An t-idirlíon poiblí ag éirí ina chaibidlíocht ar shonraí oiliúna

Crawlers, áirithintí, ceadúnais agus bunús an fhaisnéise ag athrú an tseanbhoinn tuisceana gur leor leathanach poiblí a bheith ann le go bhféadfaí é a...

An t-idirlíon poiblí ag éirí ina chaibidlíocht ar shonraí oiliúna

Tá an leathanach poiblí. Níl an úsáid socraithe.

Ar feadh i bhfad, bhí comhréiteach sóisialta garbh ach oibre i gceist leis an ngréasán poiblí. Chuir foilsitheoir leathanach ar fáil. D'aimsigh innill chuardaigh é, rinne siad innéacsú air a ndóthain chun léitheoirí a sheoladh ar ais, agus tháinig duine go dtí an leathanach bunaidh. Bhí argóintí ann faoi innéacsú, sleachta agus fógraíocht, ach bhí an bealach soiléir. Ba é an leathanach an t-aonad foilsitheoireachta agus an áit ar bhuail an léitheoir leis an bhfoilsitheoir.

Athraíonn oiliúint mhúnla ilchuspóireach cruth an chomhréitigh sin. D'fhéadfadh crawler tosú le seoladh poiblí fós, ach ní gá gur toradh cuardaigh an ceann scríbe a thuilleadh. D'fhéadfaí an t-ábhar a chóipeáil, a pharsáil, a scagadh, a stóráil, a chomhcheangal le hábhar eile agus a úsáid i bpróiseas oiliúna nach é nasc ar ais go dtí an leathanach an t-aschur atá air. D'fhéadfadh sé cabhrú níos déanaí le ceist a fhreagairt gan léitheoir cuairt a thabhairt ar an saothar bunaidh. Tá an fíoras go bhfuil leathanach le feiceáil ábhartha. Ní hé sin an freagra iomlán.

Sin an fáth a bhfuil an t-idirlíon poiblí ag éirí ina chaibidlíocht faoi shonraí oiliúna. Ní caibidlíocht amháin í a reáchtáiltear i seomra amháin, agus ní dráma í ina bhfaigheann taobh amháin amach go bhfuil an taobh eile ann. Is caibidlíocht dáilte í a dhéantar trí dhlí, ceadúnais, comharthaí teicniúla, conarthaí, caighdeáin, taifid agus, nuair is gá, daoine ag caint lena chéile. Is féidir le sealbhóir ceart úsáid mianadóireachta a fhorchoimeád. Is féidir le soláthraí múnla forchoimeádas a aithint agus cinneadh a dhéanamh gan bailiú. Is féidir leis na páirtithe ceadúnas a chomhaontú. Is féidir le heagraíocht an cosán a dhoiciméadú go maith go leor go mbeidh ceist níos déanaí inbhraite. Nó is féidir leo an cosán a fhágáil doiléir agus a fháil amach go bhfuil an doiléire costasach nuair a bheidh an t-ábhar taistil.

Ní chuireann aon cheann de seo gach leathanach poiblí ar fáil d'úsáid ríomhaireachtúil ar bith. Tá eisceachtaí mianadóireachta téacs agus sonraí i gcreat cóipchirt na hEorpa, agus tá na coinníollacha tábhachtach. Ní dhéanann sé comhad robots ina ionstraim chóipchirt uilíoch ach an oiread, ná ceadúnas ina bhosca seiceála simplí. Is measartha an t-athrú úsáideach: caithfear déileáil le sonraí oiliúna mar chaidreamh le téarmaí, stair agus teorainneacha. Is tuairisc níos fearr é sin ar a raibh ann cheana. Is é an rud nua ná go bhfuil sé ag éirí níos deacra neamhaird a dhéanamh den chaidreamh.

Tugann obair an Choimisiúin Eorpaigh timpeall ar an Acht AI cruth riaracháin don athrú. Tá oibleagáidí polasaí cóipchirt agus achoimre ar ábhar oiliúna ar sholáthraithe múnlaí AI ilchuspóireacha. Cuireann Cód Cleachtais GPAI bealach deonach ar fáil do sholáthraithe a roghnaíonn é a leanúint, lena n-áirítear gealltanais maidir le forchoimeádais chearta agus robots.txt. Chomhairligh an Coimisiún freisin ar phrótacail chun forchoimeádais a chur in iúl. Ní ionadaithe iad seo don dlí cóipchirt, ná ní dearbhú iad go bhfuil an éifeacht dhlíthiúil chéanna ag gach comhartha teicniúil. Is fianaise iad go bhfuil an turas ó threoir shealbhóra ceart go córas bailithe soláthraí múnla ina fhadhb bheartais inti féin anois.

Ní gá foilsitheoir cumtha, crawler drámatúil ná éisteacht chúirte fhicseanúil don scéal. Tá sé le feiceáil ag na pointí coitianta ina n-athraíonn foinse lámha. Cinneann duine éigin an mbaineann URL le bailiúchán. Cinneann duine éigin cad a chiallaíonn forchoimeádas. Cinneann duine éigin an bhfuil ceadúnas sách sonrach le haghaidh oiliúna, aisghabhála, meastóireachta nó athdháilte. Cinneann duine éigin cén leagan de pholasaí a bhaineann nuair a athraíonn foinse. Is féidir leis na cinntí a bheith ciúin. Is cinntí iad fós.

