Trenowanie AI na cudzych utworach. Co wyrok Meta vs. autorzy książek oznacza dla Twojego biznesu AI.

Meta wygrała sprawę o trenowanie modelu LLaMA na książkach pobranych z pirackich bibliotek. Sąd federalny w Kalifornii uznał, że to dozwolony użytek. Internet zareagował entuzjastycznie — „AI może uczyć się na wszystkim!”

Tylko że ten wyrok w ogóle Cię nie chroni, jeśli działasz w UE.

W prawie europejskim nie istnieje doktryna fair use. Obowiązują inne reguły — zamknięty katalog wyjątków, mechanizm opt-out i rozporządzenie AI Act, które wprost nakłada obowiązki na dostawców modeli AI w zakresie poszanowania praw autorskich. Wyrok Kadrey v. Meta to orzeczenie jednego sądu federalnego w USA, wydane na podstawie przepisów, które nie mają zastosowania na terytorium Polski ani UE.

W tym artykule wyjaśniam, co sąd w Kalifornii faktycznie orzekł, dlaczego Meta wygrała (i co musiałoby się zmienić, żeby przegrała), jak wygląda sytuacja prawna w UE i w Polsce — oraz co powinieneś zrobić, jeśli Twoja firma buduje, wdraża lub wykorzystuje modele AI trenowane na cudzych treściach.

Najważniejsze pojęcia, zanim przejdziemy dalej

Zanim zagłębimy się w analizę wyroku i jego konsekwencje, warto uporządkować kilka pojęć, które będą się powtarzać w dalszej części.

Co orzekł sąd w sprawie Kadrey v. Meta

Sprawa toczyła się przed sądem federalnym dla Północnego Dystryktu Kalifornii (United States District Court for the Northern District of California). Powodowie — pisarze Richard Kadrey, Christopher Golden i inni autorzy w ramach pozwu zbiorowego — zarzucili Mecie, że wykorzystała ich książki bez zgody i wynagrodzenia do trenowania modelu LLaMA.

Meta przyznała, że korzystała z bazy Books3 — zbioru ok. 195 tys. e-booków pobranych z pirackiego serwisu Bibliotek. W toku postępowania ujawniono wewnętrzną korespondencję pracowników Meta, w tym wątpliwości dotyczące „torrentowania z firmowego laptopa” i rzekomą autoryzację korzystania z pirackich materiałów przez Marka Zuckerberga.

Mimo to sąd orzekł (koniec czerwca 2025 r.), że trening LLaMA na książkach powodów stanowił fair use. Argumentacja opierała się na trzech filarach:

1. Transformacyjność użycia. Sąd uznał, że AI nie „czyta” książek dla fabuły — uczy się statystycznych wzorców języka. To cel inny niż oryginalny cel utworu, co czyni użycie „transformacyjnym” w rozumieniu fair use.
2. Skopiowanie w całości uznane za rozsądne. Sam fakt, że Meta skopiowała całe książki, nie przesądził o naruszeniu — sąd stwierdził, że pełne kopiowanie było konieczne do efektywnego treningu modelu.
3. Brak dowodów na szkodę rynkową. To był czynnik rozstrzygający. Autorzy nie przedstawili analizy rynku, danych o spadku sprzedaży ani dowodów na to, że LLaMA generuje treści konkurujące z ich książkami. Meta z kolei przedstawiła własne dane wskazujące na brak wpływu modelu na sprzedaż powodów.

Dlaczego Meta wygrała — i co musiałoby się zmienić

Meta nie wygrała dlatego, że trening AI na pirackich danych jest legalny. Wygrała, bo autorzy nie dostarczyli wystarczających dowodów.

Sąd wprost zaznaczył, że orzeczenie ma charakter kazuistyczny — dotyczy konkretnych okoliczności tej sprawy. Zidentyfikował przy tym „rozmycie rynku” (market flooding) jako najbardziej obiecujący, ale nieudowodniony argument powodów: modele AI mogą generować miliony dzieł konkurujących z oryginałami, potencjalnie obniżając sprzedaż i motywację twórców.

Sygnał sądu jest czytelny: jeśli w przyszłości autorzy lepiej udokumentują realną szkodę rynkową — wynik może być odwrotny.

