Em 20 de julho de 2026, a juíza Araceli Martínez-Olguín, do Distrito Norte da Califórnia, deu aprovação final ao acordo de US$ 1,5 bilhão no caso Bartz v. Anthropic — o maior acordo de direito autoral da era da IA. Serão cerca de US$ 3.000 por obra, para aproximadamente 500 mil obras, e a Anthropic terá de destruir os arquivos dos datasets piratas. É acordo homologado, não condenação — e essa diferença muda tudo na leitura prática.
Não sou advogado — sou de tecnologia, com mais de 10 anos no mercado jurídico —, e é justamente por viver dos dois lados dessa fronteira que este caso me interessa tanto: ele coloca preço, pela primeira vez nessa escala, numa pergunta que toda empresa de IA evitou responder: de onde vieram os seus dados de treinamento?
O que foi decidido em Bartz v. Anthropic?
A decisão de 20/07/2026 encerrou a ação coletiva movida por autores contra a Anthropic com a homologação final do acordo de US$ 1,5 bilhão, anunciada pelo Authors Guild e noticiada por TechCrunch e Fortune. Com a aprovação da juíza Araceli Martínez-Olguín, o cronograma de pagamento e as obrigações da empresa deixam de ser proposta e viram compromisso executável.
Os números centrais do acordo:
O acordo em números | |
|---|---|
Valor total | US$ 1,5 bilhão |
Valor estimado por obra | ~US$ 3.000 |
Obras abrangidas (estimativa) | ~500 mil |
Referência do valor por obra | 4× o mínimo legal de US$ 750 para violação comum |
Alcance da notificação | 99,5% das obras da Works List |
Datasets piratas (LibGen/PiLiMi) | Destruição dos arquivos originais, ressalvadas obrigações legais de preservação |
Dois pontos merecem destaque além do valor. Primeiro, a régua: o tribunal registrou que o valor de aproximadamente US$ 3.000 por obra equivale a quatro vezes o mínimo legal de US$ 750 previsto para violação comum de direito autoral — é o que dá a esse número a força de parâmetro. Segundo, e talvez mais importante como sinal de mercado, a Anthropic terá de destruir os arquivos originais das obras baixadas do Library Genesis e do Pirate Library Mirror, e também as cópias derivadas deles, ressalvadas as obrigações legais de preservação.
Uma ressalva de leitura, porque ela separa quem informa de quem repassa: o acordo homologado não fixa prazo em dias para essa destruição, e o pagamento aos autores ainda não tinha começado na data da aprovação — o próprio Authors Guild registrou que a data de início da distribuição não havia sido anunciada. Números de cronograma que circulam por aí (parcelas, prazos de 30 dias) não estão no que foi divulgado; se você for citar o caso em parecer ou aula, cite o que está confirmado.
Por que "acordo" não é "condenação" — e por que isso importa
Chamar o caso de condenação é erro técnico com consequência prática: acordo homologado encerra o litígio sem julgamento definitivo de mérito e sem fixar tese vinculante sobre treinar IA com obras protegidas. O que a homologação final faz é transformar as obrigações — pagar, destruir datasets — em compromissos executáveis perante o juízo. Precisão aqui não é preciosismo: muda o que você pode afirmar em parecer, aula ou post.
Isso significa que a pergunta de fundo — em que condições treinar modelos com material protegido é lícito — continua juridicamente aberta, nos EUA e no mundo. O que o acordo estabelece não é uma regra de direito: é um preço de referência para o risco. E preço, no mercado, disciplina comportamento tão bem quanto norma.
Quando explico o caso em treinamentos, uso esta síntese: ninguém foi "condenado a" pagar US$ 1,5 bilhão; uma das empresas mais valiosas do setor aceitou pagar US$ 1,5 bilhão para não descobrir no júri quanto custaria perder. Esse número passa a ser o parâmetro de qualquer negociação parecida daqui em diante.
O precedente prático para quem cria conteúdo
Para quem escreve, fotografa, compõe ou publica, o acordo cria três referências práticas imediatas: obra tem valor de reparação tangível (~US$ 3.000 cada, no caso), dataset de origem ilícita é passivo destrutível — não ativo —, e organização coletiva funciona: foram ~500 mil obras negociando juntas o que nenhum autor conseguiria sozinho.