Ní cuairteoir amháin atá i gcrawler a thuilleadh

Is féidir le brabhsálaithe, crawlers cuardaigh, uirlisí cartlainne, seirbhísí inrochtaineachta, taighdeoirí acadúla, córais monatóireachta agus píblínte oiliúna múnlaí an leathanach céanna a iarraidh. Ó fhreastalaí an fhoilsitheora, d'fhéadfadh siad breathnú cosúil ar dtús: tagann iarratas, seoltar freagra, scríobhtar líne logála. Ach tá a gcuspóirí, a bpatrúin chóipeála agus a n-iarmhairtí iartheachtacha difriúil. Tá sé áisiúil don bhonneagar agus dona don rialachas gach iarratas uathoibrithe a chaitheamh mar an gcéanna.

Osclaíonn gnáthléitheoir alt amháin agus féadfaidh sé filleadh lá eile. Cruthaíonn crawler cuardaigh innéacs atá ceaptha chun léitheoir a threorú ar ais. Is féidir le píblíne oiliúna cóip a dhéanamh a choinnítear, a athraítear agus a chomhiomlaítear le go leor saothar eile sula mbíonn aon mhúnla ann. Féadfaidh córas aisghabhála ionadach tráchtála níos dírí a chruthú in ionad cuairte. Féadfaidh tacar meastóireachta sleachta a chaomhnú chun córas a thástáil. Ní rangú morálta iad na lipéid. Is tuairiscí iad ar úsáidí a éilíonn ceisteanna éagsúla.

Is í an chéad cheist de ghnáth an rochtain. Ar bhain an bailitheoir amach an t-ábhar trí bhealach dleathach? Is í an dara ceist an bunús dlí le haghaidh na ngníomhartha atá beartaithe ag an gcóras a dhéanamh. Is í an tríú ceist an bhfuil forchoimeádas curtha in iúl ag an sealbhóir ceart nuair a cheadaíonn an riail infheidhme ceann. Is í an ceathrú ceist an soláthraíonn ceadúnas nó conradh ar leith cead, coinníollacha nó teorainneacha. Cúigiú ceist, a thagann go minic ródhéanach, ceist oibríochtúil í: an féidir leis an eagraíocht a thaispeáint cad a chonaic sí agus cén fáth ar lean sí ar aghaidh?

Ní chaitheann Treoir (AE) 2019/790 le mianadóireacht téacs agus sonraí mar chead iomlán gan teorainn. Soláthraíonn Airteagal 3 eisceacht éigeantach d'eagraíochtaí taighde agus d'institiúidí oidhreachta cultúrtha a dhéanann macasamhlú agus eastóscadh chun críocha taighde eolaíoch, ar choinníoll go bhfuil rochtain dleathach acu. Déileálann Airteagal 4 le mianadóireacht téacs agus sonraí chun críocha eile, arís nuair a bhíonn rochtain dleathach ann, mura bhfuil na cearta ábhartha forchoimeádta ag an sealbhóir ceart ar bhealach cuí. I gcás ábhar ar líne atá ar fáil go poiblí, deir an Treoir gur féidir an forchoimeádas a chur in iúl trí mhodhanna atá inléite ag meaisín, lena n-áirítear meiteashonraí agus téarmaí agus coinníollacha.

Ní fiosracht bheag dhréachtaithe í an t-idirdhealú sin. Ciallaíonn sé nach mbíonn lipéad ginearálta amháin ar a dtugtar inúsáidte ar leathanach poiblí. Is ábhar iad an gníomhaí, an cuspóir, an bealach rochtana, forchoimeádas an tsealbhóra ceart agus na gníomhartha ar leith. Dá bhrí sin, teastaíonn níos mó foclóra ó chóras bailithe réasúnta ná ceadaigh agus cuir bac. Ba cheart dó a bheith in ann taifead a dhéanamh ar iarrthóir, rochtain breathnaithe, forchoimeádas aimsithe, ceadúnas riachtanach, ceadúnas deonaithe, cuspóir teoranta, gan réiteach, diúltaithe agus aistarraingthe. Ní maorlathas ar mhaithe leis féin é seo. Is é seo an ghramadach íosta a theastaíonn nuair is féidir le foinse a bheith le feiceáil go foirfe agus fós gan a bheith ar fáil don úsáid bheartaithe.

Sa staidéar a d'fhoilsigh Oifig Maoine Intleachtúla an Aontais Eorpaigh in 2025 ar ghiniúint AI agus cóipcheart, déantar cur síos ar an tírdhreach seo mar cheann ina bhfuil forchoimeádais cheart agus ceadúnú ag forbairt taobh le réitigh theicniúla. Ní hé a chonclúid go bhfuil meicníocht mhargaidh chríochnaithe tagtha ar an bhfód. Is beag nach a mhalairt atá ann: ní oireann aon réiteach amháin do gach sealbhóir ceart, do gach soláthróir múnla ná do gach cineál ábhair. Sin é go díreach an fáth go gcaithfidh córas macánta idirdhealuithe a chaomhnú seachas iad a scriosadh i bhfabhar scála.

