A alegação de destruição de livros pela Anthropic é real, mas a história dos livros raros não está comprovada

A Anthropic comprou e digitalizou de forma destrutiva milhões de livros físicos, uma prática que agora alimenta manchetes alarmantes no Google News sobre empresas de IA eliminando títulos raros. A operação documentada envolveu remover encadernações, digitalizar páginas e descartar o papel depois. No entanto, as evidências mais robustas disponíveis não estabelecem que a Anthropic tenha mirado livros raros ou únicos.

Essa distinção muda a história. Os fatos confirmados revelam um esforço industrial para transformar livros adquiridos legalmente em dados privados de treinamento de IA. A alegação viral mais ampla acrescenta vários elementos não comprovados, incluindo múltiplas empresas não identificadas e a destruição de edições culturalmente insubstituíveis.

A controvérsia também expõe um conflito mais profundo. Desenvolvedores de IA querem textos humanos limpos e editados profissionalmente, enquanto autores e defensores da preservação querem remuneração, acesso e salvaguardas. A solução da Anthropic reduziu um risco jurídico ao destruir cada exemplar comprado, mas criou um problema cultural e ético completamente diferente.

O que a Anthropic realmente comprou, digitalizou e destruiu

A alegação central é substancialmente verdadeira no caso da Anthropic, embora seu detalhe mais dramático sobre livros raros continue sem suporte.

Uma decisão de um tribunal federal em junho de 2025 estabeleceu a sequência básica. A Anthropic comprou milhões de livros impressos, converteu cada um em um arquivo digital e descartou a cópia física. A empresa manteve esses arquivos em uma biblioteca interna de pesquisa.

O processo é chamado de digitalização destrutiva. Uma contratada remove a encadernação de um livro ou corta sua lombada, deixando páginas separadas que podem passar rapidamente por scanners comerciais. Esse método sacrifica o objeto físico para aumentar a velocidade de digitalização.

Os arquivos resultantes incluíam imagens das páginas e texto legível por máquina. O reconhecimento óptico de caracteres, ou OCR, converte texto fotografado em caracteres que computadores podem pesquisar e processar. A Anthropic poderia então preparar esse texto para o desenvolvimento de modelos.

O juiz William Alsup descreveu a operação em sua decisão sobre uso justo. A decisão afirmou que a Anthropic gastou muitas dezenas de milhões de dólares adquirindo milhões de cópias impressas, frequentemente usadas.

A decisão também afirmou que uma cópia impressa produzia uma cópia digital. A Anthropic não manteve ambas as versões nem distribuiu publicamente a biblioteca digital. Ela descartou o papel após concluir a conversão.

Essa substituição de um por um foi importante juridicamente. Alsup tratou a mudança de formato como a substituição de acervos físicos de bibliotecas por cópias digitais que economizam espaço. Ele considerou a conversão interna um uso justo diante dos fatos específicos apresentados ao tribunal.

O tribunal não declarou legal toda forma de digitalização de livros para IA. Ele avaliou as cópias compradas pela Anthropic, o armazenamento privado e a substituição destrutiva. Distribuição, pirataria ou cópias adicionais levantariam questões distintas.

O projeto da Anthropic começou após suas tentativas anteriores de obter grandes coleções digitais de livros. A empresa contratou Tom Turvey em fevereiro de 2024. Turvey havia trabalhado anteriormente em parcerias para o programa de digitalização de livros do Google.

Turvey ajudou a Anthropic a obter livros em massa e a organizar a digitalização industrial. Reportagens baseadas em registros posteriormente liberados identificaram a iniciativa como Project Panama. A linguagem interna descrevia a ambição de digitalizar uma parcela extraordinariamente ampla dos livros do mundo.

Os registros do Project Panama revelaram contratadas, pedidos em massa, equipamentos de corte hidráulico e scanners de alta velocidade. Uma proposta de fornecedor abrangia entre 500.000 e dois milhões de livros ao longo de seis meses.

