Palavra de Sá

Por que empresas de IA estão destruindo milhares de livros antigos ao redor do mundo

Em 30 de abril, Marçal Font recebeu uma encomenda que chamou sua atenção na Livraria Fénix, uma referência no comércio de livros antigos na cidade catalã de Badalona, na Espanha.

"Há 20 anos me dedico a ser livreiro de livros usados, ou seja, já tive milhões de compras estranhas, então isso já não me alarma", conta à BBC Mundo, serviço em espanhol da BBC, o também poeta e professor de Literatura Comparada da Universidade de Barcelona.

A encomenda vinha de uma empresa localizada no Canadá, mas não era a primeira vez que a livraria enviava livros em catalão para o exterior. "Mandamos livros até para o Japão, não é algo incomum; mas o padrão (de compra) era estranho".

Quando, no início de maio, chegou uma nova série de pedidos, Font decidiu investigar por receio de que se tratasse de uma fraude.

"Não é frequente procurar saber quem compra de nós, mas naquele caso começamos a olhar, principalmente porque eram pedidos em uma janela de uma hora ou 40 minutos. Tínhamos três ou quatro e-mails pedindo uma quantidade incomum de livros. E os custos de envio associados eram absurdos."

Então ele consultou seu amigo Xavier Vinaixa, com quem compartilha, além do amor pelos livros e pelo humanismo, a paixão pela inteligência artificial.

"Ele me ligou e disse: 'olha, estou recebendo pedidos com padrões estranhos, o mesmo cliente, envio para o exterior e pagando três vezes os custos de envio'. E a primeira coisa em que ele pensou foi que talvez fosse um golpe", lembra Vinaixa em entrevista à BBC Mundo.

"Foi aí que começamos a seguir a pista e encontramos outras pessoas, com as mesmas preocupações de Marçal, na Alemanha, na Nova Zelândia... E então ficou muito claro para nós", acrescenta Vinaixa, que é pesquisador de inteligência artificial e diretor técnico da empresa de tecnologia Sorensen.ai.

Se alguém fizer uma busca na internet pelos termos "livros antigos" e "inteligência artificial", encontrará rapidamente essas "preocupações" às quais Vinaixa se refere.

Em um artigo do jornal britânico The Telegraph intitulado "Barbárie cultural: como as empresas de IA estão destruindo os livros do mundo", um livreiro de Haarlem, na Holanda, relata a surpresa que sentiu ao receber uma encomenda em massa de livros:

"No comércio de livros antigos é muito raro que as pessoas queiram comprar mais de um livro. Portanto, se alguém chega e diz 'quero algumas centenas dos seus livros', isso é muito estranho", contou o antiquário Pieter de Vries.

O jornal The Guardian citou uma livreira no Estado australiano de Victoria que recebeu um pedido da mesma empresa que comprou de Marçal Font: "Eles fizeram o pedido, pagaram antecipadamente e não questionaram os custos de envio", explicou Delfina Manor.

Ambos os artigos, assim como aqueles que contaram a história do livreiro catalão, fazem referência à investigação jornalística que revelou o que é conhecido como o "Projeto Panamá".

<><> Destruição

Em setembro de 2025, a empresa de IA Anthropic concordou em pagar US$ 1,5 bilhão (R$ 7,2 bi) para encerrar uma ação coletiva movida por autores que alegavam que a companhia havia utilizado suas obras sem permissão para treinar seus modelos de IA.

Quatro meses depois, o jornal Washington Post publicou com exclusividade um documento que fez parte do processo judicial, no qual era mencionada a existência de um plano para digitalizar todas as obras escritas pela humanidade.

"O Projeto Panamá é nosso esforço para escanear de forma destrutiva todos os livros do mundo", dizia o texto vazado, que mais adiante especificava: "Não queremos que se saiba que estamos trabalhando nisso".

Maximiliano Firtman, professor argentino e autor de livros sobre programação e inteligência artificial, foi um dos autores que processaram a Anthropic nessa ação coletiva.

Segundo contou à BBC Mundo, o juiz determinou que, se a empresa comprasse o exemplar do livro, poderia utilizá-lo para treinar a IA.

"E então começaram a surgir os relatos de livreiros ao redor do mundo que recebiam pedidos de livros que ninguém procurava, e de algumas empresas que se dedicam a escanear esses livros e fornecer o texto já digitalizado às empresas de inteligência artificial. É aí que surge a questão da destruição dos livros."