Is minic a úsáidtear scála mar leithscéal le haghaidh míchruinnis. Féadfaidh soláthróir múnla a rá nach féidir leis idirbheartú a dhéanamh leathanach ar leathanach. Féadfaidh foilsitheoir beag a rá nach féidir leis gach iarratas uathoibrithe a iniúchadh. Is féidir leis an dá ráiteas a bheith fíor. Ní bhaineann siad an riachtanas le haghaidh comhéadan oibre idir an dá cheann. Míníonn siad cén fáth a bhfuil comharthaí inléite ag meaisín, ceadúnais chaighdeánacha, taifid fhoinse-theaghlaigh agus socruithe comhchoiteanna suimiúil. Ní gá gur cruinniú mór an freagra ar fhadhb mhór. D'fhéadfadh sé a bheith ina bhealach iontaofa chun teorainn a shonrú agus bealach iontaofa chun í a fháil.

Ní tollán chuig múnla é bealach foinse. Is sraith cinntí é ar cheart go bhfanfadh siad le feiceáil tar éis an bhailiúcháin.

Is bealach coincheapúil é an léaráid, ní inneall cinnteoireachta dlí. Ní bhunaíonn cárta a fhéachann glas go bhfuil úsáid dleathach. Léiríonn sé an fhianaise agus an breithiúnas ar cheart go mbeadh foireann in ann iad a iniúchadh. Tá luach leis an idirdhealú beag sin. Tosaíonn an chuid is mó den mhearbhall is féidir a sheachaint nuair a mhearbhallaítear fíric oibríochtúil le conclúid dhlíthiúil, nó nuair nach féidir conclúid dhlíthiúil a rianiú siar go dtí na fíricí oibríochtúla.

Teastaíonn teanga is féidir le meaisíní a iompar le haghaidh forchoimeádas

Is minic a chuirtear síos ar rogha an diúltaithe mar chnaipe: deir sealbhóir an chirt níl, stopann an crawler. Níl an obair iarbhír chomh scannánúil sin. Caithfear forchoimeádas a chur in iúl áit éigin, a aimsiú ag bailitheoir, a cheangal leis an saothar nó an tseirbhís ábhartha, a léirmhíniú sa chomhthéacs ceart agus a choinneáil mar fhianaise. D'fhéadfadh sé a bheith i meiteashonraí, i dtéarmaí agus coinníollacha, i mbeartas foilsithe nó i bprótacal a thuigeann bailitheoir. D'fhéadfadh sé feidhm a bheith aige maidir le suíomh gréasáin, catalóg, beatha, bunachar sonraí nó grúpa sainithe saothar. D'fhéadfadh sé athrú le himeacht ama.

Tá brí leis an tagairt don téarma meaisin-inléite sa Treoir toisc nach féidir le forchoimeádas nach féidir a aimsiú ag an bpointe bailiúcháin cinneadh bailiúcháin a athrú go hiontaofa. Ach ní chiallaíonn meaisin-inléite go bhfuil rud gan locht, féinmhínitheach nó iomlán ó thaobh an dlí de. Seans go bhfaighidh parsálaí treoir le luach neamhaithnidiúil. Seans go bhfoilseoidh sealbhóir an chirt beartas a dhíríonn ar theagmháil cheadúnaithe seachas ar dhiúltú iomlán. Seans go mbeidh foinse ar fáil trí shíntiús lena théarmaí féin. Seans nach bhfeicfidh córas aon chomhartha aithnidiúil ar chor ar bith. Is breathnóireacht é easpa comhartha, ní cead ginearálta.

Tá ceacht an-Dhúitseach anseo. Ní fheabhsaíonn comhartha a deir go bhfuil an droichead dúnta é má mhaíonn tiománaí seachadta nár pharsáil a léarscáil an comhartha. Ní toirmeasc ar iontráil isteach sa chúige gach droichead dúnta ach an oiread. Is é an cheist an bhfuil an comhartha inléite don bhealach ábhartha, an bhfuil rogha eile réasúnta ag an mbealach, agus an bhfuil taifead déanta ag duine ar a tharla. Ní hé an pointe an gréasán a iompú ina líonra canálach. Is é an pointe teorainn a choinneáil ó imeacht as radharc toisc go raibh sé deacair í a shamhaltú.

The Commission's consultation on protocols for reserving rights from text and data mining makes this implementation gap explicit. It refers to the GPAI Code of Practice commitment for signatories to identify and comply with appropriate machine-readable protocols used by rightsholders, alongside a commitment to respect robots.txt and subsequent IETF versions of the standard. The consultation itself is not a final protocol. It is evidence that the parties need a clearer technical language for a legal choice that has to travel through automated systems.

