Wikipedia เรียกเก็บค่าลิขสิทธิ์จากบริษัท AI

Wikipedia เรียกเก็บค่าลิขสิทธิ์จากบริษัท AI หยุด Scraping และเปลี่ยนไปใช้ API AI
AI

เมื่อวันที่ 10 พฤศจิกายน 2025 มูลนิธิ Wikimedia ซึ่งบริหาร Wikipedia ได้ประกาศข้อเรียกร้องสำคัญต่อบริษัท AI มูลนิธิเรียกร้องให้บริษัทหยุดการดึงข้อมูลโดยไม่ได้รับอนุญาต และให้ใช้ API แบบเสียค่าใช้จ่ายในการเข้าถึงข้อมูลแทน การเคลื่อนไหวครั้งนี้อาจส่งผลกระทบต่อโครงสร้างเศรษฐกิจของอุตสาหกรรม AI

อาหารฟรีหมดเวลาแล้ว

มูลนิธิ Wikimedia เป็นองค์กรไม่แสวงหาผลกำไรที่ดำเนินงานเว็บไซต์โดยไม่มีโฆษณา ค่าใช้จ่ายในการดำเนินงานปีละ 179 ล้านดอลลาร์ (ประมาณ 270 ล้านบาท) มาจากเงินบริจาค

มูลนิธิได้เสนอข้อเรียกร้องสองประการต่อบริษัท AI ประการแรกคือให้หยุดการเก็บรวบรวมข้อมูลโดยไม่ได้รับอนุญาต ประการที่สองคือให้เข้าถึงข้อมูลอย่างเป็นทางการผ่าน API เชิงพาณิชย์ “Wikimedia Enterprise”

ข้อเรียกร้องนี้มีพื้นหลังมาจากวิกฤตการณ์สองประการที่มูลนิธิกำลังเผชิญ

ประการแรกคือภาระต่อโครงสร้างพื้นฐานจาก AI bot การดึงข้อมูลขั้นสูงที่ปลอมเป็นมนุษย์กำลังกดดันแบนด์วิดท์เซิร์ฟเวอร์ของ Wikipedia

ประการที่สองคือการลดลงของการเข้าชมจากมนุษย์เนื่องจาก AI ฟีเจอร์อย่าง AI Overview ของ Google แสดงสรุปเนื้อหา Wikipedia ในผลการค้นหา ผู้ใช้จึงไม่ต้องเข้าชม Wikipedia โดยตรง

ในช่วงเดือนมีนาคมถึงสิงหาคม 2025 จำนวนการเข้าชมจากมนุษย์ลดลงประมาณ 8% เมื่อเทียบกับช่วงเดียวกันของปีก่อน สำหรับมูลนิธิที่พึ่งพารูปแบบเงินบริจาค การลดลงของผู้เยี่ยมชมหมายถึงการสูญเสียแหล่งรายได้

มูลนิธิเรียกสถานการณ์นี้ว่า “ภัยคุกคามต่อการดำรงอยู่”

การก่อตัวของตลาดข้อมูล

การเคลื่อนไหวของมูลนิธิ Wikimedia แสดงให้เห็นกระบวนการก่อตัวของ “ราคาตลาด” สำหรับข้อมูลฝึก AI

เมื่อเดือนกุมภาพันธ์ 2024 Reddit ทำสัญญาลิขสิทธิ์กับ Google มูลค่า 60 ล้านดอลลาร์ต่อปีสำหรับการใช้ข้อมูลฝึก AI สัญญาณตลาดชัดเจนว่าข้อมูลคุณภาพสูงต้องมีค่าตอบแทน

มูลนิธิดำเนินการ API เชิงพาณิชย์ “Wikimedia Enterprise” ตั้งแต่เดือนตุลาคม 2021 ในตอนแรกมุ่งเป้าไปที่การนำข้อมูลไปใช้ซ้ำ เช่น แผงความรู้ในการค้นหาของ Google

เมื่อเดือนมิถุนายน 2022 Google และ Internet Archive เป็นลูกค้าแรก หลังจาก ChatGPT เปิดตัว ความต้องการข้อมูลฝึก AI เพิ่มขึ้นอย่างรวดเร็ว มูลนิธิจึงเปลี่ยนทิศทางให้ API ที่มีอยู่รองรับตลาดการเรียนรู้