O total final permanece ocultado nos materiais do projeto divulgados. Ainda assim, o próprio tribunal usou “milhões” ao descrever as compras e a digitalização da Anthropic. Portanto, a escala geral não é especulação de redes sociais.

O papel descartado não era o produto do projeto. O resultado valioso era um corpus privado e pesquisável, isto é, uma coleção organizada de textos preparada para processamento computacional. Esse corpus poderia apoiar pesquisa e treinamento de modelos.

Esta é a base verificada por trás da alegação do Google News. A Anthropic realmente comprou e destruiu milhões de livros físicos durante a digitalização. As questões restantes dizem respeito aos títulos envolvidos e a se outras empresas seguiram o mesmo caminho.

Por que laboratórios de IA querem livros que nunca estiveram online

Os livros oferecem aos desenvolvedores de IA linguagem humana editada, que é mais difícil de encontrar na web aberta cada vez mais sintética.

Grandes modelos de linguagem aprendem padrões estatísticos a partir de extensas coleções de texto. Desenvolvedores buscam material variado com argumentos coerentes, narrativas sustentadas, terminologia especializada e prosa cuidadosamente editada. Os livros combinam essas qualidades em muitos assuntos.

Páginas da web também podem fornecer material útil. No entanto, o texto online inclui publicidade, conteúdo copiado, material para preencher resultados de mecanismos de busca, formatação defeituosa e material gerado por máquinas. Sua procedência frequentemente é difícil de estabelecer.

Livros impressos oferecem outra vantagem. Uma edição física publicada antes do recente boom da IA generativa é claramente material produzido na era humana. Os desenvolvedores não precisam adivinhar se um chatbot gerou os parágrafos originais.

Essa preocupação às vezes é chamada de colapso de modelo ou contaminação por dados sintéticos. Os termos descrevem problemas diferentes, mas ambos envolvem modelos aprendendo com resultados criados por modelos anteriores. A reciclagem repetida pode amplificar erros e reduzir a variedade.

Os livros também contêm material ausente de rastreamentos comuns da web. Monografias acadêmicas, histórias regionais, manuais técnicos, literatura traduzida e obras de não ficção mais antigas podem ter pouca presença pesquisável. Sua escassez online torna cópias físicas atraentes como fontes de dados.

Escassez online não significa raridade no sentido antiquário. Um livro didático descontinuado pode ser difícil de localizar digitalmente enquanto milhares de cópias usadas continuam em circulação. Um título obscuro também pode ser comum o bastante para ser destruído com segurança.

Essa distinção ficou turva em publicações nas redes sociais. “Raro” pode significar caro, culturalmente importante, indisponível em outro lugar ou simplesmente desconhecido. Esses significados não podem ser tratados como intercambiáveis.

A Anthropic teria comprado livros de grandes varejistas e distribuidores de livros usados. Compras em massa favorecem cópias comuns que vendedores conseguem identificar, precificar e enviar por sistemas estabelecidos. Isso não se assemelha à aquisição cuidadosa de manuscritos ou edições únicas anotadas.

O registro público não fornece um inventário título por título. Sem esse inventário, ninguém fora da empresa pode determinar a escassez de cada edição digitalizada. A Anthropic não divulgou sua biblioteca digital interna para auditoria independente.

O desenvolvedor do modelo também tinha uma razão jurídica para favorecer cópias impressas compradas. A propriedade de uma cópia física traz direitos sob a doutrina da primeira venda, incluindo a possibilidade de revender ou destruir aquele objeto específico.

A propriedade não transfere os direitos autorais subjacentes. Normalmente, um comprador não pode reproduzir e distribuir o texto de um autor apenas por comprar um livro. Por isso, a Anthropic manteve uma relação de uma cópia entre o objeto adquirido e sua substituição interna.

A destruição reforçou esse argumento. Se a Anthropic tivesse mantido tanto o livro quanto sua duplicata digital completa, os autores poderiam caracterizar o projeto como uma ampliação do número de cópias utilizáveis.

