Tisíc knih, AirTag a sklad Amazonu: co odhalilo skenování knih pro AI

Zásilka zhruba 1 000 knih se stala stopou, která investigativnímu serveru 404 Media umožnila nahlédnout do údajného provozu Amazonu v Las Vegas. Podle reportáže Amazon tištěné knihy ve velkém nakupuje, převádí je do digitální podoby a fyzické exempláře následně ničí. Takový postup odpovídá vytváření rozsáhlého textového datasetu pro umělou inteligenci.

Amazon uvedl, že knihy nakupuje „za účelem zlepšování svých produktů“. Veřejně ale nepotvrdil, kolik knih získává, kolik provozů je skenuje ani zda konkrétní zařízení v Las Vegas dodává data určitému modelu umělé inteligence.

Kam zásilka dorazila

404 Media vložila do hromadné zásilky zakoupené u kalifornského prodejce knih Apple AirTag. Zásilka podle reportáže putovala přes Wisconsin a Colorado a nakonec dorazila do skladu Amazonu LAS8 v Las Vegas. Odtud byla nasměrována do provozu označovaného jako VGT3 na severním okraji areálu.

Investigace VGT3 identifikovala mimo jiné podle loga s tyranosaurem a knihou a také na základě rozhovorů se zaměstnanci. Nešlo tedy pouze o zjištění, že Amazon knihy převzal. Místo určení a výpovědi pracovníků naznačovaly, že se zde knihy zpracovávají, nikoli skladují jako běžné zboží určené k dalšímu prodeji nebo expedici zákazníkům.

Kniha se promění v data — a papír zmizí

Podle pracovníků citovaných serverem 404 Media provoz přijímá velké zásilky tištěných knih, odstraňuje jejich vazby, aby stránky mohly projít vysokorychlostními skenery, a digitalizuje stránky i čárové kódy. Volné listy se poté vyhazují nebo recyklují.

Výsledkem je převod fyzické knihy do strojově čitelného textu a zároveň zánik původního exempláře. To se zásadně liší od nákupu knih za účelem dalšího prodeje, skladování nebo vyřízení objednávek.

Reportáž přinesla důkazy o rozsáhlém systému nákupu a digitalizace knih, ne však o jeho celkovém měřítku. Zároveň nezjistila, který konkrétní model Amazonu by byl skenovanými knihami trénován.

Co Amazon potvrdil — a co zůstává nejasné

Amazon podle 404 Media uvedl, že knihy kupuje „za účelem zlepšování svých produktů“. Firma ale odmítla zveřejnit, kolik knih nakupuje, kolik jejích provozů je skenuje, které produkty výsledný materiál využívají nebo zda je lasvegaský proces přímo určen k trénování modelů AI.

Rozdíl mezi tím, co reportáž doložila, a tím, co veřejně potvrdil Amazon, je důležitý. Investigace nabízí provozní důkazy: sledovanou zásilku, její cestu do areálu Amazonu, konkrétní zpracovatelský provoz a svědectví zaměstnanců o skenování a ničení knih. Nejde však o úplné veřejné přiznání, že každá kniha zpracovaná v tomto provozu skončí jako tréninková data pro konkrétní model Amazonu.

Nejpřesnější závěr je proto užší, ale stále významný: 404 Media našla důkazy o provozu Amazonu, který digitalizuje knihy způsobem slučitelným se sběrem dat pro AI. Zjištění zapadá do období, kdy Amazon investuje do vývoje pokročilých modelů a datových služeb. Agentura Reuters mezitím informovala, že Amazon přepracovává svou strategii AI a soustředí se na nový vývoj takzvaného frontier modelu — tedy modelu na špičce současných schopností.

Proč knihkupci mluví o katalogu ISBN

Knihkupci serveru 404 Media popsali některé hromadné objednávky jako neobvyklé. Byly údajně pestré a zdálo se, že příliš nezohledňují prodejní cenu, stav, téma ani očekávanou poptávku po konkrétní knize.

U běžného nákupu za účelem dalšího prodeje je důležitá marže: kupující vybírá tituly, u nichž očekává zájem zákazníků. Pokud je ale cílem tréninkový dataset, může být důležitější co nejširší záběr titulů a ISBN než hodnota jednotlivé knihy.

Proto někteří prodejci podezírají firmy z oblasti AI nebo datové společnosti, že se snaží systematicky projít co největší část katalogu vydaných knih. Neznamená to, že každá podivná objednávka souvisí s Amazonem nebo s umělou inteligencí. Ukazuje to ale, proč se trh knihkupcům hůře čte: objednávka, která nedává smysl z hlediska dalšího prodeje, může dávat smysl jako snaha maximalizovat rozmanitost dat.

404 Media už dříve informovala, že společnost ISBNdb nabízela velkoobjemové získávání tištěných knih pro firmy zabývající se AI. Po zveřejnění reportáže příslušné materiály ze svého webu odstranila a uvedla, že stránka byla pouze testem zájmu trhu.

