Antes de escolher um modelo de pesos abertos para o seu trabalho, a decisão prática passa pela licença de IA aberta, e não pelo marketing do fornecedor. O critério direto é este: a licença precisa garantir quatro liberdades — usar o sistema para qualquer finalidade e sem pedir permissão, estudar como ele funciona, modificá-lo e compartilhá-lo, com ou sem mudanças — e, se alguma delas falhar, o que você tem é apenas um modelo de pesos publicados. É essa leitura que separa uma adoção segura de um retrabalho jurídico meses depois.
O que aberto significa de verdade
A Open Source Initiative mantém a primeira versão estável da Open Source AI Definition, e o documento deixa claro que o rótulo vale pelos termos concedidos, não pelo tamanho do arquivo baixado. As quatro liberdades vêm com uma pré-condição declarada: acesso à forma preferida para modificar o sistema e aos meios de usá-lo. Um repositório que entrega só os pesos, sem código e sem informação sobre os dados de treinamento, pode ser útil, mas não preenche essa definição. A distinção importa na hora da escolha porque a própria organização mantém uma seção dedicada a combater o openwashing: o alerta público registrado é o de que empresas chamam sistemas de IA de open source mesmo quando suas licenças trazem restrições contrárias às liberdades consagradas. Para um time técnico, isso muda a checagem: o nome do modelo não é evidência, e o texto integral da licença é.
Licenças permissivas e suas exigências
Licenças permissivas, como a Apache License usada por grandes projetos de software, autorizam uso comercial e criação de derivados sem pedir autorização individual. Em troca, quem redistribui o modelo ou um derivado assume obrigações formais: o texto oficial determina dar aos destinatários uma cópia da licença, avisar quais arquivos foram modificados e manter os avisos de copyright, patente e atribuição presentes no original. Ou seja: liberado não é o mesmo que sem deveres. Para um time que embute um modelo derivado em produto próprio, essas três exigências viram itens da esteira de release, com responsável definido, e não um detalhe jurídico opcional.
| Tipo de licença | O que exige na redistribuição | Quando serve |
|---|---|---|
| Permissiva (Apache, MIT) | Cópia da licença, aviso de mudanças e avisos de atribuição mantidos | Uso comercial e produtos internos com menos atrito |
| Copyleft | Derivados distribuídos sob os mesmos termos | Projetos que precisam permanecer abertos |
| Personalizada ou comunitária | Restrições próprias por campo de uso, porte ou volume | Somente após leitura integral e validação jurídica |
Restrições que travam uso comercial
A falha mais comum na adoção é aceitar o rótulo de aberto sem procurar cláusulas de restrição. Antes de aprovar um modelo, o time deve procurar no texto da licença quatro tipos de limitação: campos de aplicação proibidos (setores específicos excluídos), tetos ligados ao porte da empresa ou ao número de usuários, proibição de usar nomes e marcas do projeto em produtos derivados e regras distintas para pesquisa e para uso comercial. Cada item encontrado muda o custo da adoção: um teto de usuários, por exemplo, transforma uma escolha técnica em decisão de planejamento de escala. Se o texto da licença estiver indisponível ou ambíguo, o caminho honesto é tratar o modelo como não avaliado, e não como aberto por padrão. O mesmo vale para modelos anunciados como abertos cuja página oficial remete a termos comerciais separados.
Regras europeias que também valem
Licença e regulação são camadas diferentes, e as duas precisam ser checadas. Na União Europeia, a AI Act organizou obrigações por nível de risco, com deveres distintos para provedores e para quem implanta sistemas; no bloco, as regras europeias para modelos de IA de propósito geral se tornaram aplicáveis em 2 de agosto de 2025, atingindo principalmente quem oferece esses modelos, e não quem apenas os executa localmente. Para o usuário corporativo, isso significa duas checagens complementares: verificar se o fornecedor do modelo cumpre os deveres de transparência e, quando o caso de uso é sensível — triagem de currículos, pontuação de crédito, reconhecimento biométrico —, classificar o próprio uso antes de implantar. Esse cuidado complementa as checagens antes de adotar um modelo de IA aberto que já detalhamos em outro artigo.
Como decidir em três passos
O caminho curto para uma decisão defensável cabe em um procedimento verificável:
- Localize a licença na fonte oficial: repositório ou página do projeto, na versão datada que acompanha exatamente o modelo baixado, e não um resumo de blog.
- Teste as quatro liberdades contra o texto: uso para qualquer finalidade, estudo, modificação e compartilhamento; qualquer restrição a uso comercial ou a campo de atuação desqualifica o rótulo de aberto e exige avaliação separada.
- Registre as obrigações de redistribuição: cópia da licença, aviso de mudanças e atribuições viram itens de checklist do processo de release, com evidência arquivada.
Se o plano envolve ajustar ou treinar o modelo por conta própria, vale estender a análise para o lado técnico e entender como se treina uma IA generativa do zero até o modelo útil, porque manter derivados tem custo próprio. O objetivo do procedimento é simples: transformar uma pergunta aberta em três verificações rastreáveis, cada uma com a evidência salva no dia da decisão.