Bots de IA sobrecarregam sites abertos e ameaçam o próprio Creative Commons

Um artigo do pesquisador de segurança Chester Wisniewski chama atenção para um efeito colateral pouco discutido do boom de IA generativa: o tráfego massivo de bots de scraping está minando a sustentabilidade de repositórios de conteúdo sob licenças abertas, como Creative Commons. Sites da Wikimedia Foundation, Internet Archive e outras bibliotecas digitais relatam picos de acesso vindos de crawlers de empresas de IA que ignoram limites de taxa e arquivos robots.txt, tratando o conteúdo aberto como matéria-prima gratuita e ilimitada para treinar modelos.

O paradoxo é evidente: o Creative Commons foi criado justamente para incentivar o compartilhamento livre de conhecimento, mas o volume de requisições geradas por empresas de IA — muitas vezes sem identificação clara ou respeito a boas práticas de acesso — está gerando custos de infraestrutura insustentáveis para organizações sem fins lucrativos. Algumas dessas instituições já cogitam erguer barreiras técnicas, como paywalls ou autenticação obrigatória, medidas que iriam na contramão do espírito original das licenças abertas.

O artigo argumenta que essa dinâmica cria um ciclo perverso: quanto mais as empresas de IA extraem valor de conteúdo aberto sem contrapartida, mais os mantenedores desses acervos são forçados a fechar o acesso, reduzindo justamente o tipo de recurso que tornou possível o desenvolvimento desses mesmos modelos. Para Wisniewski, sem mudanças nas práticas de scraping — ou algum tipo de compensação e regulação —, o legado de duas décadas de cultura de compartilhamento aberto pode ser corroído silenciosamente pela própria tecnologia que dele se beneficiou.

O caso reacende o debate sobre responsabilidade das empresas de IA na forma como coletam dados de treinamento, um atrito que já gerou processos judiciais e negociações de licenciamento em outras frentes, mas que raramente é discutido sob a ótica dos custos de infraestrutura impostos a projetos sem fins lucrativos.