Se a sua organizacao publica textos, imagens ou outro conteudo online, provavelmente ja tem uma opiniao sobre se as empresas de IA deveriam poder usa-lo para treinar os seus modelos. Desde 2019, o direito da UE oferece aos titulares de direitos uma forma formal de recusar: a exclusao para mineracao de textos e dados prevista no artigo 4 da Diretiva DSM. A maioria dos editores que a configurou considera a tarefa concluida assim que uma linha no robots.txt ou uma tag TDMRep esteja ativa no site. Essa e a parte facil. A parte dificil, a que realmente decide se a exclusao se sustenta numa disputa, e provar quando estava ativa e o que exatamente dizia.
O que o artigo 4 realmente concede
O artigo 4 da Diretiva DSM cria uma excecao que permite a reproducao e a extracao de obras licitamente acessiveis para fins de mineracao de textos e dados, sem necessidade de licenca numa ampla gama de casos. O artigo 4, n.o 3, tracca entao o limite que importa aos titulares de direitos: a excecao so se aplica se o titular nao tiver reservado expressamente os seus direitos. Para conteudo disponibilizado publicamente online, essa reserva deve ser expressa "de forma adequada, tal como meios legiveis por maquina". Em termos simples, um aviso escrito algures numa pagina nao basta. A reserva tem de ser legivel pelos rastreadores e pelos sistemas que efetivamente realizam a mineracao, razao pela qual a maioria das implementacoes se baseia numa diretiva robots.txt, numa tag meta HTML, ou no TDM Reservation Protocol (TDMRep) desenvolvido precisamente para este fim.
Definir esse sinal e uma tarefa tecnica pontual. Guardar a prova disso nao e, e e exatamente ai que a maioria dos titulares de direitos para.
Por que a exclusao agora tem forca real, e por que isso aumenta o que esta em jogo
Durante alguns anos, o artigo 4, n.o 3, permaneceu, em grande parte, como uma protecao teorica. Isso mudou com a Lei de IA da UE. Os fornecedores de modelos de IA de finalidade geral colocados no mercado da UE estao agora sujeitos a uma obrigacao direta, prevista no artigo 53 da Lei de IA, de implementar uma politica de conformidade com o direito de autor da UE, e em particular de identificar e respeitar as reservas de direitos expressas nos termos do artigo 4, n.o 3, da Diretiva DSM. Essa obrigacao aplica-se independentemente de onde o fornecedor do modelo esteja estabelecido ou de onde o treino tenha efetivamente ocorrido, desde que o modelo seja colocado no mercado da UE.
Isto transforma a exclusao de uma posicao juridica passiva em algo que ambas as partes agora precisam de gerir ativamente. Um fornecedor de modelos tem de demonstrar que verificou e respeitou a reserva. Voce, como titular de direitos, podera precisar de demonstrar que a reserva estava em vigor, na forma correta, antes de o conteudo ser recolhido para treino. Ambas sao questoes sobre um momento concreto, nao sobre o estado atual do seu site. Um ficheiro robots.txt mostra sempre apenas o que la esta hoje. Nao diz nada sobre o que dizia ha seis meses, quando um determinado rastreio pode ter ocorrido.
Onde a lacuna de prova realmente afeta
Tres situacoes surgem repetidamente assim que se olha para alem da configuracao inicial:
- Uma reformulacao do site ou uma migracao de CMS sobrescreve o ficheiro robots.txt, e a antiga diretiva de exclusao desaparece sem qualquer registo local de quando foi removida ou do que dizia originalmente.
- Uma disputa gira em torno do momento exato. Um fornecedor de modelos afirma que o treino e anterior a sua reserva; voce acredita no contrario. Sem um instantaneo datado do seu sinal de exclusao, isto torna-se uma questao de quem e mais convincente, e nao do que e provavel.
- A exclusao muda ao longo do tempo, por exemplo passando de um bloqueio generico via robots.txt para uma politica TDMRep mais granular que reserva direitos para o treino de IA enquanto continua a permitir a indexacao em motores de busca. Se um rastreio ocorreu entre duas versoes, apenas um historico datado de versoes indica qual politica estava efetivamente em vigor nesse momento.
