📚Empresas de IA estão comprando e triturando livros raros para treinar modelos
Empresas de IA estão comprando livros raros em larga escala, passando por máquinas de alta velocidade que cortam a lombada, escaneiam o conteúdo e depois trituram o original. Um serviço chamado ISBNdb facilita pedidos de até um milhão de livros e mantém os compradores no anonimato. Livros publicados antes de 2022 são considerados premium porque não contêm texto gerado por IA. Um juiz federal americano considerou a prática legal sob a doutrina de "uso justo", porque destruir o original significa que só uma cópia existe de cada vez. --- O que torna isso diferente de outras polêmicas de dados de treinamento é a irreversibilidade. Você pode recolocar um site no ar. Pode reimprimir um best-seller. Mas não dá para substituir as últimas três cópias de um texto botânico do século 18 depois que alguém as triturou. Um vendedor de livros relatou ao site 404 Media que obras com quase nenhuma cópia sobrevivente estão entrando nesse funil. A Anthropic, inclusive, contratou o ex-chefe de parcerias do Google Books para obter, segundo reportagens, "todos os livros do mundo". --- O site do ISBNdb literalmente diz que "'empresa de IA destrói dois milhões de livros' não é uma manchete que gera simpatia" e mesmo assim construiu um negócio inteiro em torno de fazer isso discretamente. Oferecem contratos de confidencialidade como funcionalidade e orientam clientes a chamar o processo de "preservação digital". Difícil inventar algo assim.
Empresas de IA estão comprando livros raros em larga escala, passando por máquinas de alta velocidade que cortam a lombada, escaneiam o conteúdo e depois trituram o original. Um serviço chamado ISBNdb facilita pedidos de até um milhão de livros e mantém os compradores no anonimato. Livros publicados antes de 2022 são considerados premium porque não contêm texto gerado por IA. Um juiz federal americano considerou a prática legal sob a doutrina de "uso justo", porque destruir o original significa que só uma cópia existe de cada vez.
— @HedgieMarkets View on X
A prática que está extinguindo livros raros para treinar IA
Empresas de inteligência artificial estão comprando livros raros em larga escala, destruindo os originais após escaneá-los para alimentar modelos de linguagem. Um serviço chamado ISBNdb facilita pedidos de até um milhão de títulos e mantém os compradores no anonimato. A prática foi considerada legal por um juiz federal americano sob a doutrina de "uso justo".
O mecanismo por trás da destruição
O processo funciona com máquinas de alta velocidade que cortam a lombada dos livros, escaneiam o conteúdo e depois trituram o original. O site ISBNdb oferece contratos de confidencialidade como funcionalidade e orienta clientes a chamar o processo de "preservação digital" — uma tentativa de suavizar a natureza irreversível da operação.
A empresa reconhece o problema de imagem: o próprio site afirma que "'empresa de IA destrói dois milhões de livros' não é uma Manchete que gera simpatia", mas mesmo assim construiu um negócio em torno da prática.
Por que livros publicados antes de 2022 são premium
Livros anteriores a 2022 são considerados valiosos para treinamento de IA porque não contêm texto gerado por inteligência artificial. Com a proliferação de conteúdo sintético na internet, fontes genuínas de linguagem humana escrita tornam-se escassas e cada vez mais difíceis de obter.
O problema central é a irreversibilidade. Diferente de sites que podem ser recolocados no ar ou best-sellers que podem ser reimpressos, obras com poucas cópias sobreviventes — como textos botânicos do século 18 — desaparecem permanentemente após a trituração. Vendedores de livros relatam que obras com quase nenhuma cópia restante estão entrando nesse funil.
O aspecto legal e a corrida corporativa
Um juiz federal americano decidiu que a prática se enquadra no "uso justo" (fair use), argumentando que destruir o original significa que apenas uma cópia existe de cada vez. A Anthropic contratou o ex-chefe de parcerias do Google Books com o objetivo declarado de obter, segundo reportagens, "todos os livros do mundo".
O que isso significa para devs e builders brasileiros
Para desenvolvedores e empresas que construem soluções com IA no Brasil, este caso levanta questões práticas:
- **Qualidade de dados**: A escassez de dados humanos genuínos pode pushar a indústria para práticas cada vez mais agressivas de coleta, afetando a qualidade dos modelos disponíveis no mercado.
- **Custos de licenciamento**: À medida que livros físicos se tornam matéria-prima escassa, o custo de obter dados licenciados para treinamento tende a aumentar.
- **Reputação e compliance**: O uso de dados obtidos de forma questionável pode expor empresas a riscos reputacionais e legais, especialmente se legislações de proteção de dados evoluírem para cobrir esse tipo de prática.
A ironia é que livros que sobreviveram a guerras, incêndios e séculos de manuseio estão sendo destruídos para que uma IA aprenda a escrever um e-mail de marketing melhor.