Amazon compra livros em massa para treinar IA e exemplares são destruídos

O caso chama atenção por uma ironia evidente: a Amazon, que começou sua trajetória como uma livraria virtual, agora é acusada de desmontar fisicamente livros para alimentar seus modelos de IA.

A operação foi descoberta depois que um dispositivo de rastreamento foi colocado dentro de um livro incluído em um lote de aproximadamente mil obras. O exemplar terminou em uma instalação da Amazon em Las Vegas, nos Estados Unidos, onde funcionários relataram trabalhar na retirada das encadernações e na digitalização das páginas.

A empresa confirmou que adquire livros por canais comerciais para desenvolver e melhorar produtos usados pelos clientes. Entretanto, não detalhou quantas obras foram processadas, quais sistemas recebem os dados nem quantas instalações semelhantes mantém.

Além da discussão sobre direitos autorais, o caso provoca outra preocupação: exemplares antigos ou de circulação limitada podem desaparecer depois de serem transformados em arquivos digitais privados.

Leia mais:

Fundador da Amazon vê escassez de mão de obra como efeito da IA

Como a operação da Amazon foi descoberta?

A investigação foi publicada pelo site norte-americano 404 Media. O trabalho começou após vendedores de livros usados identificarem pedidos incomuns envolvendo grandes quantidades de títulos aparentemente sem relação entre si.

As encomendas incluíam obras antigas, edições estrangeiras, livros técnicos, títulos esgotados e publicações com poucos exemplares disponíveis no mercado. Em alguns casos, os compradores não demonstravam preocupação com preço, tema, condição ou valor de coleção.

Para descobrir o destino das obras, um vendedor colaborou com a reportagem e colocou um AirTag em um livro. O pequeno dispositivo da Apple permite acompanhar a localização aproximada de um objeto.

O livro fazia parte de uma compra de aproximadamente mil títulos. O rastreamento indicou que ele foi levado a uma estrutura da Amazon em Las Vegas conhecida como LAS8, onde também funciona a operação identificada como VGT3.

Funcionários citados pela investigação afirmaram que o trabalho no local consistia principalmente em receber, catalogar, cortar e escanear livros. 404 Media

O que acontece com os livros dentro da instalação?

Ao chegar ao local, cada obra tem seu código de barras ou ISBN registrado. ISBN é o número utilizado internacionalmente para identificar uma edição específica de um livro.

O registro permite saber qual título foi processado, quem é o autor, qual editora publicou a obra e a qual edição o exemplar pertence. Isso também pode evitar que o mesmo conteúdo seja comprado e digitalizado repetidamente.

Depois da catalogação, a encadernação é removida. As páginas soltas podem passar por equipamentos de digitalização com mais rapidez do que um livro preservado.

O procedimento facilita o uso de scanners automáticos, mas causa um dano irreversível ao exemplar. Depois de perder a lombada e ter as páginas separadas, o livro deixa de ter condições normais de leitura ou revenda.

Segundo trabalhadores mencionados pela reportagem, as obras são descartadas após a digitalização. Uma publicação especializada que acompanhou o caso informou que a instalação continuava em funcionamento no momento da investigação. GeekWire

Por que cortar a encadernação?

Existem métodos capazes de digitalizar livros sem destruí-los. Bibliotecas, museus e projetos de preservação utilizam equipamentos que fotografam páginas abertas sem retirar a encadernação.

Esses processos, porém, são mais lentos e exigem maior cuidado. Quando o objetivo é digitalizar milhares ou milhões de páginas, cortar a lombada reduz o tempo e o custo da operação.

As páginas soltas podem ser alimentadas em equipamentos semelhantes aos scanners usados para digitalizar grandes volumes de documentos. O ganho de eficiência ocorre às custas da preservação física.

Para que uma empresa de IA precisa de tantos livros?

Modelos de linguagem são treinados com enormes quantidades de texto. Durante o treinamento, o sistema analisa padrões entre palavras, frases, temas e estruturas de linguagem.

É assim que uma inteligência artificial aprende a elaborar respostas, produzir resumos, traduzir conteúdos, escrever códigos e reconhecer diferentes estilos de comunicação.

Durante anos, empresas de tecnologia coletaram grande parte desses dados na internet. O problema é que os conteúdos disponíveis publicamente não representam todo o conhecimento publicado pela humanidade.

Muitos livros antigos nunca foram digitalizados. Outros existem em arquivos protegidos, bibliotecas fechadas ou edições físicas que deixaram de ser comercializadas.

