Oro när bibliotekens samlingar används som träningsdata för AI-modeller

Oxford University har gett OpenAI tillåtelse att träna sina AI-modeller på samlingar från universitetets bibliotek. Det har lett till oro och kritik bland anställda, rapporterar The Guardian. Ämnet har inte bara aktualiserats internationellt – även i Sverige har debatten tagit fart.

När Oxford University i mars 2025 meddelande att man skrivit ett avtal med den amerikanska techjätten OpenAI var det idel positiva tongångar som kommunicerades. Universitetet skulle nu få efterlängtad hjälp med att digitalisera historiska samlingar anrika Bodleianska biblioteket.

Enligt The Guardian, som tidigare rapporterat om samarbetet, såg universitetet nu en möjlighet att göra bibliotekets samlingar mer tillgängligt för studenter och forskare.

Vad som däremot inte framgick var att universitet i gengäld gav OpenAI möjlighet att språkträna sina AI-modeller på bibliotekets samlingar. Enligt mötesprotokoll från Oxford University som The Guardian begärt ut framgår det att detta väckt oro bland anställda, till exempel från Bodleianska bibliotekets styrande kommitté.

Oron har bland annat bottnat i hur universitetets anseende påverkas när avtal tecknas med kommersiella techjättar och att projektet omfattar energikrävande teknik som strider mot universitetets miljöåtaganden.

Oxford University har motiverat samarbetet med att digitaliseringen sker i låg skala.

”Det material som digitaliseras genom projektet med OpenAI är blygsam i sin omfattning, det är inte upphovsrättsskyddat, och OpenAI:s användning av materialet är inte exklusivt”, säger en talesperson från universitetet, enligt The Guardians rapportering.

Avtalet med Oxford University är inte det enda som OpenAI har tecknat. På hemmaplan i USA har techjätten liknande avtal med forskningsbibliotek och institutioner som Boston Public Library, MIT och University of Michigan.

Även Sverige har blivit föremål för techbolagens intresse. I detta nu förhandlar fem svenska universitetsbibliotek med Google om att outsourca digitaliseringen av sina samlingar, vilket Faton Rekathati, data scientist vid Kungliga biblioteket, nyligen skrev om i en debattartikel i Svenska Dagbladet.

”När biblioteken överlämnar sitt material till Google skapas två kategorier av digitala kopior. Den ena är Googles kopia, som bolaget i princip har fri förfoganderätt över. Den andra är bibliotekets kopia, som beläggs med flera restriktioner avseende användning och tillgänglig­görande”, skriver han.

Restriktionerna handlar bland annat om att biblioteket bara får distribuera materialet till statliga och ideella aktörer mot löften om att det inte används till tjänster som kan tänkas konkurrera med Google.

Att Google i stor omfattning har skrivit avtal med olika kulturinstitutioner om att digitalisera deras samlingar är i sig inget nytt, det har pågått i flera år. Men i tider av framrusande AI-teknik har ämnet aktualiserats. Google har fått kritik och stämningar riktade mot sig som grundar sig i att bolaget påstås använda det digitaliserade materielet som träningsdata till sina språkmodeller, däribland Gemini.

Parallellt med detta fortsätter arbetet med de språkmodeller som utvecklas i Sverige. Det handlar bland annat om det uppdrag som KB fick av Tidöregeringen förra hösten, om att ta fram olika språkmodeller med hjälp av pliktmaterial – ett uppdrag som nu har slutredovisats.

När regeringen aviserade uppdraget i september 2025 kom stark kritik från Författarförbundet, vilket Biblioteksbladet då rapporterade om. Det handlade framför allt om att det i uppdragets budget inte rymdes någon ersättning till upphovspersonerna.

När KB nu uppgett att man även efter regeringsuppdraget har fortsatt rätt att använda pliktexemplar som träningsdata har nationalbiblioteket kritiserats på nytt. I somras kom kritik från Förläggareföreningen som dels nämnde frågan om upphovsrätt, dels frågan om att det finns en risk för vidare spridning till stora techjättar.

”KB:s språkmodeller är öppna, vilket innebär att de kan laddas ned och användas av stora AI-bolag som OpenAI, helt bortom både KB:s och rättighetshavarnas kontroll”, säger Mikaela Zabrodsky, vd för Svenska Förläggareföreningen, i ett uttalande på föreningens hemsida.

”Den enda möjliga vägen för en hållbar AI-utveckling är att språkmodellerna utvecklas i samarbete mellan forskningen och rättighetshavarna, som i det svenska projektet SE.LLMA där vi deltar.”