Brent Hecht, direttore di Applied Science di Microsoft, scrisse in un memo interno del gennaio 2023 che la pratica di raschiare il web per addestrare i modelli di linguaggio era “il più grande furto di lavoro della storia umana”. Quelle parole erano rimaste sepolte sotto le redazioni degli atti giudiziari. Il 17 settembre 2026 sono diventate pubbliche, con la desecretazione di una serie di documenti depositati nell’ambito della causa che il New York Times ha intentato contro Microsoft e OpenAI.
La portata numerica emersa dai filing è difficile da ignorare. OpenAI ha incluso nei propri dataset di mid-training oltre 91.692 copie di articoli pubblicati dal NYT, dal Daily News e dal Center for Investigative Reporting. Un dataset derivato da Common Crawl conteneva più di 2 milioni di documenti provenienti dal solo dominio nytimes.com. Non erano estratti o sintesi: erano articoli integrali, copiati senza licenza e senza compenso.
Il memo di Hecht non è l’unico documento che imbarazza le aziende coinvolte. Una presentazione interna di Microsoft del gennaio 2024, sempre firmata da Hecht, descriveva l’effetto di Microsoft Copilot sull’editoria come un “doom loop”: il calo del traffico di referral verso i siti di notizie impoverisce i dati disponibili sul web, il che a sua volta peggiora le prestazioni dei modelli stessi. I dati interni di Microsoft mostravano che Copilot aveva ridotto il tasso di click-through verso il dominio del NYT fino al 93% rispetto alla ricerca tradizionale su Bing. Lo stesso documento avvertiva che la situazione era strutturalmente anomala: raramente un prodotto commerciale mina le basi economiche dei propri stessi fornitori di contenuti.
Anche il CEO Satya Nadella ha contribuito involontariamente alla causa degli editori. In una deposizione, ha dichiarato che qualsiasi contenuto dietro paywall avrebbe dovuto essere oggetto di licenza da parte di chiunque volesse usarlo per addestrare o fondare modelli AI. La logica implicita è quella stessa che i legali del Times stanno usando contro di lui. Il cofondatore di OpenAI Greg Brockman, da parte sua, è citato nei documenti per aver riconosciuto che i prodotti di intelligenza artificiale generativa sono “largamente sostitutivi” rispetto alle fonti originali, e che questa caratteristica è destinata ad accentuarsi col migliorare dei modelli.
L’argomento giuridico centrale della difesa di Microsoft e OpenAI è il fair use: la dottrina americana che consente usi non autorizzati di materiale protetto in determinate circostanze, tra cui la trasformazione del contenuto originale. Le ammissioni interne rischiano di smontare questa linea. I legali del Times sostengono che i documenti desecretati “eviscerano” la pretesa di fair use. Hecht stesso, secondo quanto riportato nel filing, aveva scritto che riconoscere quella difesa avrebbe reso il concetto di fair use una “presa in giro”. Un giudice federale aveva già consentito nel 2025 che il caso procedesse nel merito. La decisione sulla possibile ammissione al processo è attesa entro il 2027.
Quello che emerge da questi atti non è solo una vicenda legale tra un editore e due aziende tecnologiche. È la prima volta che i vertici stessi dell’industria AI mettono per iscritto, in documenti interni, una valutazione netta sulla natura di ciò che hanno fatto. Se quei giudizi dovessero pesare sul verdetto finale, le conseguenze si estenderebbero ben oltre questa causa: ogni azienda che ha addestrato modelli su testi raccolti dal web senza licenza si troverebbe di fronte a un precedente difficile da aggirare.
