Ngày 17/9/2026, loạt hồ sơ tố tụng mới được giải mật trong vụ kiện bản quyền của The New York Times chống lại OpenAI và Microsoft tiết lộ điều lâu nay bị giữ kín: Brent Hecht, Giám đốc Khoa học Ứng dụng của Microsoft, đã gọi AI scraping (thu thập nội dung hàng loạt để huấn luyện AI) là “vụ ăn cắp lao động lớn nhất trong lịch sử loài người.” Dữ liệu nội bộ cũng chỉ ra rằng Copilot khiến tỷ lệ nhấp chuột vào website của NYT giảm tới 93% so với tìm kiếm Bing thông thường.
Hồ sơ giải mật tiết lộ những gì về AI scraping?
Phần lớn thông tin mới đến từ bản tóm lược pháp lý của chính NYT, không phải từ các tài liệu gốc vẫn còn bị niêm phong. Đây là vụ kiện tờ báo khởi xướng ba năm trước, cáo buộc OpenAI và Microsoft vi phạm bản quyền khi dùng nội dung của NYT để huấn luyện mô hình AI. Các phần vừa được giải mật bao gồm trao đổi nội bộ, lời khai tại tòa và văn bản công ty vốn bị ẩn khỏi tầm nhìn công chúng.
Theo hồ sơ như TechCrunch tường thuật ngày 17/9/2026, những tiết lộ đáng chú ý gồm:
- Trong bản ghi nhớ nội bộ tháng 1/2023, Hecht mô tả việc này là “vụ trộm phi thường ở quy mô chưa từng có” và “vụ ăn cắp lao động lớn nhất trong lịch sử loài người.”
- Riêng các tập dữ liệu mid-training (dữ liệu dùng trong giai đoạn giữa của quá trình xây dựng mô hình) của OpenAI đã chứa hơn 91.692 bản sao tác phẩm từ NYT, Daily News và Center for Investigative Reporting.
- Một tập dữ liệu lấy từ Common Crawl (kho lưu trữ web công khai do các crawler tự động thu thập) chứa hơn 2 triệu tài liệu chỉ riêng từ nytimes.com.
- Một tập dữ liệu thuộc sáng kiến “Project Mango” chứa ít nhất 160.903 tác phẩm duy nhất từ các nhà xuất bản tin tức trong vụ kiện.
- Các nhà nghiên cứu bị cáo buộc đã gỡ bỏ thông báo bản quyền khỏi dữ liệu huấn luyện trước khi đưa vào mô hình, vì họ “không muốn mô hình xuất ra” các thông báo bản quyền cho người dùng.
Họ bị cáo buộc vượt paywall như thế nào?
Hồ sơ cáo buộc nhân viên OpenAI tìm cách truy cập nội dung sau paywall (tường phí, tức nội dung chỉ mở cho người trả tiền) mà không bị phát hiện. Trao đổi nội bộ cho thấy khi nhà nghiên cứu Nick Ryder thông báo cho Chủ tịch OpenAI Greg Brockman về một “cách hack để vượt paywall NYT,” Brockman phản hồi gọn lỏn: “ah nice.”
Phía Microsoft, theo hồ sơ, đã cung cấp dữ liệu huấn luyện cho OpenAI thông qua hai sáng kiến mang tên Project Taxi và Project Mango.
CEO Microsoft Satya Nadella, trong lời khai tại tòa đầu năm 2026, nói rõ: “bất kỳ nội dung nào sau paywall đều phải được cấp phép bởi bất kỳ ai muốn sử dụng… cho mục đích grounding (dùng dữ liệu bên ngoài để neo phản hồi của AI vào thực tế) hoặc huấn luyện.” Ông cũng nói thêm rằng nếu biết OpenAI đã scrape nội dung có tường phí, ông đã “yêu cầu OpenAI huấn luyện lại các mô hình.”
Click-through rate giảm 93% có nghĩa gì với nhà xuất bản?
Một bài trình bày nội bộ của Microsoft do Hecht soạn tháng 1/2024 chỉ ra rằng answer engine (công cụ trả lời trực tiếp thay vì chỉ liệt kê đường link) của Copilot đã khiến tỷ lệ nhấp chuột vào tên miền NYT giảm tới 93% so với tìm kiếm Bing thông thường. Hecht gọi đây là “doom loop” (vòng xoáy suy thoái): ít lượt nhấp đến nhà xuất bản dẫn đến ít doanh thu để sản xuất nội dung, từ đó ít tư liệu chất lượng hơn cho các mô hình AI trong tương lai.
“Hiếm thấy trường hợp một sản phẩm đầu ra lại đe dọa nền tảng kinh tế của chính các nhà cung cấp thiết yếu của nó, nhưng đó là tình huống chúng ta đã tạo ra cho mảng kinh doanh LLM liên quan đến ‘chuỗi cung ứng nội dung.'” (Tài liệu nội bộ Microsoft, trích theo hồ sơ tòa án.)
Nick Turley, người đứng đầu ChatGPT tại OpenAI, viết trong trao đổi nội bộ rằng các nhà xuất bản đang đối mặt “mối đe dọa sinh tồn” từ các sản phẩm như chatbot, vốn “phần lớn mang tính thay thế” và “sẽ ngày càng thay thế nhiều hơn khi chúng cải thiện.” Nadella đồng ý dưới lời thề rằng chatbot đã “thay thế… việc truy cập nguồn gốc bằng cách đưa thông tin ngay trên nền tảng AI.”
Lập luận “fair use” đang ở đâu trong vụ kiện?
