Laboratórios de IA estão comprando livros físicos, digitalizando páginas e destruindo os originais
Empresas de IA compram e destroem livros físicos em escala industrial para extrair dados puros de treinamento em busca de evolução.
A indústria da inteligência artificial descobriu que o progresso dos seus modelos de linguagem depende de um recurso inesperado e finito. Não se trata de poder computacional, de capital de risco ou de engenheiros talentosos. A nova riqueza está escondida em estantes empoeiradas, galpões de sebos e porões de bibliotecas universitárias. Livros físicos impressos antes de 2022 se transformaram na matéria prima mais cobiçada do Vale do Silício, inaugurando uma corrida silenciosa que opõe a fome dos algoritmos à integridade da cultura material.
O motivo que empurra os laboratórios para essa busca é ao mesmo tempo técnico e paradoxal. Modelos como Claude, ChatGPT e Gemini são criaturas dos dados. Eles precisam ingerir quantidades colossais de texto bem escrito, logicamente estruturado, diverso em estilo e confiável em conteúdo. Durante anos, a internet aberta forneceu esse alimento em abundância. A equação mudou radicalmente depois que a inteligência artificial generativa se popularizou. A rede mundial passou a ser progressivamente preenchida por textos sintéticos, artigos gerados em massa, paráfrases automáticas e conteúdos produzidos por outros modelos. Treinar uma nova geração de inteligência artificial com dados que já foram cuspidos por uma geração anterior é tecnicamente desastroso. O fenômeno tem nome na literatura científica: colapso do modelo. A cada ciclo de retroalimentação, o sistema perde nuances, achata o vocabulário, esquece fatos raros e se torna cada vez mais genérico e alucinatório.
Diante desse cenário, os livros anteriores à explosão da inteligência artificial generativa adquiriram um valor completamente novo. São cápsulas do tempo informacional. Representam texto humano não contaminado, produzido antes que a poluição algorítmica se alastrasse pela web. O interesse, no entanto, não recai sobre os títulos facilmente disponíveis em formato digital. Os best sellers, os clássicos em domínio público e os lançamentos recentes já foram exaustivamente sugados pelos rastreadores automáticos. O tesouro real está nas obras que nunca foram digitalizadas. Trata se de livros raros, títulos fora de catálogo, manuais técnicos esquecidos, coleções acadêmicas de décadas passadas, obras de referência obscuras e volumes que sobrevivem apenas em estoques físicos residuais. Esses objetos carregam uma diversidade vocabular, uma densidade conceitual e uma precisão editorial que os algoritmos não encontram mais em lugar nenhum.
O método utilizado para extrair esse conhecimento é o ponto em que a engenharia de dados colide de forma desconfortável com a noção de patrimônio. A operação emprega um processo conhecido como digitalização destrutiva. O termo não é uma metáfora. Os livros adquiridos em grandes lotes não são tratados como objetos de coleção ou memória. Eles passam por um procedimento industrial que começa com a guilhotina. A lombada é cortada fora com precisão cirúrgica. As páginas, agora soltas, são empilhadas e alimentam escâneres de altíssima velocidade, capazes de capturar centenas de imagens por minuto. O texto é convertido em arquivo digital, indexado e incorporado ao banco de dados de treinamento. O corpo físico do livro, reduzido a um maço de folhas sem encadernação, segue para descarte ou reciclagem. A informação se preserva. O objeto que a abrigava desaparece.
O caso mais emblemático e documentado dessa prática envolve a Anthropic, empresa responsável pelo assistente Claude. Documentos judiciais trouxeram à tona uma iniciativa interna batizada de Projeto Panamá. A operação foi desenhada com um objetivo claro e sem ambiguidades: comprar livros físicos em escala industrial, transformá los em dados de treinamento e absorver o conteúdo textual sem qualquer intenção de preservar os exemplares. As revelações constam de autos processuais, não de reportagens especulativas. Ficou estabelecido que havia uma cadeia organizada de aquisição, digitalização e destruição, operando com a naturalidade de quem processa minério para extrair o metal precioso contido nele. A analogia da mineração não é acidental: o livro foi tratado como jazida, não como legado.
