AI-trainingsdata: Microsoft noemt scraping 'grootste diefstal'

Wat staat er precies in de vrijgegeven rechtbankstukken?

De rechtszaak zelf loopt al sinds eind 2023: The New York Times klaagde OpenAI en Microsoft aan wegens auteursrechtinbreuk, met als kern dat beide bedrijven miljoenen artikelen zonder toestemming gebruikten om ChatGPT te trainen. Deze week werden delen van de rechtbankstukken die eerst zwartgelakt waren, alsnog openbaar. Daaruit blijkt dat interne Microsoft-communicatie veel verder ging dan de nette juridische taal die het bedrijf publiekelijk gebruikt.

Een Microsoft-directeur noemde de schaal van het datascrapen door AI-bedrijven letterlijk de grootste diefstal van arbeid in de menselijke geschiedenis, blijkt uit interne mails en chats die nu zijn vrijgegeven. Tegelijkertijd tonen dezelfde stukken dat Microsoft zelf meewerkte aan het opbouwen van datasets uit betaalde New York Times-content, en intern besefte dat dit uitgevers financieel zou kunnen ruineren.

Waarom dit meer is dan een welles-nietes tussen techbedrijven

Dit is meer dan een pittige interne opmerking die nu genant uitpakt. Het toont dat beide bedrijven wisten dat hun aanpak juridisch en ethisch risicovol was, er toch mee doorgingen, en er vervolgens producten mee bouwden die ze aan miljoenen bedrijven verkopen. Vergelijk het met een leverancier die weet dat een onderdeel niet legaal is ingekocht, het toch verwerkt, en het eindproduct daarna gewoon aan jou factureert.

Het past ook in een breder patroon van wantrouwen. Onderzoek van Pew Research, besproken door The Verge, laat zien dat mensen in 34 van de 37 onderzochte landen eerder verwachten dat AI de komende twintig jaar banen kost dan dat het ze oplevert. Een Microsoft-exec die scraping zelf diefstal van arbeid noemt, bevestigt precies die angst, met de eigen woorden van de bedrijven die de modellen bouwen.

Wat betekent dit voor jouw MKB als ChatGPT- of Copilot-gebruiker

Gebruik je zelf ChatGPT, Copilot of een vergelijkbaar model om teksten, code of afbeeldingen te maken voor je bedrijf, dan ben je niet automatisch aansprakelijk omdat de onderliggende trainingsdata omstreden is. Maar het juridische landschap rond eigendom en gebruik van AI-output is nog volop in beweging, en dat is precies het probleem: niemand kan je vandaag garanderen hoe rechters hier over vijf jaar over oordelen.

Microsoft biedt zakelijke Copilot-klanten wel een vorm van bescherming via de Copilot Copyright Commitment: bij een auteursrechtclaim over Copilot-output neemt Microsoft in veel gevallen de juridische kosten voor zijn rekening, mits je de ingebouwde veiligheidsfilters gebruikt. OpenAI kent vergelijkbare toezeggingen voor zakelijke klanten. Check dus of jouw contract zo'n vrijwaring bevat voordat je blind op AI-output vertrouwt.

AVG, EU AI Act en wat dit voor Nederlandse ondernemers betekent

Deze zaak speelt zich af onder Amerikaans auteursrecht, maar heeft ook een Europese kant. De EU AI Act verplicht aanbieders van general-purpose AI-modellen om een samenvatting te publiceren van de content waarmee ze trainen, juist om dit soort verborgen praktijken zichtbaarder te maken. En als er persoonsgegevens tussen die gescrapete data zaten, raakt dit ook aan de AVG: data van EU-burgers verwerken zonder rechtsgrond is en blijft een probleem, ongeacht wie het doet.

Voor een Nederlandse MKB'er, of je nu in Enschede zit of ergens anders, betekent dit vooral: wees kritisch op de AI-tools die je inzet en durf je leverancier vragen te stellen over waar de data vandaan komt. Klanten en toezichthouders accepteren steeds minder het antwoord dat je het gewoon niet weet.

Wat kun je nu concreet doen

Bouw niet je hele marketing of dienstverlening op een AI-leverancier, laat AI-gegenereerde content altijd door een mens controleren voordat die naar buiten gaat, en vraag je AI-leverancier expliciet naar een auteursrechtelijke vrijwaring. Blijf ook de ontwikkelingen in deze rechtszaak volgen: de uitkomst kan gevolgen hebben voor prijzen, beschikbaarheid en functies van de tools die je nu gebruikt.