Câu hỏi pháp lý liệu các công ty AI có quyền huấn luyện mô hình trên nội dung có bản quyền mà không cần xin phép vẫn chưa có lời giải. Các thẩm phán đến nay nhìn chung thiên về lập luận “fair use” (học thuyết bản quyền Mỹ cho phép dùng tác phẩm có bảo hộ trong một số trường hợp nhất định mà không cần xin phép, chẳng hạn bình luận hay nhại lại) của các công ty AI. Tháng 9/2026, chính quyền Trump còn đệ trình bản tóm tắt ủng hộ lập trường của OpenAI về việc dùng tư liệu có bản quyền mà không cần cấp phép.
Tuy nhiên, fair use yêu cầu, trong số nhiều điều kiện, rằng việc sử dụng không được thay thế hoặc gây hại cho thị trường của tác phẩm gốc. Một số thừa nhận vừa được giải mật, đặc biệt những đoạn nhìn nhận sự thay thế và thiệt hại tiềm năng cho thị trường ngay trong tài liệu nội bộ, có thể làm phức tạp thêm lập luận đó, theo phân tích của TechCrunch.
“Bằng chứng được công bố lần đầu tiên ở đây cho thấy OpenAI và Microsoft đều biết rằng những gì họ đang làm là sai,” Steven Lieberman, luật sư đại diện cho New York Daily News, phát biểu trong tuyên bố gửi TechCrunch. Cả OpenAI lẫn Microsoft đều không có phản hồi.
Góc nhìn Hingewise: ý nghĩa với thương hiệu muốn hiện diện trên AI
Điều quan trọng nhất từ hồ sơ này không phải là câu chữ pháp lý, mà là xác nhận thực tế mà nhiều người làm nội dung đã nghi ngờ từ lâu: AI học từ nội dung của bạn và AI dẫn người đọc trở lại website của bạn là hai chuyện hoàn toàn riêng biệt, và hai chuyện này có thể triệt tiêu lẫn nhau.
Con số giảm 93% click-through rate từ dữ liệu nội bộ của chính Microsoft là phép đo cụ thể nhất từ trước đến nay về điều mà những người làm GEO (Generative Engine Optimization, tối ưu hóa để thương hiệu được nhắc đến và trích dẫn trong câu trả lời AI) gọi là “vấn đề thay thế.” Một AI đã học từ nội dung của bạn có thể trả lời câu hỏi liên quan hoàn toàn mà không cần dẫn ai về website của bạn. Hình dung như một đối thủ nhà hàng nhận được toàn bộ tập công thức của bạn: món ăn của họ ngon hơn, còn khách quen của bạn ngày càng ít lý do để ghé thăm bạn.
Có một hệ quả thứ hai ít được bàn đến hơn trong cáo buộc gỡ bỏ thông báo bản quyền khỏi dữ liệu huấn luyện. Nếu các tín hiệu attribution (quy thuộc, tức thông tin về tác giả và nguồn gốc) đã bị xóa trước khi nội dung đưa vào mô hình, nhiều hệ thống AI có thể đã hấp thụ kiến thức của nhà xuất bản mà không giữ lại mối liên kết giữa kiến thức đó với nguồn gốc ban đầu. Mô hình biết thông tin; nó có thể không biết ai đã tạo ra thông tin đó. Đây là vấn đề cấu trúc với bất kỳ thương hiệu nào đang cố xây dựng uy tín được trích dẫn trong câu trả lời AI, bởi con đường từ “AI học từ bạn” đến “AI ghi công cho bạn” có thể đã bị cắt đứt ngay ở khâu chuẩn bị dữ liệu.
Khung “doom loop” cũng vươn xa hơn báo chí. Bất kỳ lĩnh vực nặng về nội dung nào, từ y tế, tài chính, pháp lý đến du lịch, đều đối mặt với cùng một áp lực: nếu AI answer engine giảm tỷ lệ nhấp ở quy mô lớn, mô hình doanh thu duy trì việc sản xuất nội dung sẽ suy yếu, tạo ra ít tư liệu mới hơn cho tương lai.
Câu hỏi pháp lý về fair use vẫn còn bỏ ngỏ. Nhưng các tài liệu nội bộ thừa nhận sự thay thế này tạo thành hồ sơ bằng chứng đáng kể. Thương hiệu nào đang chờ phán quyết cuối cùng của tòa án mới hành động có thể đang bỏ qua giai đoạn quan trọng để định vị mình trong cách các mô hình AI hiện tại trích dẫn và ghi nhận nguồn.
Cần kiểm tra gì ngay bây giờ
- Kiểm tra xem nội dung của bạn có đang được các AI phổ biến (ChatGPT, Gemini, Perplexity) trích dẫn kèm tên nguồn không, hay chỉ được dùng mà không nhắc tên.
- Rà soát robots.txt và meta tags để xem tín hiệu gửi đến các AI crawler có rõ ràng về quyền sử dụng nội dung không.
- Theo dõi tỷ lệ nhấp chuột từ kênh tìm kiếm AI so với tìm kiếm truyền thống để phát hiện sớm dấu hiệu “doom loop.”
- Kiểm tra các thỏa thuận cấp phép nội dung với bên thứ ba có bao gồm điều khoản liên quan đến AI training và grounding chưa.
- Đảm bảo nội dung trên web có đủ tín hiệu quy thuộc (tên tác giả, ngày xuất bản, tên thương hiệu) để AI có thể ghi nguồn đúng khi trích dẫn.
Nguồn: TechCrunch, 17/9/2026
Bài viết được soạn với sự hỗ trợ của AI từ các nguồn dẫn ở trên và đối chiếu với các nguồn đó trước khi đăng. "Góc nhìn Hingewise" là nhận định biên tập của Hingewise, dựa trên khung phân tích và lập trường chúng tôi dùng trong công việc GEO. Cách chúng tôi làm việc: Chính sách biên tập.