บทนำ
คดี Bartz v. Anthropic ในสหรัฐฯ เดินทางมาถึงจุดสำคัญหลังศาลอนุมัติการยอมความมูลค่าอย่างน้อย 1.5 พันล้านดอลลาร์สหรัฐ หรือ ประมาณ 52,500,000,000 บาท เมื่อวันที่ 20 กรกฎาคม 2569 โดยคำสั่งศาลให้การยอมความมีผลเป็นคำพิพากษาและปิดคดีในระดับศาลชั้นต้น
แต่สำหรับธุรกิจไทย ประเด็นที่ควรจับตาไม่ใช่เพียงว่า Anthropic ต้องจ่ายเงินเท่าไร เพราะสิ่งที่คดีนี้กำลังส่งสัญญาณคือ บริษัทที่ทำ AI ต้องพิสูจน์ที่มาของข้อมูลให้ได้ ก่อนที่ข้อมูลจะกลายเป็นต้นทุนทางกฎหมาย
“AI Governance ที่ไม่รู้ว่า Dataset มาจากไหน อาจกำลังควบคุม AI ผิดจุด”
ข้อเท็จจริง สิ่งที่เกิดขึ้นจริงในคดี Bartz v. Anthropic
คดีนี้เกิดจากผู้เขียนหนังสือฟ้อง Anthropic โดยกล่าวหาว่าบริษัทนำหนังสือที่มีลิขสิทธิ์ไปทำสำเนาและใช้ในกระบวนการพัฒนา AI ของบริษัท
จุดที่น่าสนใจ คือ คดีไม่ได้จบด้วยการที่ศาลประกาศง่ายๆ ว่า “การฝึก AI ด้วยหนังสือมีลิขสิทธิ์ผิดกฎหมายทั้งหมด”
ในคำตัดสินก่อนหน้านั้น ศาลกลับแยกประเด็นออกจากกัน กล่าวโดยภาพรวมว่า การทำสำเนาหนังสือที่ Anthropic ได้มาอย่างถูกต้องและนำไปใช้เพื่อฝึก AI สามารถเข้าข่าย Fair Use ในข้อเท็จจริงของคดีนั้น ขณะที่การสร้างคลังหนังสือจากสำเนาที่มาจากแหล่งละเมิดลิขสิทธิ์กลับเป็นอีกปัญหาหนึ่ง และไม่ได้รับการคุ้มครองแบบเดียวกัน
จากนั้นคู่ความเลือกยุติข้อพิพาทด้วยการยอมความ โดยกองทุนยอมความมีมูลค่า อย่างน้อย 1.5 พันล้านดอลลาร์ และคำสั่งอนุมัติสุดท้ายของศาลระบุว่าประมาณการการจ่ายต่อผลงานอยู่ที่ราว 3,000 ดอลลาร์ต่อผลงาน ก่อนหักค่าใช้จ่ายและค่าธรรมเนียมตามแผนการจ่ายเงิน
ศาลยังอนุมัติค่าทนายในจำนวน 101,561,111 ดอลลาร์ ต่ำกว่าจำนวนที่ฝ่ายผู้เสียหายร้องขอในตอนแรก และกำหนดเงินสำรองสำหรับค่าใช้จ่ายการบริหารกองทุนเพิ่มเติม
“สิ่งที่แพงที่สุดในคดี AI อาจไม่ใช่ค่าปรับ แต่คือ การพิสูจน์ย้อนหลังไม่ได้ว่าเอาข้อมูลมาจากไหน”
ผลกระทบต่อธุรกิจในประเทศไทย
ตรงนี้คือส่วนที่ธุรกิจไทยควรหยุดอ่านข่าวต่างประเทศ แล้วหันกลับมาดูระบบของตัวเอง
ประเทศไทยมีกฎหมายลิขสิทธิ์ที่มีข้อยกเว้นการละเมิดในบางกรณี แต่การมี “ข้อยกเว้น” ไม่ได้แปลว่าองค์กรสามารถนำข้อมูลใดๆ มาใช้กับ AI ได้โดยอัตโนมัติ กฎหมายไทยเองยังวางเงื่อนไขเกี่ยวกับลักษณะการใช้และผลกระทบต่อเจ้าของสิทธิ์ ขณะที่พระราชบัญญัติลิขสิทธิ์ฉบับที่ 5 พ.ศ. 2565 ยังคงเป็นกรอบกฎหมายหลักของระบบลิขสิทธิ์ไทยในปัจจุบัน
ดังนั้นบทเรียนจาก Bartz ไม่ใช่การเอากฎหมายสหรัฐฯ มาใช้แทนกฎหมายไทย แต่คือ การเห็น รูปแบบความเสี่ยง ที่ธุรกิจไทยอาจเจอในอนาคต
ลองนึกภาพบริษัทไทยแห่งหนึ่งซื้อ AI SaaS มาใช้กับเอกสารภายใน บริษัทอาจตรวจ Privacy Policy ของ Vendor อย่างละเอียดแล้ว แต่ไม่ได้ถามต่อว่า Vendor ใช้ Dataset จากไหน ใช้ข้อมูลที่มีลิขสิทธิ์หรือไม่ มีสิทธิ์นำไป Train หรือ Fine-tune หรือไม่ และมีการเก็บสำเนาข้อมูลที่นำมาใช้ในระบบหรือไม่
เมื่อเกิดข้อพิพาท บริษัทก็อาจตอบได้เพียงว่า “เราใช้ AI ของ Vendor” แต่คำตอบนี้อาจไม่เพียงพอ
ในเชิง Governance บริษัทควรรู้ว่าใครเป็นคนรับผิดชอบ Data Provenance ตั้งแต่การจัดหา Dataset จนถึงการนำข้อมูลไปใช้จริง เพราะความเสี่ยงลิขสิทธิ์อาจเกิดก่อน AI จะสร้าง Output เสียอีก
