Bedrijven op het gebied van kunstmatige intelligentie kopen met honderdduizenden antieke en uitverkochte boeken, voeden de inhoud ervan in trainingsdatasets en vernietigen vervolgens de fysieke volumes – een praktijk op industriële schaal die volgens onderzoekers en boekverkopers cultureel erfgoed uitwist, ook al voedt het de volgende generatie taalmodellen. De onthullingen, die voor het eerst naar voren kwamen in gerechtelijke documenten en nu weerklinken in de Europese boekhandelgemeenschappen, hebben een nieuw front geopend in de AI-auteursrechtoorlog. Voor breaking AI news over de controverses over trainingsdata die de industrie opnieuw vormgeven, laten de onderstaande details zien hoe een jacht op schone tekst uitgroeide tot een vreugdevuur van zeldzame boeken.

Hoe de praktijk werkt

Volgens documenten die door Anthropic zijn onthuld tijdens een gerechtelijke procedure in 2026 en gerapporteerd door The Washington Post, is het proces opzettelijk geïndustrialiseerd. In de aanvraag wordt beschreven hoe de ‘hydraulisch aangedreven snijmachine’ van een scanbedrijf boeken ‘netjes uit elkaar zou snijden’, zodat de pagina’s ‘gescand konden worden op hoge snelheid, hoogwaardige scanners op productieniveau’. Eenmaal gedigitaliseerd, zo vermeldde de indiening, zou het scanbedrijf "een afspraak maken met het recyclingbedrijf om de voltooide boeken op te halen".

Met andere woorden: de boeken worden niet geretourneerd. Ze worden gereduceerd tot digitale tekst en vervolgens verpulverd.

Waarom bedrijven oude, gedrukte boeken willen

De vraag naar fysieke boeken komt voort uit een steeds groter wordend probleem voor AI-ontwikkelaars: het open internet wordt steeds meer vervuild met door AI gegenereerde tekst. Zoals de juridische blog Verfassungsblog uitlegde in een analyse met de titel 'AI Is Eating the Book World', riskeert training over synthetische inhoud de kwaliteit van het model te verminderen – een fenomeen dat onderzoekers 'model ineenstorting' noemen. Boeken die vóór 2022 zijn gedrukt, zijn daarentegen gegarandeerd door mensen geschreven.

Er is ook een juridische berekening. Bedrijven hebben geredeneerd dat het scannen van fysieke boeken die zij bezitten mogelijk onder de ‘fair use’-bepaling van de Amerikaanse auteursrechtwetgeving valt, een verdediging die volgens hen sterker is dan het schrapen van auteursrechtelijk beschermde webinhoud. Of de rechtbanken dit argument aanvaarden blijft een open vraag, maar het heeft de koopwoede niet kunnen stoppen.

Het fenomeen Zoom Books

In Europa concentreerde de aandacht zich op een Canadese online boekwinkel genaamd Zoom Books, waarvan Verfassungsblog meldt dat deze honderdduizenden non-fictietitels heeft verworven waarvoor er nog weinig commerciële vraag bestaat. Deze delen – obscure academische werken, regionale geschiedenissen en gespecialiseerde technische handleidingen – zijn vrijwel waardeloos voor verkopers van tweedehands boeken, maar vertegenwoordigen een rijke bron van voorheen ongebruikt trainingsmateriaal voor AI-laboratoria.

Het futurisme meldde dat de vernietiging plaatsvindt "op ongelooflijke schaal, zelfs als er bijna geen exemplaren meer over zijn", wat betekent dat voor sommige titels de gescande en versnipperde kopie mogelijk een van de laatst overgebleven edities in omloop was.

