Договариваемся иначе: вопрос о контроле использования данных ИИ

Введение: новый мир авторского права

Мы все хотим простого ответа: можно ли обучать ИИ на чужих произведениях без лицензии? Но, как ни странно, с накоплением исковой практики четкость ответа не наступает, а стирается. Формируется новый мир авторского права, и мы можем восхищанно наблюдать, как рождается иная реальность. В одних делах ключевым становится источник данных, в других — возможность воспроизведения контента в ответах модели, в третьих — вопрос о том, замещает ли ИИ продукт правообладателя на действующем рынке. Происходит расщепление проблемы обучения и правообладания на множество мелких цепочек связей. И это уже куда интереснее, чем любой готовый ответ «да» или «нет».

Урок первый: территориальность решает все

Самый показательный пример того, как многозначен сегодня рынок, — недавнее разбирательство между крупным фотостоком и разработчиком генеративной нейросети. На первый взгляд могло показаться, что суд разрешил обучать ИИ на любых изображениях. Но при детальном разборе выяснилось: решающую роль сыграла юрисдикция. Один из европейских судов зафиксировал, что истец не смог доказать, что спорное обучение происходило именно на территории подсудной этому суду. В итоге компания выиграла лишь частично — по смежным требованиям, связанным с товарными знаками.

Главный урок: в спорах о генеративных моделях территориальность и точная формулировка иска значат не меньше, чем сама технология или данные.

Урок второй: запоминание vs воспроизведение

Другое европейское дело показало иную грань проблемы. Крупный поисковый оператор через свою дочернюю структуру обратился к разработчику генеративного ИИ по поводу текстов песен известных авторов. Суд в основном поддержал истца. Для него оказалось важно не только то, что тексты предположительно использовались для обучения. Ключевым стало другое: по позиции заявителя и выводам суда, модель могла сохранять эти произведения в таком виде, что затем выдавала их пользователям почти дословно в ответ на обычные запросы. Суд отдельно указал: такое использование нельзя считать просто техническим анализом данных.

Спор сместился из плоскости «нейросеть чему-то учится» в плоскость «запоминает ли она защищенный материал настолько, что способна его воспроизвести». Появилась любопытная формулировка — «вдохновленный» массив данных. Теперь ею иногда определяют материалы, которые легли в основу обучения, но не привели к прямому копированию.

Урок третий: как правообладателю запретить использование

Однако и эта юрисдикция не дала окончательного ответа на вопрос о законности обучения без лицензии. Почти одновременно рассматривалось дело фотографа против создателей нейросети. И здесь — еще одна вариация. Другой немецкий суд подтвердил, что нейросеть может ссылаться на исключения, позволяющие использовать материалы для анализа данных и машинного обучения. Несмотря на желание правообладателя запретить такое использование, ему это не удалось: его отказ не был оформлен в технически читаемой форме, например, через файлы на сайте или машиночитаемые метки.

Вывод: фактически собирать данные с чужих ресурсов можно, но важно оценивать, в каких случаях анализ допустим и как именно правообладатель может этому помешать. Права, кажется, становятся частичными.

Урок четвертый: экономический ущерб как критерий

Американская практика добавляет еще один слой. В начале 2026 года в одном из резонансных разбирательств с участием известного новостного агентства суды начали проводить различие между правомерным получением данных, использованием пиратских источников и экономическим ущербом для правообладателя. Иными словами, сам факт обучения на чужом контенте перестал рассматриваться в вакууме. Его оценивают в связке: откуда именно взяты данные и какой экономический эффект создает модель. Если система построена на закрытых массивах или нарушает правила существующего рынка лицензий, она оказывается в уязвимом положении.

Ключевые вопросы, которые сегодня задают суды

На практике это означает, что суды по всему миру перестают рассматривать ИИ как магическую технологию. Они начинают детально изучать архитектуру работы вокруг нее. Ключевые вопросы сегодня звучат так:

1. Где взяли данные? Были ли они получены правомерно?
2. Есть ли воспроизводимые фрагменты в ответах модели? Можно ли обычными запросами вытащить чужой текст, изображение или узнаваемый элемент?
3. Бьет ли новая система по лицензируемому рынку правообладателя?

Именно поэтому одна и та же фраза «модель обучалась на данных N» в разных юрисдикциях приводит к разным правовым последствиям.

Что это значит для бизнеса

В современном мире это становится критически важным аспектом ведения бизнеса, особенно учитывая быстрое распространение ИИ-агентов. Потому что бизнес сегодня работает не просто с технологией, а с зоной юридической неопределенности.

Вероятно, следующая волна исков будет посвящена зрелости инфраструктуры. Выиграют не те, кто быстрее подключил ИИ к маркетингу, продажам или администрированию, а те, кто раньше других проанализировал и обезопасил свой контур:

• источники данных;
• правила допуска материалов в обучение;
• фиксацию прав;
• разграничение доступов;
• фильтры для ответов системы;
• понятную реакцию на претензии.

Теперь будут важны вопросы происхождения данных, памяти модели и контроля над цифровым активом.