Essas obras se tornam valiosas porque podem fornecer informações, estilos e construções linguísticas que não aparecem com frequência nas páginas disponíveis na internet.

Livros anteriores à popularização da IA ganharam valor

Outro motivo para o interesse em obras antigas é a expansão de textos produzidos por inteligência artificial na internet.

Se um modelo for treinado repetidamente com textos criados por outros sistemas, a qualidade do aprendizado pode ser prejudicada. Ele corre o risco de reproduzir erros, simplificações e padrões artificiais já presentes no conteúdo gerado.

Esse fenômeno é frequentemente relacionado ao chamado colapso de modelo. Em termos simples, é como fazer uma cópia de outra cópia várias vezes: detalhes podem ser perdidos ou distorcidos a cada nova reprodução.

Livros publicados antes da popularização da IA generativa oferecem uma fonte de conteúdo predominantemente humano. Isso aumenta o interesse de empresas por obras anteriores ao lançamento do ChatGPT e de outros sistemas semelhantes.

A Amazon admitiu que usa os livros para treinar IA?

A Amazon confirmou a compra de livros, mas deu uma resposta limitada sobre a finalidade exata da operação.

Em declaração enviada ao 404 Media, a companhia afirmou que compra livros por canais comerciais para ajudar a desenvolver e melhorar os produtos e serviços utilizados por seus clientes.

A resposta confirma a aquisição e o aproveitamento das obras no desenvolvimento tecnológico, mas não especifica quais produtos utilizam os dados. A Amazon também não esclareceu se todo o material digitalizado é usado diretamente no treinamento de modelos de linguagem.

A empresa mantém diferentes serviços baseados em inteligência artificial, incluindo ferramentas empresariais, modelos generativos, assistentes digitais e recursos para sua plataforma de comércio eletrônico.

Por essa razão, é importante diferenciar os fatos das conclusões ainda não detalhadas. A investigação encontrou livros sendo enviados a uma operação de digitalização da Amazon, trabalhadores descreveram o corte das obras e a companhia admitiu comprá-las para melhorar seus serviços. A composição exata do banco de dados, contudo, não foi divulgada.

A prática é legal nos Estados Unidos?

A compra de um livro físico transfere a propriedade daquele exemplar ao comprador. Em princípio, o proprietário pode cortar, descartar, revender ou destruir o objeto.

Isso não significa, porém, que a compra transfira os direitos autorais sobre o texto. A pessoa se torna dona do papel e da encadernação, mas não da obra intelectual criada pelo autor.

A principal dúvida jurídica está na reprodução integral do conteúdo para treinamento de inteligência artificial.

Nos Estados Unidos, existe a doutrina do fair use, ou uso justo. Ela permite determinadas utilizações de obras protegidas sem autorização, dependendo da finalidade, da quantidade copiada, da natureza da obra e do impacto sobre o mercado original.

Não existe uma autorização geral afirmando que qualquer empresa pode comprar, copiar e utilizar qualquer livro no treinamento de IA. Cada situação pode receber uma interpretação diferente nos tribunais.

O Escritório de Direitos Autorais dos Estados Unidos já afirmou que não é possível antecipar uma única resposta para todas as disputas. Alguns usos de obras protegidas no treinamento de IA podem ser considerados justos, enquanto outros podem exigir autorização ou pagamento. U.S. Copyright Office

Caso da Anthropic criou um precedente importante

A operação atribuída à Amazon ganhou destaque porque outra empresa de inteligência artificial já utilizou uma estratégia semelhante.

A Anthropic, responsável pelo chatbot Claude, comprou milhões de livros físicos, retirou as encadernações, digitalizou as páginas e descartou os exemplares. O projeto foi apresentado internamente como uma tentativa de criar uma grande biblioteca digital para treinamento de IA.

Em 2025, um juiz federal dos Estados Unidos analisou a prática no processo Bartz versus Anthropic. A decisão separou duas situações.

A digitalização de livros comprados legalmente e seu uso no treinamento do Claude foram considerados uso justo naquele caso. O juiz entendeu que o treinamento tinha finalidade transformadora e que a cópia integral era necessária para desenvolver o modelo.

O resultado foi diferente para milhões de obras que a Anthropic havia obtido inicialmente em bibliotecas piratas. A criação de um arquivo permanente com cópias baixadas ilegalmente não recebeu a mesma proteção.

