Ρεκόρ 1,5 δισ.: η Anthropic πληρώνει για κλεμμένα βιβλία

Ένα αμερικανικό δικαστήριο επικύρωσε τον μεγαλύτερο διακανονισμό πνευματικών δικαιωμάτων στην ιστορία των ΗΠΑ: 1,5 δισ. δολάρια που η Anthropic, η εταιρεία πίσω από το chatbot Claude και βασική ανταγωνίστρια του ChatGPT, θα πληρώσει σε συγγραφείς. Εδώ κρύβεται ένα νομικό παράδοξο που αφορά κάθε εταιρεία τεχνητής νοημοσύνης. Η Anthropic δεν τιμωρείται επειδή εκπαίδευσε το μοντέλο της πάνω σε βιβλία. Τιμωρείται επειδή κατείχε αυτά τα βιβλία παράνομα.

Η τελική έγκριση ήρθε στις 20 Ιουλίου 2026 από τη δικαστή Araceli Martínez-Olguín, στο ομοσπονδιακό δικαστήριο της Βόρειας Καλιφόρνιας, στην υπόθεση Bartz v. Anthropic (Reuters/Stocktwits, Lieff Cabraser). Ο επικεφαλής δικηγόρος των εναγόντων, Justin Nelson, τη χαρακτήρισε «τη μεγαλύτερη γνωστή είσπραξη για πνευματικά δικαιώματα στην ιστορία».

Δύο διαφορετικές πράξεις, μία αλυσίδα

Για να καταλάβεις γιατί το ποσό είναι τόσο μεγάλο, χρειάζεται μια διάκριση που έκανε νωρίτερα το δικαστήριο. Ο δικαστής William Alsup χώρισε την υπόθεση σε δύο ερωτήματα που συνήθως τα βλέπουμε ως ένα.

Το πρώτο: είναι νόμιμο να «μαθαίνει» ένα AI από βιβλία; Εδώ το δικαστήριο έγειρε υπέρ της Anthropic. Η εκπαίδευση κρίθηκε δυνητικά θεμιτή χρήση (fair use), γιατί το μοντέλο δεν ξαναπουλά το βιβλίο ως βιβλίο. Εξάγει στατιστικά μοτίβα γλώσσας για να παράγει νέο κείμενο, μια μετασχηματιστική χρήση (Hall & Wilcox).

Το δεύτερο ερώτημα την κατέστρεψε: από πού ήρθαν τα αντίγραφα; Η Anthropic είχε κατεβάσει εκατομμύρια βιβλία από «σκιώδεις βιβλιοθήκες» όπως το LibGen και το Pirate Library Mirror, δηλαδή πειρατικά αρχεία. Η αναλογία είναι απλή. Άλλο να αγοράσεις ένα βιβλίο και να μάθεις από αυτό, κι άλλο να χτίσεις αποθήκη με κλεμμένα βιβλία και μετά να πεις ότι ο σκοπός σου ήταν εκπαιδευτικός (Impact AI News). Το fair use υπερασπίζεται το πώς χρησιμοποιείς ένα νόμιμο αντίγραφο. Δεν «καθαρίζει» αναδρομικά την παράνομη προέλευσή του (Next Web).

Αυτή η απόφαση δεν είναι απλώς νίκη των συγγραφέων. Αναδιαμορφώνει το κόστος για όποιον θέλει να χτίσει AI. Με τη θεωρητική έκθεση να φτάνει έως 150.000 δολάρια ανά έργο και πιθανό συνολικό λογαριασμό «εκατοντάδων δισεκατομμυρίων» αν πήγαινε σε δίκη, η Anthropic προτίμησε να συμβιβαστεί (Euronews).

Οι αριθμοί και ποιος τους παίρνει

Ο διακανονισμός καλύπτει περίπου 480.000 έως 500.000 έργα, με εκτιμώμενη αποζημίωση γύρω στα 3.000 δολάρια ανά έργο πριν από κρατήσεις και δικηγορικές αμοιβές (TechCrunch, Seoul Economic Daily). Δείχνει πόσο βαθιά χτυπά η ομαδική αγωγή: έως τις 16 Απριλίου 2026 είχαν δηλωθεί 440.490 από 482.460 επιλέξιμα έργα, δηλαδή 91,3%, ασυνήθιστα υψηλό ποσοστό. Χιλιάδες διάσπαρτοι συγγραφείς, που μόνοι τους δεν θα κυνηγούσαν ποτέ μια εταιρεία αυτού του μεγέθους, εμφανίστηκαν ως ένα σώμα (Authors Guild). Η δικαστής απέρριψε ενστάσεις ότι το ποσό ήταν χαμηλό και ενέκρινε δικηγορικές αμοιβές άνω των 101 εκατ. δολαρίων, από αίτημα 187,5 εκατ. (Mint/Reuters).

Το πραγματικό σήμα για την αγορά δεν είναι τιμή αγοράς κάθε βιβλίου. Είναι τιμή στην παρανομία της προέλευσης. Τα 3.000 δολάρια ανά έργο μοιάζουν μικρά μπροστά στα 150.000 του νόμου, όμως πολλαπλασιασμένα επί μισό εκατομμύριο τίτλους μετατρέπουν την «τσάμπα» πρώτη ύλη σε λογαριασμό δισεκατομμυρίων. Το κόστος ενός κορυφαίου μοντέλου δεν είναι πια μόνο GPUs και ρεύμα, αλλά και ιχνηλάτηση προέλευσης δεδομένων, νομικός καθαρισμός και πιθανές αποζημιώσεις (Financial Express). Αυτό ευνοεί όσους έχουν ταμείο και νομικές ομάδες. Οι μεγάλοι απορροφούν τον συμβιβασμό ως εφάπαξ κόστος, οι μικροί πιέζονται προς ακριβά αδειοδοτημένα δεδομένα (AP).

Δύο επιφυλάξεις μένουν. Επειδή η Anthropic συμβιβάστηκε, το ευνοϊκό σκεπτικό περί fair use δεν έγινε δεσμευτικό προηγούμενο. Παραμένει σε επίπεδο πρωτοβάθμιου δικαστηρίου και δεν απαντά στις αγωγές κατά OpenAI, Meta ή των δισκογραφικών, όπου τα δεδομένα διαφέρουν (Yahoo Finance). Και η έγκριση δεν σημαίνει άμεσες πληρωμές: μένει η προθεσμία των 30 ημερών για εφέσεις πριν «κλειδώσει» (FRCP 23).

Απομένει το ερώτημα που κρίνει αν αλλάζει πραγματικά η βιομηχανία: είναι το 1,5 δισ. ποινή που αποτρέπει, ή απλώς το λειτουργικό κόστος της Big Tech για να μάθει από ό,τι θέλει;