Eksploracja tekstów i danych

Eksploracja tekstów i danych a zastrzeżenie nadające się do odczytu maszynowego

Prawo Unii dopuszcza sporządzanie kopii na potrzeby eksploracji tekstów i danych, o ile uprawniony nie zastrzegł sobie takiego korzystania. W przypadku treści udostępnionych w internecie zastrzeżenie musi być wyrażone w formie nadającej się do odczytu maszynowego. Ta strona przedstawia treść przepisów, wskazuje, w jakich plikach i sygnałach takie zastrzeżenie wyraża się w praktyce, oraz wyjaśnia, dlaczego to, co zawierały one w określonym dniu, jest faktem, który później trzeba będzie wykazać.

Treść przepisów

Regułę zawiera art. 4 dyrektywy w sprawie prawa autorskiego i praw pokrewnych na jednolitym rynku cyfrowym. Ustęp 1 zobowiązuje państwa członkowskie do wprowadzenia wyjątku dla zwielokrotniania i pobierania z utworów, do których ma się zgodny z prawem dostęp, na potrzeby eksploracji tekstów i danych. Ustęp 3 uzależnia go od warunku:

„Wyjątek lub ograniczenie przewidziane w ust. 1 ma zastosowanie, pod warunkiem że korzystanie z utworów i innych przedmiotów objętych ochroną, o których mowa w tym ustępie, nie zostało wyraźnie zastrzeżone przez podmioty uprawnione w odpowiedni sposób, na przykład za pomocą środków nadających się do odczytu maszynowego w przypadku treści, które zostały podane do publicznej wiadomości w internecie.”

Dyrektywa (UE) 2019/790, art. 4 ust. 3. Źródło: EUR-Lex, CELEX 32019L0790.

Niemcy wdrożyły ten przepis jako § 44b ustawy o prawie autorskim (Urheberrechtsgesetz, UrhG). Ustęp 1 definiuje eksplorację tekstów i danych, ust. 2 dopuszcza kopie, a ust. 3 reguluje zastrzeżenie:

„(1) Eksploracja tekstów i danych oznacza zautomatyzowaną analizę pojedynczych lub wielu utworów cyfrowych lub zdigitalizowanych w celu uzyskania z nich informacji, w szczególności o wzorcach, tendencjach i korelacjach.

(2) Dopuszczalne jest zwielokrotnianie utworów, do których ma się zgodny z prawem dostęp, na potrzeby eksploracji tekstów i danych. Kopie należy usunąć, gdy nie są już potrzebne do eksploracji tekstów i danych.

(3) Korzystanie, o którym mowa w ust. 2 zdanie pierwsze, jest dopuszczalne tylko wtedy, gdy uprawniony nie zastrzegł go sobie. Zastrzeżenie korzystania w odniesieniu do utworów dostępnych w internecie jest skuteczne tylko wtedy, gdy zostało wyrażone w formie nadającej się do odczytu maszynowego.”

§ 44b UrhG, tłumaczenie nieoficjalne; wiążący jest wyłącznie tekst niemiecki. Źródło tekstu niemieckiego: gesetze-im-internet.de (Federalne Ministerstwo Sprawiedliwości).

Akt w sprawie sztucznej inteligencji odwołuje się do tego samego zastrzeżenia. Art. 53 ust. 1 lit. c) stanowi, że dostawcy modeli AI ogólnego przeznaczenia:

„wprowadzają politykę służącą zapewnieniu zgodności z prawem Unii dotyczącym prawa autorskiego i praw pokrewnych, w szczególności z myślą o identyfikacji i zastosowaniu się, w tym poprzez najnowocześniejsze technologie, do zastrzeżenia praw wyrażonego zgodnie z art. 4 ust. 3 dyrektywy (UE) 2019/790”.

Rozporządzenie (UE) 2024/1689, art. 53 ust. 1 lit. c). Źródło: EUR-Lex, CELEX 32024R1689.

Gdzie w praktyce znajduje się zastrzeżenie nadające się do odczytu maszynowego

Żaden z tych tekstów nie wskazuje formatu pliku. W praktyce zastrzeżenia kierowane do maszyn wyraża się w kilku miejscach, a wszystkie czyta maszyna bez udziału człowieka:

• /robots.txt: najstarszy plik z instrukcjami w sieci. Zwraca się do robotów (crawlerów) pod nazwą, którą się przedstawiają, i określa, jakie ścieżki mogą pobierać.
• /.well-known/tdmrep.json: TDM Reservation Protocol, opracowany w W3C Community Group właśnie po to, by wyrażać zastrzeżenie dotyczące eksploracji tekstów i danych.
• Nagłówki HTTP i znaczniki meta strony głównej: ten sam protokół można zadeklarować w nagłówku odpowiedzi lub w nagłówku HTML, bez osobnego pliku.
• /ai.txt i /llms.txt: nowsze konwencje skierowane do systemów AI, niezstandaryzowane. Czym jest llms.txt i czym różni się od zastrzeżenia, wyjaśnia osobna strona.

To, która z tych form w danym przypadku spełnia wymóg, jest kwestią prawną, na którą ta strona nie odpowiada. Odpowiedzieć można na pytanie o fakty: co zawierał określony plik lub nagłówek w określonym dniu.

Dlaczego wykazać trzeba właśnie dzień

Zastrzeżenie to stan pliku w danym momencie. Serwer nie prowadzi jego historii: gdy plik robots.txt zostanie zmieniony, poprzednia wersja znika, a nic na serwerze nie mówi, kiedy się zmienił ani co zawierał wcześniej. Pytanie o zastrzeżenie pojawia się jednak zwykle wiele miesięcy po dniu, którego dotyczy. Wtedy zrzut ekranu zrobiony dzisiaj pokazuje dzień dzisiejszy, a dziennik serwera jest oświadczeniem jednej ze stron.

Potrzebny jest wówczas zapis sporządzony w tym samym dniu, przez kogoś, kto nie wiedział, że to pytanie kiedykolwiek padnie.

Co zapisuje to archiwum

Od 22 lipca 2026 r. dwaj niezależnie prowadzeni świadkowie pobierają te pliki dla około 128 000 domen w UE: robots.txt, ai.txt, tdmrep.json i llms.txt codziennie dla każdej domeny, nagłówki i znaczniki meta strony głównej codziennie dla każdej domeny oraz pełną stronę główną codziennie w pierścieniu podstawowym i raz w tygodniu w pierścieniu szerokim. Każdy dzień jest jeszcze tej samej nocy pieczętowany w publicznym korzeniu i zakotwiczany za pomocą znaczników czasu poza tym archiwum, tak aby nikt nie mógł go później zmienić, nawet my. Co przechowujemy wymienia wszystkie adresy i limity; jak to działa pokazuje, jak osoba trzecia sprawdza zapis bez nas.

• Czy domena jest już obserwowana i od kiedy: sprawdzenie zasięgu, bezpłatne.
• Co zawierały jej pliki w określonych dniach, jako dokument z instrukcją weryfikacji: wyciąg dowodowy.
• Domena, która ma być zapisywana codziennie od teraz: codzienna obserwacja.

Archiwum zapisuje to, co zostało wysłane. Nie ocenia, czy zastrzeżenie jest skuteczne, czy robot je uwzględnił ani kto był uprawniony do jego wyrażenia.