Amazon kobler angiveligt bøger op til AI: 404 Media fulgte 1.000 bøger til et scanningsanlæg

En forsendelse på cirka 1.000 bøger blev startpunktet for 404 Medias undersøgelse af en angivelig Amazon-operation, der køber trykte bøger, digitaliserer dem og destruerer de fysiske eksemplarer. Forsendelsen endte på et Amazon-anlæg i Las Vegas, og arbejdere beskrev en arbejdsgang, der passer med opbygningen af et omfattende tekstdatasæt til AI. Amazon har sagt, at virksomheden køber bøger „for at forbedre vores produkter“, men har ikke offentligt bekræftet omfanget, antallet af faciliteter eller om Las Vegas-operationen leverer data til en bestemt AI-model.

AirTag’en afslørede bogernes rute

404 Media placerede en Apple AirTag i en større forsendelse, som blev købt hos en boghandler i Californien. Ifølge mediet rejste pakken gennem Wisconsin og Colorado, før den ankom til Amazons lager LAS8 i Las Vegas. Herfra blev den sendt videre til VGT3, en operation i den nordlige ende af området.

404 Media identificerede VGT3 gennem blandt andet et logo med en tyrannosaurus rex og en bog samt interviews med medarbejdere. Det afgørende var ikke blot, at Amazon modtog bøgerne. Destinationen og medarbejdernes beretninger tydede på, at VGT3 behandlede bøgerne som råmateriale – ikke som almindelig lagerbeholdning til videresalg eller kundeordrer.

Fra bog til scannet tekst – og derefter affald

Medarbejdere fortalte ifølge 404 Media, at operationen modtager store partier trykte bøger, fjerner indbindingen, så siderne kan køre gennem hurtige scannere, og scanner både sider og stregkoder. De løse papirsider bliver derefter smidt ud eller sendt til genanvendelse.

Processen omdanner en fysisk bog til maskinlæsbar tekst, mens originaleksemplaret forsvinder. Det er derfor noget andet end at købe bøger til videresalg, lagerføring eller opfyldelse af kundeordrer.

Undersøgelsen dokumenterer en betydelig indkøbs- og digitaliseringspipeline, men fastslår ikke, hvor mange bøger der i alt er involveret, eller hvilken konkret Amazon-model der eventuelt er trænet på scanningerne.

Amazons svar efterlader de centrale spørgsmål åbne

Amazon oplyste til 404 Media, at virksomheden køber bøger „for at forbedre vores produkter“. Ifølge rapporteringen ville Amazon ikke oplyse, hvor mange bøger selskabet køber, hvor mange faciliteter der scanner dem, hvilke produkter der bruger materialet, eller om arbejdsgangen i Las Vegas specifikt anvendes til AI-træning.

Den skelnen er vigtig. Undersøgelsen fremlægger operationelle tegn: en sporet forsendelse, en destination i et Amazon-anlæg, en bogbehandlingsoperation og medarbejderudsagn om scanning og destruktion. Det er ikke det samme som en fuld offentlig indrømmelse af, at alle bøger, der behandles dér, bliver til træningsdata for en navngiven Amazon-model.

Den mest præcise konklusion er derfor også den smallere: 404 Media har fundet belæg for en Amazon-operation, der digitaliserer bøger på en måde, som er forenelig med indsamling af AI-data. Det sker samtidig med, at Amazon investerer i udviklingen af avancerede AI-modeller. Reuters har separat rapporteret, at Amazon er ved at omlægge sin AI-strategi omkring et nyt såkaldt frontier-modelprojekt – altså udvikling af modeller i den absolutte teknologiske front.

Hvorfor boghandlere ser et systematisk dataindkøb

Boghandlere fortalte 404 Media, at nogle bulkordrer virkede usædvanlige. Ordrerne var ofte blandede og syntes i mindre grad at tage hensyn til bogens gensalgsværdi, stand, emne eller pris.

En køber, der vil sælge bøger videre, må normalt vælge ud fra efterspørgsel og avance. En køber, der vil skaffe træningsdata, kan i stedet være interesseret i et bredt udvalg af titler og ISBN-numre – den internationale identifikation, der bruges til at katalogisere bøger.

Det har fået boghandlere til at mistænke, at AI-virksomheder eller databrokere forsøger at arbejde sig gennem hele bogkataloget frem for kun at købe kommercielt attraktive titler. 404 Media har tidligere rapporteret, at ISBNdb markedsførte masseindkøb af trykte bøger til AI-virksomheder. Efter omtalen fjernede ISBNdb det relevante materiale og kaldte siden en „test af markedsinteressen“.

Det beviser ikke, at enhver mærkelig bulkordre er forbundet med Amazon eller AI. Det forklarer dog, hvorfor markedet er svært for boghandlere at aflæse: En tilfældig ordre kan give ringe mening som detailhandel, men god mening som et forsøg på at gøre et datasæt så bredt som muligt.

Derfor er ældre bøger interessante for AI-udviklere

Trykte bøger indeholder store mængder menneskeskabt tekst, der er skrevet, før generativ AI blev udbredt. Ældre og udsolgte værker kan desuden indeholde specialiseret, lokal eller historisk viden, som aldrig er blevet gjort let tilgængelig online.