Portanto, a decisão não afirmou que toda utilização de livros no treinamento de IA é legal. Ela distinguiu as obras compradas e digitalizadas daquelas obtidas por meio de fontes piratas. O próprio registro do Escritório de Direitos Autorais dos Estados Unidos classifica o resultado do processo como misto. U.S. Copyright Office

Comprar depois não apaga necessariamente uma cópia ilegal anterior

Um ponto importante do processo contra a Anthropic foi a origem de cada arquivo.

A compra posterior de um exemplar físico não eliminou automaticamente a discussão sobre uma cópia que já havia sido baixada de uma fonte não autorizada. Os dois atos foram avaliados separadamente.

Esse entendimento incentiva empresas a adquirir livros por canais comerciais. A compra cria um histórico documental mais defensável do que o uso de bancos de dados formados por conteúdos pirateados.

Isso ajuda a explicar a existência de pedidos de grandes lotes em sebos e plataformas de livros usados. Entretanto, ainda podem surgir discussões sobre remuneração dos autores, transparência e impacto dos modelos no mercado editorial.

A mesma prática seria legal no Brasil?

A decisão norte-americana não pode ser aplicada automaticamente ao Brasil. A legislação brasileira não possui uma cláusula ampla de uso justo idêntica ao fair use dos Estados Unidos.

No Brasil, a Lei nº 9.610, de 1998, protege os direitos dos autores e estabelece que a reprodução de uma obra depende, como regra, de autorização.

A lei contém exceções para situações específicas, como citações, reprodução de pequenos trechos para uso privado e utilização com determinadas finalidades educacionais ou informativas. A digitalização integral de livros para treinamento comercial de inteligência artificial, entretanto, não aparece expressamente entre essas exceções.

A compra de um exemplar físico também não transfere os direitos autorais ao comprador. Uma empresa pode ser proprietária daquele objeto sem receber autorização para reproduzir o conteúdo em um banco de dados.

A própria lei brasileira diferencia a propriedade do suporte físico dos direitos sobre a criação intelectual. Além disso, considera reprodução o armazenamento permanente ou temporário de uma obra por meios eletrônicos. Lei de Direitos Autorais

Isso não significa que qualquer projeto semelhante seria automaticamente ilegal no país. A análise dependeria da origem dos livros, das autorizações, da finalidade, da situação de cada obra e das regras vigentes no momento da operação.

O tema também está ligado ao debate sobre a regulamentação da inteligência artificial no Congresso Nacional. O tratamento de obras protegidas no treinamento de modelos permanece como uma das questões mais delicadas dessa discussão.

Por que a destruição de livros raros preocupa?

O problema vai além dos direitos autorais. Um livro pode ter valor cultural, histórico ou documental independentemente do interesse comercial atual.

Algumas obras compradas em lotes podem ser antigas, estar esgotadas ou ter poucos exemplares conhecidos. Mesmo um título aparentemente sem procura pode se tornar importante para pesquisadores, familiares, comunidades ou instituições de preservação.

Quando uma empresa digitaliza e destrói um exemplar, o texto pode sobreviver em seus servidores. Contudo, o arquivo não substitui necessariamente o objeto físico.

O livro pode conter:

• dedicatórias;
• anotações feitas por leitores;
• carimbos de bibliotecas;
• marcas de propriedade;
• informações sobre a edição;
• características de impressão e encadernação;
• correções ou páginas que não aparecem em outras cópias.

Esses elementos ajudam pesquisadores a reconstruir a circulação e a história de uma obra. Eles desaparecem quando o exemplar é desmontado e descartado.

Também existe uma diferença entre preservação pública e armazenamento privado. Uma biblioteca digital acessível a pesquisadores pode ampliar o conhecimento. Um banco de dados fechado, utilizado exclusivamente por uma companhia, não oferece o mesmo benefício coletivo.

Sebos e vendedores podem recusar os pedidos?

Em uma venda comum, o comerciante geralmente não controla o que o comprador fará com o produto depois da entrega. Se não houver fraude, restrição contratual ou regra específica, o vendedor pode não ter base para cancelar a operação apenas por desconfiar da finalidade.

Ainda assim, sebos e plataformas podem criar políticas próprias, especialmente quando identificam compras capazes de retirar do mercado grandes quantidades de obras raras.

Algumas medidas possíveis incluem:

• verificar pedidos com centenas de títulos sem relação entre si;
• perguntar sobre a finalidade de compras incomuns;
• limitar a quantidade de exemplares raros em uma única encomenda;
• oferecer obras historicamente relevantes a bibliotecas;
• registrar características especiais antes do envio;
• incluir condições específicas em vendas institucionais.

