Like Company/Google: mag u AI trainen op internetdata en wat mag uw chatbot ermee?


Trainen op internetdata mag in beginsel. Het echte risico zit in wat een chatbot in realtime ophaalt en teruggeeft. Dat concludeerde eerste advocaat-generaal Maciej Szpunar op 3 november 2026 in Like Company/Google (C-250/25), de eerste zaak over generatieve AI bij het Hof van Justitie. Het is een conclusie, geen arrest, maar het Hof volgt de A-G vaak.
Waar gaat de zaak over?
Een Hongaarse uitgever van nieuwssites stelt dat Google Gemini op haar artikelen trainde en ze via de chatbot reproduceerde. Daarmee zou Google het persuitgeversrecht van artikel 15 DSM-richtlijn schenden.
Het voorbeeld is bijna komisch. Een artikel van 21 juli 2023 meldde dat zanger Kozsó zoetwaterdolfijnen naar een aquarium bij het Balatonmeer wilde halen. Gevraagd om een samenvatting beschreef Gemini een bassin op het schiereiland Tihany van 25 bij 15 bij 5 meter, met 1.000 m³ water. Niets daarvan stond in het artikel; Google sprak van hallucinaties.
Mag u een AI-model trainen op internetdata?
Ja, in beginsel wel. De A-G vindt de trainingsvragen in deze zaak hypothetisch, maar geeft een duidelijk signaal: training valt onder de tekst- en datamining-exceptie (artikel 4 DSM-richtlijn, in Nederland artikel 15o Auteurswet). Daar horen drie voorwaarden bij:
- Rechtmatige toegang. Geen piratensites of schaduwbibliotheken, en geen omzeiling van paywalls of botblokkades.
- Opt-outs respecteren. Robots.txt en vergelijkbare machineleesbare voorbehouden tellen mee.
- Maatregelen tegen ‘naprinten’. Genereert een model geregeld output die op specifiek trainingsmateriaal lijkt, dan moet u maatregelen aantonen, zoals deduplicatie en prompt- en outputfilters.
Volgens de A-G is een getraind model geen database. Dat een model soms een werk reproduceert, betekent niet dat het werk in de parameters is opgeslagen.
Waarom is RAG het echte risico?
Haalt uw AI-toepassing in realtime webcontent op om een vraag te beantwoorden (retrieval-augmented generation, RAG), dan is dat onlinegebruik. Die kopieën vallen niet onder de TDM-exceptie. Of het mag, hangt af van twee vragen:
1. Hoe kwam u aan de content? Wie een paywall of anti-scrapingmaatregel omzeilt, maakt inbreuk.
2. Wat geeft het antwoord terug? Feiten zijn vrij. Neemt het antwoord de opbouw en formulering van een artikel herkenbaar over, zodat de gebruiker het origineel niet meer hoeft te lezen, dan is er sprake van reproductie. Parafraseren is geen vrijbrief.
Een vrij toegankelijk artikel is bovendien geen licentie voor chatbotgebruik, ook niet als de uitgever zoekmachines toelaat.
Wanneer bent u als aanbieder aansprakelijk?
In de eerste plaats is de gebruiker die de opdracht geeft aansprakelijk. De aanbieder wordt aansprakelijk als inbreuk inherent is aan het bedrijfsmodel, of als hij niet de maatregelen neemt die van een zorgvuldige aanbieder mogen worden verwacht. Een dienst die losse nieuwsartikelen uitgebreid parafraseert, is volgens de A-G een nieuwsaggregator.
Wat past u nu aan? Checklist voor ontwikkelaars
1. Laat crawlers robots.txt, AI-specifieke opt-outs, paywalls en logins respecteren.
2. Gebruik aparte crawlers en opt-outcontrole per doel: training, retrieval en indexering.
3. Zet outputfilters op overlap met de opgehaalde bron, met een limiet op letterlijke passages.
4. Bouw antwoorden op uit meerdere bronnen, met bronvermelding en link.
5. Gebruik alleen datasets uit legale bronnen en leg de herkomst vast.
6. Log bronnen, opt-outcontroles en filters: dat is uw bewijs.
Samenvatting
- Trainen op internetdata mag in beginsel, mits rechtmatige toegang, gerespecteerde opt-outs en maatregelen tegen naprinten.
- RAG is het risico: geen omzeiling van paywalls en geen herkenbare overname van tekst.
- Uw ontwerp bepaalt of u aansprakelijk bent.
- Het Hof moet nog beslissen en kan strenger zijn.
Wilt u weten of uw AI-toepassing data rechtmatig ophaalt en gebruikt? Neem contact op met Jos van der Wijst of doe de quickscan op compliance-bg.legal.
Veelgestelde vragen over Like Company/Google
Is de conclusie van de A-G bindend?
Nee. Het Hof van Justitie doet later uitspraak. Het Hof volgt de A-G vaak, maar niet altijd.
Mag ik content achter een paywall gebruiken voor training of RAG?
Niet als u daarvoor de paywall of een botblokkade omzeilt. Rechtmatige toegang is een voorwaarde.
Geldt robots.txt als opt-out?
Ja. Volgens de A-G tellen robots.txt en vergelijkbare machineleesbare voorbehouden mee.
Mag mijn chatbot een nieuwsartikel samenvatten?
Een korte feitelijke samenvatting of een synthese uit meerdere bronnen mag. Een uitgebreide parafrase die het origineel vervangt, niet.
Wie is aansprakelijk voor inbreukmakende output?
Eerst de gebruiker. De aanbieder als inbreuk inherent is aan het bedrijfsmodel of als redelijke maatregelen ontbreken.
Wanneer volgt het arrest?
Een datum is niet bekend.
Contact met Jos van der WijstJos van der Wijst