Rodrigo Álvarez, jornalista especializado em tecnologia do veículo argentino Todo Noticias (TN), explica que existem dois métodos para digitalizar livros, um dos quais não implica a destruição do exemplar, pois utiliza escâneres planos ou dispositivos em forma de V que digitalizam as páginas sem desmontar a encadernação.

"O procedimento 'destrutivo' é basicamente um processo que começa com o corte da lombada para que as folhas fiquem soltas; as páginas já separadas são introduzidas em escâneres industriais de alta velocidade que as digitalizam muito mais rapidamente, de forma automática", explica.

Uma vez digitalizadas as páginas, o livro já não pode ser montado novamente e seus restos costumam ser enviados para reciclagem.

"As empresas escolhem essa segunda alternativa por uma questão de escala: ela permite digitalizar milhões de exemplares com mais rapidez e a um custo menor. No caso documentado da Anthropic, para o Projeto Panamá foi utilizado esse procedimento", conclui Álvarez.

<><> Treinamento

Digitalizar livros permite preservar os textos escritos ao longo da história humana, mas o objetivo principal parece obedecer mais ao treinamento da inteligência artificial do que a um espírito de conservação.

"Quando falamos de IA, normalmente subentende-se que estamos falando de um LLM (sigla em inglês para Large Language Model), um grande modelo de linguagem", esclarece Xavier Vinaixa.

Os LLMs, como, por exemplo, o ChatGPT, são programas de inteligência artificial que aprendem a compreender, resumir, traduzir e gerar texto ou outros conteúdos prevendo a palavra ou o trecho seguinte.

"Todos usamos o teclado preditivo em nossos telefones. Você escreve 'olá, estou chegando...' e talvez ele sugira a palavra 'atrasado'. Como funciona esse teclado preditivo? Com base em estatísticas de textos anteriores que você escreveu. Isso mesmo, mas elevado à milionésima potência, é um LLM", exemplifica Maximiliano Firtman.

Então, para treinar esses grandes modelos de linguagem na complexa arte de encontrar conexões entre palavras, eles foram inicialmente "alimentados" com toda a informação disponível na internet, como Wikipédia, blogs e fóruns. Quando isso começou a se esgotar, passaram a ser treinados com matérias de jornais e até com legendas de vídeos do YouTube.

"Tudo o que tinham à mão era dado a essa máquina que engole textos e, quando isso acabou, começaram a procurar nos livros impressos que já estavam digitalizados, depois nas bibliotecas e agora começaram a procurar livros estranhos que não são comerciais. E onde eles estão? Em livrarias de livros usados e antiquários", acrescenta Firtman.

"No caso de Marçal", diz Xavier Vinaixa, "ele me comentava sobre pedidos que recebia, por exemplo, de obras sobre a história dos embutidos catalães, coisas que certamente ainda não foram usadas para treinamento".

<><> Dados sem contexto não são dados

A destruição dos livros digitalizados para treinar a IA tem gerado questionamentos e dúvidas em diversos círculos.

Miguel Ángel Ortega, presidente da Associação Profissional do Livro e do Colecionismo Antigos da Espanha, diz que se deveria distinguir se se trata de exemplares de grandes tiragens ou de tiragens limitadas.

"Como comerciantes que preservamos o patrimônio e realizamos um trabalho de conservação, acreditamos que o destino final de uma obra, de uma edição muito limitada, rara ou única, logicamente, não deveria ser a destruição."

Nisso concorda Rodrigo Álvarez, o jornalista de tecnologia da TN, para quem o maior risco "é que as compras indiscriminadas destruam exemplares raros ou esgotados sem verificar antes quantos desses exemplares ainda restam nos estoques de distribuidoras e livrarias, ou mesmo em posse das pessoas".

Marçal Font, por outro lado, não se preocupa tanto com a destruição de livros: "Não sou nada romântico nesse sentido".

"Assim como os veterinários que estudam para salvar os animais acabam sendo os que mais sacrificam animais, meu ponto de vista é que não há ninguém que destrua mais livros do que um livreiro de livros usados, porque compramos bibliotecas inteiras, salvamos tudo o que é possível salvar, mas há muita coisa que não se salva."

Font explica que, se um livro possui depósito legal, o que garante a conservação de pelo menos cinco ou dez exemplares, "que um exemplar seja destruído para que toda essa informação vá para um novo formato de conhecimento me parece até positivo".

