Internet, inteligência artificial e direitos autorais bots de inteligência artificial estão transformando a antiga lógica de cooperação web em uma disputa por conteúdo, tráfego e dinheiro. Uma proposta para dizer às máquinas o que podem fazer — e o que deveriam devolver à sociedade
Por T.J. Thomson, Daniel Angus, Jake Goldenfein e Kylie Pappalardo - adaptação, tradução e atualização editorial: Sulpost, de original: ‘Manners for machines’: how new rules could stop AI scrapers destroying the internet.
A Inteligência Artificial (IA) chegou à internet como quem encontrou uma biblioteca gigantesca com as portas abertas. Durante anos, empresas de tecnologia puderam percorrer páginas, documentos, imagens, fóruns e bancos de dados para indexar informações, melhorar mecanismos de busca e construir novos serviços.
Só que a escala mudou, cresceu. Os mesmos mecanismos de rastreamento que ajudaram a organizar a web agora podem ser utilizados por sistemas de IA para coletar enormes volumes de textos, imagens, códigos, pesquisas acadêmicas e outros materiais. E a relação que existia entre quem publicava e quem rastreava está começando a se romper.
O problema deixou de ser apenas “a máquina pode acessar esta página?”
A pergunta agora é muito maior:
O que uma máquina pode fazer com aquilo que encontrou — e o que ela deve devolver a quem produziu aquele conhecimento?
É nesse ponto que surge uma ideia ainda em construção: os CC Signals, da organização Creative Commons. Mais do que uma nova licença de direitos autorais, a proposta tenta criar uma espécie de conjunto de “boas maneiras para máquinas”.
Quando raspar a internet era parte do funcionamento da web
O chamado web scraping — coleta automatizada de informações disponíveis na internet — não nasceu com a inteligência artificial generativa. Ele é praticamente tão antigo quanto a própria web. Mecanismos de busca precisam rastrear páginas para descobrir o que existe na internet. Sem esse processo, ferramentas como o Google e o Bing não conseguiriam construir seus índices.
Durante muito tempo, formou-se uma espécie de acordo informal. Os proprietários de sites permitiam que robôs acessassem seus conteúdos porque isso podia trazer visitantes, links, visibilidade e relevância. Em troca, os mecanismos de busca ajudavam as pessoas a encontrar aquilo que havia sido publicado.
A relação não era perfeita e nunca esteve completamente livre de conflitos jurídicos. Mas existia uma lógica de reciprocidade. O rastreador chegava no site, o conteúdo era escrutinado, indexado e o usuário era encaminhado para a fonte, através da pesquisa. Assim o site ganhava audiência 'orgânica'.
O ecossistema da web funcionava em torno dessa circulação. Mas hoje, com a Inteligência Artificial, porém, a equação já está mudando de maneira rápida e radical.
Quando a máquina lê, mas o leitor não chega
Um buscador tradicional normalmente precisa mostrar ao usuário onde encontrou a informação. Um sistema generativo pode fazer algo diferente: acessar dezenas de páginas, absorver informações, combinar conteúdos e entregar ao usuário uma resposta pronta. Uma resposta mixada, mais ou menos como fazem os DJs de música eletrônica ao mixar várias músicas, criando uma nova.
Entretanto, assim como aconteceu na música, isso está criando uma questão econômica fundamental: se a máquina consegue entregar a resposta sem que o usuário visite a página original, quem paga pelo jornalismo, pela pesquisa, pela fotografia, pelo livro, pelo código ou pelo trabalho intelectual que alimentou aquela resposta?
A preocupação não é apenas teórica. Dados recentes mostram que rastreadores ligados à inteligência artificial já representam uma parcela significativa da atividade automatizada na web. Relatórios e análises de 2026 também apontam crescimento acelerado de bots voltados à coleta de conteúdo, enquanto editores e proprietários de sites ampliam mecanismos para bloqueá-los ou diferenciá-los.
Em alguns casos, a relação chega a ser assimétrica: um robô pode fazer milhares ou milhões de requisições a um site, consumir largura de banda e recursos computacionais, enquanto praticamente nenhum usuário é encaminhado de volta para a página que produziu a informação.
O resultado pode ser especialmente duro para pequenos veículos, blogs independentes, pesquisadores, fotógrafos, artistas e criadores que dependem da audiência para continuar produzindo. Pessoas que geralmente vivem de contribuição espontânea de usuários da rede que acessam seu conteúdo.
