Branża sztucznej inteligencji wyczerpała otwarte zasoby internetu i sięgnęła po nowe źródło danych treningowych: papierowe książki z drugiej ręki. Jak wynika ze śledztwa amerykańskiego serwisu 404 Media, firmy AI kupują miliony używanych książek przez pośredników, aby pozyskać wysokiej jakości dane treningowe i jednocześnie uniknąć publicznej krytyki. Po zeskanowaniu fizyczne egzemplarze trafiają do niszczarki.

Dlaczego akurat stare książki

Problem branży nazywa się „AI slop”. Internet zalewają treści generowane przez samą sztuczną inteligencję, które zanieczyszczają pulę danych i są bezużyteczne w treningu kolejnych modeli. Dlatego firmy zwróciły się ku źródłom drukowanym sprzed 2022 r., które z definicji nie mogą zawierać tekstu maszynowego. Firma ISBNdb, prowadząca największą na świecie bazę danych o książkach, argumentowała w usuniętym już wpisie blogowym, że „najlepsze dane treningowe świata leżą na półce”, a książki z ery przed LLM są strukturalnie wolne od tego zanieczyszczenia.

Motywacja sięga głębiej niż sama higiena danych. Według raportu ujawnionego przez „Washington Post” w styczniu jeden ze współzałożycieli Anthropic sugerował, że karmienie modeli książkami może nauczyć je „dobrego pisania” zamiast produkowania „niskiej jakości internetowej mowy”.

Project Panama: przemysł niszczenia

Najlepiej udokumentowany przypadek to program firmy Anthropic, twórcy chatbota Claude. Pod kryptonimem Project Panama firma wydała dziesiątki milionów dolarów na zakup milionów książek. Używała hydraulicznej gilotyny do odcinania grzbietów, a luźne kartki przepuszczała przez przemysłowe skanery, po czym oryginały były wyrzucane. Dokumenty wewnętrzne odtajnione w postępowaniu sądowym w styczniu pokazały, że firma doskonale zdawała sobie sprawę, jak negatywnie taki projekt zostałby odebrany na zewnątrz. „Project Panama to nasz wysiłek na rzecz destrukcyjnego zeskanowania wszystkich książek świata” - głosił wewnętrzny dokument planistyczny. Do prowadzenia operacji zatrudniono byłego menedżera Google Books.

Sprawa ma już rozstrzygnięcie sądowe. W czerwcu 2025 r. w procesie Bartz v. Anthropic sędzia federalny William Alsup orzekł, że digitalizacja legalnie kupionych książek drukowanych i użycie cyfrowych kopii do treningu modeli językowych mieści się w ramach fair use - proces zastępuje egzemplarz papierowy wersją cyfrową bez tworzenia dodatkowych kopii i ich redystrybucji. Anthropic zapłacił jednak 1,5 mld dolarów ugody w związku z wcześniejszym wykorzystaniem pirackich e-booków.

Warto odnotować stanowisko samej firmy. Rzecznik Anthropic przekazał Fortune, że modele Claude są trenowane na miksie publicznie dostępnych danych z sieci, komercyjnie nabytych zbiorów i danych generowanych wewnętrznie, firma kupuje książki na zwykłych rynkach komercyjnych, a żaden z jej programów pozyskiwania danych nie obejmuje nabywania ani niszczenia książek rzadkich i antykwarycznych.

Pośrednicy i anonimowi kupcy

Wokół popytu wyrósł rynek usług. ISBNdb, firma dotąd pomagająca bibliotekom, dystrybutorom i księgarniom, zaczęła oferować laboratoriom AI hurtowe zakupy od 1000 do miliona książek na zamówienie - z obietnicą zachowania poufności nabywcy. Klientów ostrzegała wprost: „problem wizerunkowy jest realny”, bo „firma AI niszczy dwa miliony książek to nie jest nagłówek, który budzi sympatię”.

Po publikacji 404 Media firma się wycofała. ISBNdb usunęła strony o usługach dla AI, zaprzeczyła, jakoby kiedykolwiek kupiła, zeskanowała lub sprzedała jakąkolwiek książkę, i nazwała ofertę „testem zainteresowania rynku”.