A revelação do Projeto Panamá abriu uma discussão que atravessa o direito, a ética e a noção de propriedade sobre a cultura. Nos Estados Unidos, a justiça começou a desenhar uma distinção que surpreendeu muitos observadores. Duas situações que poderiam parecer equivalentes receberam tratamentos jurídicos radicalmente diferentes. Baixar livros piratas de sites ilegais para treinar inteligência artificial gerou um acordo bilionário e uma condenação pública devastadora. O ato foi enquadrado como violação massiva de direitos autorais. Já comprar exemplares físicos de maneira legal, digitalizá los internamente sem redistribuir as cópias e depois destruir os originais encontrou um terreno jurídico muito mais favorável. A defesa se ancora na doutrina do uso transformador, um dos pilares do conceito de fair use. O argumento sustenta que o propósito final do ato não é republicar o livro, mas usar seu texto como combustível para criar um sistema completamente novo. Sob essa ótica, a aniquilação do suporte físico se torna irrelevante para o cálculo jurídico.
É nesse ponto que o debate se descola da técnica e entra no território da filosofia da cultura. Para a máquina e para a engenharia que a constrói, o livro exerce uma função estritamente utilitária. Ele é um mecanismo de entrega de informação, um recipiente de texto que se torna descartável assim que seu conteúdo é transferido para um meio digital. Sob essa lógica, nada se perde. O texto sobrevive, indexado, pesquisável, imortalizado em servidores. Para a experiência humana da cultura, um livro é uma entidade muito mais complexa. Ele é simultaneamente um objeto de memória afetiva, um artefato histórico que testemunha as tecnologias de impressão de sua época, um suporte de anotações marginais que registram diálogos silenciosos entre leitores anônimos, uma peça de um ecossistema de circulação que inclui editoras, livrarias, bibliotecas e colecionadores. A presença física do livro no mundo não é um acidente de percurso que a digitalização corrige. É parte indissociável do seu significado.
A contradição final é perturbadora e não oferece saídas fáceis. A inteligência artificial pode, de fato, se tornar o instrumento mais poderoso de preservação textual já inventado. Ela é capaz de armazenar e processar o conteúdo de milhões de livros, tornando esse conhecimento acessível e imune às traças, ao fogo, ao extravio e à deterioração do papel. No entanto, se o preço dessa imortalidade digital for a destruição sistemática dos próprios livros que carregavam esse texto em sua forma material, o ato muda de natureza. Deixa de ser preservação para se transformar em uma forma de apagamento. É a transformação da memória em dado bruto, onde o espírito da letra é salvo, mas seu corpo é condenado ao desaparecimento. A corrida pelo ouro do conhecimento humano pode, ironicamente, nos deixar mais ricos em bits e mais pobres em presença.
Fontes
As informações sobre o Projeto Panamá, a prática de digitalização destrutiva de livros pela Anthropic e os detalhes da operação de compra de livros físicos em escala industrial para treinamento de inteligência artificial constam de documentos judiciais do processo por violação de direitos autorais movido por autores contra a empresa, cujos autos foram analisados pela imprensa especializada em tecnologia e direito digital. Os debates sobre o fenômeno do colapso do modelo, a contaminação de dados de treinamento por conteúdo sintético e a busca por fontes textuais pré inteligência artificial generativa estão registrados em artigos científicos e na cobertura jornalística de veículos de tecnologia ao longo de 2023, 2024 e 2025. As discussões jurídicas sobre a distinção entre uso de livros pirateados e digitalização transformativa de exemplares físicos adquiridos legalmente, incluindo os acordos bilionários relacionados a direitos autorais e a aplicação da doutrina de fair use, foram documentadas em análises legais e reportagens investigativas sobre as ações judiciais enfrentadas por empresas de inteligência artificial nos Estados Unidos.
