytas tekstas ir originalus maketo išdėstymas buvo visiškai saugomi, patys DI sugeneruoti vaizdai nebuvo saugomi.

Sprendimas nustatė, kad kūrimo proceso metu gauti generatyviniai rezultatai, kuriems trūksta esminio žmogaus kuravimo ar transformavimo, lieka už autorių teisių apsaugos ribų. Ši byla yra pagrindinis teisinis autoritetas, kodėl įmonės privalo įtraukti ir dokumentais užfiksuoti reikšmingą žmogaus įsikišimą į kūrybinius procesus.

U.S. Copyright Office, Cancellation and Re-Registration Decision Regarding Zarya of the Dawn (February 21, 2023).

„GitHub Copilot“ teisinis ginčas

Šis vykstantis kolektyvinis ieškinys nukreiptas prieš automatizuotas kodo generavimo platformas, teigiant, kad vyksta masinis autorių teisių pažeidinėjimas ir sistemingi atvirojo kodo programinės įrangos licencijų pažeidimai. Programinės įrangos kūrėjai teigia, kad modelis atkuria nuosavybinio kodo iškarpas (angl. snippets), nesilaikydamas privalomų autorystės nurodymo reikalavimų ar licencijavimo sąlygų.

Šis teisinis ginčas kelia didelę riziką įmonių inžinerijos padaliniams, nes automatizuotas nelicencijuotų iškarpų integravimas gali netyčia užteršti įmonės programinę įrangą. Organizacijos turi įdiegti griežtus kodo nuskaitymo protokolus, kad užtikrintų, jog visi automatizuoti pasiūlymai atitiktų taikomus atvirojo kodo licencijavimo standartus.

Doe 1 v. GitHub, Inc., Microsoft Corp., and OpenAI, Inc., No. 4:22-cv-06823 (N.D. Cal.).