Busca por grandes volumes de dados para treinar sistemas de inteligência artificial tem levado empresas a comprar livros raros e antigos; em alguns casos, exemplares são desmontados e destruídos após a digitalização
O avanço da inteligência artificial está provocando uma corrida mundial por dados. E, nessa disputa, livros antigos e raros passaram a despertar o interesse de empresas de tecnologia. Em alguns casos, exemplares comprados em livrarias e sebos são submetidos a um processo de digitalização que exige o corte da lombada e a separação das páginas — o que impede que o livro seja novamente montado.
O fenômeno ganhou atenção depois que livreiros de diferentes países começaram a receber pedidos incomuns, com grandes quantidades de obras e custos elevados de envio. Um desses casos ocorreu na Espanha, na Livraria Fénix, em Badalona.
O livreiro e professor de Literatura Comparada da Universidade de Barcelona Marçal Font percebeu que havia algo diferente quando começou a receber sucessivas encomendas de uma empresa sediada no Canadá. Os pedidos envolviam livros em catalão e eram feitos em intervalos muito curtos.
Segundo Font, em alguns momentos chegavam três ou quatro solicitações em menos de uma hora, acompanhadas de pagamentos que ultrapassavam consideravelmente os custos normais de transporte.
A situação chamou a atenção do pesquisador de inteligência artificial Xavier Vinaixa, diretor técnico da empresa Sorensen.ai. Ao investigar o padrão das compras, eles encontraram relatos semelhantes de livreiros na Alemanha, na Nova Zelândia e em outros países.
A suspeita passou a ser de que os livros estavam sendo adquiridos para alimentar processos de digitalização em larga escala voltados ao desenvolvimento de sistemas de inteligência artificial.
O que é o chamado “Projeto Panamá”?
A discussão ganhou força após documentos apresentados em um processo judicial envolvendo a Anthropic, empresa responsável pelo desenvolvimento do modelo Claude.
Em 2025, a companhia concordou em pagar US$ 1,5 bilhão para encerrar uma ação coletiva movida por autores que alegavam uso não autorizado de suas obras no treinamento de sistemas de inteligência artificial.
Meses depois, o jornal Washington Post publicou um documento relacionado ao processo no qual aparecia a referência ao chamado “Projeto Panamá”.
O material descrevia um plano para digitalizar livros em grande escala, incluindo um método considerado “destrutivo”. A estratégia consiste em adquirir exemplares físicos, desmontá-los, digitalizar as páginas e, posteriormente, descartar os livros.
A prática chamou atenção porque transforma obras físicas em grandes conjuntos de dados que podem ser utilizados no treinamento de modelos de inteligência artificial.
Por que destruir o livro para digitalizá-lo?
Existem diferentes maneiras de transformar um livro físico em arquivo digital. Uma delas utiliza equipamentos capazes de fotografar ou escanear as páginas sem danificar a encadernação.
Outra alternativa é mais rápida e adequada para operações em grande escala: a lombada do livro é cortada, as páginas são separadas e colocadas em scanners industriais de alta velocidade.
Depois que o processo termina, o exemplar físico normalmente não pode mais ser reconstruído.
Segundo especialistas ouvidos pela BBC, a escolha desse método está relacionada principalmente à escala. Com as páginas separadas, equipamentos industriais conseguem digitalizar grandes quantidades de material em menos tempo e com menor custo.
A corrida pelos dados
Os grandes modelos de linguagem, conhecidos pela sigla LLM, dependem de enormes quantidades de informações para serem treinados.
Esses sistemas aprendem padrões de linguagem analisando grandes volumes de textos e utilizando essas informações para compreender perguntas, produzir respostas, resumir documentos e realizar outras tarefas.
No início da expansão da inteligência artificial generativa, boa parte dos dados utilizados no treinamento vinha de conteúdos disponíveis na internet, como páginas públicas, blogs, fóruns e enciclopédias digitais.
Com o crescimento dos modelos e a necessidade de ampliar a quantidade e a diversidade dos dados, empresas passaram a buscar outras fontes.