O paradoxo da internet aberta
Existe, entretanto, um alerta ou mesmo risco eminente no sentido contrário. Se cada produtor bloquear completamente seus conteúdos, a internet pode se transformar em uma coleção de fortalezas digitais. Uma internet paralela, uma espécie de Dark Web, com mais paywalls, barreiras, conteúdos invisíveis para ferramentas de busca por causa de sistemas mais fechados, gerando menos circulação livre do conhecimento.
Essa possibilidade é particularmente preocupante para ciência, educação e cultura. Universidades e instituições de pesquisa, por exemplo, utilizam repositórios abertos justamente para ampliar o acesso ao conhecimento. Obras distribuídas por licenças Creative Commons também dependem de uma cultura de compartilhamento.
A questão, portanto, não deveria ser simplesmente escolher entre:
“liberar tudo” ou “bloquear tudo”.
Há um espaço intermediário que deve ser explorado livremente, e é justamente esse espaço que os CC Signals tentam explorar.
O que são os CC Signals?
A Creative Commons anunciou o projeto CC Signals em 2025 como uma estrutura destinada a permitir que criadores e instituições expressem preferências sobre como seus conteúdos podem ser utilizados por sistemas de IA.
A ideia parte de uma constatação simples: as licenças tradicionais de conteúdo aberto foram desenvolvidas para um mundo em que seres humanos compartilhavam, copiavam, remixavam e redistribuíam obras, com vistas ao progresso da humanidade como um todo.
A Inteligência Artificial introduziu uma escala e uma forma de utilização que não estavam previstas quando boa parte dessas ferramentas foi criada. Os CC Signals procuram, portanto, criar sinais que possam ser compreendidos tanto por pessoas quanto por máquinas.
Em vez de um simples “pode usar” ou “não pode usar”, o sistema pretende permitir preferências mais sofisticadas.
- atribuição da fonte;
- reciprocidade;
- contribuição para o ecossistema aberto;
- determinadas formas de uso em sistemas de IA;
- condições associadas ao acesso e ao desenvolvimento de modelos.
A proposta ainda está em evolução e não deve ser confundida com uma nova licença de copyright. A própria Creative Commons descreve o CC Signals como uma estrutura orientada por valores e atualmente em fase de desenvolvimento e testes.
A inspiração do velho “robots.txt”
Existe um precedente interessante.
Durante décadas, administradores de sites utilizaram o arquivo robots.txt para informar aos robôs quais áreas de uma página poderiam ou não ser rastreadas.
O sistema nunca foi, por si só, uma lei universalmente aplicável. Seu poder dependia da adesão dos desenvolvedores e operadores de bots. Mesmo assim, tornou-se uma convenção extremamente importante da web.
Era, em essência, uma placa na porta:
"Robô, nessa parte você pode entrar"
ou:
“Nesta parte, não entre.”
O CC Signals parte de uma lógica semelhante, mas pretende responder a uma questão muito mais complexa. Não basta saber se uma máquina pode acessar determinada informação.
É preciso comunicar para que ela pode utilizá-la, sob quais condições e com que tipo de retorno.
O problema: e se a máquina não respeitar a placa?
Essa é uma das maiores fragilidades do modelo. Pesquisas recentes mostram que a adesão dos rastreadores às regras do robots.txt não é uniforme. Um estudo publicado em 2025, baseado em experimentos de larga escala, encontrou diferenças importantes no comportamento de diferentes categorias de bots. O mesmo estudo concluiu que depender exclusivamente do arquivo para impedir rastreamento indesejado é arriscado, pode não funcionar.
Uma pesquisa publicada em julho de 2026 chegou a levantar uma questão ainda mais atual: diferentes assistentes de IA com capacidade de navegação podem se comportar de maneiras distintas diante das instruções presentes no robots.txt. Em testes controlados envolvendo dez assistentes, os pesquisadores encontraram variações na forma como as restrições eram consultadas e respeitadas.
Isso muda a natureza do problema. Uma regra só funciona se houver alguma forma de fazê-la ser respeitada.
A corrida dos bloqueios
O resultado dessa insegurança é uma nova corrida tecnológica. De um lado estão empresas que desenvolvem sistemas de IA e precisam de grandes quantidades de dados.