Isso cria um incentivo estranho. A rota juridicamente cautelosa pode favorecer a destruição de um livro físico, mesmo quando existe um scanner que preserva o original. A estratégia de direitos autorais e a preservação cultural apontam em direções opostas.

Google Books oferece um contraste histórico útil. Esse projeto digitalizou acervos de bibliotecas enquanto, em geral, devolvia os livros físicos. Seu índice pesquisável sobreviveu a longos litígios, mas seu desenho e seus usos diferiam do corpus privado de treinamento da Anthropic.

Mais recentemente, parcerias não destrutivas mostraram outra rota. Bibliotecas podem digitalizar obras em domínio público enquanto preservam os originais e documentam sua procedência. O licenciamento também pode dar aos desenvolvedores de IA acesso sem exigir destruição física.

Essas rotas envolvem coordenação, restrições e custos de transação. O projeto da Anthropic transformou a compra e a digitalização de livros em um problema de aquisição industrial. Velocidade e escala tiveram mais peso do que preservar objetos individuais.

O mecanismo explica por que o evento importa além do papel danificado. A destruição de livros para IA transforma o mercado de livros usados em uma cadeia de insumos para o desenvolvimento de modelos proprietários. Cópias que circulam publicamente tornam-se dados controlados de forma privada.

A alegação do Google News vai além das evidências disponíveis

A versão viral combina um projeto industrial confirmado com uma alegação muito menos certa sobre livros raros e múltiplas empresas de IA.

Três proposições separadas frequentemente aparecem juntas. Desenvolvedores de IA valorizam livros físicos. A Anthropic destruiu milhões de livros comprados durante a digitalização. Empresas de IA agora estão destruindo sistematicamente títulos raros.

As duas primeiras proposições têm documentação substancial. A terceira ainda não dispõe de prova comparável.

Relatos contemporâneos citam livreiros que receberam pedidos incomuns de obras obscuras, antigas ou esgotadas. Alguns vendedores acreditam que intermediários compraram esses livros para clientes de IA. O padrão merece investigação, mas suspeita não é atribuição.

Um vendedor pode observar uma demanda incomum sem saber quem é o comprador final. Um intermediário pode obter livros para vários setores. Instituições de pesquisa, revendedores, colecionadores, bibliotecas e projetos de digitalização podem comprar títulos incomuns.

A ISBNdb acrescentou outra camada à controvérsia. A empresa de dados sobre livros publicou páginas promovendo o fornecimento em massa de livros físicos para o desenvolvimento de grandes modelos de linguagem. Linguagem promocional arquivada discutia pedidos de milhares a um milhão de livros.

A empresa também abordou o problema de reputação criado pela digitalização destrutiva. Depois que as páginas atraíram atenção, a ISBNdb as removeu e teria dito que o serviço apenas testara o interesse do mercado. A empresa afirmou que nenhum serviço desse tipo se tornou operacional.

Essa negativa deixa uma lacuna de verificação. O material promocional demonstra que uma empresa considerou vender o serviço. Não prova que um laboratório de IA tenha comprado livros por meio desse serviço ou destruído quaisquer títulos fornecidos por ele.

A lacuna importa porque recontagens online frequentemente transformam capacidade em atividade concluída. Um fornecedor disse que poderia obter livros, então publicações concluem que empresas de IA não identificadas utilizaram o serviço. Livreiros viram pedidos incomuns, então publicações atribuem essas compras a laboratórios de IA.

Nenhuma das duas inferências é impossível. Nenhuma foi plenamente demonstrada por meio de contratos, registros de envio, nomes de clientes ou uma cadeia de custódia verificada.

As evidências sobre livros raros são ainda mais fracas. A investigação sobre digitalização de 2025 observou que os registros judiciais da Anthropic não mostravam a destruição de livros raros. As compras documentadas ocorreram em grande parte por canais comerciais em massa.

