Destruktivní skenování knih pro trénink AI: kde končí právo majitele výtisku

Legální nákup použité knihy zakládá zákonný přístup k dílu, potřebný pro výjimku na text a data mining. Neřeší však povinnost smazat kopie po skončení tréninku ani nezakládá nárok autora na odměnu — a právě zde se láme, zda je destruktivní skenování knih pro AI v pořádku, nebo ne.

Když předseda Svazu německých antikvářů Markus Brandis popisuje objednávky, které během několika měsíců vynesly jednotlivým antikvariátům statisíce eur, mluví o barbarském přístupu. Zákazníci ze Severní Ameriky objednávali v noci, cíleně skupovali „neprodejné“ tituly ležící roky na regálech a knihy pak putovaly do skenerů. Podle interního plánovacího dokumentu společnosti Anthropic, který se dostal na veřejnost v americkém sporu se spisovateli, nese celá akvizice název Projekt Panama a její popis je nezvykle přímočarý: „záměr destruktivně naskenovat všechny knihy na světě“. Odřezané hřbety, volné stránky do podavačového skeneru, zbytek do sběru.

Emoce, které to v Německu vyvolává, jsou pochopitelné. Právní jádro věci je ale jinde než u samotného ničení papíru. Většina takto zpracovávaných titulů existuje v tisících výtisků; likvidace jednoho kusu nemá pro kulturní dědictví reálný dopad. Skutečná otázka zní, zda se do statistického modelu smí přelít obsah knihy jen proto, že si někdo v antikvariátu koupil použitý výtisk.

Legální nákup jako vstupenka — ale jen do poloviny cesty

Německý advokát Christian Solmecke to v analýze DPA shrnuje střízlivě: skenování knih chráněných autorským právem je v Německu obecně zakázáno, pokud k němu autor nesvolí nebo se neuplatní zákonná výjimka. Pro trénink AI výjimka existuje, opírá se o unijní úpravu text and data miningu a její klíčovou podmínkou je zákonný přístup k dílu. K tomu podle Solmeckeho stačí legální nákup výtisku — i použitého. To je také důvod, proč se AI firmy pouštějí do antikvariátů místo aby stahovaly obsah z pirátských zdrojů.

Zajímavé je, co v této konstrukci chybí: odměna autorovi. Nakladatel a autor za původní prodej dostali honorář kdysi, možná před dvaceti lety. Použitý výtisk projde antikvariátem, ten inkasuje kupní cenu, a autor z nového využití — komerčně mimořádně hodnotného — nedostane nic. Není to chyba výkladu, je to explicitní vlastnost normy. A je to hlavní důvod, proč evropská doktrína výjimku pro TDM od počátku kritizuje jako nevyváženou.

Legální nákup je tedy vstupenka pouze do fáze skenování a přípravy trénovacích dat. Neříká nic o tom, co se s daty smí dít dál.

Skrytá páka: povinnost smazat kopie

Další ustanovení německého autorského zákona ukládá, že kopie pořízené pro trénink musí být smazány, jakmile již nejsou pro trénink potřebné. V praxi jde o nejpalčivější bod celé konstrukce. Trénovací korpusy se totiž po jednorázovém použití standardně nemažou — uchovávají se pro další generace modelů, pro fine-tuning, pro srovnávací benchmarky. Solmecke to označuje za bod, kde se situace stává choulostivou. To je diplomatická formulace pro fakt, že velká část odvětví patrně tuto povinnost systémově porušuje.

Pro autora nebo nakladatele je to zásadní páka, kterou dosavadní debata podceňuje. Nejde jen o to, zda firma měla právo knihu naskenovat. Jde o to, zda ji v datasetu smí držet ještě za tři roky, když trénuje verzi 5, 6, 7 modelu. Podle textu německého zákona nesmí — a důkazní situace není pro AI firmy nijak komfortní.

Zajímavý paradox se objevil v americkém řízení proti Anthropicu. Fyzické zničení knihy tam soud vzal jako argument ve prospěch AI firmy: šlo prý jen o změnu formátu, srovnatelnou s převodem obsahu koupeného CD do MP3 přehrávače, nikoli o vytvoření dodatečného exempláře. Z pohledu kontinentálního práva je to úvaha překvapivá — u nás by se soud spíš ptal, zda vůbec šlo o rozmnoženinu v mezích výjimky a zda byly splněny další podmínky (mazání, transparentnost, respekt k opt-outu). Přesto tato americká logika ukazuje, proč AI firmy destrukci nevnímají jako problém: v jejich čtení je to naopak právní pojistka proti obvinění z pořizování „dodatečných“ kopií.

Co z toho plyne pro české nakladatele, autory a technologické firmy

Rozhodné právo se určuje podle místa skenování. Pokud se knihy skenují v USA — což je zatím převažující model — aplikují se tamní pravidla a americké soudy. Ty se v otázce fair use pro trénink AI zatím rozcházejí; z dosud tří rozhodnutí v první instanci dva vyzněly ve prospěch AI firem, jedno proti. Právní situace je otevřená a i evropský autor se v ní bude domáhat práv na cizím hřišti. To je pro strategii ochrany obsahu klíčové zjištění: české právo autora ochrání, pokud se ke skenování dostane v EU, ale nad tím, co si někdo koupil přes internet a odvezl do USA, kontrolu ztrácí.

Pro nakladatele to znamená především důsledně pracovat s výhradou podle čl. 4 odst. 3 směrnice o DSM, tedy strojově čitelným opt-outem z výjimky pro TDM. Bez něj se výjimka pro komerční trénink uplatní automaticky, pokud má subjekt zákonný přístup k dílu. Opt-out je v licenčních podmínkách e-booků, v metadatech, v robots.txt u vlastních webů. Pokud tam není, ochrana chybí ještě před tím, než se řeší americké soudy.

Pro autory je praktickým vodítkem revize starších nakladatelských smluv. Kdo v roce 2015 postoupil nakladateli „veškerá práva k rozmnožování a rozšiřování v jakékoli formě“, řeší dnes otázku, zda tím postoupil i právo licencovat dílo AI firmě. Odpověď není samozřejmá a v konkrétních smlouvách často závisí na formulaci účelového určení. Nové smlouvy by měly trénink AI výslovně řešit — buď vyloučit, nebo podmínit dodatečnou odměnou.

Pro technologické firmy, které v Česku nebo EU vyvíjejí vlastní modely, je nejrizikovější kombinací nejednoznačný původ dat a nulová evidence o smazání. AI Act ukládá poskytovatelům obecných modelů povinnost publikovat dostatečně podrobné shrnutí trénovacích dat a respektovat výhrady autorů. Argumentace, že „data pocházejí ze zakoupených knih“, bez doložení konkrétních akvizic a bez politiky mazání korpusu, obstojí u regulátora hůř, než si část oboru přiznává.

Destruktivní skenování knih z antikvariátů není hlavní problém autorského práva v éře AI. Je to jen viditelný symptom toho, že evropská výjimka pro TDM byla navržena v době, kdy si zákonodárce představoval akademický výzkum, ne komerční škálování na biliony parametrů. Než se úprava dožije revize, budou muset autoři a nakladatelé chránit svá práva sami — opt-outem, precizními smlouvami a připraveností vést spor tam, kde se skutečně skenuje.

Zdroj: Advokátní deník, 31. 8. 2026, „Množí se obvinění z ničení knih kvůli trénování AI. Co autorská práva?“ (Ivana Sýkorová, s odkazem na analýzu agentury DPA a ČTK).