Europa: zamówienia o trzeciej nad ranem

Skutki gorączki danych widać w europejskich antykwariatach. Od wiosny handlarze w Niemczech, Szwajcarii i Austrii raportują na forach branżowych hurtowe zamówienia na setki, czasem tysiące tytułów naraz - niektóre sklepy sprzedały w kilka tygodni tyle, ile normalnie schodzi przez rok. Szacunki krążące w branży mówią o ok. 700 tys. wolumenów w samych Niemczech i do 3 mln na świecie. Zakupy koncentrują się na literaturze faktu od lat 70. wzwyż: historia regionalna, prawo, językoznawstwo, ekonomia, literatura techniczna - zawsze po jednym egzemplarzu na tytuł.

Jeden z niemieckich antykwariuszy odnotował falę zamówień spływających każdej nocy między 3 a 5 rano, począwszy od początku maja - składała je kanadyjska firma Zoom Books, a dotyczyły niepowiązanych ze sobą, wysoce specjalistycznych tytułów. Według relacji DW niektóre pojedyncze zamówienia dorównują rozmiarem rocznym obrotom sprzedawców.

Podobnie w Holandii. Pieter de Vries, antykwariusz z Haarlemu, otrzymał od singapurskiej firmy 2077AI e-mail z arkuszem zawierającym ponad 3000 numerów ISBN oraz instrukcją przygotowania wyceny i kosztów wysyłki do Chin. Początkowo uznał wiadomość za spam lub phishing. Brytyjski „Telegraph” opisał, że zamówienia hurtowe są w handlu antykwarycznym tak rzadkie, że jeden ze sprzedawców, który dostał zapytanie o 3000 tytułów, założył, że to oszustwo.

Co bezpowrotnie znika

Największe kontrowersje budzi los rzadkich wydań. Jeden z mniejszych sprzedawców opisał 404 Media, że od kwietnia jego sprzedaż skoczyła z maksymalnie 20 książek tygodniowo do setek, a jego magazyn pełen jest pozycji rzadkich i wycofanych z druku - co oznacza, że firma AI może niszczyć jedne z ostatnich istniejących egzemplarzy. „Korzystam na tym finansowo, ale nie podoba mi się cel końcowy i to, że rzadkie książki idą na przemiał” - przyznał.

Roger Sonnewald, antykwariusz z Tybingi, zwrócił uwagę w rozmowie z SRF, że najczęściej kupowane są publikacje od lat 70., wciąż chronione prawem autorskim - i wezwał niemieckie zrzeszenie księgarzy oraz władze do zajęcia się sprawą. Krytycy podnoszą też problem dostępności: zeskanowane książki trafiają do prywatnych baz wykorzystywanych wyłącznie do treningu AI, niedostępnych dla ogółu - co może odebrać przyszłym pokoleniom dostęp do cennych zasobów.

Praktyka podzieliła nawet samą branżę. Elon Musk skrytykował proceder i poinformował, że polecił zespołowi zachowywać rzadkie książki w bibliotece i skanować je „trudniejszą metodą”, zamiast odcinać grzbiety.

Ile w tym faktów, ile viralu

Temat obiegł media społecznościowe, więc warto o precyzję. Serwis fact-checkingowy Snopes ocenił doniesienia jako „w większości prawdziwe, z elementami nieustalonymi”: udokumentowany ponad wszelką wątpliwość jest przemysłowy program Anthropic, który zniszczył miliony kupionych książek po zeskanowaniu, oraz fakt, że ISBNdb reklamowała usługę hurtowego pozyskiwania książek dla innych deweloperów AI. Tożsamość tych deweloperów, łączna skala zakupów, konkretne tytuły i to, czy książki faktycznie niszczono - pozostają nieujawnione.

Dla rynku wydawniczego i antykwarycznego wniosek jest jednak jasny: papierowa książka stała się surowcem przemysłu AI. A tam, gdzie skanowanie jest destrukcyjne, cyfrowa kopia w zamkniętej korporacyjnej bazie bywa jedynym, co po niej zostaje.