Robots.txt has a useful, limited role in that conversation. It is a long-standing web convention for crawler behaviour. It can convey that a publisher does not want a particular automated agent or path crawled. The GPAI Code's treatment gives it practical importance for signatories' collection systems. But robots.txt is not a universal rights register, and a crawler instruction does not settle every question of copyright, contract or database right. Confusing the layers produces two bad outcomes. One side assumes that robots.txt is the whole legal answer. The other treats it as merely optional etiquette. Neither position creates a stable relationship.

A collection system should keep the signals separate. Technical crawl instruction: what did the robots file say at the time? Rights reservation: what machine-readable or published statement did the source provide? Access condition: was the route open, authenticated, subscribed or supplied under an agreement? Licence: which rights were granted for which purpose and period? Internal policy: what did the organisation decide to do where the picture remained uncertain? The fields may be connected, but they are not interchangeable.

This separation also makes error handling more humane. A collector can report that it saw a signal it cannot interpret, rather than quietly treating the signal as irrelevant. A rightsholder can discover that its preferred marker is not supported and choose another channel. A provider can improve a parser without rewriting history. A later reviewer can see whether a source was admitted because a licence existed, because an exception was assessed, or because a policy decision was made under stated uncertainty. The alternative is one opaque field that says collected.

Licensing is not the opposite of innovation

There is a persistent habit of describing licences as friction and models as progress. It is a misleading contrast. A licence can be a restriction, but it can also be an interface: a way to say which material is available, for what use, at what price, with what attribution, reporting, exclusion or renewal condition. The quality of that interface determines whether smaller rightsholders and smaller model providers can take part at all.

The Federation of European Publishers has argued that rightsholders need transparency about data used to train AI and where it was harvested, while also recognising that publishers may use AI in their own work. That is a sector position, not neutral proof of the right legal answer in every case. It nevertheless states a practical point that model providers should take seriously: a publisher can be both a user of AI and a rightsholder whose material needs terms. The choice is not between literature and technology, or between creators and engineering. The choice is whether the exchange has a legible basis.

The Publishers Association's 2026 account of the UK publishing and AI licensing market provides a more specific view. It describes existing text and data mining licences, later AI-training licences and growing retrieval-augmented-generation licensing, and it reports work towards a collective licence with opt-in for rightsholders. The United Kingdom is outside the EU legal order, so this is not evidence of what the DSM Directive requires. It is useful evidence of a nearby European rights market attempting to make training and retrieval permissions more practical than a private negotiation between a handful of very large organisations.

Collective arrangements are worth watching because the web is not made only by companies with a legal department and an account manager. A small specialist publisher, a learned society, a regional newspaper, a photographer's archive or an independent author may have valuable material and very little capacity to negotiate bespoke terms with every potential model provider. A standard opt-in, a collective licence or a trusted intermediary cannot resolve every valuation question. It can make the first conversation possible.

Model providers also have a reason to prefer clarity. A negotiated route can supply material with an identified provenance, a defined scope and an accountable contact. It may cost money. So does cleaning a dataset, investigating a disputed source, defending a position that has no records, or replacing a source late in development. A licence does not guarantee that the material is suitable, accurate or representative. It makes a different contribution: it turns permission from an assumption into an expressed condition.

Compensation is not a magic word either. There is no single fair tariff for every work and every use. Training, retrieval, evaluation, internal analysis, model improvement and publication can create different commercial relationships. A licence might be per work, per collection, per volume, per period, per deployment, per user, per model family or negotiated on another basis. It may include an attribution duty, a reporting duty, a right to audit, a withdrawal mechanism or no continuing access at all. A useful system does not pretend these terms are universally simple. It makes them legible enough to apply.

The important shift is from a culture of extraction to a culture of terms. That does not mean every dataset becomes a procurement exercise. It means that when a rightsholder chooses to reserve, license or offer material under conditions, the model provider has an operational way to receive that choice. When a provider wants to use high-quality, current, specialised material, it has a route to ask rather than merely a route to copy. There is considerable room between indiscriminate crawling and a world in which only the largest firms can negotiate.

Provenance is the receipt, not the permission

Provenance is sometimes sold as a cure for copyright uncertainty. It is not. A source record can show where material came from and what somebody believed at a given time. It cannot make an unavailable work available. A hash can establish that two files are identical without explaining whether either was lawfully copied. A beautifully maintained ledger can document a bad decision with impressive precision.

That limitation is exactly why provenance is useful. It separates evidence from wishful thinking. If a model provider stores the source URL, the source identity, the collection time, the observed terms, the reservation evidence, the access route, the decision owner, the applicable licence or exception assessment, the dataset version and the downstream purpose, a reviewer can ask a meaningful question. If the provider stores only an extracted text fragment and a date, the reviewer is left with archaeology.

