Por que as empresas de IAs estão “devorando” livros impressos?

Por que as empresas de IAs estão “devorando” livros impressos?

Inteligência artificial estaria “devorando” livros impressos (ilustração: Vitor Pádua/Tecnoblog)

Resumo

A empresa ISBNdb, que possui uma vasta base de dados de livros, está fornecendo conteúdo para o treinamento de modelos de inteligência artificial (IA).
Esses modelos requerem dados de alta qualidade, preferencialmente de livros impressos lançados antes de 2022, considerados “mais limpos”, ou seja, sem conteúdo raso produzido por inteligências artificiais.
A aquisição em massa desses livros levanta preocupações, pois alguns podem ser destruídos após a leitura pelas máquinas. Obras raras estariam sob risco, e não há transparência dessas transações.

Modelos de IA atuais vêm recebendo uma fonte curiosa de informações: os livros impressos. Esse mercado tem sido alimentado pelo ISBNdb, site que diz ter a maior base de livros do mundo. A plataforma funciona como um reservatório digital das obras, com captação em pequenos e grandes fornecedores. Apesar de ser uma fonte importante para treinar IAs, há um receio quanto ao destino dessas unidades após a leitura das máquinas: muitos podem estar sendo “devorados”, ou pior, destruídos.

Segundo a ISBNdb, essa é a melhor forma de treinar os LLMs, uma vez que são materiais “limpos”, ou seja, sem o mal-falado AI Slop, conteúdo raso produzido com interferência de inteligências artificiais generativas. Ao utilizar dados mais recentes, a qualidade das informações levantadas pode cair, e a busca por livros impressos é uma forma de resolver o problema.

De acordo com o site 404 media, que noticiou o caso em primeira mão, as desenvolvedoras de IA têm preferência por livros lançados antes de 2022, ano em que modelos como ChatGPT e Claude começaram a se destacar no mercado. Além disso, é importante dizer que os LLMs têm como principais fontes de informações sites como Reddit e Wikipedia, com textos produzidos de forma independente pelos usuários.

Dados mais limpos; IA mais assertiva

O objetivo dessa procura por livros impressos é aumentar a qualidade dos dados utilizados pelos modelos de IA. Essa é uma forma de evitar o AI Slop, prática que tem sido bastante combatida atualmente na internet. Nesta semana, o LinkedIn começou a liberar um botão para denunciar conteúdos assim. Textos rasos produzidos inteiramente ou com alguma ajuda das inteligências artificiais são um problema para usuários de redes sociais e até empresas, com o chamado Workslop.

Livros impressos alimentando LLMs podem melhorar qualidade das respostas (Imagem: Vitor Pádua/Tecnoblog)

Os LLMs são capazes de criar diálogos mais humanos, o que requer uma boa base de interações reais. Por isso a importância de treinamentos a partir de redes sociais como o Reddit. Da mesma forma, a Wikipedia é uma plataforma com bastantes dados reunidos, o que também facilita o acesso a um grande volume de informações escritas de forma simples.

O desafio é conseguir esses livros impressos em larga escala. Para isso, a ISBNdb tem em seu catálogo dados de livrarias, pequenos vendedores e até títulos revendidos individualmente. Segundo a empresa, é possível coordenar compras com volume de até 1 milhão de unidades.

Novo mercado preocupa vendedores

O aumento na compra de livros impressos justamente em um momento de digitalização massiva dos conteúdos chama atenção. Além disso, a movimentação é observada com cautela por marketplaces, já que a oferta não corresponde a uma demanda tão alta.

I’m a second-generation bookseller. My family runs Houston’s largest used & rare bookstore and I’m building an AI tool for used bookstores. We got hit by exactly these orders, including a single order for 70 obscure books that made us pause online sales entirely. So I dug in. I… https://t.co/IK7OE8f1DG— Charlie D. Becker (@charliedbecker) July 28, 2026

Alguns vendedores relatam ainda uma falta de transparência nesses negócios, já que não há nenhuma informação sobre quem está comprando esses grandes volumes e porquê. A ISBNdb, por sua vez, afirma que as negociações são confidenciais. Um ponto positivo para os vendedores, além da vantagem financeira, é a saída de títulos que estavam encalhados nas prateleiras, como afirmou um entrevistado para o site 404 Media.

Há ainda o receio de que as obras sejam destruídas depois de escaneadas. É o que sugere um processo judicial movido contra a Anthropic nos Estados Unidos: o método de digitalização requer que as páginas sejam cortadas para serem lidas pelas máquinas, o que aceleraria o processo. Pensando em livros raros e de baixa circulação, é possível que muito material precioso vire apenas “alimento” de IA nesse processo.
Por que as empresas de IAs estão “devorando” livros impressos?

Por que as empresas de IAs estão “devorando” livros impressos?
Fonte: Tecnoblog