Nenhum destes casos e hipotetico. Sao as consequencias comuns de manter um site ativo durante mais de alguns meses. Uma exclusao legivel por maquina resolve o problema de "uma maquina consegue ler isto". Nao faz nada pelo problema de "voce consegue provar que isto era verdade numa data especifica", e e precisamente essa segunda pergunta que decide uma disputa.
O que um registo datado precisa de garantir
Um registo de exclusao defensavel precisa de tres elementos que um ficheiro robots.txt ativo nao consegue fornecer sozinho: um instantaneo do ficheiro ou da tag exatos tal como foram publicados, uma marca temporal proveniente de uma fonte que voce nao controla, e uma forma de um terceiro, mesmo fora da UE, verificar ambos sem ter de confiar na sua palavra. Selar um hash datado do seu robots.txt, da sua declaracao TDMRep ou da sua tag meta HTML sempre que publica ou atualiza constroi esse registo de forma incremental, no momento em que cada versao entra online, em vez de depois, quando ja e tarde demais para o reconstruir.
E tambem aqui que o valor da prova subjacente importa para alem da UE. Uma disputa sobre dados de treino ou uma negociacao de licenciamento com um fornecedor de modelos nem sempre se desenrolara perante uma autoridade da UE. Pode acabar perante a equipa juridica de um laboratorio de IA norte-americano, um tribunal de arbitragem internacional, ou um tribunal numa jurisdicao que nunca ouviu falar da Diretiva DSM. Uma prova cuja unica forca e "confie nos nossos registos de servidor" nao se sustenta bem nessa conversa. Um registo qualificado e datado de forma independente sim, porque o seu valor probatorio nao depende de qual jurisdicao esta a perguntar. E a mesma logica que se aplica a qualquer documento que possa precisar de defender fora do pais onde o criou: uma prova que se sustenta globalmente vale mais do que uma que so funciona em casa.
O que manter no registo
Um instantaneo selado util nao precisa de ser complicado. Guarde, no minimo, o texto integral da diretiva robots.txt ou da declaracao TDMRep tal como foi publicada, o URL ou subdominio a que se aplicava, e a data em que entrou em vigor. Organizacoes maiores que gerem varios sites, subdominios regionais ou versoes em varios idiomas do mesmo site devem selar cada um separadamente, ja que uma reserva definida num dominio nao se estende automaticamente a outro, e um rastreador que ignorou a politica de um subdominio nao sera desculpado por uma reserva que so existia no site principal. Se a sua equipa juridica ou de conformidade for chamada a apresentar provas durante uma auditoria ou negociacao de licenciamento, ter um ficheiro datado por cada site e melhor do que reconstruir um historico a partir de paginas em cache e suposicoes.
Tambem vale a pena manter o registo mesmo depois de alterar ou remover uma exclusao. Se mais tarde decidir licenciar o seu conteudo para treino de IA em vez de o bloquear, um historico datado que mostre exatamente quando a reserva foi retirada protege-o do problema oposto: a alegacao de que ainda estava em exclusao quando, na verdade, ja tinha concedido a permissao.
Tornar isto um habito editorial normal
A solucao pratica e mais simples do que parece. Trate o seu sinal de exclusao de TDM tal como trataria um contrato ou um ficheiro de design datado: sele-o no momento em que muda, guarde o registo selado separado do site ativo, e repita o processo sempre que a politica for atualizada, nao apenas uma vez no lancamento. Para organizacoes que publicam conjuntos de dados, documentacao de modelos ou termos de licenciamento junto com o seu conteudo, a mesma disciplina aplica-se tambem a esse material. A nossa pagina sobre documentacao da proveniencia de dados de treino de IA explica como construir um registo datado e verificavel ao longo de todo o ciclo de vida de um conjunto de dados, nao apenas para o sinal de exclusao na sua margem.
O artigo 4, n.o 3, da-lhe o direito de reservar o seu conteudo. Nao lhe da a prova de que exerceu esse direito num momento concreto. Construa voce mesmo o registo datado, antes de precisar dele, e a exclusao passara a significar realmente o que afirma.
Comece a selar os seus sinais de exclusao de TDM e os registos dos seus conjuntos de dados com uma marca temporal datada e verificavel de forma independente, para que a prova esteja pronta antes de uma disputa o obrigar a reconstitui-la.