Inne sprawy, które kształtują linię orzeczniczą

Wyrok w sprawie Kadrey v. Meta nie funkcjonuje w próżni. Równolegle toczą się inne postępowania, których wyniki wpłyną na standardy rynkowe w najbliższych latach.

Każda z tych spraw potwierdza jedno: linia orzecznicza dopiero się kształtuje. Nie ma jeszcze ustalonego standardu, a wyniki mogą się diametralnie różnić w zależności od dowodów, jurysdykcji i konkretnych okoliczności.

Dlaczego wyrok Mety nie chroni Cię w UE

Jeśli Twoja firma działa w Polsce lub na rynku UE, wyrok Kadrey v. Meta nie ma dla Ciebie bezpośredniego znaczenia prawnego. Oto trzy powody.

Brak doktryny fair use w prawie europejskim

W UE nie istnieje otwarta klauzula generalna pozwalająca sądowi elastycznie oceniać dopuszczalność korzystania z cudzych utworów. Obowiązuje zamknięty katalog wyjątków i ograniczeń. Państwa członkowskie nie mogą tworzyć nowych wyjątków spoza listy dyrektywnej. Każda nowa forma użycia wymaga interwencji legislacyjnej na poziomie UE.

Granice wyjątków wyznacza trójstopniowy test (art. 5 ust. 5 dyrektywy InfoSoc 2001/29/WE): korzystanie musi być szczególnym przypadkiem, nie może zastępować normalnej eksploatacji utworu i nie może naruszać w sposób nieuzasadniony słusznych interesów twórcy. TSUE konsekwentnie zakazuje wykładni rozszerzającej wyjątków.

Wyjątki TDM — inne zasady niż fair use

Dyrektywa DSM 2019/790 wprowadza dwa wyjątki dotyczące eksploracji tekstów i danych, implementowane do polskiego prawa ustawą z 26 lipca 2024 r.:

1. Art. 26² ustawy o prawie autorskim (odpowiednik art. 3 DSM) — TDM dla celów badań naukowych. Dotyczy wyłącznie instytucji dziedzictwa kulturowego i podmiotów systemu szkolnictwa wyższego. Warunek: brak korzyści majątkowej. Uprawnieni nie mogą wyłączyć stosowania tego wyjątku umownie.
2. Art. 26³ ustawy o prawie autorskim (odpowiednik art. 4 DSM) — TDM dla pozostałych celów, w tym komercyjnych. Dotyczy wszystkich podmiotów. Warunek: legalny dostęp do treści i brak skutecznego zastrzeżenia opt-out.

Mechanizm opt-out to fundamentalna różnica w porównaniu z fair use. Uprawniony do utworu może wyraźnie zastrzec, że nie zgadza się na komercyjne TDM — i to zastrzeżenie jest wiążące. Dla treści online musi być w formacie nadającym się do odczytu maszynowego (metadane, nagłówki HTTP, plik robots.txt). ZAiKS skorzystał z tego mechanizmu już 10 grudnia 2024 r.

Co ważne: korzystanie z pirackich baz danych (jak Books3) nie spełnia warunku legalnego dostępu wymaganego przez wyjątki TDM. Trenowanie na takich danych nie może korzystać z dozwolonego użytku w prawie UE — niezależnie od tego, co orzekł sąd w Kalifornii.

AI Act nakłada dodatkowe obowiązki

Rozporządzenie AI Act (2024/1689), stosowane od 1 sierpnia 2024 r., wprost odnosi się do praw autorskich w kontekście trenowania modeli AI. Dostawcy modeli GPAI muszą:

1. Posiadać politykę poszanowania praw autorskich — w tym identyfikować i respektować zastrzeżenia opt-out z art. 4 ust. 3 dyrektywy DSM.
2. Publikować streszczenia danych treningowych (od sierpnia 2025 r.) — wystarczająco szczegółowe, by umożliwić posiadaczom praw autorskich dochodzenie roszczeń. Wzór opracowuje Europejski Urząd ds. Sztucznej Inteligencji.
3. Stosować te obowiązki niezależnie od miejsca treningu — żaden dostawca nie może uzyskać przewagi na rynku UE „poprzez stosowanie niższych standardów praw autorskich niż normy przewidziane w Unii” (motyw 106 AI Act).

