O “maior roubo de trabalho da história”? Como a IA devorou a internet sem pedir

Existe uma frase circulando entre criadores, advogados e pesquisadores que resume uma das maiores discussões da era da inteligência artificial: o scraping praticado por empresas como Microsoft e OpenAI seria “o maior roubo de trabalho da história humana”. Exagero? Talvez. Mas quando você entende como o ChatGPT aprendeu, começa a enxergar por que tanta gente está irritada — e processando.

Como a IA “leu” a internet inteira

Para treinar um modelo de linguagem é preciso uma quantidade absurda de texto. Bilhões de páginas. A saída mais barata é o scraping: robôs que varrem a web inteira, copiando tudo o que encontram. Boa parte vem de repositórios públicos, como o Common Crawl, arquivo gigantesco montado a partir da própria internet. Jornais, blogs, livros, fóruns, documentação técnica, imagens com legendas — tudo vira matéria-prima para a máquina aprender padrões de linguagem.

O resultado está no seu bolso. Resumos, respostas e imitações de estilo existem porque a máquina bebeu de bilhões de documentos criados por gente de verdade. Ela não guarda os textos num baú: aprende padrões com eles. Mas aprendeu sem que nenhum autor, jornalista ou programador fosse consultado antes.

Por que falam em “roubo de trabalho”?

A conta que os críticos fazem é simples. Cada artigo, foto ou linha de código absorvida no treinamento representa horas de trabalho humano: pesquisa, escrita, edição, criatividade. Nada disso foi licenciado e nenhum centavo trocou de mãos. E o detalhe que mais incomoda: o modelo treinado com esse material hoje disputa o mercado de quem o criou. É como um estagiário que aprendeu lendo seu portfólio escondido e agora concorre com você, sem dividir nada com você.

Para entender a revolta, olhe o que os modelos engoliram:

• Matérias de jornais e revistas que sustentam o jornalismo profissional;
• Livros de autores de todos os portes;
• Tutoriais e respostas de fóruns como Reddit e Stack Overflow;
• Ilustrações, fotografias e códigos escritos por profissionais.

O que as empresas dizem para se defender

Do outro lado do balcão, o argumento favorito das empresas de IA é o fair use, conceito jurídico americano que permite o uso de obras protegidas em certas situações, como paródias e pesquisas. Na visão delas, os modelos não copiam: transformam. Aprender lendo seria tão natural quanto uma pessoa absorver conhecimento ao longo da vida. O problema é que a analogia tem limites. Nenhuma pessoa lê bilhões de páginas em semanas e depois compete com os próprios autores.

E aqui mora uma ironia deliciosa. Se usar dados da web fosse realmente “justo”, por que a OpenAI e outras empresas assinam contratos de licenciamento, pagando milhões por acervos da Associated Press, da News Corp, do Axel Springer e do Reddit? A justificativa oficial fala em dados de qualidade e em tempo real. Os céticos traduzem de outro jeito: quando se paga tanto por conteúdo, fica implícito que ele tem valor.

A batalha está nos tribunais

Em dezembro de 2023, o The New York Times entrou com um dos processos mais emblemáticos da tecnologia, acusando a OpenAI e a Microsoft de usarem milhões de seus artigos sem autorização. Autores, comédiantes e artistas moveram ações próprias. No centro de tudo, uma pergunta que nenhum tribunal respondeu ainda: treinar IA com obras protegidas é fair use ou violação de direitos autorais?

Os valores em jogo são gigantescos. Se perderem, as empresas podem pagar bilhões em indenizações e ser obrigadas a licenciar conteúdo. O Escritório de Direitos Autorais dos EUA já sinalizou que o fair use é avaliado caso a caso, e que o prejuízo aos criadores pesa na balança. Enquanto isso, governos discutem regras próprias, como sistemas de autorização e de “opt-out”.

E o futuro da internet com isso?

A disputa vai muito além dos processos. Como os chatbots respondem cada vez mais perguntas direto na conversa, muita gente parou de clicar em links. Menos cliques significam menos receita de publicidade, e menos dinheiro para pagar quem produz. Em resposta, editoras e serviços de infraestrutura começaram a bloquear robôs de IA, fechar conteúdo atrás de paywalls e exigir acordos comerciais.

O risco, segundo especialistas, é uma internet empobrecida: se ninguém é pago pelo conteúdo original, ele simplesmente deixa de existir na mesma abundância, e as máquinas aprenderiam com um poço cada vez mais raso. Otimistas apostam que o mercado de licenciamento vai organizar a casa e virar nova fonte de renda para quem cria. Ninguém sabe ainda qual cenário vencerá.

O que fica dessa história

Chamar o scraping de “maior roubo de trabalho da história humana” pode soar dramático, mas a frase aponta para algo real: bilhões de horas de trabalho humano alimentaram sistemas avaliados em centenas de bilhões de dólares — e os criadores não viram um centavo disso. Microsoft e OpenAI vão precisar provar que sua prática é legítima; os criadores vão lutar para ser remunerados. Fique de olho: o desfecho redefine a web para todos nós.