O Arquivo de Vídeo da Empresa, Alojado na Plataforma de Outro, Já É Treino de IA
As licenças de utilização assinadas há uma década já são suficientemente amplas para cobrir o treino de modelos de IA, sem que uma única cláusula precise de ser alterada. Se as gravações da empresa vivem numa plataforma que não lhe pertence, a lei britânica diz que a exposição vai muito além do contrato.
Nalgum ponto dos termos que a empresa aceitou há anos, existe uma licença suficientemente ampla para transformar todo o arquivo de vídeo em dados de treino de IA, sem que seja preciso pedir autorização a ninguém. É esta a revalorização silenciosa da era dos modelos. Gravações feitas para vender um produto, formar uma equipa ou preencher a agenda de um webinar tornaram-se exatamente aquilo de que os modelos generativos mais precisam, e o contrato que as plataformas fizeram assinar há uma década foi redigido propositadamente largo, para que nunca fosse necessário voltar a pedir permissão. A Amazon é dona da Twitch desde 2014, ano em que comprou um negócio de comunidades de vídeo em direto; uma década depois, o mesmo ativo lê-se como um corpus de treino. A biblioteca de webinars de uma empresa é uma entrada mais pequena no mesmo livro de contas.
Isto não é um problema exclusivo dos streamers. As empresas fizeram depósitos equivalentes em todo o lado: webinars, intervenções de gestores, demonstrações de produto, sessões de apoio ao cliente gravadas, tudo alojado em plataformas cujos termos podem ser reescritos sem que ninguém volte a assinar nada. O valor desses arquivos estava latente até a era dos modelos o tornar legível, e valor latente no balanço de outra empresa tende a ser realizado sem telefonema de cortesia.
A mecânica do consentimento mostra para onde isto caminha, e um parágrafo basta para o resumir. Quando as plataformas lançam controlos de treino de IA, esperam-se interruptores de exclusão (opt-out) e não pedidos de adesão (opt-in): um operador convencido de que os utilizadores diriam sim limitar-se-ia a perguntar, pelo que a inscrição quase total é o próprio objetivo do desenho. Horas de gravações de alguém a falar para a câmara são o substrato mais rico que existe para sintetizar um humano convincente, o que transforma um arquivo desse tipo num ativo de imagem, seja qual for o motivo original da gravação. E quando todos os modelos de fronteira já devoraram a mesma web pública, um corpus fechado de gravações exclusivas é um fosso competitivo, pelo que é de esperar que os termos continuem a deslizar no sentido da captura. Este é o contexto. A pergunta mais afiada é o que dizem, de facto, o papel já assinado e a lei a que a empresa já está sujeita.
Pode uma plataforma usar os seus vídeos como dados de treino de IA?
Leia a licença que concedeu no momento do carregamento. Os termos de serviço da Twitch reservam um direito «unrestricted, worldwide, irrevocable, fully sub-licensable, nonexclusive, and royalty-free» (irrestrito, mundial, irrevogável, totalmente sublicenciável, não exclusivo e isento de royalties) para «use, reproduce, modify, adapt, publish, translate, create derivative works from, distribute, perform, and display» aquilo que o utilizador publica. Os termos do YouTube são mais educados, mas não mais estreitos onde importa: uma licença «worldwide, non-exclusive, royalty-free, sublicensable and transferable» para usar o conteúdo «in connection with the Service and YouTube's (and its successors' and Affiliates') business». Nenhuma das cláusulas menciona treino de modelos, e ambas são anteriores à pergunta passar a importar. É precisamente esse o problema: uma linguagem tão ampla não precisa de ser alterada para cobrir um processo de treino, precisa apenas de um advogado disposto a argumentar que o treino melhora o serviço. Perante isto, um interruptor de exclusão é uma funcionalidade do produto, não uma cláusula do contrato. As funcionalidades mudam. A licença permanece.
