Articoli approfonditi sulla tecnologia che plasma il futuro.

Codice generato da AI e copyright: 5 miti, testati

Il codice generato da AI è di dominio pubblico? Eredita le licenze open source? Testiamo 5 miti sul copyright e diamo un playbook di provenienza che funziona già oggi.

Una bilancia che equilibra fili di codice luminosi contro una penna stilografica, in un archivio che si sta dissolvendo.
Il diritto d'autore è stato pensato per penne e autori; oggi fatica con codice che nessuno ha davvero scritto.

Un collega del mio vecchio team mi chiese, mezzo per scherzo, se le 400 righe che Copilot gli aveva appena scritto appartenessero davvero all'azienda. Nessuno aveva una risposta convincente, e il consulente legale a cui alla fine ci rivolgemmo diede la peggiore possibile: «non è chiaro». Oggi quella domanda è finita in cima alla homepage di Hacker News sotto forma di provocazione, cioè che tutto il codice generato da AI dovrebbe essere open source, e la discussione che ne è seguita mostra quanto le nostre intuizioni collettive su copyright, dati di addestramento e paternità non combacino con quello che dice davvero la legge. Ho passato anni sia ad addestrare modelli sia a rilasciare codice scritto con il loro aiuto, quindi prendo le cinque convinzioni che vedo ripetere con più sicurezza e le verifico una per una con quello che sappiamo davvero.

Mito 1: «Il codice generato da AI è di dominio pubblico, punto e basta»

È il mito con più impalcatura giuridica alle spalle, ed è comunque vero solo a metà. L'US Copyright Office è stato coerente: il copyright tutela la paternità umana, e il materiale puramente prodotto da una macchina non è registrabile. Questa posizione si basa sul caso della scimmia e dell'autoscatto (Naruto v. Slater), in cui la Corte d'appello del Nono Circuito stabilì che un macaco non poteva possedere la foto che aveva scattato, e ha retto a una sfida diretta in Thaler v. Perlmutter, dove i giudici hanno rifiutato di registrare un'opera d'arte che indicava un'AI come unico autore. Fin qui, tutto abbastanza lineare.

Ma quasi nessuno rilascia software puramente generato da AI. Le linee guida dello stesso Copyright Office tracciano la distinzione che conta nella pratica: usare l'AI come strumento di supporto non annulla il copyright sull'opera nel suo complesso, e la selezione, l'organizzazione e la modifica dell'output da parte di un essere umano possono essere di per sé un'espressione tutelabile. La tua applicazione da 50.000 righe in cui un agente ha scritto gran parte delle funzioni, ma un essere umano ha progettato il sistema, scelto i confini e revisionato e modificato l'output? Quella codebase è quasi certamente tutelata nel suo insieme, anche se una singola funzione generata, presa isolatamente, potrebbe non esserlo. L'affermazione «è tutto di dominio pubblico» crolla nel momento in cui un essere umano fa qualcosa di più che incollare un prompt e fare commit del risultato.

E gli Stati Uniti non sono il mondo. Il Copyright, Designs and Patents Act del Regno Unito tutela esplicitamente le opere generate da computer, attribuendo la paternità a chi ha predisposto gli accordi necessari alla creazione, per cinquant'anni. Alcune altre giurisdizioni hanno norme simili. Quindi lo stesso file può essere non tutelabile a San Francisco e protetto da copyright a Londra. «Dominio pubblico, punto e basta» non è una posizione legale: è uno slogan che, per caso, punta più o meno nella direzione della dottrina di un solo Paese per un caso molto specifico.

Mito 2: «Addestrato su open source significa che l'output eredita la licenza»

È il motore morale dell'argomento «rendiamo tutto open source»: i modelli hanno assorbito decenni di lavoro sotto GPL, MIT e Creative Commons (le risposte di Stack Overflow sono sotto CC BY-SA, che richiede per legge attribuzione e condivisione con la stessa licenza), quindi trasformare tutto questo in codice proprietario sarebbe un riciclaggio di licenza. Ho una reale simpatia per questa posizione. Anche il mio codice AGPL è in quei set di addestramento. Ma come affermazione giuridica è già stata messa alla prova e, in larga parte, ha perso.