Ainda assim, um título raro pode entrar em um lote em massa. Inventários de livros usados são desorganizados, e algumas edições se tornam escassas sem ter preços altos. A ausência de evidência não prova que toda cópia destruída pudesse ser substituída.

A conclusão responsável é mais restrita. A destruição de livros para IA pela Anthropic está confirmada em uma escala de milhões. As alegações envolvendo cópias raras ou únicas continuam sem verificação, porque nenhum inventário confiável veio a público.

A expressão no plural “empresas de IA” também exige cautela. Meta, OpenAI, Microsoft e Google enfrentaram alegações relacionadas a material protegido por direitos autorais usado no treinamento. Esses casos frequentemente envolvem arquivos digitais, conjuntos de dados ou conteúdo fornecido por editoras, e não digitalização física destrutiva.

A Meta foi acusada de usar coleções de livros pirateados para treinar o Llama. Editoras também processaram o Google por supostos usos de livros no desenvolvimento do Gemini. Essas disputas reforçam a história mais ampla de aquisição de dados, mas não comprovam programas idênticos de destruição de livros.

O atual processo sobre o Gemini do Google diz respeito à suposta cópia de obras fornecidas para serviços como Google Books e Google Play Books. Não é evidência de que o Google tenha cortado edições físicas raras.

Reunir todos os processos por direitos autorais em uma única narrativa de destruição física torna a história mais fácil de compartilhar e mais difícil de verificar. Empresas diferentes usaram fontes de dados, métodos de aquisição e teses jurídicas diferentes.

Portanto, a melhor classificação para a alegação viral completa é mista. Milhões de livros comprados foram digitalizados de forma destrutiva pela Anthropic. As evidências não estabelecem que milhões de livros raros desapareceram nem que todos os grandes desenvolvedores de IA executam o mesmo processo.

O Verdadeiro Conflito É Entre Dados Privados e Preservação Pública

A crítica mais forte não é que a Anthropic tenha queimado uma biblioteca perdida, mas que tenha privatizado conhecimento enquanto destruía as cópias de origem que adquiriu.

A destruição física tem peso emocional porque os livros são mais do que recipientes. As edições preservam tipografia, ilustrações, anotações nas margens, encadernações, marcas de propriedade e evidências de como as pessoas produziram e leram textos.

Uma digitalização apenas de texto pode omitir muitas dessas características. Mesmo uma imagem completa da página pode não preservar o papel, a tinta, a construção ou anotações escondidas perto da encadernação. Assim, a digitalização destrutiva pode salvar palavras enquanto perde o objeto.

No entanto, bibliotecas e editoras já descartam grandes quantidades de livros. Cópias danificadas, obras de referência desatualizadas, estoque não vendido e duplicatas de baixa procura saem regularmente de circulação. A destruição, por si só, não comprova perda cultural.

A escassez determina o que está em jogo. Destruir um livro de bolso recente de uma grande tiragem é diferente de cortar a última cópia conhecida de uma publicação regional. A alegação viral reúne esses casos em uma única imagem alarmante.

A Anthropic não forneceu transparência suficiente para separá-los. Um inventário público poderia mostrar títulos, edições, datas de publicação, fontes de compra e o número conhecido de cópias sobreviventes. Nenhum registro abrangente desse tipo está disponível.

O destino privado gera preocupação adicional. O corpus digitalizado da Anthropic não funciona como um arquivo de preservação acessível. Pesquisadores, autores e leitores não podem examinar os arquivos completos nem recuperar um livro porque sua cópia em papel desapareceu.

A empresa obteve um ativo de dados duradouro, enquanto o público não recebeu uma coleção digital equivalente. Usuários do Claude podem fazer perguntas, mas uma resposta de modelo não é um texto preservado. Ela pode resumir incorretamente, omitir contexto ou gerar detalhes sem suporte.

