AI மாடல்களுக்கான பயிற்சி டேட்டா குறித்த சட்டப் போராட்டங்கள், வெறும் பதிப்புரிமை பிரச்னைகளிலிருந்து, சந்தையில் ஏகபோகம் (Monopoly) செலுத்தும் அபாயங்கள் குறித்த விவாதமாக மாறியுள்ளது. சமீபத்திய இந்திய நீதிமன்றத் தீர்ப்புகள் 'நியாயமான பயன்பாடு' (Fair Dealing) என்பதை ஆராய்ச்சிக்கு அனுமதித்தாலும், டெக் நிறுவனங்கள் பெறும் பிரத்யேகமான பெரிய டேட்டா, சந்தையில் சமமற்ற போட்டியை உருவாக்குகிறதா என்பதில் கவனம் திரும்பியுள்ளது.
செயற்கை நுண்ணறிவு (AI) மாடல்கள் எவ்வாறு உருவாக்கப்படுகின்றன என்பது குறித்த உலகளாவிய விவாதம், பதிப்புரிமை மீறல்கள் என்ற எளிய கேள்விகளுக்கு அப்பால் நகர்ந்துவிட்டது. ஆரம்பத்தில் AI நிறுவனங்கள் அனுமதி பெறாமல் புத்தகங்கள் அல்லது கட்டுரைகளைப் பயன்படுத்தலாமா என்ற சட்டரீதியான சவால்கள் இருந்தன. ஆனால் இப்போது, சந்தையில் ஒரு சில பெரிய நிறுவனங்கள் மட்டுமே பிரத்யேகமான, உயர்தர டேட்டாசெட்களை உருவாக்கும் அளவுக்கு முதலீடு செய்வதால், இதனால் மற்ற சிறிய போட்டியாளர்கள் சந்தையில் நுழைய முடியாத அளவுக்கு சமமற்ற சூழல் உருவாகிறதா என்ற கேள்வியை ஒழுங்குமுறை அதிகாரிகள் எழுப்புகின்றனர்.
இந்தியாவின் சட்டச் சூழல்
இந்தியாவில், சட்டரீதியான கட்டமைப்பு சில தெளிவுகளை அளித்தாலும், அது அமெரிக்காவிலிருந்து கணிசமாக வேறுபடுகிறது. 2026 ஆம் ஆண்டு ஜூலை 24 அன்று, டெல்லி உயர் நீதிமன்றம், ANI நிறுவனம் OpenAI-க்கு எதிராக தொடர்ந்த இடைக்காலத் தடை மனுவை தள்ளுபடி செய்தது. இந்த தீர்ப்பின்படி, AI மாடல்களுக்குப் பயிற்சி அளிக்க பொதுவில் கிடைக்கும் டேட்டாவைப் பயன்படுத்துவது, காப்புரிமைச் சட்டம், 1957-ன் கீழ் 'நியாயமான பயன்பாடு' (Fair Dealing) எனக் கருதப்படுகிறது. இந்த முடிவு இந்திய முதலீட்டாளர்களுக்கும் தொழில்நுட்ப நிறுவனங்களுக்கும் முக்கியமானது. ஏனெனில், ஆராய்ச்சிக்கான AI பயிற்சி, தற்போதைய சட்டத்தின் கீழ் பாதுகாக்கப்பட்டதாக இருக்கலாம். அமெரிக்காவின் 'நியாயமான பயன்பாடு' (Fair Use) கொள்கை போலல்லாமல், இது வெளியீட்டின் மாற்றும் தன்மையை மையமாகக் கொண்டது. இந்திய நீதிமன்றங்கள், பயிற்சி செயல்முறையின் ஆராய்ச்சி சார்ந்த தன்மையை வலியுறுத்துகின்றன. இருப்பினும், இது அனைத்து டேட்டா பயன்பாட்டிற்கும் ஒரு முழுமையான அனுமதியல்ல. பொது டேட்டாவிலிருந்து கற்றுக்கொள்வதற்கும், பாதுகாக்கப்பட்ட உள்ளடக்கத்தை மீண்டும் உருவாக்குவதற்கும் இடையிலான வேறுபாடு, நிறுவனங்கள் கவனமாகக் கையாள வேண்டிய ஒரு மெல்லிய கோடாகவே உள்ளது.
சந்தைப் போட்டிக்குத் தடையாக டேட்டா?
