Corrida pela IA destrói livros físicos e os transforma em matéria-prima para treinamento

Uma prática pouco conhecida da indústria de inteligência artificial (IA) vem provocando preocupação entre livreiros, especialistas em direitos autorais e defensores da preservação de livros: a compra em larga escala de exemplares físicos para digitalização e posterior destruição. Obras antigas, fora de catálogo, especializadas e até edições raras estão entre os títulos adquiridos por empresas ligadas ao treinamento de sistemas de IA.

O procedimento é realizado em escala industrial. Os livros são enviados a instalações especializadas, onde suas lombadas são cortadas para permitir que as páginas sejam alimentadas rapidamente em scanners de alta velocidade. Depois da digitalização, os exemplares físicos são encaminhados para reciclagem ou transformados em polpa de papel.

A técnica é defendida por empresas do setor como uma alternativa mais rápida e eficiente à digitalização manual, que exigiria o manuseio individual de cada página. A estratégia também atende a uma necessidade específica dos grandes modelos de linguagem: obter grandes quantidades de textos produzidos por humanos antes da popularização da IA generativa.

Compras incomuns chamaram atenção de livreiros

O movimento começou a ser percebido por livreiros de diferentes países, que passaram a receber pedidos muito maiores do que o habitual e sem um perfil claro de comprador. Em Northumberland, no norte da Inglaterra, Stuart Manley, da Barter Books, relatou uma encomenda de uma empresa canadense equivalente ao volume que sua loja normalmente vende em uma semana.

Segundo ele, nunca havia observado algo semelhante em três décadas trabalhando com livros usados.

Relatos parecidos surgiram na Suíça, Alemanha e Holanda. Em um dos casos, uma empresa de Singapura teria solicitado três mil livros de uma só vez. Os pedidos incluem desde romances populares até títulos obscuros, obras acadêmicas, textos em latim e publicações que há anos não encontravam compradores.

A variedade não é considerada casual por especialistas. Livros fora de catálogo e obras de nicho podem oferecer aos sistemas de IA conteúdos que dificilmente seriam encontrados em grandes bases digitais. Além disso, os exemplares impressos anteriores a 2022 são vistos como uma fonte de textos predominantemente produzidos antes da explosão da IA generativa.

Por que livros físicos interessam às empresas

A preferência por obras publicadas antes de 2022 está relacionada a um problema que passou a preocupar o setor: o crescimento da quantidade de textos produzidos por inteligência artificial na internet. Alimentar novos modelos com conteúdos gerados por sistemas anteriores pode comprometer a qualidade dos dados usados no treinamento e aumentar o risco de um fenômeno conhecido como "colapso do modelo".

Livros impressos oferecem, nesse cenário, grandes volumes de conteúdo escrito e editado por humanos, incluindo textos longos, pesquisas, narrativas e estruturas linguísticas que podem ser úteis para o desenvolvimento dos modelos.

Há ainda uma questão jurídica. O uso de bibliotecas digitais clandestinas, conhecidas como shadow libraries, já levou empresas de IA a enfrentar processos por violação de direitos autorais. A aquisição de exemplares físicos cria uma situação diferente nos Estados Unidos, onde a propriedade de uma cópia pode permitir determinados usos, embora isso não encerre necessariamente as discussões sobre direitos autorais.

Em 2025, o juiz William Alsup considerou que a utilização de livros adquiridos legalmente para treinamento de seus sistemas pela empresa Anthropic poderia ser enquadrada como fair use, por considerar o processo "extremamente transformador". O caso foi movido por autores literários contra a empresa previamente citada, responsável pela IA Claude.

Documentos judiciais posteriormente tornados públicos revelaram, porém, que parte dos livros adquiridos pela Anthropic havia sido submetida à chamada "digitalização destrutiva". O projeto interno recebeu o nome de "Projeto Panamá". Em um documento de planejamento, a iniciativa foi descrita como um esforço para "digitalizar destrutivamente todos os livros do mundo", com a orientação de que o trabalho não fosse divulgado.

A Anthropic afirmou que seus sistemas são treinados com uma combinação de dados públicos da internet, conjuntos de dados adquiridos comercialmente e informações produzidas pela própria empresa. A companhia também declarou que seus programas de aquisição não compram e destroem livros raros ou de antiquário.

Raridade muda o peso da perda

O problema ganha outra dimensão quando os exemplares adquiridos são difíceis ou impossíveis de substituir. Para livreiros especializados, a destruição de um livro comum e de uma edição que representa o único exemplar conhecido de determinada publicação histórica não pode ser tratada da mesma maneira.