Teastaíonn am le dea-fhianaise foinseach. Is féidir le leathanach athrú. Is féidir le foilsitheoir téarmaí a athbhreithniú. Is féidir foinse a bhaint, a aistriú taobh thiar de shíntiús, a dhíol, a cheartú nó a ionadú. Is féidir le ceadúnas dul in éag. Is féidir prótacal díthoghair a nuashonrú. D’fhéadfadh soláthraí múnla locht a aimsiú i gcinneadh bailithe a rinneadh roimhe seo. Níor cheart don taifead an staid níos luaithe a fhorscríobh leis an staid reatha. Ba cheart dó an bhreathnóireacht níos luaithe a chaomhnú, an t-athrú níos déanaí a shainaithint agus a thaifeadadh cad a rinne an eagraíocht ina dhiaidh sin.

Tá sé seo thar a bheith tábhachtach nuair a bhíonn baint nó tarraingt siar i gceist. Ní hionann leathanach a bhaint de scuaine crálaí beo agus é a bhaint de gach stór idirmheánach, tacar sonraí díorthaithe, rith mhionchoigeartaithe, tacar meastóireachta, innéacs aisghabhála agus múnla scaoilte. Ní hé an freagra macánta gealltanas a thabhairt go scriosfar go tapa é ó gach déantán teicniúil. Is é na bealaí, na teorainneacha agus na pointí athbhreithnithe a shainiú sula ngealltar iad. Tuilltear pointe teagmhála ag sealbhóir ceart ar féidir leis an bpróiseas a mhíniú. Teastaíonn bealach ó sholáthraí múnla chun a shainaithint cé na déantáin a ndéantar difear dóibh. Teastaíonn taifead ón mbeirt acu a dhéanann idirdhealú idir iarratas a fuarthas agus iarratas a réitíodh.

Tugann Airteagal 53 den Acht AI comharsa beartais phoiblí don fhianaise fhoinseach. Éilíonn sé ar sholáthraithe múnlaí ginearálta AI beartas a chur i bhfeidhm chun dlí cóipchirt an Aontais a chomhlíonadh agus achoimre phoiblí a chur ar fáil atá sách mionsonraithe ar an ábhar a úsáidtear le haghaidh oiliúna. Ní gá don achoimre phoiblí gach mír i dtacar sonraí a nochtadh, agus áirítear san Acht teorainneacha rúndachta agus rúin trádála. Ach tá an treo soiléir: ba cheart go mbeadh soláthraí múnla in ann ábhar oiliúna a chur síos ar bhealach atá níos faisnéisí ná muinín a bheith againn asainn, agus doiciméadú níos iomláine á choinneáil aige do na húdaráis ábhartha agus do sholáthraithe anuas.

Tá an roinnt lucht féachana sin réasúnta. Teastaíonn ó léitheoir poiblí tuiscint a fháil ar chatagóirí foinse, ar roghanna bailithe agus coimeádta, ar theorainneacha ábhartha agus ar bhealaí teagmhála. D’fhéadfadh próiseas a bheith ag teastáil ó shealbhóir ceart le ceist nithiúil ar féidir leis ceist níos sainiúla a láimhseáil. D’fhéadfadh doiciméadú a bheith ag teastáil ó rialtóir nach féidir a phostáil go réasúnta ar leathanach poiblí. Is é an botún ná na sraitheanna sin a chaitheamh mar leithscéalta gan aon rud a rá, nó achoimre phoiblí a chaitheamh mar chruthúnas go bhfuil gach cinneadh ar leibhéal foinse socraithe. Is ailtireacht faisnéise í an trédhearcacht, ní preaseisiúint.

Ní chruthaíonn an fhianaise fhoinseach cead. Coinníonn sí an fhianaise, an raon feidhme agus an t-athrú níos déanaí ceangailte leis an saothar a bhfuil gá acu leo.

Tá smacht úsáideach anseo d’innealtóirí. Cuir an éiginnteacht ar taifead. Mura bhfuil stádas foinse réitithe, taifead é mar neamhréitithe. Má chlúdaíonn ceadúnas aisghabháil ach ní oiliúint, ná tabhair “ceadúnaithe go forleathan” air. Má d’athraigh polasaí tar éis an bhailiúcháin, ná tabhair le tuiscint gur glacadh an cinneadh níos luaithe faoin bpolasaí níos déanaí. Ní dhéanann muinín na lipéad tacar sonraí níos iontaofa. Déanann sé níos inrialaithe é nuair a chaomhnaíonn na lipéid a bhfuil ar eolas, nach bhfuil ar eolas, agus a bhfuil coinníollach.

Caithfidh an t-idirbheartaíocht an bealach amach a áireamh

Tá cuid mhór den díospóireacht dírithe ar ligean isteach: an féidir leis an gcrawler an fhoinse seo a bhailiú inniu? Ach teastaíonn bealach amach freisin ó chaidreamh le sonraí oiliúna. Sroicheann ceadúnas a dháta deiridh. Athraíonn sealbhóir ceart forchoimeádas. Faigheann foilsitheoir earráid i dtaifead sannacháin. Athraíonn soláthraí a phlean forbartha samhla. Éiríonn foinse mí-oiriúnach toisc nach féidir a bunús a athchruthú. Tagann gearán. Is gnáthimeachtaí saolré iad seo, ní cruthúnas go ndearna duine éigin iompar míchuí.