Det gør fysiske bøger til en potentiel kilde til tekst, der både er bred og mindre tilbøjelig til at bestå af syntetisk AI-indhold. I 404 Medias omtale af ISBNdb blev ældre bøger blandt andet fremhævet, fordi de er fri for det, der i branchen ofte kaldes „AI slop“ – store mængder lavkvalitets, AI-genereret indhold.

Forskere og udviklere diskuterer også risikoen for „model collapse“. Det er muligheden for, at gentagen træning på syntetisk materiale gradvist mindsker kvaliteten eller mangfoldigheden i senere modeller.

Den bekymring kan være med til at forklare interessen for ældre, menneskeskabte tekster. Den er dog ikke et bevis på, at Amazons modeller har oplevet model collapse, eller at bøgerne i Las Vegas blev indsamlet af netop den grund.

Ligheden med Anthropic – og den juridiske grænse

Den beskrevne Amazon-arbejdsgang minder om Anthropic-projektet „Project Panama“. Her købte Anthropic fysiske bøger, fjernede indbindingen, scannede siderne og kasserede papireksemplarerne for at skabe digitalt materiale til virksomhedens AI-arbejde.

I en kendelse af 23. juni 2025 i sagen Bartz v. Anthropic skrev dommer William Alsup, at brugen af bøgerne til at træne Claude og forgængerne var „yderst transformerende“ og udgjorde fair use efter amerikansk ophavsret under de omstændigheder, retten vurderede. Han fandt også, at digitalisering af lovligt købte trykte bøger var fair use, fordi Anthropic erstattede de købte fysiske eksemplarer med tilsvarende, søgbare digitale kopier til virksomhedens interne bibliotek.

Kendelsen var ikke en generel regel om, at det automatisk er lovligt at ødelægge en bog for at træne AI. Købsmetoden, formålet med anvendelsen, om kopier blev bevaret eller videredistribueret, og de øvrige omstændigheder var fortsat afgørende. Den samme retssag behandlede separat opbygningen af et bibliotek baseret på piratkopierede bøger anderledes.

Den juridiske sondring er central i Amazon-sagen. Selv hvis Amazon har købt bøgerne lovligt, er spørgsmål om operationens størrelse, brugen af scanningerne, aftaler med forfattere eller forlag og bevarelsen af sjældne fysiske værker ikke afgjort af den snævre fair-use-vurdering i Bartz.

Mere end et spørgsmål om ophavsret

Boghandlernes kritik handler ikke kun om tabt salg eller betaling for ophavsret. Sjældne og udsolgte bøger kan have historisk, intellektuel, kulturel og sentimental værdi. Når et sjældent eksemplar skæres i stykker og sendes til genanvendelse, kan teksten overleve som scanning – men selve det fysiske artefakt er væk.

Det skaber et bevaringsproblem, som en ophavsretlig afgørelse ikke nødvendigvis besvarer. En proces kan være juridisk forsvarlig under bestemte omstændigheder og stadig vække bekymring hos samlere, boghandlere, biblioteker og læsere, der ser bøger som mere end blot beholdere for tekst.

Sagen fremhæver også en skævhed i informationen på markedet. AI-virksomheder kan opdage værdien i et datasæt af obskure bøger længe før den enkelte sælger forstår, at en tilsyneladende mærkelig bulkordre er del af en større indkøbsstrategi.

Amazons offentlige forklaring – at bøgerne købes for at forbedre virksomhedens produkter – efterlader derfor de spørgsmål, der betyder mest for bogbranchen: Hvor omfattende er indkøbene? Hvilke bøger bliver scannet? Og hvad sker der med de digitale filer bagefter?

Passer ind i Amazons bredere AI-strategi

Den angivelige bogoperation falder sammen med Amazons bredere forsøg på at konkurrere inden for avanceret AI. Reuters rapporterede i juli 2026, at Amazon var ved at afvikle mange af sine egne modeller og samle ressourcerne om et nyt frontier-modelprojekt.

AWS markedsfører samtidig Nova Forge, en tjeneste, der giver kunder mulighed for at kombinere egne data med træningsdata udvalgt af Amazon, mens de udvikler tilpassede frontier-modeller.

Det giver en strategisk forklaring på, hvorfor Amazon kan tillægge tekst af høj kvalitet stor værdi. Men det beviser ikke i sig selv, at de bøger, 404 Media fulgte, har trænet en bestemt model. Det stærkeste belæg er fortsat mediets direkte rapportering om forsendelsen og anlægget i Las Vegas.

Det store spørgsmål er, om markedet for fysiske bøger er ved at blive en usynlig forsyningskæde for AI. 404 Medias undersøgelse peger på, at bøger i mindst ét dokumenteret tilfælde bevægede sig fra en boghandler til en Amazon-operation, hvor de blev scannet og destrueret. Hvor stort omfanget er, og hvordan materialet efterfølgende bruges, er stadig ikke offentligt kendt.