Em 20 de julho de 2026, um juiz federal da Califórnia aprovou o maior acordo da história do direito autoral: 1,5 bilhão de dólares por 482.460 livros. Fazendo a divisão, chega-se a cerca de 3.109 dólares por obra, quase quatro vezes o mínimo legal dos Estados Unidos para violação dolosa de direitos autorais previsto no 17 U.S.C. 504. Esse número não é uma multa que a Anthropic negociou por treinar um modelo de IA com livros. Está mais próximo do preço de não conseguir demonstrar, para centenas de milhares de obras individuais, que a empresa tinha o direito legítimo de deter uma cópia.
O que o tribunal realmente decidiu
O caso se chama Bartz v. Anthropic, julgado no Tribunal Distrital dos Estados Unidos para o Distrito Norte da Califórnia. A juíza Araceli Martínez-Olguín concedeu a aprovação final do acordo da ação coletiva em 20 de julho de 2026, encerrando um caso acompanhado de perto por editoras, autores e todo outro laboratório de IA com um conjunto de dados de treinamento construído a partir de livros. A classe certificada abrange 482.460 obras, e a Authors Guild chamou isso de a maior indenização da história dos litígios de direitos autorais nos Estados Unidos.
1,5 bilhão de dólares dividido por 482.460 obras dá quase exatamente 3.109 dólares por livro. Esse número importa menos pelo que custou à Anthropic e mais pelo que o motivou: para cada uma dessas obras, ninguém conseguiu apontar uma licença, um comprovante de compra ou qualquer outro rastro documental que mostrasse o direito de deter aquela cópia. Acordos como esse não são um caso isolado. Dados da Copyright Alliance mostram que os processos de direitos autorais ligados à IA passaram de cerca de 30 para mais de 70 somente durante 2025, então o número de casos em que um tribunal fará a mesma pergunta só tende a crescer.
Treinamento versus armazenamento: a linha que importou
Seria fácil ler esse acordo como se "treinar IA com livros fosse ilegal". Não é isso que a decisão de base diz, e confundir as duas coisas é um erro que vale a pena evitar. A decisão anterior do tribunal, que abriu caminho para esse acordo, entendeu que treinar um modelo de IA com livros protegidos por direitos autorais pode se enquadrar como fair use. O que não foi perdoado foi a forma como a Anthropic obteve boa parte desses livros: adquirindo e armazenando cópias piratas retiradas de bibliotecas clandestinas como a Library Genesis e o Pirate Library Mirror. O treinamento era uma questão jurídica. Deter cópias piratas era outra, e foi essa que produziu o número de 1,5 bilhão de dólares.
Essa distinção importa para quem tenta tirar uma lição desse caso. A exposição não veio do ato de treinar um modelo. Veio de uma lacuna na rastreabilidade: a incapacidade de mostrar, obra por obra, exatamente quando e como uma cópia chegou às mãos da empresa.
O que isso significa se você não está sendo processado
A maioria dos criadores e empresas nunca será ré em um caso como esse. Mas a mesma lacuna de rastreabilidade aparece também do outro lado da mesa, seja você quem tem uma reivindicação, seja você quem precisa responder por uma. Se a sua obra acaba no conjunto de dados de treinamento de outra pessoa, ou se um concorrente contesta o seu direito sobre um conteúdo em torno do qual você construiu um produto ou uma marca, a primeira pergunta que um tribunal ou uma contraparte em negociação fará é a mesma que decidiu Bartz v. Anthropic: você consegue mostrar, com uma data e um registro verificável, que possuía isso antes que qualquer outra pessoa o reivindicasse?
Um selo datado e verificável criptograficamente em um documento não faz um processo desaparecer, nem reescreve os fatos de uma disputa. O que ele muda é a posição de partida. Em vez de reconstruir um rastro documental depois do fato, sob prazo, diante da parte contrária, você apresenta um registro que já existe. A conta em uma disputa de treinamento de IA depende exatamente desse tipo de prova: quem tinha o quê, e desde quando.
Se você quiser saber onde o seu próprio conteúdo se encontra nesse espectro, antes que uma disputa force a pergunta, a calculadora de exposição de PI percorre as mesmas variáveis que uma reivindicação como essa testaria: quanto da sua obra publicada tem algum registro de propriedade datado, como foi licenciada e onde estão as lacunas.