Boekverkopers en onderzoekers dringen terug

De rapporten hebben antiquarische boekverkopers gealarmeerd, die zeggen dat grootkopers de tweedehandsmarkt verstoren en zeldzame edities sneller verwijderen dan de archieven ze kunnen bewaren. Anadolu Agency citeerde een Turkse antiquair die scepsis uitte over de reikwijdte van de claims, maar tegelijkertijd de groeiende bezorgdheid op de Europese boekenmarkten erkende. Berichtgeving in de Times of India en Boing Boing omschreef de trend als een direct gevolg van het feit dat AI-bedrijven proberen "aan hun eigen AI-slordigheid te ontsnappen" door zich terug te trekken naar pre-internet-printen.

Natuurbeschermers beweren dat de vernietiging vooral verontrustend is omdat er geen centraal register bijhoudt welke boeken zijn gescand en vernietigd. Zodra een titel met een lage overlevingskans wordt versnipperd, kan het verlies permanent zijn, tenzij het bedrijf dat de titel heeft gescand ervoor kiest de digitale kopie te delen, wat doorgaans niet gebeurt.

Een nieuwe fase van de auteursrechtoorlog

De boekaankoopcampagne bevindt zich op het kruispunt van twee onopgeloste juridische strijd: of het trainen van AI-modellen op auteursrechtelijk beschermde werken zonder toestemming een eerlijk gebruik is, en of het vernietigen van de fysieke bron na het scannen de calculus verandert. Rechtbanken hebben tot nu toe gemengde signalen afgegeven, waarbij sommige uitspraken de voorkeur gaven aan AI-ontwikkelaars en andere de claims van makers handhaafden.

Voor AI-bedrijven is de berekening eenvoudig. Gedrukte boeken bieden compacte, door mensen geschreven tekst van hoge kwaliteit die steeds moeilijker online te vinden is. Voor bibliotheken, archieven en de verzamelaars die zeldzame edities bewaken, is de afweging veel minder gunstig: onvervangbare fysieke artefacten gereduceerd tot trainingstokens en vervolgens gerecycled tot pulp.

De praktijk roept ook vragen op over transparantie. De openbaarmaking van Anthropic kwam alleen omdat het in een rechtszaak werd gedwongen. Het blijft onbekend hoeveel andere bedrijven vergelijkbare strategieën volgen, hoeveel boeken er al zijn vernietigd, en of er een industriebrede standaard zal ontstaan ​​om titels die risico lopen te behouden voordat ze worden gescand en weggegooid.

Het schaalprobleem dat niemand kan kwantificeren

Een deel van wat de trend moeilijk te controleren maakt, is de diffuusheid ervan. In tegenstelling tot één groot archief of database wordt de boekaankoopcampagne verspreid over duizenden individuele transacties – bij boedelverkopen, afstotingsverkopen van bibliotheken en online marktplaatsen – waarbij een grote koper die een pallet aan non-fictietitels koopt geen duidelijke waarschuwingssignalen oproept. Bij elkaar opgeteld over honderdduizenden aankopen is het cumulatieve effect echter de stille verwijdering van grote delen van nichekennis die weinig circuleert uit het fysieke archief.

Bibliothecarissen en archivarissen hebben gewaarschuwd dat het verlies niet gelijkmatig verdeeld is. Bestsellers voor de massamarkt bestaan ​​in talloze exemplaren, maar de titels die het meest aantrekkelijk zijn voor AI-trainers – gespecialiseerde, informatierijke werken met kleine oplages – zijn juist de titels die het minst waarschijnlijk elders bewaard zullen blijven. Eenmaal vernietigd, bestaan ​​ze mogelijk alleen nog als bedrijfseigen trainingsgegevens die zijn opgesloten op de servers van een bedrijf en ontoegankelijk zijn voor het publiek dat ze oorspronkelijk heeft geproduceerd en erop vertrouwt.

Blijf AI een stap voor

De oorlogen tussen training en data worden steeds heviger en de belangen reiken veel verder dan de bedrijfsbalansen. Blijf AI Buzz Wire volgen om meer AI-nieuws te lezen en te volgen hoe rechtbanken, toezichthouders en natuurbeschermers reageren.

Lees meer AI-nieuws →