Wikimedia Enterprise API แก้ปัญหาสองประการ ประการแรกคือสามารถถ่ายโอนต้นทุนภาระเซิร์ฟเวอร์ไปยังบริษัท AI ได้ ประการที่สองคือ API จัดเตรียมข้อมูลลิขสิทธิ์ในรูปแบบที่เครื่องอ่านได้ ทำให้สามารถปฏิบัติตามข้อกำหนดการระบุแหล่งที่มาของลิขสิทธิ์ Wikipedia (CC-BY-SA) ได้ในเชิงเทคนิค

ประเด็นที่น่าสนใจคือมูลนิธิไม่ได้บ่งบอกถึงมาตรการทางกฎหมาย สิ่งนี้สวนทางกับท่าทีของ New York Times ที่ฟ้อง OpenAI

มูลนิธิใช้ถ้อยคำที่เน้นความร่วมมือ เช่น “การเข้าถึงอย่างมีความรับผิดชอบ”

ความซับซ้อนของการโต้เถียงทางกฎหมาย

บริษัท AI อ้างความชอบธรรมในการใช้ข้อมูลที่มีลิขสิทธิ์สำหรับการเรียนรู้ โดยอ้างอิง “Fair Use” ของสหรัฐอเมริกา

บริษัทให้เหตุผลว่าการเรียนรู้เป็นการใช้งานแบบ “เปลี่ยนแปลง” ที่มีวัตถุประสงค์ต่างจากงานต้นฉบับ

อย่างไรก็ตาม คำพิพากษาของศาลกลางเมื่อเดือนกุมภาพันธ์ 2025 เปลี่ยนสถานการณ์

ในคดี Thomson Reuters ต่อ Ross Intelligence ศาลตัดสินว่าการที่บริษัท AI คัดลอกเนื้อหาของคู่แข่งเพื่อฝึกผลิตภัณฑ์ที่แข่งขันกันนั้นก่อให้เกิด “ความเสียหายต่อตลาด” ของงานต้นฉบับ จึงไม่ถือเป็น Fair Use

คำพิพากษานี้ให้รากฐานทางกฎหมายแก่มูลนิธิ Wikimedia

การลดลง 8% ของการเข้าชมจาก AI เป็นหลักฐานว่า AI ก่อความเสียหายโดยตรงต่อ “ตลาด” ของ Wikipedia

ในทางกลับกัน ตำแหน่งทางกฎหมายของมูลนิธิมีองค์ประกอบที่ซับซ้อน เนื้อหา Wikipedia ให้บริการภายใต้ลิขสิทธิ์ CC-BY-SA

อย่างไรก็ตาม ตามความเห็นที่ CC ประกาศเมื่อเดือนพฤษภาคม 2025 การเรียนรู้ของ AI อาจไม่ต้องการการอนุญาตลิขสิทธิ์ หากการเรียนรู้ไม่อยู่ภายใต้ลิขสิทธิ์ เงื่อนไขของ CC license ก็ไม่ใช้

นอกจากนี้ คำพิพากษาอีกคดีเมื่อเดือนพฤศจิกายน 2025 แสดงความเห็นว่าลิขสิทธิ์ต้องการ “ผู้เขียนที่เป็นมนุษย์เพียงคนเดียว”

หากใช้ตรรกะนี้ เนื้อหา Wikipedia ที่เขียนร่วมกันโดยอาสาสมัครหลายพันคนอาจถูกตีความว่าไม่ได้รับการคุ้มครองลิขสิทธิ์ หาก “ฤดูหนาวแห่งลิขสิทธิ์” เกิดขึ้นจริง มูลนิธิจะสูญเสียรากฐานทางกฎหมายในการเรียกร้องค่าตอบแทนจาก API

การมาถึงของเศรษฐกิจลิขสิทธิ์ข้อมูล

การตัดสินใจของมูลนิธิ Wikimedia ส่งผลกระทบต่อโครงสร้างต้นทุนของอุตสาหกรรม AI

แหล่งข้อมูลสำคัญสองแห่งคือ Reddit และ Wikipedia ได้เริ่มเก็บค่าใช้จ่าย ต้นทุนการได้มาซึ่งข้อมูลที่เคยถือว่าฟรีในการพัฒนา LLM กลายเป็นต้นทุนผันแปรที่สำคัญ