In Doe v. GitHub, la class action contro Copilot, il tribunale ha smontato la tesi centrale secondo cui gli output dei modelli portano automaticamente con sé gli obblighi dei dati di addestramento. Le richieste basate sulle informazioni di gestione del copyright del DMCA sono state in gran parte respinte, mentre le rivendicazioni sulle licenze open source sono per lo più fallite per mancanza di legittimazione: i ricorrenti non sono riusciti a dimostrare che il loro codice fosse riprodotto negli output. Il ragionamento del giudice conta per il tuo modello di rischio: una licenza si applica a una copia. Se il modello non emette mai il tuo codice, non c'è copia, non c'è derivazione e non c'è nulla a cui la licenza possa agganciarsi. L'influenza statistica non è copiare, così come un programmatore che ha imparato leggendo il sorgente del kernel Linux non deve una licenza al kernel su tutto ciò che scriverà dopo.

C'è una parte che la gente salta: l'eccezione esiste davvero, ed è quella che dovrebbe toglierti il sonno. Quando un modello riproduce dati di addestramento quasi alla lettera (e i modelli precedenti lo facevano con file open source riconoscibili, a volte rimuovendo le intestazioni di copyright), puoi tranquillamente finire per distribuire un derivato del GPL o dell'AGPL di qualcun altro senza saperlo. Un commentatore del thread, autore di sistemi AGPL molto diffusi, ha descritto esattamente questo caso: un'azienda ha rimosso i suoi avvisi, è stata beccata e poi ha fatto «clonare» il suo sistema da un LLM, più buggato, ma inconfondibilmente con il suo design. Se quel clone sia un'opera derivata è una questione davvero irrisolta, e del tipo di cose che si decidono a caro prezzo, in tribunale, caso per caso. La regola generale «l'output eredita le licenze di addestramento» è falsa. La regola più stretta «la riproduzione quasi letterale è una responsabilità concreta» è vera. I team svegli pianificano per la seconda.

Gru di origami versate in un imbuto di vetro, che ne escono come un'unica forma grigia ambigua.
Milioni di opere concesse in licenza entrano; quello che esce non corrisponde a nessuna in particolare, finché, di rado, non succede.

Mito 3: «Ho scritto il prompt, quindi il codice è mio»

Basta rovesciare il primo mito per ottenere questo, sostenuto con la stessa sicurezza da chi sta dall'altra parte del dibattito. Il Copyright Office lo ha affrontato direttamente nel suo rapporto sulla tutelabilità: i prompt, da soli, di norma non forniscono un controllo umano sufficiente sugli elementi espressivi dell'output per fare di chi scrive il prompt un autore. Il prompt è un'istruzione; le scelte espressive le fa il modello. I tribunali applicano da tempo la stessa logica alla generazione di immagini, e il codice non è diverso per natura.

Dove diventa davvero interessante è nel lavoro iterativo e agentico. Diversi professionisti della discussione hanno descritto cicli in cui l'agente scrive codice per venti minuti a fronte di ore o giorni di test umani, feedback dal mondo reale, riprogettazione e nuovi prompt. Questo schema conta dal punto di vista legale, perché la tesi più solida sul copyright per il lavoro assistito dall'AI non riguarda la paternità delle singole righe, bensì il contributo creativo umano all'opera nel suo insieme: selezione, coordinamento, organizzazione e modifica. Un sistema plasmato attraverso centinaia di cicli di revisione diretta somiglia molto più a una compilation firmata da un essere umano che alla scimmia con l'autoscatto. Ma nota cosa ne consegue: la tua pretesa di proprietà si regge sul processo, e un processo che non sai documentare è un processo che non puoi far valere. Se la tua azienda dovesse un giorno far rispettare il copyright su quella codebase, contro un ex dipendente, il team di due diligence di un acquirente o un concorrente, «fidati, un essere umano c'era» non è una prova. È per questo che esiste la sezione pratica qui sotto.

Un'ulteriore complicazione di cui si parla raramente: i contratti di lavoro dipendente e di collaborazione fanno comunque la parte più importante del lavoro. La dottrina del work for hire attribuisce il copyright, qualunque copyright esista, al datore di lavoro. Quindi, all'interno di un'azienda, la questione pratica della proprietà si risolve di solito per contratto, indipendentemente dalla metafisica della paternità. La domanda scomoda è cosa il contratto stia effettivamente rivendicando, se alcune parti del prodotto consegnato risultano non possedibili da nessuno.

