Documentos que ficavam sob sigilo em um dos maiores processos judiciais contra empresas de IA foram desclassificados em setembro de 2026 – e o que eles mostram é revelador.
O caso é o processo aberto há 3 anos pelo New York Times contra a OpenAI e a Microsoft, acusando as empresas de usar conteúdo protegido por direitos autorais para treinar seus modelos de IA sem autorização.
As novas mensagens internas reveladas mostram executivos das duas empresas debatendo, entre si, a gravidade do que estavam fazendo.

O que os documentos internos revelam
Segundo os registros desclassificados, Brent Hecht, diretor de ciência aplicada da Microsoft, chamou o scraping de conteúdo em janeiro de 2023 de “um roubo espantoso e de proporções sem precedentes” e, em outro momento, de “o maior roubo de trabalho da história humana”.
Um ano depois, em janeiro de 2024, o mesmo executivo descreveu a queda de 93% nos cliques que o New York Times passou a receber como um “loop de destruição” (doom loop) – uma referência ao efeito da IA generativa reduzindo o tráfego direto para os sites de notícias.
Como os executivos da OpenAI reagiram internamente
O atual CEO da Microsoft, Satya Nadella, declarou em depoimento recente que “qualquer coisa que esteja atrás de um paywall deveria ser licenciada” e afirmou que teria exigido o retreinamento dos modelos caso soubesse, na época, que conteúdo pago estava sendo raspado sem permissão.
Do lado da OpenAI, Nick Turley, responsável pelo ChatGPT, descreveu em comunicação interna que os veículos de notícias enfrentavam uma “ameaça existencial”. Já Greg Brockman, presidente da empresa, chegou a responder “ah nice” ao ser informado por um pesquisador sobre um método para contornar o paywall do New York Times.
Os números do caso
Os documentos apontam que o conjunto de dados da OpenAI contém mais de 91.692 cópias de matérias do New York Times, do Daily News e do Center for Investigative Reporting. Já a base pública Common Crawl, usada para treinar diversos modelos de IA do mercado, reúne mais de 2 milhões de documentos vindos do site nytimes.com.
Um projeto interno da OpenAI batizado de “Project Mango” teria reunido mais de 160.903 obras únicas de diferentes veículos de notícias.
O Que Esse Caso Pode Significar Pra Quem Produz Conteúdo
O “loop de destruição” mencionado pelo executivo da Microsoft descreve um problema que afeta qualquer site que dependa de tráfego de busca ou redes sociais pra sobreviver.
Quando uma IA generativa resume ou responde diretamente a partir do seu conteúdo, o leitor não precisa mais clicar no link original — e sem clique, não tem visualização de anúncio, nem assinatura, nem receita.
Esse processo específico do New York Times é só um entre vários movidos por veículos de notícias contra empresas de IA nos últimos anos.
O desfecho de casos como esse deve ajudar a definir se empresas de IA vão precisar negociar e pagar por licenciamento de conteúdo em larga escala, ou se vão continuar operando sob a tese de que treinar modelos com dados públicos da internet é um uso legítimo.
Enquanto a Justiça não decide essa questão de forma definitiva, a recomendação prática pra quem produz conteúdo original na internet — incluindo blogs menores, não só grandes veículos — é não depender de uma única fonte de tráfego.
Diversificar entre busca, redes sociais, newsletter e comunidade própria reduz o impacto caso uma dessas fontes de tráfego encolha de repente, como aconteceu com o NYT nesse caso.
O que está em disputa na Justiça
No centro do processo está uma pergunta simples de formular e difícil de responder: treinar um modelo de IA com textos protegidos por direitos autorais, sem autorização, é permitido? As empresas de IA costumam defender que usar dados públicos da internet para treinamento é um uso legítimo. Os veículos de notícias respondem que seu conteúdo tem valor comercial e não pode ser copiado sem licença.
Os documentos desclassificados pesam nesse debate porque mostram como as próprias empresas enxergavam o tema internamente, antes de qualquer decisão judicial.

O que quem cria conteúdo pode fazer agora
- Diversificar o tráfego: não depender apenas da busca. Newsletter, redes sociais e comunidade própria diminuem o risco.
- Registrar a autoria: mantenha rascunhos, datas de publicação e arquivos originais como prova de autoria.
- Ler os termos das plataformas: alguns serviços permitem controlar se o seu conteúdo pode ser usado para treinar modelos.
- Acompanhar o desfecho: a decisão desse caso pode ajudar a definir se as empresas terão de pagar por licenciamento.
Perguntas frequentes
O que é o Common Crawl?
É uma base pública de páginas da internet usada para treinar diversos modelos de IA. Segundo os documentos citados, ela reúne mais de 2 milhões de documentos do site nytimes.com.
O processo já tem uma decisão final?
Não. O caso ainda está em andamento. O que veio a público em setembro de 2026 foram documentos internos que estavam sob sigilo.
Por que o executivo da Microsoft falou em “loop de destruição”?
Porque, na visão dele, a IA generativa reduz o tráfego direto para os sites de notícias. Ele citou uma queda de 93% nos cliques recebidos pelo New York Times.
Conclusão
O caso ainda está em andamento, mas os documentos desclassificados deixam claro que executivos das duas empresas sabiam, internamente, da escala do uso de conteúdo protegido – o desfecho pode influenciar como toda a indústria de IA lida com dados de terceiros no futuro.
Quer entender melhor como escrever comandos melhores pras ferramentas de IA que você usa? Leia nosso guia sobre como escrever um bom prompt.
