Falta de dados confiáveis leva empresas de IA a destruir milhões de livros físicos

Visão Coruja July 30, 2026

A demanda por dados de alta qualidade para o treinamento de modelos de Inteligência artificial (IA) pode estar motivando algumas empresas a adquirir volumes expressivos de livros físicos, digitalizá-los e descartá-los em seguida.

Inteligência artificial recorre a livros físicos em meio à escassez de dados confiáveis

À medida que os modelos de inteligência artificial avançam, aumenta também a demanda por dados confiáveis e produzidos por seres humanos. Com o crescimento exponencial de conteúdos gerados por IA disponíveis na internet — considerados por diversos especialistas como inadequados para o treinamento de novos sistemas —, os livros impressos emergiram como uma fonte particularmente valiosa de informação.

De acordo com investigação da 404 Media, algumas empresas do setor estariam adquirindo grandes quantidades de livros usados por meio de intermediários, buscando manter essas operações discretas e fora do radar público.

Empresas adquirem volumes em massa, digitalizam páginas rapidamente e descartam exemplares físicos irreversivelmente

O uso de livros físicos para treinar modelos de IA não é inédito. Durante um processo judicial envolvendo a empresa Anthropic, revelou-se que ela havia adquirido milhões de volumes para digitalização, contratando firmas especializadas nesse tipo de serviço.

Para agilizar o trabalho, muitas dessas digitalizações são executadas por meio de métodos destrutivos. Na prática, as lombadas dos livros são removidas para permitir que cada página seja lida por equipamentos industriais de alta velocidade, tornando inviável a preservação do exemplar original.

Apesar de essa técnica ser utilizada há anos em projetos de digitalização documental, sua aplicação em escala massiva para alimentar modelos de IA tem provocado intenso debate entre autores, editoras e defensores de direitos autorais.

Compras em massa despertam atenção de livreiros e levantam alertas sobre preservação de obras

A investigação aponta ainda que diversos vendedores de livros usados registraram um aumento incomum na demanda nos últimos meses. Um dos livreiros ouvidos afirmou ter passado de aproximadamente 20 volumes vendidos por semana para várias centenas, enquanto outros relataram padrões semelhantes.

Outro aspecto que chamou a atenção foi o fato de os compradores priorizarem livros identificados por International Standard Book Number (ISBN) — um código internacional de identificação composto por 13 dígitos que funciona como o "documento de identidade" de uma obra literária, independentemente do autor, do gênero ou da temática.

Em muitos casos, também não demonstravam grande preocupação com o preço solicitado pelas obras.

Entre o avanço tecnológico e os dilemas éticos da digitalização em larga escala de acervos

Embora uma decisão judicial nos Estados Unidos tenha considerado que, em determinadas circunstâncias, o treinamento de modelos de IA com livros legalmente adquiridos possa se enquadrar no princípio do fair use, diversas questões legais e éticas seguem sem esclarecimento.

Entre elas destaca-se a possível destruição de exemplares raros ou esgotados, bem como o fato de que o conhecimento digitalizado passa a integrar bases de dados privadas, inacessíveis ao público.

Apesar de não haver evidências de que obras raras estejam sendo sistematicamente retiradas de circulação, essa possibilidade tem alimentado o debate em torno da preservação do patrimônio cultural e do equilíbrio entre inovação tecnológica e acesso ao conhecimento.

Problemas e consequências da digitalização destrutiva de livros para treinamento de IA

A prática de adquirir livros físicos em massa, digitalizá-los por métodos destrutivos e descartar os exemplares originais gera um conjunto complexo de implicações que ultrapassam a mera questão técnica de obtenção de dados para treinamento de modelos de inteligência artificial.

Problemas identificados

Do ponto de vista da preservação cultural, a remoção sistemática de volumes raros ou esgotados representa risco concreto ao patrimônio bibliográfico. Mesmo sem evidências de destruição direcionada de obras raras, a possibilidade permanece aberta, especialmente considerando a falta de transparência nas operações conduzidas por empresas do setor. Obras únicas ou com edições limitadas podem desaparecer permanentemente do acervo físico global.

A concentração do conhecimento digitalizado em bases de dados privadas cria outra camada de problema. Informações que tradicionalmente pertencem ao domínio público ou a bibliotecas institucionais passam a residir em servidores controlados por corporações, tornando-se inacessíveis a pesquisadores independentes, estudantes e cidadãos comuns. Isso contradiz princípios fundamentais do acesso universal ao conhecimento.

As questões éticas envolvem também a comercialização indireta de propriedade intelectual. Embora o treinamento com livros legalmente adquiridos possa ser amparado pelo princípio de fair use nos Estados Unidos, a escala inédita dessa operação — milhões de volumes comprados, processados e eliminados — coloca em xeque os limites jurídicos tradicionais. Direitos autorais, compensação financeira aos titulares de obras e consentimento dos autores permanecem em áreas cinzentas.

Consequências esperadas

Para autores e editoras, a ausência de remuneração ou reconhecimento pelo uso massivo de suas obras gera tensão no mercado editorial. A desvalorização econômica do conteúdo original pode reduzir incentivos para novas produções culturais. Para bibliotecas e instituições de preservação, o desaparecimento progressivo de exemplares físicos dificulta atividades de pesquisa histórica, curadoria e conservação a longo prazo.

No plano social mais amplo, a privatização de vastos corpus textuais tende a concentrar poder informacional em poucas empresas tecnológicas. Modelos de IA treinados com dados inacessíveis a concorrentes e pesquisadores externos reforçam barreiras de entrada e reduzem competitividade no desenvolvimento de tecnologias derivadas. A opacidade também impede auditorias independentes sobre viés, qualidade e origem dos dados utilizados.

Equilíbrio necessário

O desafio central consiste em compatibilizar inovação tecnológica com salvaguardas culturais e jurídicas. Soluções plausíveis incluem: criação de registros públicos das obras digitalizadas, mecanismos de compensação automática para autores e editores, preservação obrigatória de pelo menos uma cópia física de cada título processado, e regulação específica que discipline o uso destrutivo de acervos bibliográficos para fins comerciais.

Sem essas garantias, o avanço da inteligência artificial corre o risco de ocorrer às custas da erosão do patrimônio cultural compartilhado e do enfraquecimento dos direitos autorais. O debate atual sinaliza que a sociedade precisará definir, antes do próximo salto tecnológico, onde traçar a linha entre progresso e preservação.

O Visão Coruja manterá vigilância ativa sobre os desenvolvimentos nesta área de inteligência artificial e suas implicações estratégicas para o patrimônio cultural, o mercado editorial e os direitos autorais.

Acompanhe nossas análises regulares sobre políticas de dados, disputas judiciais envolvendo grandes empresas de tecnologia e movimentações relevantes no cenário internacional de preservação bibliográfica.