Mito 4: «Obbligare il codice AI a essere open source risolverebbe il problema dell'equità»

Prendi la proposta sul serio per un momento e crolla al contatto con la realtà, per tre ragioni indipendenti. Primo, è autolesionista come meccanismo giuridico: le licenze open source sono licenze di copyright. Esistono per permettere a un titolare di diritti di concedere autorizzazioni su qualcosa che possiede. Se il codice generato da AI non è tutelabile, non c'è nulla da licenziare: MIT, GPL, tutto è nullo per mancanza di oggetto. L'unica versione coerente della proposta è una dedica al pubblico dominio tipo CC0, e una dedica che non puoi far rispettare non è un obbligo, è un desiderio.

Secondo, la portata è ingestibile. Rendere open source il codice non è uno stato, è un atto: qualcuno deve ripulire i segreti, togliere la logica di business, scrivere un README, scegliere un repository. La stragrande maggioranza del codice al mondo è proprietaria, incredibilmente specifica per il processo interno di una singola azienda e ormai in gran parte assistita dall'AI. Cosa significherebbe esattamente pubblicare involontariamente tutto questo? Chi paga la passata di sanificazione che impedisce che i dati dei clienti finiscano nel dump? Nessuno di chi propone questa idea ha una risposta, perché una risposta non esiste. Abbiamo trattato una modalità di guasto correlata in app generate da AI spedite senza row-level security: lo strumento produce codice che perde dati quando funziona, immagina ora di doverlo pubblicare per legge.

Terzo, non raggiungerebbe nemmeno l'obiettivo dichiarato. La lamentela è che i fornitori di modelli si sono appropriati del bene comune. Obbligare gli utenti dei modelli a pubblicare i propri output non fa restituire nulla ai fornitori: toglie solo protezione alla parte della catena che ha meno potere. Se credi che il patto sui dati di addestramento sia stato iniquo, il rimedio che colpisce le persone che hanno scritto il codice raccolto è puntato sul bersaglio sbagliato. La versione più forte dell'argomento con cui sono davvero d'accordo è quella morale, non quella legale: chi trae enormi benefici da uno strumento addestrato sul bene comune ha il dovere di restituire valore al bene comune. Rilascia librerie. Finanzia i manutentori. Invia le tue correzioni a monte. Ma questa è un'etica da adottare, non una legge che sopravviverebbe al primo contatto con un parlamento.

Mito 5: «Il nostro scanner di licenze gestisce già tutto questo»

Magari. Gli strumenti di compliance sulle licenze, FOSSA e Black Duck del mondo, si basano su un presupposto di provenienza che l'AI rompe silenziosamente. Questi tool rispondono alla domanda «cosa hai incluso?» confrontando le tue dipendenze e i file vendorizzati con pacchetti noti. Funzionano perché il codice scritto da esseri umani arriva attraverso canali con metadati: registri di pacchetti, file copiati e incollati che conservano le intestazioni, directory vendorizzate con i testi LICENSE intatti. Il codice generato da AI arriva attraverso un canale che non ha alcun metadato. Un modello può emettere trenta righe che sono una quasi parafrasi di una funzione di utilità AGPL, senza intestazione, senza attribuzione e senza un pacchetto con cui fare confronto, e il tuo scanner vede codice originale. Il rischio non sta nell'albero delle dipendenze: sta nei tuoi file sorgente, dove gli strumenti quasi non guardano.

È lo stesso punto cieco in cui siamo già incappati: come nel caso dell'incidente nella supply chain di LiteLLM, il problema non stava nel codice che le persone avevano revisionato, ma in un canale di cui si fidavano ciecamente. La soluzione, in entrambi i casi, è smettere di fidarsi del canale e iniziare a registrare cosa ci passa attraverso. Questa è la tracciabilità della provenienza, ed è la cosa che il tuo team dovrebbe fare questo trimestre indipendentemente da come si pronunceranno i tribunali, perché ogni futuro legale plausibile (il codice AI non è tutelabile, il codice AI è tutelabile se diretto da un umano, la riproduzione letterale è contraffazione) premia il team che sa mostrare il proprio lavoro e punisce quello che non ci riesce.

Un operaio che etichetta assi di legno che arrivano da due scivoli, uno con marcatura e uno senza.
La provenienza è un'abitudine: etichetta tutto all'ingresso, soprattutto ciò che arriva dallo scivolo senza marcatura.

Cosa fare concretamente: un playbook di provenienza e igiene

Niente di tutto questo richiede nuove leggi o nuovi fornitori. Sono quattro abitudini, tutte economiche e tutte difendibili in qualsiasi dei futuri legali sul tavolo.

