As empresas de inteligência artificial estão a comprar livros antigos e esgotados às centenas de milhares, alimentando os seus conteúdos em conjuntos de dados de formação e depois destruindo os volumes físicos – uma prática à escala industrial que, segundo investigadores e livreiros, está a apagar o património cultural, ao mesmo tempo que alimenta a próxima geração de modelos linguísticos. As revelações, que surgiram pela primeira vez em documentos judiciais e agora ecoaram nas comunidades de livreiros europeias, abriram uma nova frente na guerra dos direitos de autor da IA. Para notícias de última hora sobre IA sobre as controvérsias sobre dados de treinamento que estão remodelando o setor, os detalhes abaixo mostram como a busca por texto limpo se transformou em uma fogueira de livros raros.
Como funciona a prática
De acordo com documentos divulgados pela Anthropic durante um processo judicial de 2026 e relatados pelo The Washington Post, o processo é deliberadamente industrializado. O processo descreve como uma “máquina de corte hidráulica” de um empreiteiro de digitalização “cortaria cuidadosamente” livros para que as páginas pudessem ser “digitalizadas em scanners de alta velocidade e alta qualidade em nível de produção”. Uma vez digitalizados, observou o documento, a empresa de digitalização “agendaria com a empresa de reciclagem a coleta dos livros concluídos”.
Ou seja, os livros não são devolvidos. Eles são reduzidos a texto digital e depois despolpados.
Por que as empresas querem livros antigos e impressos
O apetite por livros físicos decorre de um problema cada vez maior para os desenvolvedores de IA: a Internet aberta está cada vez mais poluída com textos gerados por IA. Como explicou o blog jurídico Verfassungsblog em uma análise intitulada “AI está comendo o mundo dos livros”, o treinamento em conteúdo sintético corre o risco de degradar a qualidade do modelo – um fenômeno que os pesquisadores chamam de colapso do modelo. Os livros impressos antes de 2022, por outro lado, têm a garantia de serem escritos por humanos.
Também existe um cálculo legal. As empresas argumentaram que a digitalização de livros físicos de sua propriedade pode se enquadrar na disposição de “uso justo” da lei de direitos autorais dos EUA, uma defesa que acreditam ser mais forte do que a remoção de conteúdo da web protegido por direitos autorais. Se os tribunais aceitam esse argumento permanece uma questão em aberto, mas isso não impediu o frenesi de compras.
O Fenômeno Zoom Books
Na Europa, a atenção centrou-se numa livraria online canadiana chamada Zoom Books, que, segundo o Verfassungsblog, tem adquirido centenas de milhares de títulos de não-ficção para os quais existe pouca procura comercial. Estes volumes – trabalhos académicos obscuros, histórias regionais e manuais técnicos especializados – são quase inúteis para os vendedores de livros usados, mas representam uma rica veia de material de formação anteriormente inexplorado para laboratórios de IA.
O Futurismo relatou que a destruição está acontecendo "em uma escala incrível, mesmo que quase nenhuma cópia reste", o que significa que para alguns títulos a cópia digitalizada e triturada pode ter estado entre as últimas edições sobreviventes em circulação.
Livreiros e pesquisadores recuam
Os relatórios alarmaram os livreiros antiquários, que afirmam que os grandes compradores estão a distorcer o mercado de segunda mão e a remover edições raras mais rapidamente do que os arquivos conseguem preservá-las. A Agência Anadolu citou um livreiro de antiguidades turco que expressou cepticismo sobre o alcance das reivindicações, ao mesmo tempo que reconheceu a preocupação crescente nos mercados de livros europeus. A cobertura do Times of India e do Boing Boing enquadrou a tendência como uma consequência direta das empresas de IA que tentavam “escapar do seu próprio lixo de IA”, recuando para a impressão pré-Internet.
Os preservacionistas argumentam que a destruição é especialmente preocupante porque nenhum registo central regista quais os livros que foram digitalizados e destruídos. Depois que um título com baixa sobrevivência é destruído, a perda pode ser permanente – a menos que a empresa que o digitalizou decida compartilhar a cópia digital, o que geralmente não acontece.
Uma nova etapa na guerra dos direitos autorais
A campanha de compra de livros situa-se na intersecção de duas batalhas legais não resolvidas: se treinar modelos de IA em obras protegidas por direitos autorais sem permissão constitui uso justo e se destruir a fonte física após a digitalização altera o cálculo. Até agora, os tribunais enviaram sinais contraditórios, com algumas decisões a favorecer os criadores de IA e outras a preservar as reivindicações dos criadores.
Para empresas de IA, o cálculo é simples. Os livros impressos oferecem textos densos, de alta qualidade e de autoria humana, que são cada vez mais difíceis de encontrar online. Para as bibliotecas, os arquivos e os colecionadores que guardam edições raras, a compensação é muito menos favorável: artefactos físicos insubstituíveis reduzidos a fichas de treino e depois reciclados em pasta.
A prática também levanta questões sobre transparência. A divulgação da Anthropic ocorreu apenas porque ela foi obrigada em um litígio. Ainda não se sabe quantas outras empresas estão a seguir estratégias semelhantes, quantos livros já foram destruídos ou se surgirá alguma norma a nível da indústria para preservar títulos em risco antes de serem digitalizados e descartados.
O problema da escala que ninguém consegue quantificar
Parte do que torna a tendência difícil de policiar é a sua difusão. Ao contrário de um único grande arquivo ou base de dados, a campanha de compra de livros é distribuída por milhares de transações individuais – em vendas de imóveis, vendas de desintegração de bibliotecas e mercados online – onde um grande comprador que compra uma palete de títulos de não-ficção não levanta qualquer sinal de alerta óbvio. Agregados em centenas de milhares de compras, no entanto, o efeito cumulativo é a remoção silenciosa de vastas áreas de conhecimento de nicho e de baixa circulação do registo físico.
Bibliotecários e arquivistas alertaram que a perda não é distribuída uniformemente. Os best-sellers do mercado de massa sobrevivem em inúmeras cópias, mas os títulos mais atraentes para os treinadores de IA – obras especializadas, densas em informações e com pequenas tiragens – são precisamente aqueles com menor probabilidade de serem preservados em outros lugares. Uma vez destruídos, eles podem existir apenas como dados de treinamento proprietários, trancados nos servidores de uma empresa, inacessíveis ao público que originalmente os produziu e confiou neles.
Fique à frente da IA
A guerra entre formação e dados está a intensificar-se e os riscos vão muito além dos balanços empresariais. Para ler mais notícias sobre IA e acompanhar como os tribunais, reguladores e preservacionistas respondem, continue acompanhando o AI Buzz Wire.
Leia mais notícias sobre IA →