Sua preocupação está no fato de que a digitalização de todo o material produzido pela humanidade deixe de lado aquilo que não possui ISBN (International Standard Book Number), o número que identifica cada livro publicado.

"Toda a dissidência política do mundo, a luta LGBT, todos os fanzines de rebeldia, a contracultura, tudo o que é underground foi produzido sem ISBN", afirma, advertindo que esse material pode se perder para as futuras gerações se também não for digitalizado.

Por essa razão, tanto Álvarez quanto Font destacam que não se deve confundir digitalização com conservação.

"A digitalização de um livro não é a mesma coisa que a conservação de um livro; geralmente esse arquivo digital fica em uma base de dados privada, fora do alcance de leitores, bibliotecas e pesquisadores", adverte Álvarez.

O jornalista de tecnologia acrescenta que, nessa digitalização extrema, também podem se perder características que vão além do texto, como sua encadernação, anotações, ilustrações, qualidade de impressão, procedência e outras particularidades.

Para Font, a ausência desses "metadados" deixa de lado elementos fundamentais para a boa interpretação de um texto, de modo que os dados produzidos até mesmo para a própria indústria de IA são, na sua opinião, deficientes.

"Que haja uma transferência de conhecimento do formato livro para os novos formatos me parece muito positivo; nos séculos 15 e 16 já houve um processo semelhante com aqueles livros da recém-inaugurada imprensa, e também se perdia a qualidade dos dados de um formato para outro. Como isso foi resolvido? Com metadados."

Ele cita o exemplo de quando informações inscritas em pedras foram transpostas para o papel: "Não bastava transcrever o texto que estava na pedra; era preciso até desenhar a pedra, falar sobre seus materiais, sua localização. Todos esses metadados são o que hoje nos permite reconstruir o que aquela pedra realmente dizia".

O presidente da Associação Profissional do Livro e do Colecionismo Antigos da Espanha explica que até mesmo dois livros com o mesmo texto podem ter valores culturais muito diferentes.

"Eles podem ter a mesma informação, mas um possui um ex libris (uma pequena etiqueta decorativa colada na parte interna da capa frontal para indicar quem é seu proprietário), uma encadernação artesanal ou anotações, elementos que não poderão ser transferidos para o formato digital, um pouco como ocorre com o formato do livro eletrônico."

<><> O resumo do resumo do resumo...

Para evitar a digitalização que destrói livros e deixa de lado informações essenciais, tanto Font quanto Vinaixa propõem eliminar os intermediários.

"A solução que propomos é que nós mesmos digitalizemos nosso patrimônio em nossa língua, guardemos isso e licenciemos os dados; se você quiser os dados, eu os forneço da melhor forma possível e fico com o livro, porque para quem faz pesquisa também é importante saber como é a capa do livro, como ele foi costurado, não apenas o conteúdo", diz Vinaixa.

O diretor técnico da empresa de tecnologia Sorensen.ai acrescenta que a demanda por dados continuará até que já não haja mais com o que alimentar a inteligência artificial.

"Achávamos que a IA atingiria seu limite quando não houvesse mais capacidade de processamento. Pois não, o limite são os dados; a IA ficou limitada porque já não há mais dados."

Para Firtman, ainda não sabemos o que acontecerá quando a informação gerada por humanos acabar:

"O próximo passo são os dados sintéticos, os textos escritos pela própria IA. O maior risco daqui a algumas décadas é que, quando passarmos a perguntar tudo a uma IA sem recorrer às fontes, essa IA comece a se degradar porque estará sendo treinada com a mesma informação que ela própria gerou."

O jornalista Rodrigo Álvarez ilustra essa degradação com a imagem de uma serpente que devora a própria cauda:

"As empresas alimentariam seus modelos com conteúdo gerado por outras inteligências artificiais e, nesse caso, os erros poderiam se multiplicar, tornando a linguagem cada vez mais básica, como um resumo de um resumo de um resumo, cada vez mais simples, uma síntese de uma síntese que se afasta da informação original."

Enquanto isso, na Livraria Fénix de Marçal Font, a situação foi mudando após as compras "estranhas" de abril e maio.

"Eles foram mudando a logística e a empresa. Também começaram a nos pedir para enviar os livros não apenas para a América do Norte, mas também para a Alemanha."

E, após um mês sem novidades, Font recebeu uma nova encomenda justamente esta semana, o que, para ele, só pode significar uma coisa:

"O Projeto Panamá continua em andamento."

 

Fonte: BBC News Mundo