Il 20 luglio 2026, un giudice federale della California ha approvato il più grande accordo transattivo nella storia del diritto d'autore: 1,5 miliardi di dollari per 482.460 libri. Facendo la divisione si arriva a circa 3.109 dollari per opera, quasi quattro volte il minimo legale statunitense per violazione dolosa del copyright previsto dal 17 U.S.C. 504. Questa cifra non è una multa che Anthropic ha negoziato per aver addestrato un modello di IA sui libri. È più vicina al prezzo pagato per non essere riuscita a dimostrare, per centinaia di migliaia di opere singole, di avere un diritto legittimo a detenerne una copia.
Cosa ha davvero deciso il tribunale
Il caso si chiama Bartz v. Anthropic, discusso davanti al tribunale federale del distretto Nord della California. La giudice Araceli Martínez-Olguín ha concesso l'approvazione definitiva dell'accordo della class action il 20 luglio 2026, chiudendo un caso seguito con attenzione da editori, autori e ogni altro laboratorio di IA con un dataset di addestramento costruito su libri. La classe certificata copre 482.460 opere, e la Authors Guild lo ha definito il più grande risarcimento nella storia del contenzioso statunitense sul copyright.
1,5 miliardi di dollari divisi per 482.460 opere danno quasi esattamente 3.109 dollari per libro. Questo numero conta meno per quanto è costato ad Anthropic e più per cosa lo ha causato: per ciascuna di quelle opere, nessuno ha potuto mostrare una licenza, una prova d'acquisto o qualsiasi altra documentazione che attestasse il diritto a detenere quella copia. Accordi come questo non sono un caso isolato. I dati della Copyright Alliance mostrano che le cause legali sul copyright legate all'IA sono passate da circa 30 a oltre 70 solo nel 2025, quindi il numero di casi in cui un tribunale porrà la stessa domanda è destinato a crescere.
Addestramento contro archiviazione: la linea che ha contato
Sarebbe facile leggere questo accordo come se "addestrare l'IA sui libri fosse illegale". Non è questo che dice la decisione di fondo, e confondere le due cose è un errore da evitare. La precedente decisione del tribunale, che ha aperto la strada a questo accordo, ha stabilito che addestrare un modello di IA su libri protetti da copyright può rientrare nel fair use. Ciò che non ha giustificato è il modo in cui Anthropic si era procurata una parte consistente di quei libri: acquisendo e archiviando copie piratate prelevate da biblioteche clandestine come Library Genesis e il Pirate Library Mirror. L'addestramento era una questione legale. Detenere copie piratate era un'altra questione, ed è quella che ha prodotto la cifra di 1,5 miliardi di dollari.
Questa distinzione conta per chiunque cerchi di trarre una lezione da questo caso. Il rischio non è nato dall'atto di addestrare un modello. È nato da una lacuna nella tracciabilità: l'incapacità di dimostrare, opera per opera, esattamente quando e come una copia sia finita nelle mani dell'azienda.
Cosa significa questo se non sei tu a essere citato in giudizio
La maggior parte dei creatori e delle aziende non sarà mai convenuta in una causa come questa. Ma la stessa lacuna nella tracciabilità si presenta anche dall'altra parte del tavolo, sia che tu abbia una pretesa da far valere sia che ti venga chiesto di rispondere. Se la tua opera finisce nel dataset di addestramento di qualcun altro, o se un concorrente contesta il tuo diritto su un contenuto attorno al quale hai costruito un prodotto o un marchio, la prima domanda che un tribunale o una controparte in trattativa porrà è la stessa che ha deciso Bartz v. Anthropic: puoi dimostrare, con una data e un registro verificabile, di detenerla prima che chiunque altro la rivendicasse?
Un sigillo datato e verificabile crittograficamente su un documento non fa sparire una causa e non riscrive i fatti di una controversia. Ciò che cambia è la posizione di partenza. Invece di ricostruire una documentazione a posteriori, sotto scadenza, davanti alla controparte, produci un registro che esiste già. Il calcolo in una controversia sull'addestramento dell'IA si basa esattamente su questo tipo di prova: chi possedeva cosa, e da quando.
Se vuoi capire dove si colloca il tuo contenuto su questo spettro, prima che una controversia imponga la domanda, il calcolatore di esposizione IP ripercorre le stesse variabili che una richiesta come questa metterebbe alla prova: quanta parte delle tue opere pubblicate ha un registro di proprietà datato, come sono state concesse in licenza e dove si trovano le lacune.
