У липні 2025 р. Європейський парламент оприлюднив аналітичне дослідження щодо впливу генеративного штучного інтелекту (GenAI) на законодавство ЄС у сфері авторського права. Документ, підготовлений на запит Комітету з правових питань (JURI), висвітлює критичні виклики для чинної нормативної бази, зокрема Директиви CDSM (2019/790), у зв’язку з використанням захищених творів під час навчання моделей ШІ.

З повним текстом Дослідження можна ознайомитись за посиланням: https://www.europarl.europa.eu/thinktank/en/document/IUST_STU(2025)774095

Українська Медіа Ліга пропонує ознайомитись з Другим оглядом ключових тез Дослідження щодо створення системи винагороду авторам при використанні їх творів ШІ. З іншими оглядами Дослідження щодо поняття ШІ та TDM, правової невизначеності їх статусу, інституційного врядування та етичної інтеграції, регуляторних моделей можна ознайомитись на сайті УМЛ.

Одне із найбільш обговорюваних питань в контексті використання ШІ авторських творів  — т.з. «розрив вартості» (value gap): ситуація, коли економічна цінність, створена завдяки творчим роботам, не повертається їх авторам у вигляді винагороди. На практиці ШІ-компанії навчають свої моделі на гігантських масивах даних, що включають книги, музичні твори, картини, наукові тексти — здебільшого без згоди чи повідомлення правовласників.

Як ми зазначали в Першому огляду чинне європейське законодавство, зокрема CDSM, хоча і має сумнівний виняток для текстового і дата-майнінгу (TDM), що дозволяє використання творів без дозволу автора, проте відсутні компенсаторні інструменти для авторів. Відтак творці не мають контролю над власною інтелектуальною працею і залишаються без винагороди за її використання.

Порушення без авторства, opt-in/opt-out

Результати, створені ШІ, не охороняються авторським правом, оскільки немає людського авторства. Проте ці продукти можуть порушувати права вже існуючих творців. Порушення виникає внаслідок використання істотних фрагментів захищених творів у навчанні або безпосередньо в результатах генерації — навіть якщо копіювання не було свідомим.

Особливо гостро це проявляється в генераціях, які імітують стиль або включають впізнавані фрагменти текстів, музики, візуального мистецтва. Такі випадки підпадають під визначення «відтворення» або «доведення до загального відома» (ст. 3(2) Директиви InfoSoc), що становить порушення, якщо не було отримано згоди правовласника. Юридична відповідальність розробників ШІ не є однозначною, проте при наявності доказів свідомого сприяння порушенням — або навчання моделей на ліцензійно-захищених творах без дозволу — вона може бути доведена.

У Дослідженні неодноразово підкреслюється, що чинний підхід у ЄС, де механізм opt-out фактично сприймає мовчання як згоду, є неприйнятним для захисту прав авторів. Замість цього пропонується:

• • Впровадження оптимального opt-in, де використання творів для навчання ШІ потребує чіткої згоди правовласників;
  • Створення європейського реєстру дозволів з машинозчитуваними форматами opt-in/opt-out, що забезпечить уніфікацію і прозорість;
  • Забезпечення трасованості та прозорості джерел навчальних даних через технічні засоби (водяні знаки, fingerprinting) та публічну декларацію використання;
  • Запровадження механізмів справедливої компенсації для авторів, які погодилися на використання своїх творів, через ліцензії чи обов’язкові винятки з винагородою.

Ці рекомендації слугуватимуть фундаментом для оновлення правового поля ЄС у сфері ШІ і авторського права, гармонізуючи технологічний прогрес і права творчих професій.

Механізми вирішення: від прозорості до винагороди

Європейське експертне середовище схиляється до комплексного підходу: зміна законодавства, технічний нагляд та створення інституцій для розподілу винагород.

Запропоновані рішення включають:

1. 1. Обов’язкова прозорість: постачальники ШІ мають публічно розкривати джерела тренувальних даних згідно з AI Act (ст. 53), зокрема визначати, чи є контент захищеним авторським правом.
   2. Аудити навчальних корпусів: передбачається створення спеціального підрозділу в межах AI Office ЄС — AI & Copyright Unit, який матиме повноваження здійснювати рандомізовані перевірки на предмет правомірності використання творів.
   3. Системи винагороди: розробка механізмів, за якими творці отримуватимуть справедливу винагороду за участь їхніх творів у навчанні ШІ, особливо якщо продукт ШІ витісняє людський контент із ринку.
   4. “Жовтий режим” для відкритих моделей: для неприбуткових моделей (наприклад, GPAI) пропонується діяльність у спрощеному режимі, без надмірного регуляторного тиску, що дозволить зберегти академічні дослідження та open-source ініціативи.

Окрім того, у науково-політичному дискурсі розглядаються альтернативи до класичної індивідуальної ліцензії:

1. 1. Статутна ліцензія (Geiger & Iaia): дозвіл на використання з гарантованою винагородою через колективні фонди. Перевага — масштабованість, недолік — конфлікт із чинним TDM-виключенням.
   2. AI-Levy (Senftleben): збір на рівні провайдерів моделей. Гроші розподіляються відповідно до ризику заміщення людського контенту. Плюс — простота збору, мінус — складність визначення коефіцієнтів заміщення.
   3. Токенізовані моделі роялті: оплата базується на внеску конкретного твору у тренування — через інструменти мета-обліку, логування запитів, вагові коефіцієнти, розрахунок значення Шеплі. Технологічно складно, але найсправедливіше.

Юридичне рішення: виняток із справедливою винагородою

Найбільш узгоджене в експертному полі рішення — статутний виняток із невідчужуваною винагородою, яку збирає й розподіляє колективна організація управління правами (CMO). Цей підхід:

• • відповідає європейській практиці у сфері ретрансляції, resale right та library lending;
  • не потребує індивідуального погодження — охоплює як відомих, так і невідомих авторів;
  • може бути масштабованим і сумісним із цифровими потоками ШІ.

Саме підхід переходу до 4 моделі (Статутний виняток + винагорода) рекомендується у Дослідженні як найбільш ефективної, стабільної та сумісної з AI Act.

Технічна реалізація: як рахувати і платити

Оскільки повний облік навчальних даних неможливий, доцільно впровадити систему прозорого розподілу через метадані:

• • Створення незалежного європейського реєстру ліцензій і дозволів під управлінням, наприклад, EUIPO.
  • Застосування технічних рішень для ідентифікації внеску твору (OCR‑мітки, хеші, логи API, fine-tuning-треки).
  • Гібридний підхід із використанням наявних платформ — ICE (музика), Mint (аудіовізуальний сектор).

 

Українська Медіа Ліга також пропонує ознайомитись з іншими блоками огляду Дослідження про вплив ШІ на законодавство ЄС про авторське право щодо:

• поняття ШІ, TDM та правова невизначеності їх статусу;
• інституційного врядування, етичної інтеграції;
• регуляторні моделі та інтеграція практик TDM.

 

Публікація підготовлена із використанням матеріалі Європейського парламенту

⇒ Використання матеріалів сайту можливе лише за умови посилання (для інтернет-видань – гіперпосилання) на “Українську Медіа Лігу”.