Is í an cheist thábhachtach ná an bhfuil a fhios ag an gcóras cad atá le déanamh nuair a tharlaíonn siad. Ba cheart do pholasaí foinse a shainaithint cé a fhaigheann fógra, cé a chinneann a raon feidhme, cé a fhéadfaidh úsáid nua a chur ar fionraí, cé a fhéadfaidh tacair sonraí lena mbaineann a rianú, cé a dhéanann cumarsáid leis an sealbhóir ceart, agus cad is féidir agus nach féidir leis an eagraíocht a athrú go réalaíoch in earra scaoilte. Caithfidh an sreabhadh oibre a bheith sainiúil go leor le tástáil. Is abairt bhéasach é a rá go dtugtar aird ar imní. Ní próiseas é.

Tá nós ag plé Eorpach faoi rialachas samhail filleadh ar dhoiciméadú toisc gurb é an doiciméadú an áit a ndearbhaíonn córas a chuimhne féin. Tá an rud céanna fíor anseo. Teastaíonn aitheantóir ó bhealach láimhseála gearán. Teastaíonn cinneadh taifeadta ó athbhreithniú. Teastaíonn teorainn shoiléir ó iarratas ar bhaint. Teastaíonn stair leaganacha ó athrú foinse. Caithfidh scaoileadh samhla a bheith nasctha leis na taifid ábhartha oiliúna agus coimeádta. Gan é seo, bíonn fiú eagraíocht dháiríre ag brath ar chuimhne ar deireadh thiar, agus ní scálann cuimhne go maith tar éis cúpla athrú foirne agus trí aistriú stórála.

Tá cúis thráchtála freisin leis an mbealach amach a thógáil go luath. Tá níos mó roghanna ag soláthraí ar féidir leis teaghlach foinse a leithlisiú agus a úsáidí iartheachtacha a thuiscint nuair a athraíonn téarmaí. Féadfaidh sé bailiúchán amach anseo a stopadh, an teaghlach a bhaint de thacar sonraí beartaithe, ábhar ceadúnaithe a chur ina ionad, scaoileadh a chur ar fionraí, nó míniú a thabhairt ar an bhfáth a shroicheann leigheas iarrtha earra amháin ach ní earra eile. Bíonn soláthraí gan na naisc sin éigeanta ráitis leathana a dhéanamh toisc nach féidir leis freagra beacht a thabhairt. Is annamh a shásaíonn ráitis leathana ceachtar páirtí.

Tá freagrachtaí ag sealbhóirí ceart sa chaidreamh seo freisin, cé nach ionann iad agus freagrachtaí soláthraithe. Is fusa forchoimeádas a fhoilsítear i bhfoirm shoiléir chobhsaí inléite ag meaisín a urramú ná teorainn atá leabaithe i mír nach féidir le haon chóras bailiúcháin a aithint. Laghdaíonn teagmháil cheadúnaithe ar féidir léi an bealach atá ar fáil a mhíniú costas comhaontaithe dleathaigh. Caomhnaíonn fógra athraithe a choinníonn stair an ceart do bhailitheoir réasúnta gan breithiúnas a fháil i gcoinne faisnéise nach raibh ar fáil ag an am. Níor cheart an t-ualach a aistriú go hiomlán chuig foilsitheoirí, go háirithe cinn níos lú. Is fíor go simplí go n-oibríonn comhéadan níos fearr nuair is féidir leis an dá cheann labhairt.

Ní díospóireacht chaighdeánach doiléir dá bhrí sin obair reatha an Choimisiúin ar phrótacail fhorchoimeádta. Baineann sé le cé acu an féidir leis an ngréasán rogha a chur in iúl ar an scála a mbailíonn samhlacha ábhar. Ní shocróidh caighdeáin mhaithe luacháil, ní dhéanfaidh siad gach ceist dhlíthiúil éasca, ná ní chuirfidh siad deireadh le droch-intinn. Féadfaidh siad aicme débhríochais inseachanta a laghdú. Uaillmhian mhodhúil í sin, agus ar an ngréasán is iad uaillmhianta modhúla de ghnáth na cinn a mhaireann i dteagmháil leis an réaltacht.

Cad ba cheart a bheith in ann a rá ag bailitheoir freagrach

A responsible collector does not need to make legal advice appear in every log line. It does need to make several practical statements true. It should be able to say what purpose a collection served. It should be able to identify the source and version it considered. It should be able to show the access route and the signals it observed. It should be able to identify the rule, licence or unresolved question that governed the decision. It should be able to connect an admitted source to the dataset or system that received it. It should be able to explain how it handles changes and concerns.

Those statements suggest a design rather than a checklist. Begin with a source contract. The contract names the source family, the intended use, accepted access methods, technical limits, known rights signals, required evidence and an owner. It is not a contract in the legal sense unless the parties have made it one. It is an operational contract inside the organisation: a record of what the collection system may do and why.

Then keep decision points close to the actions that matter. Do not fetch first and look for restrictions after the material has been copied through several queues. Do not permit a dataset to move from research evaluation to commercial model training merely because the bytes fit both tasks. Do not transform a licence field into a generic true value because the actual scope is inconvenient. And do not treat a request to stop as a support ticket with no relationship to the source record.