Derek Walker, proprietário da McNaughtan's Bookshop, em Edimburgo, observa que uma obra acadêmica recente, mesmo publicada em pequena quantidade, pode ter exemplares preservados em bibliotecas. Já um livro do século 18 que seja o único exemplar conhecido de uma edição representa uma perda muito mais grave caso seja destruído.

A discussão também envolve o destino dos milhões de livros que perderam espaço no mercado. Livreiros reconhecem que a reciclagem pode ser uma alternativa para obras produzidas em grande quantidade e que permanecem anos sem compradores. O temor está na possibilidade de que o mesmo processo seja aplicado indiscriminadamente a exemplares cuja importância histórica só seja percebida posteriormente.

Rastreamento revelou escala da operação

Uma investigação publicada pela 404 Media em 17/08 ajudou a lançar luz sobre o caminho percorrido por parte desses livros. Um vendedor de obras raras que havia recebido um pedido de quase mil exemplares permitiu que jornalistas colocassem um AirTag (dispositivo de rastreamento da Apple) dentro de um dos livros.

O pacote saiu da Califórnia, passou por Milwaukee e Colorado Springs e terminou em um armazém da Amazon identificado pelo código VGT3. Segundo a investigação, o local possui uma operação dedicada à digitalização de livros em grande escala.

A apuração descreveu uma instalação onde os trabalhadores passam o dia digitalizando exemplares. A descoberta ajudou a demonstrar que a transformação de livros físicos em dados para treinamento de modelos de IA não ocorre apenas por meio de arquivos digitais adquiridos na internet, mas também por operações logísticas e industriais voltadas especificamente para livros impressos.

O conhecimento pode desaparecer junto com o livro

Depois de digitalizado, o conteúdo de uma obra deixa de existir para o sistema de IA como um livro que possa ser consultado por leitores. Ele é convertido em dados utilizados no treinamento dos modelos. O resultado é uma espécie de representação matemática do conteúdo, e não uma biblioteca pública que permita recuperar livremente as obras originais.

É nesse ponto que a controvérsia ultrapassa a discussão sobre reciclagem ou direitos autorais. A destruição sistemática de fontes físicas pode retirar da sociedade uma camada importante de rastreabilidade do conhecimento. Um livro preservado fisicamente permite comparar edições, identificar alterações, recuperar trechos e verificar a origem de uma informação. Quando a fonte original desaparece e seu conteúdo passa a existir principalmente dentro de sistemas privados, esse processo se torna mais difícil.

A concentração também desperta preocupação porque grande parte desse conhecimento passa a ser processada e armazenada sob controle de um número reduzido de empresas de tecnologia. Em um cenário extremo, alterações, filtros ou interpretações incorporadas aos sistemas podem se tornar difíceis de confrontar com os documentos que deram origem aos dados, caso os exemplares físicos tenham sido destruídos.

A declaração de Elon Musk ampliou o debate. O empresário afirmou ter pedido à equipe da SpaceX que preservasse livros raros em uma biblioteca e os digitalizasse "do jeito difícil", sem cortar as lombadas. A manifestação repercutiu nas redes sociais e provocou críticas à destruição de obras como parte do processo de desenvolvimento da IA.

Especialistas também alertam que a divulgação de imagens e vídeos dessas operações pode contribuir para normalizar a prática e estimular novas iniciativas semelhantes. O debate, portanto, não se limita à eficiência tecnológica: envolve a preservação de obras, os limites do uso de material protegido por direitos autorais e a definição de quem terá controle sobre o conhecimento humano transformado em dados.

No Reino Unido, a discussão jurídica apresenta diferenças em relação aos Estados Unidos. A professora Emily Hudson, especialista em propriedade intelectual da Universidade de Oxford, explica que a legislação britânica parte do princípio de que atos como a criação de uma biblioteca de treinamento e a realização do treinamento exigem autorização do titular dos direitos autorais.

Para os livreiros, fica um dilema entre a oportunidade comercial de vender grandes estoques que permaneceram anos encalhados e a possibilidade de que exemplares de valor histórico sejam destruídos sem que seus compradores revelem claramente a finalidade da aquisição.

O avanço da inteligência artificial, assim, cria uma demanda inédita por livros físicos justamente quando o mercado tradicional deixou de considerá-los valiosos. A questão que permanece é quanto da memória impressa do mundo pode ser transformada em dados antes que alguém perceba que o que foi enviado para reciclagem não era apenas papel, mas uma fonte insubstituível de conhecimento.