Um modelo de linguagem também não é um catálogo de biblioteca pesquisável. Seus parâmetros codificam relações estatísticas, e não uma estante confiável de obras completas. O treinamento não garante a recuperação fiel de qualquer livro específico.

Essa distinção enfraquece alegações de que o conhecimento dos livros simplesmente migrou para o modelo. Um sistema privado de IA não pode substituir o acesso às páginas originais. A preservação exige cópias estáveis, metadados, procedência e legibilidade futura.

Os autores enfrentam um desequilíbrio relacionado. Seus livros aprimoraram modelos de valor comercial, mas eles não negociaram o acordo de digitalização de cópias físicas compradas. Comprar uma cópia usada normalmente não envia nenhum pagamento ao seu autor ou editor.

A aquisição anterior de bibliotecas digitais pirateadas pela Anthropic teve um resultado jurídico diferente. Alsup separou o treinamento da aquisição, considerando o uso no treinamento transformativo, enquanto permitiu que prosseguissem as alegações sobre cópias pirateadas.

Posteriormente, a Anthropic chegou a um acordo que abrange obras pirateadas elegíveis. Desde então, um juiz aprovou o acordo sobre direitos autorais, que totaliza US$ 1,5 bilhão e destina aproximadamente US$ 3.000 para cada livro coberto.

Esse acordo não significa que a biblioteca comprada e digitalizada era ilegal. Ele tratava da aquisição, pela Anthropic, de arquivos pirateados, uma fonte juridicamente distinta. Confundir os dois enfraquece ambas as histórias.

O contraste jurídico continua revelador. Livros comprados puderam ser digitalizados e destruídos sob a análise de uso justo do tribunal. Arquivos pirateados geraram grande responsabilidade, embora a Anthropic supostamente buscasse texto subjacente semelhante para treinar modelos.

Isso dá aos desenvolvedores de IA um incentivo para construir registros de aquisição mais limpos. Não exige que preservem cópias físicas, divulguem listas de títulos ou disponibilizem publicamente os substitutos digitais.

Grupos de preservação poderiam propor salvaguardas práticas. Empresas contratadas para digitalização poderiam sinalizar cópias assinadas, manuscritos, primeiras edições, encadernações incomuns e títulos com poucos exemplares conhecidos. Especialistas poderiam revisar os livros sinalizados antes do corte.

As empresas também poderiam publicar catálogos não sensíveis após a digitalização. Poderiam depositar cópias de preservação em bibliotecas confiáveis sob condições controladas. Acordos de aquisição poderiam exigir tratamento não destrutivo para edições escassas.

O licenciamento oferece outra via, embora negociações envolvendo milhões de obras sejam difíceis. Organizações de licenciamento coletivo poderiam agregar direitos e distribuir pagamentos. Editoras poderiam fornecer arquivos digitais verificados sem sacrificar cópias físicas.

Nenhuma dessas medidas elimina todos os conflitos. Bibliotecas ainda enfrentariam restrições de acesso, autores debateriam a remuneração e desenvolvedores protegeriam conjuntos de dados proprietários. Elas ao menos separariam o desenvolvimento de modelos de perdas culturais desnecessárias.

A incerteza atual não beneficia ninguém. Ela permite que publicações exageradas retratem livros usados comuns como tesouros únicos. Também permite que empresas evitem responder se material genuinamente escasso entrou em suas máquinas de corte.

Para trabalhadores do conhecimento, a lição vai além dos livros. Uma resposta pesquisável não é o mesmo que uma fonte duradoura. Uma boa gestão de conhecimento pessoal preserva contexto, procedência e acesso, em vez de substituir documentos por lembranças geradas.

O Que Observar Após a Controvérsia do Google News

Três sinais determinarão se este continua sendo um caso da Anthropic ou se se torna evidência de uma prática mais ampla e contínua no setor.

O primeiro sinal é uma trilha verificável de clientes para intermediários de fornecimento de livros. Contratos, faturas, registros de envio ou clientes identificados conectariam pedidos incomuns a livreiros específicos laboratórios de IA.