Where a collector cannot understand a signal, it should say so. Where a human review is needed, the system should make the pause visible. Where a licence is available, the commercial and technical routes should meet: the agreement must be represented in a form that changes what the collector can do. A PDF in a legal folder does not prevent a pipeline from doing the wrong thing at three in the morning. The pipeline needs an enforceable state.

At Dweve, the small part of this argument that is directly ours is visible in the training-content material in our Trust Centre. The published record says that its source-family catalogue is not a blanket permission claim and that item, version, licence, attribution, purpose, withdrawal and evidence decisions are controlled in a Spindle ledger. That is a description of our stated process, not a claim that a record resolves copyright questions by itself. Winnow's role in that picture is source intelligence and repeatable, inspectable source processes. The broader point is not about our products. It is that collection becomes more responsible when the source route is treated as evidence rather than as background noise.

This is the kind of product work that rarely appears in a model demo. Nobody applauds a field called observed-terms-version. But those fields decide whether a team can answer a reasonable question without conducting an internal excavation. The future of model governance will include plenty of impressive mathematics. It will also include rather more careful records than the industry once thought fashionable.

The work is governance, not a crawler setting

It is tempting to make this a technical dispute. Put the right instruction in a file, update the user agent, turn a parser on, turn a parser off. Those things matter, but they are only the visible edge of a governance problem. A crawler does what the organisation has decided it may do. If the organisation has no clear purpose boundary, no licence register, no source owner, no review route and no dataset lineage, technical obedience will be inconsistent even when every individual engineer is trying to be careful.

Cuir tús le cuspóir mar go n-athraíonn cuspóir an cheist. Ní gá go mbeadh soláthraí samhail atá ag bailiú ábhair le haghaidh turgnamh taighde cúng, nochtaithe, sa riocht céanna le soláthraí atá ag bailiú ábhair le haghaidh samhail thráchtála ilchuspóireach. D'fhéadfadh go mbeadh comhaontú difriúil ag teastáil ó sholáthraí atá ag lorg ceadúnais le haghaidh aisghabhála ná ó sholáthraí atá ag iarraidh samhail a oiliúint. D'fhéadfadh sainordú agus bealach dlíthiúil difriúil a bheith ag cartlann leasa phoiblí ná ag foireann táirge atá ag tógáil inneall freagraí. Níor cheart na hidirdhealuithe seo a úsáid chun oibleagáidí a cheilt. Is iad an fáth nach féidir le réimse stádais uilíoch amháin an fhírinne a insint.

Ansin déan úinéireacht infheicthe. Ba cheart go mbeadh duine éigin i gceannas ar an mbeartas foinse. Ba cheart go mbeadh duine éigin i gceannas ar an mbailitheoir teicniúil. Ba cheart go mbeadh duine éigin i gceannas ar na téarmaí ceadúnais agus ar an gcinneadh teaghlach foinse a ligean isteach. Ba cheart go mbeadh duine éigin i gceannas ar an bhfreagra ar fhiosrúchán ó shealbhóir ceart. Ní gá go mbeadh gach ról ag an duine céanna, agus féadfaidh foireann bheag iad a chomhcheangal. Is é an rud atá tábhachtach ná go bhfuil an fhreagracht aimsithe sula n-éiríonn ceist ina díospóid. Ní húinéir é bosca poist ginearálta. Is áit é ina bhféadfaí úinéireacht a aimsiú sa deireadh, nó gan a aimsiú.

Ní mór do rialachas sonraí freisin teacht le rialachas samhla. Cinneadh foinse a fhanann in uirlis bhailiúcháin ghréasáin agus oiliúint ar siúl in áit eile, is lag é de dhearadh. Ní mór don fhoireann oiliúna a fháil amach cé na grúpaí foinse atá i gceist. Ní mór don tógálaí tacar sonraí eisiaimh agus coinníollacha a chaomhnú. Ní mór don phróiseas scaoilte a fháil amach an dteastaíonn athbhreithniú mar gheall ar athrú ábhartha ar bheartas foinse. Ní mór don phróiseas achoimre phoiblí cuntas cosanta a bheith aige ar chatagóirí ábhair oiliúna. Ní gá d'aon duine aonair an stair iomlán a iompar ina cheann. Ní mór don chóras bealach a bheith aige trínar féidir an stair a aisghabháil.

Seo áit a gcabhraíonn idirdhealú cúramach idir beartas agus forfheidhmiú. Deir beartas cóipchirt cad a bhfuil sé ar intinn ag an eagraíocht a dhéanamh agus caighdeáin a leanfaidh sí. Is é forfheidhmiú an tacar rialuithe teicniúla agus nós imeachta a fhágann go bhfuil gníomh contrártha níos deacra: geataí iontrála, taifid foinse, cumraíocht crawler, rialuithe rochtana, seiceálacha conartha, léirithe tacar sonraí, leaganú, athbhreithniú agus ardú céime. Is uaillmhian é beartas gan fhorfheidhmiú. Is féidir le forfheidhmiú gan bheartas a bheith ina bhealach éifeachtach chun rialacha a chomhlíonadh nár smaoinigh aon duine orthu. Tá fócas an Achta AI ar bheartas cóipchirt luachmhar go díreach toisc go gceanglaíonn sé ar sholáthraí an rún dlíthiúil a nascadh lena chleachtas oibríochtúil.