நீதிமன்றங்களுக்கு வெளியே, சந்தை ஒழுங்குமுறை அதிகாரிகளின் முக்கியக் கவலை அதிகாரக் குவிப்புதான். அதிநவீன AI மாடல்களை உருவாக்க, மிகப்பெரிய அளவிலான உரை, புத்தகங்கள் மற்றும் ஊடகங்கள் தேவைப்படுகின்றன. ஏற்கனவே பெரிய அளவில் டேட்டாவைச் சேகரித்துள்ள நிறுவனங்கள், ஒரு குறிப்பிடத்தக்க வணிக நன்மையைப் பெறுகின்றன. இது பெரும்பாலும் 'டேட்டா மூட்' (Data Moat) என்று விவரிக்கப்படுகிறது. சில பெரிய, நிதி வசதி படைத்த நிறுவனங்கள் மட்டுமே இந்த டேட்டாவைத் திரட்டுவதற்கான செலவுகளையும் சட்டரீதியான அபாயங்களையும் ஏற்க முடிந்தால், அது ஒரு மூடிய சூழலை உருவாக்குகிறது. இதனால் புதிய ஸ்டார்ட்அப் நிறுவனங்கள், ஏற்கனவே உள்ள பெரிய நிறுவனங்களின் பயிற்சிச் சூழல்களைப் பிரதிபலிக்க முடியாது என்றும், இது புதுமைகளைக் கட்டுப்படுத்துவதாகவும் விமர்சகர்கள் வாதிடுகின்றனர். இதன் காரணமாக, ஐரோப்பிய ஒன்றியத்தின் AI சட்டம் போன்றவற்றை மேற்பார்வையிடும் உலகளாவிய ஒழுங்குமுறை அமைப்புகள், பெரிய மாடல்களுக்குக் கடுமையான வெளிப்படைத்தன்மை தேவைகளை அறிமுகப்படுத்தியுள்ளன. இதனால் நிறுவனங்கள் தங்கள் பயிற்சி ஆதாரங்கள் குறித்து மேலும் தகவல்களை வெளியிட வேண்டிய கட்டாயத்திற்கு உள்ளாகியுள்ளன.
முதலீட்டாளர்களுக்கான அபாயங்கள் மற்றும் கவனிக்க வேண்டியவை
முதலீட்டாளர்களுக்கு, இந்தச் சட்ட மற்றும் கட்டமைப்பு விவாதங்கள் பலவிதமான நிச்சயமற்ற தன்மைகளை அறிமுகப்படுத்துகின்றன. முதலாவதாக, செயல்பாட்டு அபாயம் (Operational Risk) உள்ளது. பதிப்புரிமை மீறல்களால் பயிற்சி டேட்டாசெட்களை அழிக்க நீதிமன்றங்கள் அல்லது ஒழுங்குமுறை அதிகாரிகள் உத்தரவிட்டால், ஆராய்ச்சி மற்றும் மேம்பாட்டு முதலீட்டில் பெரும் இழப்பு ஏற்படலாம். இரண்டாவதாக, ஒழுங்குமுறை மற்றும் ஏகபோக எதிர்ப்பு அபாயம் (Regulatory and Antitrust Risk) உள்ளது. ஒரு நிறுவனம் பிரத்யேகமான டேட்டா நடைமுறைகள் மூலம் சந்தையில் ஆதிக்கம் செலுத்தும் நிலையை அடைந்துள்ளதாக அரசாங்க அமைப்புகள் நம்பினால், அவை தலையிடக்கூடும். இறுதியாக, நிறுவனங்கள் சாத்தியமான இரண்டாம் நிலைப் பொறுப்பை (Secondary Liability) எதிர்கொள்ள நேரிடலாம். அவற்றின் AI மாடல்கள் மூன்றாம் தரப்பு அறிவுசார் சொத்துரிமைகளை மீறும் உள்ளடக்கத்தை உருவாக்கினால், அவை பொறுப்பாக்கப்படலாம்.
இந்தியாவிலும் முக்கிய உலகச் சந்தைகளிலும் ஒழுங்குமுறை கட்டமைப்புகள் எவ்வாறு உருவாகின்றன என்பதை முதலீட்டாளர்கள் கண்காணிக்க வேண்டும். எளிய வழக்குகளிலிருந்து கொள்கை மாற்றங்களை நோக்கி கவனம் நகர்கிறது. இது AI நிறுவனங்களை மேலும் வெளிப்படைத்தன்மையுடன் செயல்பட வைக்கலாம், பயிற்சி டேட்டா ஆதாரங்களைப் பகிர வேண்டியிருக்கலாம் அல்லது ஏகபோக எதிர்ப்பு ஆய்வை எதிர்கொள்ள வேண்டியிருக்கலாம். நெறிமுறைகளுடன் மாடல்களை உருவாக்குவதற்கும், இணக்கத் தேவைகளைப் பூர்த்தி செய்வதற்கும் நிறுவனங்களின் திறன், வரவிருக்கும் ஆண்டுகளில் ஒரு முக்கிய வேறுபாட்டைக் காட்டும்.