Microsoft mäter sitt eget fusk – och kallar det bevis

Siffrorna som ska bevisa oskulden

Det är inte ofta vi får en direkt inblick i hur AI-tjänster faktiskt används i stor skala. Men i den pågående rättegången mellan New York Times, ett antal bokförfattare och tech-jättarna Microsoft och OpenAI har något ovanligt hänt: 8,2 miljoner chattloggar från Copilot har överlänmnats som bevismaterial.

Microsofts slutsats, rapporterar The Verge, är tydlig — och framförd med närmast matematisk säkerhet. Av dessa miljontals konversationer hade bara 59 545 minst 16 ord gemensamt med nyhetsinnehåll. En oberoende sakkunnig fann 51 fall av det som kallas "väsentlig överlappning". I bokförfattarnas del av målet var siffrorna ännu mer nedtonade: bara 24 svar med minst 30 matchande ord, och av 212 granskade böcker hade endast tio några träffar alls.

På pappret låter det övertygande. Men här börjar det bli intressant — och komplicerat.

Vem väljer vad som mäts?

Det finns en fundamental asymmetri i hur det här målet utspelar sig. Microsoft valde själva ut vilka chattloggar som skulle överlämnas — visserligen med motiveringen att de innehöll sökord kopplade till de berörda nyhetswebbplatserna, alltså de mest sannolika fallen av intrång. Men urvalsprinciperna, metodiken och definitionen av vad som utgör "kopiering" sätts i praktiken av den part som har störst intresse av ett gynnsamt utfall.

Det är inte nödvändigtvis illvilja. Men det är ett strukturellt problem som rättssystemet ännu inte har ett bra svar på.

New York Times är inte imponerade. Tidningens chefsjurist Ian Crosby avfärdar Microsofts tolkningsram med bestämdhet: det bevismaterial som kommit fram leder enligt honom till bara en slutsats — att Microsoft och OpenAI stal från New York Times för att bygga kommersiella produkter som nu konkurrerar med deras journalistik.

Här krockar två helt olika världsbilder. Microsoft mäter i ordöverlappningar och statistiska trösklar. New York Times mäter i affärskonsekvenser och principiell rättvisa.

Upphovsrätten möter en ny verklighet

Det verkligt stora spörsmålet i det här målet är inte om Copilot råkade återge 30 ord från en artikel. Det är om hela det juridiska ramverket kring upphovsrätt är rustat för en värld där AI-modeller tränas på enorma mängder text — och sedan genererar nytt innehåll som är inspirerat av, baserat på och möjliggjort av den texten, utan att kopiera den ord för ord.

Traditionell upphovsrätt skyddar uttrycksformen, inte idén. En AI som lärt sig skriva som New York Times, förstå deras vinklar och producera liknande analys — utan att citera en enda mening — befinner sig i en juridisk gråzon som lagstiftarna aldrig förutsåg.

Detta är inte unikt för USA. I Sverige och övriga Europa pågår liknande diskussioner inom ramen för EU:s AI-förordning och det upphovsrättsliga direktivet om text- och datautvinning. Frågan om när träning på upphovsrättsskyddat material övergår till intrång är långt ifrån avgjord.

En branschöverskridande vattendelare

Jag vill vara tydlig: jag ser enorma möjligheter med AI inom journalistik och mediebranschen. Automatisering av rutinrapportering, djupare dataanalys, personaliserat innehåll — listan är lång. Men de möjligheterna realiseras bara om vi bygger ett ekosystem med tydliga spelregler och rimlig ersättning till dem som skapar det innehåll som AI-modellerna vilar på.

Det Microsoft gör i rätten är inte fel i sig — de försvarar sin ståndpunkt med tillgängliga verktyg. Men branschen som helhet behöver något mer konstruktivt än en rättsprocess som fastnar i ordräkning. Licensmodeller, intäktsdelning och branschövergripande standarder för hur AI-bolag ersätter innehållsskapare är vägen framåt.

Det här målet kommer att sätta prejudikat — oavsett utgång. Och de prejudikaten kommer att forma hur AI och journalistik samexisterar under lång tid framöver.