Se os tribunais virão a restringir estas licenças é uma questão em aberto, e não seria sensato apostar o negócio da empresa em nenhum dos dois desfechos. A posição de triagem é mais simples: se o dono da plataforma constrói modelos, o conteúdo depositado deve ser tratado como potencial dado de treino, salvo indicação em contrário nos termos, e deve depois verificar-se o que o mecanismo de objeção cobre de facto e quando fecha. Nenhuma plataforma publica um inventário daquilo que os modelos do seu dono já ingeriram, nem promete fazê-lo. Deve partir-se do princípio de que não é possível descobrir.
O rosto de um gestor é dado biométrico ao abrigo do RGPD do Reino Unido?
Eis o argumento que o debate sobre termos de serviço não capta, e que para uma empresa sujeita à lei britânica é o mais incisivo. Uma gravação de uma pessoa identificável é dado pessoal, sem margem para discussão. Nos termos do artigo 4.º, n.º 14, do RGPD do Reino Unido, uma imagem facial torna-se dado biométrico quando é submetida a «processamento técnico específico» que permita ou confirme «a identificação única» de uma pessoa. Alojar um webinar não é isso. Treinar um sistema até que consiga reconhecer ou reproduzir um humano específico, rosto e voz incluídos, é uma forte candidata a sê-lo, e dados biométricos usados para identificar de forma única alguém constituem categoria especial de dados nos termos do artigo 9.º, cujo tratamento é proibido salvo aplicação de uma exceção estreita. A exceção viável aqui é o consentimento explícito, e o Data Protection Act 2018 mantém as restantes portas bem fechadas. Nenhum tribunal resolveu ainda esta questão para o treino de modelos; não se afirma o contrário. O que se afirma é que uma empresa sujeita à lei britânica cujos gestores se tornam sintetizáveis tem nas mãos uma questão viva ao abrigo do artigo 9.º, e «os termos da plataforma permitiam-no» não figura em lado nenhum da lista de exceções.
Passemos agora à vertente laboral. A empresa que carrega a gravação é responsável pelo tratamento (controller) e precisa do seu próprio fundamento legal. O consentimento parece óbvio e não o é: a orientação do ICO, o regulador britânico de proteção de dados, é direta ao afirmar que o consentimento tem de ser livremente prestado, e o desequilíbrio de poder entre empregador e trabalhador torna o consentimento de um trabalhador suspeito por definição. Uma equipa de marketing que filmou o diretor de produto para vídeos explicativos tem, no melhor dos casos, consentimento para vídeos explicativos. Ninguém consentiu em tornar-se matéria-prima.
E é aqui que isto se torna uma falha de governação, e não apenas uma lacuna de papelada. Ao subcontratar o tratamento, o RGPD do Reino Unido espera um subcontratante (processor) vinculado por um contrato ao abrigo do artigo 28.º, a atuar segundo instruções documentadas da empresa. Uma plataforma que aloja as gravações segundo os seus próprios termos não é nada disto. É um responsável pelo tratamento independente, a processar para fins próprios, e carregar conteúdos para uma empresa norte-americana constitui uma transferência restrita ao abrigo do capítulo V, um regime pensado para contratos de subcontratação, não para uma contraparte com planos próprios. O quadro de proteção de dados da empresa simplesmente não acompanha o ficheiro. E se a gravação já tiver sido usada para treinar um modelo, os direitos que normalmente servem de rede de segurança, apagamento e oposição, esbarram no facto de o «desaprender» automático em grande escala estar algures entre difícil e por demonstrar. O ICO já viu esta figura antes. Em 2017, concluiu que o Royal Free NHS Foundation Trust não cumpriu a lei de proteção de dados ao entregar 1,6 milhões de registos de doentes à Google DeepMind para testar uma aplicação. A decisão recaiu sobre o hospital que deixou os dados sair do seu perímetro, não sobre a empresa que os recebeu. Dados diferentes, risco menor, a mesma lógica de responsabilização: quem deposita é quem responde.
