Investigație: Amazon cumpără și distruge cărți rare pentru antrenarea inteligenței artificiale

Amazon cumpără cantități mari de cărți, inclusiv volume vechi și rare, pe care le scanează pentru a obține date destinate dezvoltării sistemelor de inteligență artificială. Exemplarele fizice sunt dezmembrate în timpul procesului și apoi aruncate, potrivit unei investigații realizate de publicația americană 404 Media și preluate de Cybernews.

Pentru a descoperi cine se află în spatele comenzilor masive de cărți, jurnaliștii au colaborat cu un comerciant și au ascuns un dispozitiv de localizare AirTag într-unul dintre volumele incluse într-un transport mai mare.

Semnalul dispozitivului a arătat că volumul a ajuns la centrul Amazon VGT3 din Las Vegas, Nevada. Potrivit mărturiilor unor angajați, în această unitate sunt recepționate transporturi de cărți care sunt apoi tăiate, scanate și eliminate.

Investigația 404 Media descrie centrul drept o facilitate folosită de Amazon pentru obținerea datelor necesare antrenării inteligenței artificiale.

Cărților le sunt tăiate cotoarele înainte de scanare

Metoda presupune îndepărtarea cotorului, astfel încât paginile să poată fi separate și introduse rapid în scanere industriale. Procedura reduce costurile și timpul necesar digitizării, însă face imposibilă recuperarea volumului în forma sa inițială.

Un indiciu ironic despre activitatea desfășurată în centrul VGT3 apare chiar în simbolul echipei: un Tyrannosaurus rex care ține o carte și pare pregătit să o distrugă.

Discuțiile online atribuite unor angajați arată că activitatea centrului depinde de aprovizionarea constantă cu volume vechi. La un moment dat, lucrătorii s-ar fi temut că depozitul ar putea fi închis deoarece compania întâmpina dificultăți în găsirea altor cărți care să fie scanate.

Ulterior, jurnaliștii au constatat că unitatea continua să funcționeze și să primească transporturi de volume.

Amazon: Cărțile sunt cumpărate prin canale comerciale

Amazon nu a răspuns punctual concluziilor investigației, dar a transmis că achiziționează cărți prin „canale comerciale” pentru a contribui la dezvoltarea și îmbunătățirea produselor și serviciilor utilizate de clienți, potrivit Ars Technica.

Compania nu a precizat câte volume a cumpărat, câte au fost distruse, ce sisteme sunt antrenate cu ajutorul textelor și nici dacă verifică valoarea istorică sau raritatea exemplarelor înainte de dezmembrare.

Amazon se află într-o competiție directă cu OpenAI, Anthropic, Google și alte companii pentru dezvoltarea unor modele de inteligență artificială mai performante. Cărțile, mai ales cele care nu sunt disponibile în format digital, reprezintă o sursă importantă de texte de calitate și de informații care nu pot fi găsite cu ușurință pe internet.

Sunt urmărite cărțile după codul ISBN

Informațiile analizate de 404 Media sugerează că angajații încep procesul prin scanarea codurilor de bare și a numerelor ISBN. Codul ISBN permite identificarea exactă a unei ediții și poate ajuta compania să evite scanarea repetată a aceluiași conținut.

Cybernews avansează ipoteza că firmele de inteligență artificială ar putea parcurge liste extinse de coduri ISBN pentru a identifica volumele care lipsesc din bazele lor de date. Informațiile disponibile nu demonstrează însă că Amazon urmărește literalmente scanarea tuturor cărților tipărite din lume.

Folosirea ISBN-ului arată totuși că procesul este organizat ca o operațiune industrială de constituire a unei biblioteci digitale, nu ca o simplă achiziție ocazională de cărți.

Anthropic a folosit aceeași metodă pentru milioane de volume

Amazon nu este prima companie de inteligență artificială despre care s-a aflat că recurge la „scanarea distructivă”. Anthropic, dezvoltatorul chatbotului Claude, a cumpărat milioane de cărți tipărite, le-a îndepărtat cotoarele, a scanat paginile și a eliminat exemplarele fizice.

Practica a devenit cunoscută în urma procesului Bartz versus Anthropic, referitor la utilizarea cărților pentru antrenarea modelelor de inteligență artificială.

În 2025, un judecător federal american a stabilit că digitizarea cărților cumpărate legal și utilizarea lor pentru antrenarea modelelor Anthropic puteau fi considerate „fair use” în circumstanțele analizate. Instanța a ținut cont și de faptul că exemplarul digital îl înlocuia pe cel tipărit, care fusese distrus, iar copia nu era distribuită în afara companiei.

În schimb, aceeași protecție nu a fost recunoscută pentru cărțile obținute inițial din surse piratate. Hotărârea nu înseamnă, așadar, că distrugerea volumului fizic este o obligație legală generală sau că orice folosire a unei cărți pentru antrenarea AI este automat permisă.

O miză juridică, dar și una culturală

Din punct de vedere tehnic, tăierea cotorului este cea mai rapidă și mai ieftină metodă de scanare a unui număr mare de pagini. Din punct de vedere juridic, păstrarea unei singure copii digitale în locul exemplarului fizic poate susține argumentul că firma nu a multiplicat numărul copiilor aflate în posesia sa.

Controversa depășește însă problema drepturilor de autor. În cazul unor volume vechi sau rare, exemplarul fizic poate avea valoare istorică, documentară ori de colecție, independentă de textul pe care îl conține. Distrugerea sa poate însemna pierderea definitivă a unei ediții care nu mai poate fi găsită ușor pe piață.

Investigația nu stabilește dacă Amazon a distrus exemplare unice și nici dacă volumele sunt evaluate înainte de scanare. Ea arată însă amploarea cu care companiile de tehnologie caută conținut tipărit pentru dezvoltarea inteligenței artificiale și costul material ascuns în spatele acestei competiții.