आर्टिफिशियल इंटेलिजेंस (AI) के लिए डेटा के इस्तेमाल पर कानूनी लड़ाइयाँ अब सिर्फ कॉपीराइट के उल्लंघन से आगे बढ़कर एकाधिकार (Monopoly) के बड़े सवालों की ओर बढ़ रही हैं। भारत में अदालतों के 'फेयर डीलिंग' पर हालिया फैसलों के बीच, निवेशकों को यह समझना होगा कि कैसे कुछ बड़ी टेक कंपनियों के पास डेटा का एक्सक्लूसिव एक्सेस मार्केट में अनुचित लाभ पैदा कर सकता है।
कॉपीराइट से एकाधिकार तक का सफर
आर्टिफिशियल इंटेलिजेंस (AI) मॉडल को बनाने के तरीकों को लेकर दुनिया भर में चल रही बहस अब सिर्फ कॉपीराइट के उल्लंघन तक सीमित नहीं रही है। शुरुआती कानूनी चुनौतियों में यह देखा जा रहा था कि क्या AI कंपनियाँ बिना इजाज़त के किताबें या लेख इस्तेमाल कर सकती हैं। लेकिन अब यह चर्चा बाज़ार में एकाधिकार (Monopoly) की ओर बढ़ रही है। जैसे-जैसे बड़ी टेक कंपनियाँ एक्सक्लूसिव और हाई-क्वालिटी डेटासेट बनाने में भारी निवेश कर रही हैं, रेगुलेटर्स यह सवाल पूछने लगे हैं कि क्या यह 'डेटा एडवांटेज' छोटी कंपनियों के लिए बाज़ार में प्रवेश करने में अनुचित बाधा तो नहीं बन रहा है।
भारतीय अदालतों का रुख
भारत में कानूनी ढाँचा कुछ हद तक स्पष्टता दे रहा है, हालाँकि यह अमेरिका से काफी अलग है। 24 जुलाई, 2026 को दिल्ली हाईकोर्ट ने ANI की OpenAI के खिलाफ अंतरिम रोक की याचिका खारिज कर दी। कोर्ट ने फैसला सुनाया कि AI मॉडल को ट्रेनिंग देने के लिए सार्वजनिक रूप से उपलब्ध डेटा का उपयोग कॉपीराइट एक्ट, 1957 के तहत 'फेयर डीलिंग' (Fair Dealing) माना जाएगा। यह फैसला भारतीय निवेशकों और टेक कंपनियों के लिए महत्वपूर्ण है, क्योंकि यह बताता है कि रिसर्च के उद्देश्य से AI ट्रेनिंग मौजूदा कानून के तहत सुरक्षित हो सकती है। अमेरिकी 'फेयर यूज' (Fair Use) सिद्धांत के विपरीत, जो आउटपुट के ट्रांसफॉर्मेटिव नेचर पर ध्यान केंद्रित करता है, भारतीय अदालतें ट्रेनिंग प्रक्रिया के रिसर्च-उन्मुख स्वभाव पर जोर दे रही हैं। हालाँकि, यह डेटा के सभी उपयोगों के लिए एक खुली छूट नहीं है, और सार्वजनिक डेटा से सीखने और संरक्षित सामग्री को दोहराने के बीच की महीन रेखा को कंपनियाँ सावधानी से निभाएँगी।
डेटा कैसे बनता है एंट्री बैरियर?
अदालती मामलों से परे, बाज़ार रेगुलेटर्स के लिए मुख्य चिंता सत्ता का केंद्रीकरण है। एडवांस्ड AI मॉडल बनाने के लिए भारी मात्रा में टेक्स्ट, किताबें और मीडिया की आवश्यकता होती है। जिन कंपनियों ने पहले से ही बड़े पैमाने पर डेटा एकत्र कर लिया है, उनके पास एक महत्वपूर्ण व्यावसायिक लाभ होता है, जिसे अक्सर 'डेटा मोट' (Data Moat) कहा जाता है। यदि केवल कुछ अच्छी तरह से फंड वाली कंपनियाँ इस डेटा को एकत्र करने की लागत और कानूनी जोखिम वहन कर सकती हैं, तो यह प्रभावी रूप से एक बंद इकोसिस्टम बनाता है। आलोचकों का तर्क है कि यह इनोवेशन को सीमित करता है, क्योंकि नए स्टार्टअप स्थापित खिलाड़ियों के ट्रेनिंग एनवायरनमेंट की नकल नहीं कर सकते। इसी कारण EU AI एक्ट जैसे नियमों की देखरेख करने वाले रेगुलेटर्स ने बड़े मॉडल के लिए सख्त पारदर्शिता की आवश्यकताएं पेश की हैं, जिससे कंपनियों को अपने ट्रेनिंग स्रोतों के बारे में अधिक खुलासा करने के लिए मजबूर होना पड़ेगा।
निवेशकों के लिए जोखिम और ध्यान देने योग्य बातें
निवेशकों के लिए, ये कानूनी और संरचनात्मक बहसें अनिश्चितता की कई परतें पेश करती हैं। पहला, ऑपरेशनल जोखिम: यदि अदालतें या रेगुलेटर्स कॉपीराइट उल्लंघन के कारण ट्रेनिंग डेटासेट को नष्ट करने का आदेश देते हैं, तो R&D निवेश का भारी नुकसान हो सकता है। दूसरा, रेगुलेटरी और एंटीट्रस्ट जोखिम: यदि सरकारी निकाय यह मानते हैं कि किसी कंपनी ने केवल एक्सक्लूसिव डेटा प्रथाओं के माध्यम से एक प्रमुख स्थिति हासिल की है, तो वे हस्तक्षेप कर सकते हैं। अंत में, कंपनियाँ संभावित सेकेंडरी लायबिलिटी का सामना कर सकती हैं, जहाँ उनके AI मॉडल द्वारा तीसरे पक्ष के बौद्धिक संपदा अधिकारों का उल्लंघन करने वाली सामग्री उत्पन्न करने पर उन्हें जिम्मेदार ठहराया जा सकता है।
निवेशकों को भारत और प्रमुख वैश्विक बाजारों में नियामक ढाँचे के विकास पर नज़र रखनी चाहिए। ध्यान साधारण मुकदमों से हटकर नीतिगत बदलावों की ओर बढ़ रहा है, जो AI कंपनियों को अधिक पारदर्शिता प्रदान करने के लिए मजबूर कर सकते हैं, या उन्हें ट्रेनिंग डेटा स्रोतों को साझा करने या एंटीट्रस्ट जांच का सामना करने के लिए कह सकते हैं। आने वाले वर्षों में, नैतिक रूप से मॉडल बनाने और अनुपालन आवश्यकताओं को पूरा करने की कंपनियों की क्षमता एक महत्वपूर्ण विभेदक साबित होगी।