  1. Segnala l'assistenza dell'AI nei metadati dei commit. I trailer di Git sono fatti per questo. Un trailer Assisted-By: non costa nulla e costruisce una traccia verificabile di quale codice ha avuto un coinvolgimento della macchina: utile per la due diligence, per la revisione delle licenze e per dimostrare il processo creativo umano che sostiene la tua pretesa di copyright.
  2. Rendi visibile il ciclo umano. Le descrizioni delle PR che dicono «generato dall'agente, ho riscritto la logica dei retry e le condizioni di confine» sono prove legali travestite da buona pratica. Anche il passaggio di revisione è il punto in cui catturi il problema della riproduzione letterale prima che arrivi in produzione: ne abbiamo parlato in controlli di comprensione del codice AI contro i test. L'essere umano deve davvero confrontarsi con l'output, non approvarlo a scatola chiusa.
  3. Cerca il codice, non solo le dipendenze. Gli strumenti che fanno il confronto a livello di snippet con corpora open source (diverso dalla scansione SCA delle dipendenze) individuano i casi quasi letterali che creano una vera esposizione al copyleft. Eseguili sui commit con forte presenza di AI e imposta i filtri anti-duplicazione integrati nei tuoi strumenti, come l'opzione di Copilot «blocca suggerimenti che corrispondono a codice pubblico», sul livello più restrittivo.
  4. Considera il copyleft come il confine. Le licenze permissive (MIT, BSD, Apache) comportano un rischio minimo anche nel peggior caso di riproduzione letterale. GPL e soprattutto AGPL sono il punto in cui un derivato accidentale diventa costoso. Se la scansione trova una corrispondenza con codice copyleft, riscrivi partendo dalla specifica, non dallo snippet.

La convenzione dei trailer nei commit è la leva più efficace e richiede un setup di cinque minuti. Un hook prepare-commit-msg può chiederlo e la CI può verificare che il trailer esista quando una PR è etichettata come assistita da AI:

#!/bin/bash
# scripts/check-provenance.sh — run in CI on pull requests
# Fails if a PR labeled "ai-assisted" has commits without an Assisted-By trailer.
set -euo pipefail
BASE="${1:-origin/main}"
missing=$(git log --format='%H %(trailers:key=Assisted-By,valueonly)' "${BASE}..HEAD" \
| awk '{ if ($2 == "") print $1 }')
if [ -n "$missing" ]; then
echo "These commits lack an 'Assisted-By:' trailer:" >&2
echo "$missing" >&2
echo "Add e.g.:  git commit --trailer 'Assisted-By: claude-code (reviewed)'" >&2
exit 1
fi
echo "Provenance trailers present on all commits."

Il trailer dovrebbe indicare lo strumento e, soprattutto, che un essere umano ha revisionato l'output: Assisted-By: copilot (reviewed) racconta a un futuro revisore una storia molto diversa da Assisted-By: copilot da solo. Affianca a questo una breve sezione nel manuale di ingegneria che definisca cosa conta come contributo umano significativo nel vostro team: decisioni di architettura, progettazione dei test, modifiche non banali. Non lo fai perché un tribunale lo ha chiesto. Lo fai perché, qualunque sia l'esito della legge, «l'abbiamo tracciato» batte «non abbiamo idea di cosa sia successo».

Il verdetto

La legge non ha bisogno di stabilire se il codice AI sia appropriabile prima che tu agisca: ogni esito plausibile premia il team che ha documentato il proprio processo e punisce quello che non l'ha fatto.

Quindi, messo alla prova con le evidenze: il codice generato da AI non è automaticamente di dominio pubblico, perché la paternità umana sull'opera nel suo insieme conta ancora e le giurisdizioni non sono d'accordo. Addestrarsi su open source non rende open source gli output, e i tribunali hanno in gran parte respinto questa tesi, ma la riproduzione letterale è una responsabilità reale e sottovalutata. Il prompt non ti rende autore, anche se una direzione umana sostenuta e documentata probabilmente sì. Un regime di open source obbligatorio è incoerente come legge e inutile come politica. E il tuo scanner di licenze è cieco proprio al canale che oggi produce gran parte del tuo codice. Il dibattito su se il codice AI debba essere gratuito è una bella discussione da fare davanti a una birra. La risposta ingegneristica non aspetta: traccia la provenienza, tieni visibilmente gli esseri umani nel ciclo, cerca a livello di snippet e tratta il copyleft come il filo d'inciampo. Questo è vero oggi, e resterà vero qualunque sia la sentenza finale dei tribunali.