Imagine comprar um livro, cortar sua lombada, separar as páginas, passá-las por um scanner industrial e jogar o original fora.
Agora imagine isso acontecendo com milhões de exemplares. Nós chamamos esse processo de destructive scanning, ou digitalização destrutiva. Empresas compram livros físicos, removem a encadernação para acelerar o escaneamento e transformam o conteúdo em arquivos digitais usados no treinamento de inteligência artificial.
Depois, o livro é descartado ou enviado para reciclagem.
O objetivo não é apagar suas ideias, mas convertê-las em dados. Ainda assim, a prática levanta uma pergunta incômoda: até onde vale destruir livros para ensinar máquinas?
O que é destructive scanning?
Na digitalização tradicional, câmeras fotografam cada página sem danificar o livro.
Na versão destrutiva, a lombada é cortada e as folhas são separadas. Isso permite alimentar scanners automáticos de alta velocidade, reduzindo o tempo e o custo do processo.
Para uma empresa que precisa processar milhões de páginas, a vantagem é evidente.
O problema é que, depois de digitalizado, o exemplar físico deixa de existir.
Por que empresas de IA querem livros?
Modelos de inteligência artificial precisam de grandes quantidades de texto para aprender padrões de linguagem e produzir respostas.
Durante anos, boa parte desse material veio da internet. Mas os textos públicos de qualidade são limitados, enquanto a própria web recebe cada vez mais conteúdo produzido por IA.
Os livros se tornam valiosos porque costumam conter textos longos, organizados e revisados. Obras antigas, técnicas ou fora de catálogo também podem guardar informações que não aparecem facilmente online.
Para os laboratórios de IA, sebos, depósitos e distribuidoras representam uma enorme reserva de dados humanos.
O caso da Anthropic
O exemplo mais conhecido envolve a Anthropic, empresa responsável pelo Claude.
Documentos judiciais nos Estados Unidos mostraram que a empresa gastou milhões de dólares comprando milhões de livros impressos, muitos deles usados.
Prestadores removeram as encadernações, cortaram as páginas, digitalizaram os exemplares e descartaram os originais. Cada livro se transformou em um arquivo pesquisável armazenado em uma biblioteca interna.
A operação fazia parte de uma iniciativa chamada Project Panama, criada para ampliar a quantidade de textos disponíveis no treinamento dos modelos da empresa.
Na prática, livros físicos foram transformados em infraestrutura de dados.
Livros raros também estão sendo destruídos?
Essa parte exige cautela.
Está comprovado que milhões de livros foram destruídos em operações de digitalização. Ainda não está comprovado, porém, que os grandes laboratórios estejam procurando deliberadamente primeiras edições, manuscritos ou exemplares únicos.
Livreiros australianos relataram compras incomuns de títulos antigos, obscuros e fora de catálogo. Isso levantou suspeitas de que essas obras poderiam estar entrando em cadeias de fornecimento ligadas à IA.
As empresas envolvidas negaram destruir os livros. A Anthropic também afirma não comprar nem destruir obras raras ou antiquárias.
Mesmo assim, o risco existe.
Uma operação automática pode não perceber que determinado livro possui poucas cópias em circulação. Um exemplar aparentemente comum também pode conter dedicatórias, anotações, carimbos históricos ou documentos guardados entre suas páginas.
Para a máquina, duas cópias do mesmo título contêm quase o mesmo texto.
Para um pesquisador, podem ser objetos completamente diferentes.
Um livro não é apenas seu texto
Quando um livro é escaneado, seu conteúdo pode sobreviver.
Mas a cópia digital não preserva completamente o papel, a encadernação, as marcas de uso, a procedência e outros elementos que ajudam a contar a história daquela obra.
Também existe uma diferença importante entre uma biblioteca e uma empresa privada.
Quando uma biblioteca digitaliza um livro, geralmente busca preservá-lo ou ampliar o acesso.
Quando uma empresa faz isso para treinar um produto comercial, o arquivo pode permanecer fechado em seus servidores.
A sociedade perde o exemplar físico sem necessariamente receber acesso à versão digital.
Destruir livros para treinar IA é legal?
Em um processo contra a Anthropic, um juiz norte-americano entendeu que o treinamento de modelos e a conversão dos livros comprados para o formato digital poderiam ser protegidos pelo conceito de fair use.
O tribunal considerou que a empresa havia adquirido legalmente os exemplares e criado cópias digitais para uso interno.
A decisão, porém, tratou de maneira diferente livros obtidos em bibliotecas piratas.
Isso também não significa que a prática seja automaticamente legal em todos os países. No Brasil, a questão dependeria da Lei de Direitos Autorais e das futuras regras sobre o treinamento de inteligência artificial.
Além disso, algo pode ser juridicamente permitido e continuar sendo eticamente questionável.
Quem ganha com esse processo?
Quando uma empresa compra um livro usado, o autor e a editora normalmente não recebem nada.
O vendedor ganha uma única vez. Já o laboratório pode incorporar aquele conteúdo a um sistema utilizado por milhões de pessoas durante anos.
O valor não está no papel, mas na combinação daquele texto com milhões de outras obras.
Quanto maior e mais exclusiva for a biblioteca de treinamento, maior pode ser a vantagem competitiva da empresa.
Nesse modelo, livros baratos e esquecidos podem virar ativos valiosos para companhias bilionárias sem que autores, tradutores e editoras participem dessa nova geração de valor.
Como digitalizar sem apagar
A digitalização não precisa ser inimiga da preservação.
Empresas poderiam fazer uma triagem antes de destruir qualquer obra. Livros antigos, esgotados ou com poucas cópias disponíveis deveriam ser escaneados por métodos não destrutivos.
Exemplares com dedicatórias, anotações ou sinais de valor histórico poderiam ser encaminhados a bibliotecas e universidades.
Também seria importante divulgar quantos livros foram comprados, quais critérios determinam sua destruição e como seus conteúdos são utilizados.
Autores e editoras poderiam ainda receber por meio de contratos específicos de licenciamento para treinamento de IA.
Essas medidas não impediriam o avanço tecnológico. Apenas colocariam limites em uma lógica baseada exclusivamente em velocidade e redução de custos.
O paradoxo dos destruidores de livros
Livros preservaram o conhecimento humano durante séculos.
Agora, empresas querem usar esse conhecimento para ensinar máquinas.
O paradoxo é que, para construir sistemas capazes de reproduzir parte da cultura humana, essas empresas podem destruir os objetos que ajudaram a preservá-la.
Talvez a maioria dos exemplares eliminados seja comum e facilmente substituível. Mas, quando a operação envolve milhões de livros e pouca transparência, até uma pequena taxa de erro pode representar a perda de obras importantes.
A questão não é apenas se a inteligência artificial deve aprender com livros.
É quem controla esse conhecimento, quem recebe por seu uso e o que estamos dispostos a destruir para criar máquinas mais inteligentes.