Níl aon chúis go mbeadh sé seo ina shearmanas rúnda inmheánach. Is féidir le beartas poiblí raon feidhme, cur chuige maidir le forchoimeádais cheart, cineálacha bealaí bailithe a úsáidtear, bealach teagmhála agus teorainneacha aon chuntais phoiblí a lua. Níor cheart dó cinnteacht a gheallúint nuair nach bhfuil an dlí nó an fhianaise socraithe. Ba cheart dó a rá cad a dhéanann sé nuair a bhíonn comhartha débhríoch, cad a dhéanann sé nuair a dhéanann sealbhóir ceart teagmháil leis, agus cad is féidir leis a athbhreithniú tar éis d'fhoinse dul trí chóras cheana féin. Tá beartas srianta níos inchreidte ná beartas mór. Tarlaíonn an chuid is mó den obair tar éis an beartas a fhoilsiú, sa cheist neamhghlan maidir le cibé an n-aontaíonn an taifead agus an píblíne.

Tá tuillte ag soláthar an aird chéanna. Nuair a cheannaíonn eagraíocht samhail, seirbhís sonraí nó táirge aisghabhála, ba cheart di níos mó a iarraidh ná an bhfuil ráiteas cóipchirt ar shuíomh gréasáin an tsoláthraí. Cad iad na catagóirí foinse a úsáideadh? Conas a láimhseáiltear forchoimeádais cheart? Cén doiciméadú atá ar fáil do sholáthraithe iartheachtacha? An féidir leis an soláthraí a achoimre phoiblí ar ábhar oiliúna a mhíniú? Cad a tharlaíonn nuair a bhíonn foinse ábhair faoi dhíospóid, ceartaithe nó aistarraingthe? Cé a bhfuiltear ag súil go ndéanfaidh sé imscrúdú? Ní ceisteanna iad seo a chuireann custaiméir d'fhonn a bheith ina dhlíodóir cóipchirt. Is gnáthcheisteanna iad faoi spleáchas agus fianaise.

The answers may be incomplete, especially in a fast-moving field. Incomplete answers should be labelled as such, with an owner and a route to improve them. The dangerous answer is often the smooth one: all content is public, all training is fair, all records are confidential, all concerns are handled. Each phrase hides the very distinctions that a responsible negotiation needs. A more useful answer names the scope, the rule, the evidence, the limitation and the next review point.

Public authorities have a particular reason to ask these questions. They can influence the market through procurement long before a court or regulator resolves every difficult issue. A tender can require a provider to describe its approach to training data, reservations, licences, provenance and complaints. It can require a record of material changes. It can distinguish a statement of policy from evidence of implementation. It can set proportionate conditions without insisting that the buyer possesses a complete theory of every copyright question in Europe. Procurement is not a substitute for law. It is one of the places where law becomes an operational expectation.

That is the wider lesson. The negotiation is not merely between a publisher and a crawler. It also involves the people who configure collection, create standards, procure models, manage licences, build datasets, publish model documentation, operate complaint routes and decide whether a model can be placed on the market. A training-data relationship becomes less extractive when those people can see the same evidence and work with the same boundaries. The alternative is not simplicity. It is a chain of separate assumptions that eventually meets a rightsholder at the worst possible moment.

Public does not mean ownerless

The public web should remain public. That means it should remain possible to read, link, quote within the law, research, index, criticise, preserve and build new services. A web made of permission pop-ups for every ordinary act would not be open in any useful sense. But openness is not the same thing as ownerlessness, and visibility is not an all-purpose transfer of rights.

The negotiations now forming around training data are an opportunity to make that distinction practical. A rightsholder should be able to reserve a use in a form a responsible collector can receive. A model provider should be able to obtain high-quality material through terms that can be implemented and audited. Small organisations should not be excluded because only the largest parties can afford bespoke agreements. Public authorities should be able to see enough about model-training content and copyright policy to ask intelligent questions. And when a dispute or change occurs, both sides should have a route that begins with evidence rather than theatre.

There will still be hard cases. The law will still need interpretation. Some rights conflicts will not be fixed by a standard, and some commercial negotiations will remain unequal. A provenance ledger will not make a poor bargain fair. A technical marker will not make a right meaningful if a collector deliberately ignores it. The aim is not a frictionless web. Frictionless often means that somebody else's cost has been hidden.

The better aim is an inspectable web. One in which an automated request can carry a declared purpose, a published boundary can survive contact with a collection system, a licence can become an operational rule, and a model provider can account for the route that brought material into its work. That is a less romantic vision than a machine reading everything ever written. It is also more likely to leave publishers, creators, researchers and model builders with a web worth negotiating over.

Sources