Vendedores também podem avaliar se determinado exemplar deveria ser oferecido primeiro a um arquivo, museu ou universidade. Essa decisão depende do valor cultural e da raridade real da obra.

É importante observar que “livro raro” não significa apenas livro antigo. Raridade envolve critérios como número de exemplares, relevância histórica, edição, estado de conservação, autoria, procedência e particularidades físicas.

Autores podem descobrir se suas obras foram usadas?

Esse é um dos maiores problemas envolvendo o treinamento de inteligência artificial. As empresas geralmente não divulgam uma relação completa dos livros, sites e documentos utilizados.

O registro do ISBN pode permitir que a Amazon mantenha um inventário interno detalhado das obras digitalizadas. Isso não significa que essa lista será disponibilizada publicamente.

Sem transparência, autores e editoras encontram dificuldades para saber se seus trabalhos foram copiados, como foram utilizados e se permanecem armazenados.

A falta de informações também prejudica pesquisadores que tentam avaliar vieses, erros e limitações dos modelos. Conhecer a composição dos dados ajuda a entender quais idiomas, regiões e perspectivas estão mais representados.

Por isso, setores da indústria criativa defendem obrigações de transparência, mecanismos de licenciamento e formas de remuneração. As empresas, por outro lado, alegam que detalhar os bancos de treinamento pode revelar segredos comerciais e tornar projetos de grande escala inviáveis.

O que pode acontecer a partir de agora?

A investigação aumenta a pressão para que a Amazon explique a extensão do projeto. Entre as principais perguntas ainda sem resposta estão a quantidade de livros comprados, o número de instalações envolvidas e os produtos que utilizam os textos digitalizados.

O caso também pode estimular vendedores a identificar pedidos de grande volume e separar exemplares com maior importância histórica antes da venda.

No campo jurídico, a tendência é que novas decisões analisem separadamente a origem dos arquivos, a finalidade do treinamento e o impacto econômico sobre autores e editoras.

A afirmação de que comprar o exemplar físico resolve toda a discussão é simplista. Ela pode fortalecer a posição da empresa em comparação com a pirataria, mas não encerra as dúvidas sobre reprodução, armazenamento, transparência e concorrência.

A questão central permanece aberta: até que ponto uma companhia pode transformar obras humanas em matéria-prima para sistemas comerciais sem negociar diretamente com seus criadores?

No caso da Amazon, já existe evidência de uma operação voltada à compra, ao corte e à digitalização de livros. O próximo passo é descobrir a verdadeira dimensão do projeto e quais sistemas estão sendo desenvolvidos com esse acervo.

Perguntas frequentes

A Amazon está realmente destruindo livros para treinar IA?

Uma investigação do 404 Media rastreou um livro até uma instalação da Amazon em Las Vegas, onde funcionários relataram cortar encadernações e escanear páginas. A empresa confirmou a compra de livros para desenvolver e melhorar seus produtos, mas não detalhou os sistemas utilizados.

Por que os livros precisam ser destruídos?

A retirada da encadernação deixa as páginas soltas e acelera a digitalização automática. O método reduz custos, mas torna o exemplar físico inutilizável.

A Amazon compra apenas livros raros?

A investigação encontrou livros antigos, obscuros, estrangeiros e de baixa circulação. Nem todos seriam necessariamente raros no sentido técnico adotado por colecionadores e bibliotecas.

É legal digitalizar um livro comprado para treinar IA?

Nos Estados Unidos, uma decisão envolvendo a Anthropic considerou essa prática uso justo em circunstâncias específicas. Isso não representa uma autorização automática para qualquer empresa ou situação.

Comprar um livro transfere os direitos autorais?

Não. A compra transfere a propriedade do exemplar físico, mas os direitos sobre o texto continuam pertencendo ao autor ou a outro titular.

A prática seria permitida no Brasil?

A legislação brasileira não possui uma regra ampla de uso justo como a norte-americana. A reprodução integral de uma obra protegida normalmente depende de autorização, mas cada caso precisa ser analisado individualmente.

Por que livros antigos são importantes para a inteligência artificial?

Muitas obras antigas não estão disponíveis na internet e contêm textos produzidos antes da expansão da IA generativa. Isso oferece dados humanos mais diversos para o treinamento dos modelos.