Sankcje za naruszenia obowiązków dotyczących GPAI sięgają 7,5 mln EUR lub 1,5% globalnego obrotu. Za stosowanie zakazanych praktyk — do 35 mln EUR lub 7% obrotu.

Skontaktuj się — pomożemy zweryfikować, czy Twój produkt AI jest zgodny z wymogami UE.

Kto odpowiada za naruszenie praw autorskich — dostawca modelu czy firma, która go wdraża

To jedno z najczęstszych pytań, jakie słyszymy od founderów i CTO. Odpowiedź zależy od roli Twojej firmy w łańcuchu wartości AI.

Podział ról i odpowiedzialności według AI Act

Czego nie musisz się obawiać

Jeśli pobierasz model LLaMA z oficjalnego źródła na podstawie licencji Meta — nie odpowiadasz za naruszenia praw autorskich popełnione przez Meta na etapie pierwotnego treningu. Użytkownik końcowy nie „uzyskuje pirackiego programu” — korzysta z legalnie licencjonowanego modelu.

Gdzie leży Twoje ryzyko

Odpowiadasz za:

1. Własne naruszenia praw autorskich związane z generowanymi treściami — jeśli model odtworzy fragment cudzego utworu, a Ty go opublikujesz, to Twoja firma ponosi odpowiedzialność.
2. Nielegalne dane w procesie fine-tuningu — jeśli dotrenowujesz model na cudzych materiałach bez licencji, stajesz się bezpośrednim naruszycielem.
3. Zgodność wdrożenia z AI Act, RODO i innymi regulacjami.
4. Przejście z roli stosującego do roli dostawcy — wystarczy, że oznaczysz model własnym logo, istotnie zmodyfikujesz jego działanie lub zmienisz przeznaczenie. Orientacyjne kryterium: skala obliczeń szkoleniowych przekraczająca 1/3 obliczeń pierwotnego treningu. W takim przypadku przejmujesz obowiązki dostawcy — w tym odpowiedzialność za legalność danych treningowych.

Dodatkowe ryzyko: sąd może w przyszłości zakazać korzystania z danej wersji modelu, jeśli uzna ją za naruszającą prawa autorskie w sposób nieusuwalny. To scenariusz, na który nie masz wpływu — ale możesz się na niego przygotować.

Co powinieneś zrobić — konkretne kroki

Poniżej lista działań uporządkowana według priorytetu. Nie wszystkie dotyczą każdej firmy — zależy od tego, czy budujesz własne modele, integrujesz gotowe, czy tylko korzystasz z narzędzi AI do generowania treści.

Działania obowiązkowe

1. Przeprowadź audyt pochodzenia danych treningowych. Zidentyfikuj, jakie modele AI Twoja firma wykorzystuje lub buduje. Sprawdź, czy w zbiorach treningowych mogą znajdować się utwory chronione prawem autorskim pobrane bez licencji. Jeśli korzystasz z modeli open-source (LLaMA, Mistral) — zweryfikuj warunki licencji i znane źródła danych treningowych.
2. Wprowadź klauzule indemnifikacyjne w umowach z dostawcami modeli AI. Upewnij się, że dostawca bierze na siebie ryzyko roszczeń autorskich wynikających z danych treningowych. Sprawdź, czy licencja zawiera postanowienia dotyczące odpowiedzialności za naruszenia IP.
3. Zweryfikuj, czy Twoje zastosowania AI podlegają regulacjom europejskim. Dyrektywa DSM, AI Act, RODO — każda z tych regulacji nakłada inne obowiązki. Doktryna fair use z wyroku Kadrey v. Meta nie ma przełożenia na Twoją sytuację prawną w Polsce i UE.

Działania rekomendowane

4. Przygotuj wewnętrzną politykę korzystania z generatywnej AI. Określ: jakie treści można generować, w jakich celach, jakie są zasady weryfikacji przed publikacją. Szczególnie ważne w e-commerce (opisy produktów) i content marketingu (artykuły, grafiki).
5. Monitoruj rozwój orzecznictwa. Sprawy NYT v. OpenAI, Bartz v. Anthropic, Getty v. Stability AI — ich wyniki ukształtują standardy rynkowe. Wyznacz osobę odpowiedzialną za śledzenie zmian i przekazywanie rekomendacji.
6. Zapewnij AI literacy w zespole. Od 2 lutego 2025 r. obowiązuje wymóg AI Act — dostawcy i podmioty stosujące AI muszą zapewnić pracownikom odpowiednie kompetencje, w tym świadomość ryzyk prawnoautorskich.

