IA e direitos autorais em marketing

O ponto de partida: este artigo não é parecer jurídico

Antes de qualquer coisa, uma nota essencial: o tema aqui é um dos mais movimentados do direito autoral contemporâneo, com cases em curso, leis em discussão e jurisprudência ainda sendo formada. Nada do que vier a seguir substitui consulta a advocacia especializada em direito autoral, propriedade intelectual e tecnologia. Para campanha pública, contrato com agência ou política corporativa de uso de IA, advocacia especializada é etapa obrigatória — não opcional.

O que este artigo entrega é o mapa do terreno cinzento: quais são as questões em aberto, quais são os pontos críticos, quais são as boas práticas que reduzem risco. Funcionando como subsídio para a conversa com jurídico, não como substituto. As recomendações práticas no texto são leitura editorial; aplicá-las a um caso específico exige análise jurídica caso a caso.

Lei 9.610/98 e a exigência de autoria humana

A Lei 9.610/98 (Lei de Direitos Autorais brasileira) protege obras intelectuais — texto, imagem, música, audiovisual — quando há criação humana com originalidade. O autor é pessoa física; pessoa jurídica pode ser titular de direitos patrimoniais por cessão ou contrato, mas a autoria, no sentido estrito da lei, é humana. Esse pilar — autoria como atributo humano — é o ponto onde todo o debate sobre IA generativa se conecta com o direito autoral brasileiro.

A consequência prática: output puro de IA, sem intervenção humana significativa no processo criativo, dificilmente se enquadra como "obra" no sentido da Lei 9.610/98. Não há autor humano no sentido tradicional, não há ato criativo na forma como a lei reconhece. Isso não significa que o output seja automaticamente de uso livre — significa que a proteção autoral tradicional pode não se aplicar, com implicações sobre quem pode reivindicar direitos.

A discussão internacional segue trilha similar. O U.S. Copyright Office publicou, em diferentes ocasiões, posicionamentos rejeitando registro de obras com autoria atribuída a sistema de IA: a posição declarada é que a proteção autoral exige criação humana, e que a contribuição humana precisa ser substantiva — não apenas comando inicial. Imagens geradas por IA com prompt humano simples não têm registrado proteção autoral nos Estados Unidos, segundo decisões do escritório. A jurisprudência ainda evolui, e o caso brasileiro não está totalmente decidido pela ANPD ou pelos tribunais.

Na prática para marketing: assumir que conteúdo gerado por IA não carrega proteção autoral plena é a postura mais prudente em discussão estratégica. Isso reformula como esse conteúdo é tratado contratualmente, como concorrentes podem usá-lo e qual o risco de réplica direta.

Treinamento em obras protegidas: o terreno mais sensível

O segundo grande tema é o treinamento dos modelos de IA generativa em obras protegidas por direito autoral sem autorização explícita dos titulares. Casos em curso traçam o contorno do debate.

NYT versus OpenAI e Microsoft. O New York Times processou OpenAI e Microsoft alegando uso não autorizado de artigos do jornal no treinamento dos modelos da OpenAI. O caso é central para definir se treinamento massivo de modelos em conteúdo protegido configura uso permitido (fair use, no direito estadunidense) ou violação. Decisão pendente; consequências relevantes para o setor inteiro de IA generativa.

Getty Images versus Stability AI. A Getty Images processou a Stability AI no Reino Unido e nos Estados Unidos alegando uso de milhões de imagens do acervo Getty (algumas com marca-d'água visível em outputs do modelo) sem licença. Caso emblemático do risco de modelo treinado em imagens protegidas reproduzir traços identificáveis.

Ações de autores e artistas. Diversos autores e artistas, individualmente ou em ação coletiva, processaram desenvolvedores de modelos de IA por uso de suas obras em treinamento. A discussão envolve não apenas a violação direta, mas o impacto econômico sobre a renda de criadores cujos estilos são replicáveis por modelos.

O risco para quem usa o output em marketing é indireto, mas real: se o modelo foi treinado em obras protegidas sem licença, o output pode carregar elementos identificáveis dessas obras. Replicar estilo de autor reconhecido (ilustrador, fotógrafo, escritor) em prompt aumenta o risco de o output se aproximar de obra protegida. Em campanha pública, isso pode atrair questionamento jurídico, mesmo que o modelo seja licenciado para uso comercial.

