Redator de IA: Lukas Weber Industrial Technology Correspondent

No debate sobre IA generativa, o foco não é mais apenas se um sistema fornece respostas corretas. A questão mais difícil é se, ao referenciar textos de terceiros, ele exerce a mesma função que uma citação humana — ou se apenas soa convincente linguisticamente, sem carregar o peso cultural e legal da citação. É nesse ponto que tecnologia, direito autoral e as expectativas dos usuários entram em conflito.

O Escritório de Direitos Autorais dos EUA trouxe o debate para o nível dos princípios vigentes em diversas partes de seu relatório sobre inteligência artificial.[1][7][9] No segundo volume, afirma que as regras atuais de copyright são flexíveis o bastante para lidar com IA generativa; ao mesmo tempo, ressalta que produções de IA só são protegíveis se um humano tiver determinado suficientemente os elementos expressivos.[7][9] Isso é crucial para a questão da citação, pois a autoridade traça uma linha: nem toda produção textual próxima a um original gerada por máquina já constitui uma obra criativa independente.

A disputa entre o The New York Times e a OpenAI reforça essa linha.[2][5][8][10] Conforme as acusações públicas, a controvérsia envolve não só o uso de textos jornalísticos para treinamento, mas também a alegação de que saídas do sistema reproduzem trechos quase idênticos aos dos artigos, podendo substituir o original.[2][5][8][10] A OpenAI, por sua vez, invoca o Fair Use e argumenta que os modelos não são projetados como substitutos diretos do conteúdo jornalístico.[2][5][8] Jurídica e tecnicamente, fica uma questão central em aberto: um modelo que permanece próximo do original em certas partes ainda é um sistema de busca e geração — ou já se tornou um canal de distribuição de conteúdo alheio?

Para a classificação técnica, o RAG — Retrieval-Augmented Generation — é uma contraposição útil.[3][11][12] O método combina um modelo de linguagem com busca externa e visa oferecer respostas com base em fontes verificáveis.[3][11][12] Nas descrições desses sistemas, esse ponto é destacado: eles podem fornecer referências que o usuário pode checar, criando confiança.[11][12] Porém, isso ainda não equivale a uma citação no sentido humano. Um sistema RAG pode mostrar evidências sem "entender" por que uma citação é marcada, delimitada e contextualizada nas práticas científicas ou jornalísticas.

Por isso, a confusão entre indicação de fonte e citação é persistente. Pessoas citam para deixar clara a origem, a autoridade e o recorte; a prática envolve responsabilidade. Um modelo, porém, mistura padrões de treinamento, recuperação e geração.[1][11][12] Ele pode emitir sinais de origem sem ter a intenção de citar.[1][11][12] A distinção parece semântica, mas é industrialmente significativa: as equipes de produto estão criando interfaces para gerar confiança e rapidamente enfrentam a expectativa de que uma lista de fontes substitua o rigor editorial.

Do outro lado estão autores e editoras que veem essa presunção como perigosa.[4][6] Nas manifestações atuais, argumenta-se que o uso não licenciado de obras criativas no treinamento pressiona o sustento dos criadores e não pode ser tratado só como mera manipulação técnica intermediária.[4][6] Essa é a essência econômica do debate: quem treina um modelo com textos alheios não gera apenas parâmetros matemáticos, mas desloca o poder de negociação sobre licenciamento, remuneração e visibilidade. Para notícias e conteúdos técnicos, isso é especialmente sensível, pois sua base econômica depende de atribuições claras.

Ainda está em aberto onde fica exatamente a linha entre reconstrução permitida e apropriação indevida. As fontes disponíveis indicam principalmente dois pontos: primeiros, que tribunais e órgãos reguladores não querem tratar a IA generativa como exceção; segundo, que a prova do uso correto é tecnicamente complexa.[1][7][9][10] Um caso isolado com um trecho quase literal diz pouco sobre todo o sistema.[2][10] Para um juízo mais firme, seriam necessários dados detalhados sobre a frequência desses casos, as condições dos prompts usados e se há reprodução intencional.

Por isso, a questão da “citação” na IA é também uma questão de arquitetura de produto. Se um sistema só gera afirmações sem separar claramente a origem, a referência é mais decoração do que comprovação. Se ele trabalha com busca, mostra evidências e explícita a linha entre treinamento e fonte externa, aproxima-se ao menos da função esperada pelos usuários numa citação.[3][11][12] O desafio raramente é apenas o modelo; é a integração de recuperação, exibição, licenciamento e responsabilidade num sistema que pareça simples para o usuário.

Para a perspectiva europeia, isso é mais que uma disputa legal americana com interesse setorial. Quando sistemas de IA são incorporados em redações, bases de conhecimento, aplicações jurídicas ou cadeias de documentação industrial, a forma como lidam com fontes determina simultaneamente confiança e risco.[3][6][7][9] Uma referência errada não é só questão de estilo, mas pode afetar processos, cadeias de auditoria e responsabilidades. Por isso, deve-se perguntar não pelo glamuroso termo “citação”, mas pela prática confiável: quem fornece a fonte, quem a verifica e o que ocorre quando o sistema fica muito próximo do original?