Działania warte rozważenia

7. Rozważ migrację na modele trenowane na licencjonowanych danych. Na rynku dostępne są alternatywy — np. PLLuM (licencja Apache 2.0 dla zastosowań komercyjnych), Bielik.AI, modele z rodziny Gemma (Google) czy Phi (Microsoft, licencja MIT). To inwestycja, która zmniejsza ryzyko prawne i może wzmocnić pozycję negocjacyjną wobec klientów i inwestorów.

Teoria „rozmycia rynku” — dlaczego to argument, który wróci

Sąd w sprawie Kadrey v. Meta określił „rozmycie rynku” jako najbardziej obiecujący argument autorów — ale nieudowodniony. Warto zrozumieć, dlaczego ta teoria będzie wracać w kolejnych sprawach.

Chodzi o prosty mechanizm: modele AI mogą generować miliony dzieł konkurujących z oryginałami. Jeśli rynek zostanie zalany treściami syntetycznymi, sprzedaż i wynagrodzenia twórców mogą spaść — nawet jeśli żadna pojedyncza treść AI nie jest „kopią” konkretnego utworu.

AI Act wprost identyfikuje to zagrożenie. Motyw 133 rozporządzenia wskazuje, że „różne systemy AI mogą generować duże ilości treści syntetycznych, które stają się coraz trudniejsze do odróżnienia od treści generowanych przez człowieka” — i stwarza to „nowe rodzaje ryzyka polegające na podawaniu informacji wprowadzających w błąd i na manipulacji na dużą skalę.”

Dane pośrednie potwierdzają obawy:

1. Według raportu South China Morning Post ok. 38% zgłoszeń na Amazonie to publikacje wygenerowane przez AI.
2. Badanie ankietowe wśród ok. 400 pisarzy na rynku brytyjskim: 39% już odczuwa spadek dochodów, 85% przewiduje dalszy spadek, 59% deklaruje, że ich twórczość została wykorzystana bez zgody.
3. Pojawiły się przypadki pseudo-książek generowanych przez AI (np. fałszywe poradniki o królu Karolu III, książki podszywające się pod autorkę Jane Friedman).

Dla Twojej firmy oznacza to: jeśli generujesz treści AI w celach komercyjnych (opisy produktów, artykuły, materiały marketingowe) — możesz stać się współpozwanym w przyszłych sprawach o „rozmywanie rynku”. Ryzyko rośnie proporcjonalnie do skali generowania.

Sprawdź, czy Twój produkt AI jest bezpieczny prawnie

Wyrok Kadrey v. Meta nie zamyka tematu — otwiera go. Linia orzecznicza dopiero się kształtuje, a regulacje europejskie (dyrektywa DSM, AI Act) nakładają obowiązki, które nie mają odpowiednika w prawie amerykańskim.

Jeśli Twoja firma buduje, integruje lub wdraża modele AI — zweryfikuj trzy rzeczy:

1. Skąd pochodzą dane treningowe w modelach, z których korzystasz.
2. Czy Twoje umowy z dostawcami modeli AI zawierają klauzule chroniące Cię przed roszczeniami IP.
3. Czy Twoje wdrożenie spełnia wymogi AI Act, dyrektywy DSM i RODO.

Pomagamy firmom technologicznym uporządkować te obszary — od audytu pipeline’u danych AI, przez przegląd umów z dostawcami modeli, po przygotowanie wewnętrznych polityk korzystania z AI. Napisz do nas — umówimy się na przegląd IP Twojego produktu AI.

Podsumowanie

Wyrok w sprawie Kadrey v. Meta nie legalizuje trenowania AI na cudzych utworach. Potwierdza jedynie, że w konkretnych okolicznościach — przy braku dowodów na szkodę rynkową — amerykański sąd może uznać taki trening za fair use. Dla firm działających w UE ten wyrok nie zmienia niczego: obowiązują wyjątki TDM z dyrektywy DSM (z mechanizmem opt-out), obowiązki z AI Act i zamknięty katalog wyjątków prawa autorskiego.