Cláusulas dos fornecedores: comercial-segura ou aberto

Modelos de IA generativa não são equivalentes do ponto de vista contratual. Quatro categorias práticas dividem o mercado.

Modelos com licença comercial e cláusula de indenização. O fornecedor declara, em contrato, que treinou o modelo em conteúdo licenciado e oferece garantia de que o uso comercial não viola direitos de terceiros — assumindo responsabilidade financeira em caso de disputa. Adobe Firefly é o exemplo mais conhecido: treinado em estoque Adobe Stock e conteúdo de domínio público, com promessa de indenização para clientes corporativos em planos pagos. Microsoft Copilot e algumas versões empresariais da OpenAI oferecem proteção similar para certos casos de uso. Custo maior, risco menor.

Modelos com licença comercial sem garantia ampla. Fornecedor permite uso comercial, mas não assume responsabilidade plena por violação. ChatGPT padrão, Midjourney, DALL-E (planos básicos), Gemini, Claude em planos individuais. Uso comercial é permitido pelo termo, mas o ônus de validar a origem do output e responder por eventual violação fica com o usuário. Custo menor, risco maior.

Modelos abertos. Modelos disponibilizados em código aberto ou em plataformas como Hugging Face. Liberdade técnica enorme, garantia comercial zero. Treinamento pode ter incluído qualquer fonte; output não tem cobertura contratual contra disputas. Para marketing, uso direto em campanha pública sem revisão jurídica é arriscado.

Modelos fechados sem termo de uso comercial claro. Algumas ferramentas, especialmente novas, têm termos vagos sobre uso comercial. Risco alto: empresa investe em peça gerada por modelo cuja licença muda ou que entra em disputa pública, e a peça precisa ser retirada ou substituída.

A escolha entre as categorias depende do uso final: peça interna ou esboço pode usar qualquer categoria; campanha pública de marca em escala precisa de modelo com cláusula comercial-segura ou produção humana tradicional. Custo do modelo comercial-segura compensa o risco de disputa autoral em conteúdo de alta visibilidade.

PL 2.338/23 e o contexto legislativo brasileiro

O Projeto de Lei 2.338/23, em discussão no Congresso Nacional, busca estabelecer marco regulatório para inteligência artificial no Brasil. O texto, em diferentes versões ao longo do debate legislativo, aborda temas como classificação de risco de sistemas de IA, direitos dos titulares de dados, responsabilidade por danos, transparência e — relevante para o tema deste artigo — tratamento de obras protegidas por direito autoral no treinamento de modelos.

O detalhamento do que vier a ser aprovado ainda é incerto: o debate envolve interesses de criadores, desenvolvedores de tecnologia, indústrias culturais e usuários corporativos. A discussão internacional informa o debate brasileiro: o AI Act da União Europeia, aprovado em 2024, traz exigências de transparência sobre conteúdo gerado por IA, obrigações de divulgação para certos sistemas e regras específicas para treinamento em obras protegidas (titulares podem se opor ao uso de suas obras no treinamento).

Para operações de marketing no Brasil, três posturas práticas reduzem risco enquanto o marco regulatório se forma: priorizar ferramentas com cláusula comercial-segura para uso público; manter registro auditável de prompts e revisões humanas; acompanhar o debate legislativo com apoio de advocacia especializada para ajustes rápidos quando a lei for aprovada. Esperar o cenário "ficar claro" para implementar política é optar pelo risco; agir com prudência durante a formação do marco é a alternativa madura.

Disclosure e CONAR: comunicar uso de IA

O Conselho Nacional de Autorregulamentação Publicitária (CONAR) regula a comunicação publicitária no Brasil. Os princípios gerais — veracidade, identificação como publicidade, respeito aos consumidores — aplicam-se a peças geradas por IA da mesma forma que a qualquer outra produção. Em campanhas onde o uso de IA poderia confundir o consumidor (testemunho gerado por IA, imagem de pessoa fictícia apresentada como cliente real, vídeo com pessoa pública sem autorização), a transparência sobre a origem do conteúdo é exigência básica.