No Brasil, a leitura tem uma camada extra. A Lei 9.610/1998 protege a obra independentemente de registro — mas, num cenário em que reivindicações coletivas dependem de provar autoria e titularidade em escala, organização documental vira estratégia: inventário de obras, datas de publicação, contratos de cessão claros. O criador (ou o escritório que o atende) que mantém esse acervo organizado entra em qualquer negociação — licenciamento, class action, acordo — com o que os autores de Bartz tinham: uma lista verificável do que é seu.
Há também o movimento inverso, que vale observar: se usar material pirateado ficou caro, licenciar ficou racional. O acordo empurra o mercado de IA para a mesa de negociação com editoras, veículos e criadores — e quem estiver organizado chega primeiro a essa mesa.
Cláusulas de IA em contratos: o novo padrão
Depois de Bartz v. Anthropic, contrato que envolve conteúdo ou fornecimento de IA sem cláusula de dados de treinamento é contrato desatualizado. O acordo deu argumento — e número — para quem negocia dos dois lados: quem licencia conteúdo quer vedação ou remuneração pelo uso em treinamento; quem contrata fornecedor de IA quer garantia de proveniência lícita dos dados e indenização se a promessa falhar.
Na prática, quatro cláusulas tendem a virar padrão:
Proveniência de dados: declaração do fornecedor de IA sobre a origem lícita dos dados de treinamento, com direito de auditoria.
Indenização por PI: o fornecedor responde (e indeniza) se o cliente for demandado por violação de direito autoral decorrente do modelo.
Vedação de treinamento: o conteúdo entregue pelo contratante não pode ser usado para treinar modelos sem licença expressa e remunerada.
Destruição verificável: encerrado o contrato (ou detectada origem ilícita), os dados saem da base — com prova, não com promessa. O acordo mostrou que destruição de dataset é obrigação exequível, não retórica.
A lição da cadeia de dados: o custo de não perguntar de onde vem
A cadeia de dados virou objeto de devido cuidado (due diligence) como a cadeia de fornecedores já é em compliance: empresa que usa, compra ou integra IA precisa saber responder de onde vieram os dados do modelo que adotou. O acordo mostrou que a origem ilícita contamina o ativo — a ponto de a solução negociada incluir a destruição dos arquivos.
Para o escritório e o departamento jurídico, isso se traduz em perguntas concretas antes de contratar qualquer ferramenta: o fornecedor declara a origem dos dados de treinamento? Há cláusula de indenização por PI? O que acontece com os dados que nós colocamos na ferramenta? Quem não pergunta hoje herda o risco amanhã — e, agora, com um precedente de US$ 1,5 bilhão dando escala ao argumento. É o mesmo raciocínio que sustenta a regulação da inteligência artificial no Brasil em discussão: transparência sobre dados deixou de ser detalhe técnico.
O que orientar a partir de agora (para quem advoga)
A orientação prática pós-acordo se divide por tipo de cliente — e é uma oportunidade concreta de advocacia preventiva:
Cliente criador/editora: inventariar obras e titularidades; revisar contratos de cessão e licença (o uso em treinamento de IA está previsto? remunerado?); acompanhar iniciativas coletivas de licenciamento no seu setor.
Cliente que usa IA: mapear as ferramentas em uso; incluir as quatro cláusulas acima nos contratos de fornecimento; documentar a diligência feita — o registro do cuidado é a defesa.
Cliente que desenvolve IA: auditar a cadeia de dados antes que alguém audite por ele; o custo de licenciar na entrada é ordens de grandeza menor que o de negociar na saída.
Para a sua própria banca: o mesmo cuidado vale para as ferramentas do escritório — a chegada da Anthropic ao mercado jurídico e de concorrentes torna a escolha de fornecedor uma decisão jurídica, não só técnica.
O quadro geral — de onde essa discussão vem e para onde vai — está no nosso guia de inteligência artificial no Direito.