Avaliar a exposição
Trate-se isto como exposição de contraparte por avaliar, porque é exatamente isso. A auditoria não tem nada de exótico: inventariar o que foi depositado e onde; ler cada cláusula de licença e cada mecanismo de objeção, e agendar as notificações de alteração de termos; decidir, plataforma a plataforma, se o alcance concedido ainda compensa a exposição; manter cópias próprias das gravações; negociar exceções onde a conta da empresa tiver peso suficiente para isso. As gravações de gestores identificáveis merecem uma linha própria, com um fundamento legal registado, porque é aí que reside o risco de cauda do artigo 9.º. É exatamente isto que uma avaliação de maturidade para IA deve identificar antes de qualquer novo compromisso com uma plataforma, e merece um lugar permanente na estratégia tecnológica da empresa, e não um exercício de pânico pontual.
Mudar-se-ia de opinião perante provas reais: uma grande plataforma a avançar para uma adesão (opt-in) genuína e a publicar a taxa de adesão que obtém, ou termos que separem operar o serviço de treinar modelos. Os incentivos acima descritos são a razão para não esperar por isso. Auditar o que foi depositado custa uma tarde. A imagem de um gestor dentro de um modelo que não pode ser inspecionado nem revertido custa um valor incalculável, por um prazo indeterminado. Já se escreveu antes sobre manter os humanos no controlo dos sistemas de IA; o corolário é recusar tornar-se matéria-prima não creditada de outro. Um pequeno prémio contra uma perda grande e ilimitada, numa janela que está a fechar-se. É essa a troca.
Perguntas frequentes
Como sei se uma plataforma está a treinar IA com o meu conteúdo?
Leia os termos de serviço em vigor e qualquer aditamento sobre IA ou aprendizagem automática, procurando expressões como «treinar», «aprendizagem automática» ou «melhorar os nossos serviços», e verifique depois as definições da conta, que é normalmente onde vive um interruptor de treino ou de partilha de dados. Marque um lembrete para voltar a verificar sempre que a plataforma enviar uma notificação de alteração de termos, porque as inscrições costumam mudar precisamente por essa via, com uma janela de objeção curta.
Excluir-me elimina os meus vídeos dos modelos de IA já treinados?
Quase de certeza que não. A exclusão trava, na melhor das hipóteses, a ingestão futura; remover conteúdo específico de um modelo já treinado (o chamado «desaprender» automático) é tecnicamente difícil e não é algo que as plataformas se comprometam a garantir. Nenhuma grande plataforma publica um inventário daquilo que os seus modelos já consumiram, o que indica o nível de visibilidade a esperar. O momento em que se faz a auditoria pesa mais do que o rigor de uma objeção tardia.
As gravações de um gestor são dado biométrico ao abrigo do RGPD do Reino Unido?
Não por definição. Uma imagem facial só constitui dado biométrico ao abrigo do artigo 4.º, n.º 14, depois de ser submetida a «processamento técnico específico» que permita a identificação única, e alojar um webinar não cumpre esse critério. Treinar um modelo para reconhecer ou sintetizar uma pessoa específica já é forte candidata a fazê-lo, e nesse ponto aplica-se o regime de categoria especial do artigo 9.º, com o consentimento explícito como via realista. As gravações de gestores devem ser tratadas como dado pessoal de risco elevado, com um fundamento legal registado antes de saírem do perímetro da empresa.
Relacionado
- Bónus de Retenção Não Reduzem o Risco de Pessoa-Chave. A Doutrina, Sim.
- O Tráfego de Bots Está a Repartir o Seu Orçamento de Publicidade, e Foi uma Pessoa que Aprovou
- O Seu Fornecedor de Cloud Está a Financiar a Própria Receita de IA. Faça as Contas Antes de Assinar
- Data & Strategy
Escrito por uma persona editorial de IA do sistema editorial proprietário da Abyshire e revisto pela nossa equipa.