A discussão sobre disclosure obrigatório de uso de IA em publicidade ainda está em formação tanto no Brasil quanto no exterior. Boas práticas emergentes: declarar uso de IA na peça quando o consumidor poderia inferir produção humana; em contrato com cliente B2B (especialmente cliente regulamentado, como financeiro ou saúde), incluir cláusula sobre uso de IA na produção do material entregue; manter registro interno de quais peças usaram IA, com qual modelo e em qual etapa do fluxo.

Conselho de marca de algumas empresas grandes já adotou política de disclosure interno: toda peça gerada com IA significativa traz tag interna no sistema de gestão de conteúdo, mesmo quando o consumidor final não vê a indicação. A política antecipa exigência regulatória futura e protege a marca em caso de questionamento posterior.

Boas práticas para reduzir risco em campanha pública

Seis práticas reduzem risco autoral em peças geradas por IA destinadas a campanha pública. Não eliminam o risco — moderam.

1. Modelo comercial-segura como padrão. Adobe Firefly, Microsoft Copilot Pro, OpenAI Enterprise, Google Cloud Vertex para imagem e texto destinados a campanha pública. Custo maior compensado pela cláusula de indenização e treinamento declaradamente licenciado.

2. Prompt rastreável. Salvar prompt, modelo, versão, data e parâmetros de cada peça gerada para campanha pública. Em caso de questionamento posterior, o registro permite reconstituir como o conteúdo foi produzido. Algumas plataformas oferecem esse registro nativamente.

3. Sem replicação de estilo identificável. Evitar prompt com nome de artista vivo, marca registrada, fotógrafo ou ilustrador reconhecível. Estilo é uma das fronteiras mais sensíveis na disputa autoral; replicação intencional aumenta risco.

4. Revisão humana significativa. Output puro sem intervenção humana é mais frágil juridicamente que peça onde houve trabalho criativo humano (edição, composição, retoque, escolha entre múltiplas variações com critério editorial). A intervenção humana pode ser argumento na construção do caso de autoria humana parcial.

5. Cláusula em contrato com agências. Contrato com agência criativa e com fornecedores precisa cobrir: que ferramentas a agência pode usar, quem se responsabiliza por violação autoral em conteúdo entregue, obrigações de revisão e validação antes da entrega. Sem cláusula específica, em caso de disputa, a responsabilidade pode recair sobre o contratante final.

6. Revisão jurídica antes de campanha de alta visibilidade. Peça que vai para mídia paga, fora de canais próprios, alcance amplo, exposição a milhões: revisão jurídica especializada antes da veiculação. Custo da revisão é fração do custo de retirar uma campanha em curso por questionamento autoral.

Erros comuns no uso de IA em marketing

Usar modelo aberto em campanha global sem revisão. Equipe escolhe ferramenta por preço ou disponibilidade, gera peça, veicula em escala. Em caso de questionamento, a empresa não tem cláusula de indenização nem garantia de origem.

Contratar agência sem cláusula de IA. Contrato genérico não trata de IA; agência usa modelo aberto na produção do material entregue; cliente final assume risco sem saber. Cláusula específica resolve.

Copy de obra de autor reconhecido. Prompt pede texto "no estilo de [autor vivo conhecido]" para campanha pública. Risco de o output se aproximar de obra protegida; autor pode questionar; marca pode ter de retirar.

Escolher por preço, não por licença. Decisão de ferramenta tomada apenas por custo mensal, sem leitura da cláusula de uso comercial. Em campanha pública, modelo comercial-segura compensa pela cláusula de indenização e treinamento licenciado.

Sem disclosure quando o consumidor poderia ser induzido a erro. Peça gerada por IA é apresentada como produzida por equipe humana, ou testemunho gerado por IA é apresentado como real. Risco regulatório (CONAR) e de reputação.

Cliente perguntando origem e empresa sem resposta. Cliente B2B em ambiente regulamentado pergunta como a campanha foi produzida e a empresa não tem registro de prompt, modelo, versão ou revisão. Em alguns setores, isso pode ser quebra de contrato.

Ignorar atualizações dos termos. Plataforma de IA altera termo de uso, exigências de licença ou política de treinamento; equipe continua operando como antes. Termo de uso de modelos generativos muda com frequência; acompanhamento mensal é boa prática.