É nesse contexto que livros antigos, publicações fora de catálogo e obras pouco conhecidas começaram a ganhar valor.
Para pesquisadores, uma obra aparentemente pouco relevante comercialmente pode conter informações que ainda não foram incorporadas aos bancos de dados utilizados no treinamento das inteligências artificiais.
O risco de perder parte da história
A digitalização pode ajudar a preservar conteúdos que poderiam desaparecer com o tempo. O problema, segundo especialistas, é quando o processo ignora o valor histórico e físico do exemplar.
Miguel Ángel Ortega, presidente da Associação Profissional do Livro e do Colecionismo Antigos da Espanha, defende que seja feita uma distinção entre livros de grande circulação e exemplares raros, únicos ou de tiragem limitada.
Um livro pode carregar informações que vão muito além das palavras impressas em suas páginas.
Anotações feitas por antigos proprietários, dedicatórias, encadernações artesanais, ilustrações, marcas de uso, carimbos e registros de procedência podem revelar aspectos importantes sobre a história daquela obra.
Quando o exemplar é destruído após a digitalização, essas características podem desaparecer.
Digitalizar não é o mesmo que preservar
Outro ponto levantado pelos especialistas é que um arquivo digital não necessariamente representa toda a riqueza de um livro físico.
A digitalização pode preservar o texto, mas não necessariamente registra todas as características materiais e históricas da obra.
Para Marçal Font, os chamados metadados são fundamentais. Saber onde determinado livro foi encontrado, quem o possuiu, como foi produzido, quais marcas carrega e qual era sua condição física pode ser tão importante quanto o conteúdo escrito.
A preocupação é ainda maior com materiais que nunca receberam ISBN, como fanzines, publicações independentes, documentos de movimentos sociais e obras produzidas por grupos de contracultura.
Parte desse material pode não estar catalogada em grandes bibliotecas ou bases de dados.
O futuro pode depender dos próprios dados gerados pela IA
A corrida por informações também levanta uma questão sobre o futuro da própria inteligência artificial.
Especialistas alertam para a possibilidade de os sistemas passarem a depender cada vez mais de conteúdos produzidos por outras inteligências artificiais.
Nesse cenário, modelos poderiam ser treinados com textos que já foram gerados por máquinas, em vez de utilizar exclusivamente informações produzidas originalmente por seres humanos.
O risco seria criar um ciclo no qual erros e distorções fossem repetidos e ampliados a cada nova geração de sistemas.
A comparação feita pelo jornalista especializado em tecnologia Rodrigo Álvarez é a de uma informação que passa por sucessivos resumos: quanto mais distante da fonte original, maior pode ser a perda de detalhes e contexto.
Uma alternativa: preservar e licenciar os livros
Para os pesquisadores que acompanham o fenômeno, uma possível solução seria permitir que livreiros, bibliotecas e instituições culturais participassem diretamente da digitalização.
A proposta seria criar acervos digitais de qualidade, preservando simultaneamente os exemplares físicos e seus metadados.
Dessa forma, empresas de tecnologia poderiam ter acesso aos conteúdos mediante licenciamento, enquanto os livros permaneceriam preservados para pesquisadores, colecionadores e futuras gerações.
A discussão mostra que a expansão da inteligência artificial não envolve apenas tecnologia. Ela também coloca em debate direitos autorais, preservação cultural, acesso ao conhecimento e a própria forma como a humanidade pretende guardar sua memória.
Enquanto empresas buscam cada vez mais dados para aprimorar seus sistemas, livreiros e pesquisadores tentam encontrar um equilíbrio entre disponibilizar o conhecimento para novas tecnologias e garantir que o patrimônio histórico não seja perdido no processo.
Na Livraria Fénix, em Badalona, os pedidos incomuns continuam surgindo. Para Marçal Font, as novas encomendas indicam que a busca por livros para digitalização ainda está longe de terminar.
E, em meio à corrida mundial pelos dados, permanece uma pergunta: até onde a tecnologia pode avançar sem transformar parte da memória física da humanidade em algo descartável?