Do outro estão sites que tentam descobrir quem está acessando seus servidores, o que está sendo coletado e para qual finalidade.
Cada vez mais proprietários de páginas adotam firewalls, limites de requisições, bloqueios por agente de usuário e outras ferramentas para impedir ou controlar rastreadores.
Um levantamento de 2026 sobre os mil maiores sites encontrou aumento expressivo no bloqueio de alguns dos principais bots utilizados para treinamento de inteligência artificial. Mas o problema é que o bloqueio indiscriminado também pode produzir efeitos colaterais.
Um site pode querer impedir que seu conteúdo seja utilizado para treinamento de modelos e, ao mesmo tempo, desejar que um assistente de IA consiga acessar uma determinada página para responder a uma pergunta feita por um usuário e encaminhá-lo à fonte.
São usos diferentes. E a internet pós Inteligência Artificial ainda está construindo a linguagem necessária para distingui-los.
A solução pode estar em uma espécie de “etiqueta digital”
É aqui que a ideia de sinais padronizados ganha importância. Imagine que cada conteúdo carregue instruções compreensíveis por sistemas automatizados:
- Pode ser indexado.
- Pode ser usado para responder perguntas, desde que a fonte seja citada.
- Não pode ser utilizado para treinamento.
- Pode ser utilizado se houver contribuição para o ecossistema.
- Pode ser usado mediante acordo comercial.
Esse tipo de granularidade poderia substituir a atual disputa binária entre abrir completamente ou fechar completamente o acesso a determinado site ou conteúdo.
É aí que surge um problema maior ainda: como transformar essas preferências em algo economica e tecnicamente verificável?
Quem paga pelo conteúdo?
Essa talvez seja a pergunta mais difícil de todas. Imagine um modelo de IA que consulta milhões de páginas de maneira praticamente instantânea.
Como calcular quanto cada autor deveria receber? Um artigo científico vale o mesmo que uma notícia? Uma fotografia vale o mesmo que um banco de dados? Um código de programação vale o mesmo que uma reportagem investigativa? E se o conteúdo for utilizado por milhares de modelos diferentes? E se a obra for apenas uma pequena parte de um gigantesco conjunto de treinamento generativo?
A Creative Commons reconhece que esse é um dos pontos mais difíceis do projeto. O cálculo e a distribuição de contribuições financeiras ou em espécie, em uma escala de milhares ou milhões de obras, são desafios consideráveis.
É por isso que os CC Signals não devem ser apresentados como uma solução jurídica pronta. São, neste momento, parte dejurídicatativa maior de construir infraestrutura social, técnica e eventualmente com segurança jurídica adequada ao relacionamento entre criadores e inteligência artificial.
O próprio projeto mudou
E há uma atualização importante em relação ao artigo original. Em abril de 2026, a Creative Commons anunciou que estava ampliando a concepção dos CC Signals.
A organização afirmou que o projeto deixou de ser apenas uma maneira de expressar preferências sobre o uso de conteúdos e passou a buscar mudanças mais estruturais nas condições que permitem que as preferências dos criadores sejam ignoradas.
Em maio, a organização detalhou que pretende avançar de “sinais” para uma infraestrutura mais ampla, incluindo experimentos e projetos-piloto relacionados a mecanismos legais, técnicos e de contribuição ao ecossistema aberto. É uma evolução significativa.
A discussão já não é apenas sobre colocar uma etiqueta em uma página. É sobre quem controla o conhecimento utilizado pela inteligência artificial e de que forma esse valor retorna para a sociedade.
E o Brasil?
A questão também está chegando ao centro do debate brasileiro sobre inteligência artificial. O país discute desde 2023 o Projeto de Lei 2.338, que trata do desenvolvimento, fomento e uso ético e responsável da inteligência artificial. O texto passou por debates e audiências públicas que incluíram especificamente o tema de IA generativa e direitos autorais.
O desafio brasileiro é semelhante ao enfrentado em outras partes do mundo: como permitir inovação tecnológica sem transformar livros, reportagens, músicas, fotografias, pesquisas e outras criações humanas em matéria-prima gratuita e invisível de sistemas comerciais.