การเพิ่มขึ้นของค่าลิขสิทธิ์ข้อมูลผลักดันต้นทุนการดำเนินงานของ API เชิงพาณิชย์แบบปิดให้สูงขึ้น

OpenAI และ Google ต้องจ่ายค่าลิขสิทธิ์ให้ Wikipedia อย่างต่อเนื่องเพื่อให้ข้อมูลทันสมัยอยู่เสมอ ต้นทุนนี้จะถูกโอนไปยังลูกค้าในที่สุดในรูปของค่าใช้จ่าย API

นั่นหมายความว่าบริษัทที่ใช้ API ของ OpenAI หรือ Google จะต้องรับภาระค่าลิขสิทธิ์ข้อมูลทางอ้อม

ในทางกลับกัน บริษัทผู้ใช้มีทางเลือกอื่น คือการใช้โมเดลโอเพนซอร์ส เช่น Llama ของ Meta หรือ Mistral บนเซิร์ฟเวอร์ของตนเอง

โมเดลเหล่านี้เผยแพร่ในสถานะที่ฝึกสอนแล้ว บริษัทสามารถดาวน์โหลดและใช้งานในสภาพแวดล้อมของตนเองได้

อย่างไรก็ตาม บริษัทพัฒนาโมเดลโอเพนซอร์สก็ไม่ได้รับยกเว้นจากค่าลิขสิทธิ์ข้อมูล หาก Meta ใช้ข้อมูล Wikipedia ในการเรียนรู้และอัปเดต Llama Meta ก็ต้องจ่ายค่าลิขสิทธิ์

ความแตกต่างคือใครเป็นผู้รับภาระต้นทุน สำหรับ API เชิงพาณิชย์ OpenAI และ Google โอนค่าลิขสิทธิ์ไปยังบริษัทผู้ใช้ สำหรับโอเพนซอร์ส Meta รับภาระเป็นการลงทุนเชิงกลยุทธ์และเผยแพร่โมเดลฟรี

จากมุมมองของบริษัทผู้ใช้ หากราคา API เชิงพาณิชย์เพิ่มขึ้น ความได้เปรียบทางเศรษฐกิจของโมเดลโอเพนซอร์สจะสูงขึ้น

โมเดลโอเพนซอร์สต้องการต้นทุนเริ่มต้นในการนำไปใช้ แต่ไม่มีค่าใช้จ่าย API ต่อเนื่อง สิ่งที่จำเป็นคือต้นทุนการดำเนินงานเซิร์ฟเวอร์และต้นทุนการประมวลผล inference

ตามรายงานของ McKinsey เมื่อเดือนเมษายน 2025 บริษัทต่างๆ กำลังนำโมเดลโอเพนซอร์สมาใช้อย่างแข็งขันโดยอ้างเหตุผลว่าต้นทุนการนำไปใช้และบำรุงรักษาต่ำ

อย่างไรก็ตาม หากค่าลิขสิทธิ์ข้อมูลเพิ่มสูงขึ้นอย่างต่อเนื่อง ก็จะเป็นภาระต่อบริษัทพัฒนาโมเดลโอเพนซอร์สเช่นกัน

แม้ว่า Meta จะสามารถสร้างรายได้จากการใช้ Llama ในบริการของตนเอง เช่น Facebook และ Instagram แต่หากค่าลิขสิทธิ์เพิ่มขึ้นมากเกินไป อาจส่งผลกระทบต่อความยั่งยืนของการพัฒนาโอเพนซอร์ส

ผลกระทบต่อบริษัทไทย

จากมุมมองของ BKK IT News การเปลี่ยนแปลงนี้อาจส่งผลกระทบต่อบริษัทในไทยที่กำลังพิจารณาใช้ AI

หากต้นทุน API เชิงพาณิชย์เพิ่มขึ้น จะเป็นภาระต่อ SME ที่มีงบประมาณจำกัด อาจมีบริษัทเพิ่มขึ้นที่พิจารณาใช้โมเดลโอเพนซอร์ส

นอกจากนี้ การที่ตลาดรับรู้คุณค่าของข้อมูลยังเป็นโอกาสให้บริษัทไทยทบทวนมูลค่าสินทรัพย์ของข้อมูลที่บริษัทมีอยู่

การจัดระเบียบข้อมูลภายในบริษัทและการสร้างระบบการจัดการอาจส่งผลต่อความสามารถในการแข่งขันในอนาคต

ลิงก์บทความอ้างอิง