Proč jsou starší knihy pro AI cenné

Starší tištěné knihy nabízejí rozsáhlé soubory lidským autorem vytvořeného jazyka, který vznikl ještě před masovým rozšířením generativní AI. U starších a vyprodaných titulů se navíc mohou nacházet odborné, lokální nebo historické informace, které nikdy nebyly snadno dostupné online.

Fyzické knihy tak mohou být zdrojem širokého spektra textů s menším rizikem, že jde o syntetický obsah vytvořený jinou AI. Reportáž 404 Media o ISBNdb zdůrazňovala hodnotu starších knih mimo jiné proto, že jsou „bez AI balastu“ — tedy bez obav, že budoucí datasety budou stále více obsahovat strojově generovaný text.

S tím souvisí pojem „kolaps modelu“. Jde o obavu, že opakované trénování na syntetických výstupech může v dalších generacích modelů snižovat kvalitu nebo rozmanitost dat. Tato obava pomáhá vysvětlit zájem o starší lidsky vytvořené texty. Není však důkazem, že konkrétní model Amazonu kolapsem trpí nebo že právě z tohoto důvodu byly knihy v Las Vegas shromažďovány.

Podobnost s projektem Anthropic Project Panama

Popsaný postup Amazonu připomíná projekt Anthropic označovaný jako Project Panama. Anthropic při něm nakupoval fyzické knihy, odstraňoval jejich vazby, skenoval stránky a papírové originály vyhazoval, aby získal digitální materiál pro svou práci na AI.

Důležitou právní hranici vymezilo rozhodnutí z 23. června 2025 ve sporu Bartz v. Anthropic. Soudce William Alsup tehdy dospěl k závěru, že využití knih k trénování modelu Claude a jeho předchůdců bylo za posuzovaných okolností „mimořádně transformační“ a představovalo fair use podle § 107 amerického autorského zákona. Za fair use označil také digitalizaci legálně zakoupených tištěných knih, protože Anthropic podle soudu nahradil zakoupené fyzické exempláře odpovídajícími digitálními kopiemi pro vlastní, úspornější a prohledávatelnou knihovnu.

Rozhodnutí ale neznamená, že zničení knihy automaticky činí trénování AI legálním. Záleželo na způsobu získání knih, účelu použití, otázce, zda byly kopie uchovávány nebo dále šířeny, a na dalších okolnostech. Stejný spor posuzoval odlišně samostatné vytvoření knihovny z pirátsky získaných knih.

Právě tento rozdíl je pro případ Amazonu klíčový. I kdyby firma knihy nakupovala legálně, zůstávají otevřené otázky rozsahu operace, využití skenů, smluv s autory či nakladateli a ochrany vzácných fyzických děl. Tyto otázky jsou širší než úzká analýza fair use ve sporu Bartz.

Nejde jen o autorská práva

Kritika knihkupců se netýká pouze ušlých tržeb nebo odměn za autorská práva. Vzácné a vyprodané knihy mohou mít historickou, intelektuální, kulturní i osobní hodnotu. Když je nedostatkový exemplář rozřezán a recyklován, text může přežít ve skenu — fyzický artefakt je ale nenávratně pryč.

To vytváří problém památkové a kulturní ochrany, na který samotné rozhodnutí o autorských právech nedává úplnou odpověď. Některý postup může být podle konkrétního právního testu obhajitelný, a přesto znepokojovat sběratele, knihkupce, knihovny i čtenáře, kteří knihu nevnímají pouze jako nádobu na text.

Případ zároveň ukazuje výraznou informační nerovnováhu. Firmy z oblasti AI mohou znát datovou hodnotu obskurních knih dávno předtím, než jednotlivý prodejce pozná, že zdánlivě náhodná hromadná objednávka je součástí širší strategie. Veřejné vyjádření Amazonu, že knihy nakupuje kvůli zlepšování produktů, proto nechává bez odpovědi praktické otázky důležité pro knižní trh: jak rozsáhlé nákupy jsou, co přesně se skenuje a co se s výslednými soubory děje.

Zapadá to do širší strategie Amazonu

Údajný provoz se objevuje v době, kdy se Amazon snaží konkurovat na poli pokročilé AI. Reuters v červenci 2026 informoval, že firma utlumuje řadu vlastních modelů a soustřeďuje zdroje na nový vývoj frontier modelu.

Amazon Web Services současně nabízí Nova Forge — službu, která zákazníkům umožňuje kombinovat vlastní data s tréninkovými daty připravenými Amazonem při vývoji upravených frontier modelů.

Tyto skutečnosti představují strategický důvod, proč může mít Amazon zájem o kvalitní textová data. Samy o sobě však nepotvrzují, že knihy sledované 404 Media skutečně posloužily k trénování konkrétního modelu. Nejsilnější důkazy nadále pocházejí přímo z investigace o zásilce a provozu v Las Vegas.

Dlouhodobější otázka zní, zda se trh s fyzickými knihami nestává skrytým dodavatelským řetězcem pro AI. Reportáž 404 Media naznačuje, že přinejmenším v jednom zdokumentovaném případě se knihy přesunuly od prodejce do zpracovatelského provozu Amazonu, kde byly naskenovány a zničeny. Celkový rozsah operace i další využití digitálních kopií zůstávají nezveřejněné.