Trzy wnioski do zapamiętania:

1. Fair use nie istnieje w prawie UE — nie powołuj się na wyrok Mety w kontekście europejskim.
2. Odpowiadasz za generowane treści i za legalność danych, na których sam dotrenowujesz model.
3. Regulacje się zaostrzają — im wcześniej uporządkujesz kwestie IP w swoim produkcie AI, tym mniejsze ryzyko poniesiesz.

Najczęściej zadawane pytania

Czy mogę bezpiecznie korzystać z modeli typu LLaMA w moim produkcie komercyjnym, skoro sąd uznał trenowanie za legalne?

Wyrok dotyczy wyłącznie prawa amerykańskiego i konkretnych okoliczności sprawy Kadrey v. Meta. Jeśli działasz w UE, obowiązują Cię wyjątki TDM z dyrektywy DSM i obowiązki z AI Act — nie doktryna fair use. Korzystanie z LLaMA na podstawie oficjalnej licencji Meta jest dopuszczalne, ale odpowiadasz za sposób wykorzystania modelu, generowane treści i zgodność wdrożenia z regulacjami UE.

Kto ponosi odpowiedzialność za naruszenie praw autorskich — dostawca modelu AI czy firma, która go wdraża?

Dostawca modelu (np. Meta) odpowiada za legalność danych treningowych i politykę poszanowania praw autorskich. Firma wdrażająca model odpowiada za generowane treści, legalność danych użytych w fine-tuningu i zgodność z AI Act. Jeśli istotnie zmodyfikujesz model lub zmienisz jego przeznaczenie — możesz przejść z roli stosującego do roli dostawcy, co radykalnie rozszerza zakres Twoich obowiązków.

Czy generowanie treści przez AI (np. opisów produktów) może narazić moją firmę na pozew?

Tak. Ryzyko występuje w dwóch obszarach: (1) model może odtworzyć fragmenty cudzych utworów — jeśli je opublikujesz, odpowiadasz za naruszenie; (2) masowe generowanie treści AI konkurujących z oryginałami może zostać zakwalifikowane jako „rozmywanie rynku” — teoria, którą sąd w sprawie Kadrey v. Meta uznał za obiecującą, choć nieudowodnioną. Wdróż procedury weryfikacji treści przed publikacją.

Jakie klauzule powinienem mieć w umowie z dostawcą modelu AI?

Przede wszystkim klauzulę indemnifikacyjną — dostawca powinien wziąć na siebie ryzyko roszczeń autorskich wynikających z danych treningowych. Sprawdź też: oświadczenia dostawcy o legalności źródeł danych, zobowiązanie do respektowania opt-out, obowiązek informowania o zmianach w zbiorze danych treningowych oraz procedurę postępowania w razie roszczenia osoby trzeciej.

Czy powinienem przejść na modele trenowane wyłącznie na licencjonowanych danych?

To zależy od profilu ryzyka Twojej firmy. Na rynku dostępne są modele z przejrzystą polityką danych treningowych — PLLuM (Apache 2.0), Bielik.AI, Gemma (Google), Phi (Microsoft, MIT). Migracja zmniejsza ryzyko prawne i może wzmocnić Twoją pozycję wobec klientów i inwestorów — szczególnie jeśli planujesz rundę finansowania, w której due diligence obejmie kwestie IP.

Czym różni się sytuacja w USA od sytuacji w Polsce — czy wyrok Mety daje mi jakąkolwiek ochronę w Europie?

Nie. W USA sąd ocenia fair use elastycznie w każdej sprawie. W UE obowiązuje zamknięty katalog wyjątków — w tym wyjątki TDM z dyrektywy DSM, implementowane do polskiego prawa (art. 26² i 26³ ustawy o prawie autorskim). Uprawnieni mogą zablokować komercyjne TDM przez opt-out. AI Act dodatkowo wymaga od dostawców GPAI respektowania tych zastrzeżeń — niezależnie od tego, gdzie odbywa się trening modelu. Argument „sąd w USA uznał to za legalne” nie stanowi obrony w postępowaniu przed polskim sądem ani organem nadzorczym.