Copyright, AI e Wikipedia: perché la battaglia tra OpenAI e New York Times deciderà il futuro della conoscenza

Wikimedia Foundation entra nel procedimento sul copyright che coinvolge OpenAI, Microsoft e New York Times. Al centro c’è una linea rossa: distinguere l’addestramento dei modelli dall’uso dei contenuti nelle risposte dei chatbot. Innovazione sì, ma con regole chiare su licenze, attribuzione e fonti.

Di cosa stiamo parlando

La Wikimedia Foundation, che sostiene Wikipedia e i progetti fratelli, ha depositato un intervento nel procedimento statunitense che riunisce 12 cause sul copyright contro OpenAI (tra cui la più nota del New York Times, che include anche Microsoft). Non è un endorsement a una parte: Wikimedia non si schiera “pro OpenAI” o “pro NYT”, ma difende il principio della conoscenza libera e accessibile.

Il cuore della posizione è pragmatico: per capire se l’uso dei contenuti coperti da copyright da parte dell’intelligenza artificiale rientra nel fair use, occorre separare nettamente due fasi.

Fair use sotto esame: addestramento vs. risposte

Negli Stati Uniti, il fair use consente in alcune circostanze l’uso di materiali protetti senza permesso, specie quando l’uso è trasformativo. Wikimedia invita i giudici a distinguere:

• L’addestramento dei modelli: utilizzare opere protette per allenare un sistema che poi genera qualcosa di “nuovo e diverso” può rientrare nel fair use, perché l’output non è una semplice copia delle fonti.
• Le risposte dei chatbot: quando un assistente AI recupera contenuti testuali specifici per rispondere (tipicamente con tecniche di RAG – Retrieval Augmented Generation), entrano in gioco attribuzione, licenze e potenziale sostituzione del contenuto originale.

Questa distinzione non è accademica: incide su ricerca, mercato editoriale, giornalismo e sostenibilità dell’ecosistema open.

Perché la distinzione conta (per tutti)

Wikimedia mette in guardia da due rischi opposti, entrambi molto concreti:

• Interpretazione troppo restrittiva: se allenare un modello con dati pubblici diventa quasi impossibile o costoso, vinci se sei “big” e puoi pagare licenze ovunque. A perdere sarebbero progetti open, piccole imprese e comunità di ricerca.
• Interpretazione troppo permissiva: se gli output dei chatbot replicano (o sostituiscono) contenuti professionali senza adeguata attribuzione e ritorno, gli editori introdurranno nuovi paywall. Risultato: meno fonti aperte anche per i volontari di Wikipedia e qualità informativa in calo.

L’ecosistema ne sta già sentendo gli effetti. Reddit ha testato l’accesso con login obbligatoria in alcuni Paesi: meno contenuti “aperti”, meno navigazione organica, meno dati disponibili per l’AI e per gli utenti. È la logica conseguenza di un equilibrio che salta.

Il nodo tecnico: RAG, citazioni e licenze

Contenuto libero non significa contenuto senza condizioni. Wikipedia adotta licenze CC BY-SA: chi riusa deve citare gli autori e mantenere la stessa licenza negli adattamenti. Secondo Wikimedia, questi obblighi devono valere anche quando i contenuti entrano nelle risposte AI tramite RAG.

Tradotto operativamente:

• Attribuzione esplicita delle fonti in output o con link evidenti.
• Trasparenza su che cosa è stato recuperato e come è stato rielaborato dall’AI.
• Compatibilità di licenza per gli usi downstream, evitando “trappole proprietarie” che interrompono la catena del libero riuso.

Queste pratiche non bloccano l’innovazione: la rendono misurabile, affidabile e sostenibile, riducendo attriti legali e incentivando editori e comunità ad aprire (non chiudere) le fonti.

Agenti AI e il confine sfumato tra umano e bot

Un’altra complessità: oggi gli agenti AI possono operare sullo stesso computer dell’utente umano, navigare, riassumere, compilare moduli. Distinguere “chi” sta facendo la richiesta (umano o agente) è sempre più difficile. Se i siti filtrano i bot, gli agenti “ibridi” passano; se alzano barriere, penalizzano anche l’utente legittimo.

In questo scenario “non-binario” (full human vs full AI), regole basate solo sull’origine della richiesta non bastano. Servono standard di attribuzione e rispetto delle licenze a prescindere da chi effettua l’accesso, per preservare il ciclo virtuoso delle fonti.

Impatto su editori, volontari e utenti

Gli editori hanno bisogno di ricavi per finanziare giornalismo e inchieste; i volontari di Wikipedia hanno bisogno di fonti aperte e verificabili; gli utenti hanno bisogno di informazioni accurate e contestualizzate. Se i chatbot “mangiano” traffico senza dare credito o valore di ritorno, la risposta sarà un Internet più chiuso. Se invece si chiariscono gli obblighi (crediti, link, licenze) e si separa addestramento da riuso diretto, si tutela l’innovazione e si protegge la filiera della conoscenza.

Sicurezza, dati e responsabilità

L’attenzione alla qualità e alla provenienza dei contenuti si intreccia con la sicurezza digitale. Anche la tutela dei dati personali è cruciale per un ecosistema informativo sano: condividere meno informazioni sensibili riduce rischio di frodi e abusi. In tal senso, i consigli del Guardian invitano a non diffondere dati come la data di nascita, spesso usati dai truffatori. Più trasparenza sulle fonti per l’AI e più prudenza nella condivisione dei dati da parte degli utenti vanno nella stessa direzione: fiducia.

Cosa aspettarsi ora

La partita legale definirà confini operativi per tutto il settore. È plausibile vedere:

• Maggiore trasparenza su dataset di addestramento e provenienza dei contenuti recuperati in risposta.
• Meccanismi di opt-out/opt-in più granulari per editori e creatori.
• Attribuzione e link obbligatori quando l’output incorpora o parafrasa fonti riconoscibili.
• Standard aperti per integrare licenze come la CC BY-SA nel ciclo RAG.

Non è solo una questione tra colossi tech e grandi testate. È la base su cui decideremo se il web dei prossimi anni sarà più aperto e ricco o più chiuso e povero di fonti affidabili. La posizione di Wikimedia è un invito a equilibrare innovazione e diritti, con regole semplici da capire e facili da applicare.

👉 Per scoprire tutti i dettagli e l’opinione personale di Mario Moroni, ascolta la puntata completa su Spotify.