Essa evidência fortaleceria a alegação mais ampla se mostrasse aquisição ativa e em grande escala para digitalização destrutiva. Ela enfraqueceria a alegação se os serviços promovidos jamais avançassem além de experimentos de marketing.

A distinção entre um serviço anunciado e uma transação concluída é fundamental. Capturas de tela podem estabelecer o que um fornecedor ofereceu. Elas não podem estabelecer quem o comprou nem o que aconteceu com os livros depois.

O segundo sinal é uma auditoria em nível de título realizada pela Anthropic ou por seus contratados. Até mesmo uma revisão independente limitada poderia classificar os livros digitalizados por edição, escassez, condição e acervos restantes em bibliotecas.

Essa auditoria testaria diretamente a alegação sobre livros raros. Evidências de cópias únicas ou de edições altamente escassas tornariam urgente a preocupação com a preservação. Evidências de cópias comerciais comuns reduziriam consideravelmente a controvérsia.

A Anthropic poderia divulgar metadados sem liberar texto protegido por direitos autorais. Títulos, ISBNs, edições, canais de compra e verificações de preservação permitiriam que especialistas externos avaliassem o risco. Redações poderiam proteger detalhes confidenciais de fornecedores.

O terceiro sinal é como tribunais, legisladores e editoras respondem à conversão destrutiva individual. A decisão atual aborda um registro específico, e não todos os futuros projetos de digitalização.

Um tribunal posterior pode distinguir o treinamento de modelos do armazenamento permanente de bibliotecas. Legisladores também poderiam exigir divulgação, licenciamento ou depósitos de preservação para grandes corpora comerciais. Editoras podem desenvolver sistemas coletivos de acesso antes que essas regras cheguem.

O comportamento dos concorrentes importa dentro desse terceiro sinal. Um grande laboratório poderia adotar compromissos de digitalização não destrutiva e preservação. Essa mudança transformaria o processo da Anthropic, de uma necessidade do setor, em uma escolha empresarial contestável.

Uma empresa também poderia licenciar arquivos de editoras em grande escala. Tal acordo mostraria que o acesso legal não exige cortar livros comprados. Ele pressionaria rivais a explicar métodos de aquisição mais sigilosos.

O público deve observar a linguagem usada em futuras coberturas do Google News. Manchetes que passam de “milhões de livros” para “milhões de livros raros” estão dando um salto factual significativo.

Os leitores também devem separar a digitalização física da pirataria digital. Ambas dizem respeito ao acesso a textos protegidos por direitos autorais, mas envolvem condutas, evidências e consequências jurídicas diferentes. Tratá-las como idênticas oculta as verdadeiras contrapartidas.

A história verificada é séria sem enfeites. A Anthropic converteu milhões de livros em um recurso digital privado, destruiu as cópias em papel compradas e usou um processo que um juiz federal aceitou como uso justo.

O que permanece sem verificação é igualmente importante. Nenhuma evidência pública mostra que milhões de títulos raros desapareceram. Tampouco o mesmo programa destrutivo foi atribuído de forma conclusiva a todas as empresas incluídas em publicações virais.

A próxima reportagem confiável deve responder a perguntas concretas. Qual empresa fez o pedido? Quais edições foram compradas? Quantas cópias sobreviventes existem? Quem as digitalizou e para onde foram os arquivos digitais?

Até que essas respostas cheguem, os leitores devem resistir aos dois extremos. A controvérsia não é uma farsa fabricada, mas sua versão mais alarmante vai além das evidências.

Continue acompanhando os documentos-fonte por trás de cada manchete do Google News, especialmente processos judiciais e registros de empresas identificadas. A questão decisiva já não é se a digitalização destrutiva aconteceu. É se as empresas de IA divulgarão o que destruíram, preservarão obras escassas e compensarão as pessoas cuja escrita tornou seus sistemas valiosos.