Ao mesmo tempo, uma regulamentação excessivamente rígida pode criar obstáculos para pesquisa, inovação, educação e desenvolvimento de tecnologia nacional. O equilíbrio é delicado. Internet precisa continuar sendo um campo livre e aberto à democratização do conhecimento humano.
Uma disputa que pode decidir o futuro da web
A grande ironia é a Inteligência Artificial depender justamente daquilo que a internet aberta produziu ao longo de décadas: artigos, pesquisas, livros, fotografias, enciclopédias, fóruns, comentários, códigos e vídeos. Experiências humanas registradas em escala nunca antes vista.
Grande parte dessa riqueza foi produzida porque existia uma expectativa de que compartilhar conhecimento ajudaria outras pessoas a criar mais conhecimento. Na lógica de conhecimento, gera conhecimento.
Se a consequência da IA for transformar esse patrimônio coletivo em matéria-prima extraída em massa, sem atribuição, reciprocidade ou retorno, existe o risco de que os próprios criadores parem de compartilhar. Ou simplesmente perca o interesse em produzir.
Universidades podem fechar repositórios. Artistas podem abandonar plataformas abertas. Veículos de comunicação podem bloquear rastreadores. Pesquisadores podem restringir o acesso às suas bases de dados. Criadores podem migrar para ambientes fechados.
Tecnicamente, a internet continuaria funcionando, mas seria uma internet muito diferente. Bem menos democrática do que é hoje.
“Boas maneiras” podem não ser suficientes
A expressão utilizada pela Creative Commons — “boas maneiras para máquinas” — é poderosa porque resume bem o problema. Afinal, durante décadas, a web funcionou em grande parte graças a convenções que não estavam necessariamente escritas em leis.
Links, que geram créditos, citações e reciprocidade, tudo respeitando às preferências dos sites. É a ideia de que quem recebe valor da internet, igualmente também contribui para que ela continue existindo.
A inteligência artificial colocou essa cultura sob enorme pressão. Por isso mesmo talvez apenas “boas maneiras” não bastem. Será necessário combinar tecnologia, padrões abertos, contratos, transparência, modelos de remuneração, políticas públicas e, onde for necessário, regras jurídicas.
O objetivo não deveria ser impedir que as máquinas aprendam, ou tampouco transformar a internet em uma coleção de muros. O desafio está em construir uma terceira possibilidade: uma internet aberta o suficiente para que o conhecimento continue circulando, mas justa o suficiente para que as pessoas continuem produzindo esse conhecimento, e recebendo por ele.
O futuro da inteligência artificial depende do futuro da internet
A disputa pelos dados de treinamento parece, à primeira vista, uma briga entre empresas de tecnologia e detentores de direitos autorais. Mas é algo bem maior, é uma disputa sobre a própria arquitetura da sociedade da informação.
Se o conhecimento público se tornar apenas matéria-prima para sistemas privados, o incentivo à criação pode diminuir. Se, por outro lado, o medo da apropriação levar todos a fechar suas portas, perderemos justamente uma das características mais extraordinárias da internet: sua capacidade de conectar conhecimento produzido em lugares diferentes e colocá-lo à disposição de qualquer pessoa, em qualquer lugar.
Os CC Signals são ainda um trabalho em andamento. A própria Creative Commons afirma estar testando no momento diferentes caminhos, e que ainda não possui todas as respostas. Mas a pergunta que eles colocam é provavelmente uma das mais importantes da era da inteligência artificial:
Se as máquinas estão aprendendo com a humanidade, como garantir que a humanidade também se beneficie dessa aprendizagem?
Criadores de conteúdo merecem ser remunerados por suas postagens e publicações de toda espécie. Se as empresas de Inteligência Artificial são tão rentáveis e tem um valor de mercado tão vultuoso, talvez possa ser criado um fundo para remuneração dos criadores de conteúdo, das pessoas físicas e jurídicas que publicam conteúdo autoral na internet.
Fato é que: fontes livres representam texto livre.
Observação: este artigo é uma tradução livre, adaptação e atualização editorial, baseada no artigo: “Manners for machines: how new rules could stop AI scrapers destroying the internet”, publicado originalmente em The Conversation em 25 de março de 2026, de autoria de T.J. Thomson, Daniel Angus, Jake Goldenfein e Kylie Pappardalo. Publicado originalmente no site The Conversation.
Nenhum comentário:
Postar um comentário