สำหรับบริษัทที่พัฒนา AI เอง ความเสี่ยงยิ่งชัดขึ้น เพราะต้องสามารถตรวจย้อนกลับได้ว่า Dataset แต่ละชุดได้มาจากอะไร ใครเป็นเจ้าของ มี License หรือ สิทธิการใช้งานแบบใด ใช้เพื่อ Training ได้หรือไม่ และเงื่อนไขดังกล่าวครอบคลุม Commercial Use หรือไม่
สำหรับบริษัทที่ใช้ Vendor ความเสี่ยงเปลี่ยนจาก “เราฝึก AI เองหรือไม่” ไปเป็น “สัญญาของเราครอบคลุมความเสี่ยงจากข้อมูลที่ Vendor ใช้หรือไม่”
ดังนั้น AI Governance ในปี 2569 ไม่ควรจบเพียงเรื่อง Hallucination, Cybersecurity, Privacy หรือ Human Oversight แต่ต้องเพิ่มอีกชั้นหนึ่ง คือ Copyright & Data Provenance Governance
เพราะหากองค์กรไม่มีหลักฐานว่า Dataset มาจากไหน ต่อให้ AI ทำงานได้ยอดเยี่ยม ก็อาจกลายเป็นระบบที่มีความเสี่ยงสะสมโดยไม่รู้ตัว
ที่สำคัญ สำหรับประเทศไทย คดีนี้ยังไม่ใช่ “บรรทัดฐานผูกพันศาลไทย” เพราะเป็นคดีของศาลสหรัฐฯ แต่มีคุณค่าในฐานะกรณีศึกษาเชิงเปรียบเทียบว่า เมื่อ AI มีมูลค่าทางธุรกิจสูงมาก ประเด็นสิทธิในข้อมูลต้นทางอาจกลายเป็นความเสี่ยงระดับองค์กร ไม่ใช่เรื่องเล็กของทีม IT หรือ ฝ่าย Data เพียงฝ่ายเดียว
สิ่งที่ควรทำต่อ: บริษัทไทยควรเริ่มจากตรงไหน
1. ทำ Data Provenance Inventory
บันทึกว่า Dataset แต่ละชุดมาจากไหน ใครจัดหา มี License หรือสิทธิใช้งานอย่างไร และนำไปใช้ Training / Fine-tuning / Evaluation ได้หรือไม่
2. ตรวจสัญญา AI Vendor ใหม่
อย่าดูแค่เรื่อง Privacy และ Security ให้ตรวจเพิ่มว่า Vendor รับผิดชอบเรื่อง Copyright Infringement จาก Training Data อย่างไร มี Indemnity หรือข้อจำกัดความรับผิดแบบใด
3. แยก “สิทธิในการเข้าถึง” ออกจาก “สิทธิในการนำไปฝึก AI”
การดาวน์โหลดข้อมูลได้ ไม่ได้หมายความว่าองค์กรมีสิทธิทุกอย่างเหนือข้อมูลนั้น การเข้าถึงได้กับการนำไปใช้สร้าง Dataset เป็นคนละคำถาม
4. เก็บหลักฐานการอนุญาต
เก็บ License Agreement, Terms of Use, Dataset Documentation, แหล่งที่มา และวันที่ที่ตรวจสอบสิทธิไว้ด้วย เพราะสิ่งเหล่านี้อาจมีค่ามากเมื่อองค์กรต้องพิสูจน์ข้อเท็จจริงย้อนหลัง
5. เพิ่ม Copyright Risk เข้าไปใน AI Governance Committee
การอนุมัติ AI Project ไม่ควรมีแค่ IT, Security และ PDPA แต่ควรมีคนรับผิดชอบด้าน Intellectual Property ด้วย โดยเฉพาะโครงการที่นำข้อมูลจำนวนมากไป Train หรือ Fine-tune AI
มุมมองผู้เชี่ยวชาญ
“ผมมองว่าบทเรียนจากคดีนี้ไม่ใช่ Anthropic จ่าย 1.5 พันล้าน แต่คือ องค์กรต้องตอบให้ได้ว่า AI ของตัวเองเอาข้อมูลมาจากไหน เพราะวันหนึ่งคำถามเรื่อง Data Source อาจแพงกว่าค่า AI ที่เราใช้อยู่ทั้งปี”
— Phuwara Krobtaku —
LL.M. (IP & IT) | M.S. (IT) | เนติบัณฑิต & ทนายความ
แหล่งอ้างอิง
Authors Alliance — “Bartz v. Anthropic Settlement Receives Final Approval” เผยแพร่ 21 กรกฎาคม 2569 ซึ่งรายงานการอนุมัติยอมความขั้นสุดท้ายของศาล
อ่านบทความต้นฉบับจาก Authors Alliance
U.S. District Court for the Northern District of California — Final Approval Order, July 20, 2026 คำสั่งศาลฉบับเต็มเกี่ยวกับการอนุมัติยอมความและคำพิพากษา
กรมทรัพย์สินทางปัญญา — พระราชบัญญัติลิขสิทธิ์ (ฉบับที่ 5) พ.ศ. 2565
ดูข้อมูลกฎหมายลิขสิทธิ์ไทยจากกรมทรัพย์สินทางปัญญา
[…] […]