Anthropicin salainen kirjaprojekti paljastui oikeusasiakirjoista

Yhtiöt ovat raporttien mukaan käyttäneet anonyymejä välittäjiä ja bulkkiostoihin erikoistuneita palveluja, jotta lopullinen ostaja ei näkyisi suoraan kirjakauppiaille tai yleisölle .

Haarlemin antikvariaatin outo tilaus

Yksi konkreettinen esimerkki on hollantilainen antikvaarinen kirjakauppias Pieter de Vries, joka työskentelee Haarlemissa De Vries & De Vries -liikkeessä.

Hän sai sähköpostin henkilöltä, joka esitteli itsensä Nataliana tai Natalyna ja ilmoitti edustavansa singaporelaista 2077AI-yhtiötä. Viestin liitteenä oli taulukko, jossa oli yli 3 000 ISBN-numeroa. Lista koostui pääosin erikoistuneista akateemisista teoksista ja vaikeasti löydettävistä nimikkeistä. De Vriesiltä pyydettiin kirjojen hankintaa, tarjouksia ja arviota kuljetuskustannuksista Kiinaan .

De Vries piti viestiä aluksi roskapostina tai tietojenkalasteluna. Myöhemmin vastaavanlaisia pyyntöjä on raportoitu käytettyjen kirjojen myyjiltä Alankomaissa, Saksassa, Sveitsissä ja Espanjassa. Niiden epäillään liittyvän yhdysvaltalaisten tekoäly-yhtiöiden hankintaketjuihin .

Project Panama: Anthropic halusi skannata "kaikki maailman kirjat"

Anthropic käynnisti Project Panama -hankkeen vuoden 2024 alussa, oikeudenkäynnissä julkistetuista asiakirjoista käy ilmi. Yhtiö käytti kymmeniä miljoonia dollareita miljoonien fyysisten kirjojen ostamiseen. Kirjojen selkämykset leikattiin irti, sivut skannattiin ja alkuperäiset kappaleet tuhottiin. Tavoitteena oli luoda Claudea varten yksityinen ja laadukas koulutuskorpus .

Vuonna 2024 laaditussa sisäisessä suunnitelmassa hankkeen kuvaillaan olevan yritys "skannata tuhoavalla tavalla kaikki maailman kirjat" . Asiakirjojen mukaan tavoitteena oli käsitellä jopa 2 miljoonaa kirjaa kuudessa kuukaudessa . Hankkeesta on tullut julkinen yli 4 000 oikeusasiakirjasivun kautta .

Mitä yhdysvaltalainen tuomioistuin ratkaisi?

Yhdysvaltain Kalifornian pohjoisen piirikunnan piirituomari William Alsup katsoi 23. kesäkuuta 2025 tapauksessa Bartz v. Anthropic, että laillisesti hankittujen kirjojen käyttäminen tekoälymallien kouluttamiseen oli Yhdysvaltain tekijänoikeuslain tarkoittamaa fair use -käyttöä eli kohtuullista käyttöä .

Tuomarin keskeinen perustelu oli, että käyttö oli erittäin muuntavaa: kirjan sisältöä ei tarjottu lukijalle alkuperäisessä muodossa, vaan sitä käytettiin uudenlaisen tekoälyjärjestelmän kehittämiseen. Tuomioistuimen mukaan myös painettujen kirjojen muuttaminen digitaalisiksi kopioiksi oli sallittua, kun kappaleet oli hankittu laillisesti .

Ratkaisu ei kuitenkaan antanut yleistä lupaa käyttää laittomasti hankittuja kirjoja. Tuomari katsoi, ettei piratismisivustoilta ladattujen kopioiden käyttö kuulunut fair use -suojan piiriin . Yhdysvaltalainen ratkaisu ei myöskään sellaisenaan määritä Suomen tai Euroopan unionin tekijänoikeuslain tulkintaa.

1,5 miljardin dollarin sovinto

Heinäkuussa 2026 San Franciscossa toimiva liittovaltion tuomioistuin hyväksyi 1,5 miljardin dollarin sovinnon Bartz v. Anthropic -ryhmäkanteessa . Kanteen olivat nostaneet kirjailijat, heidän joukossaan Andrea Bartz ja Charles Graeber, noin kaksi vuotta aiemmin .

Sovinto syntyi sen jälkeen, kun tuomioistuin oli jo katsonut laillisesti ostettujen kirjojen skannaamisen ja koulutuskäytön olevan sallittua. Tapauksessa oli kuitenkin erillisiä väitteitä laittomista kopioista, joiden käyttöä tuomioistuin ei hyväksynyt . Siksi oikeuden päätöstä ei voi tiivistää muotoon, että Anthropic olisi saanut luvan käyttää mitä tahansa kirjoja tekoälyn koulutukseen.

Kirjojen ympärille syntyi uusi hankintamarkkina

Tapaus on tuonut näkyviin tekoälymallien koulutukseen liittyvän kirjojen jälleenhankintamarkkinan. Suuret tekoälytoimijat ovat käyttäneet kolmansia osapuolia, kuten ISBN-tietokantayhtiö ISBNdb:tä, tehdäkseen anonyymejä tilauksia jopa sadoista tuhansista kirjoista .

Eurooppalaiset kirjakauppiaat ovat kertoneet lähes identtisistä yhteydenotoista. Kirjoja on tilattu suurina erinä ja kuljetettu keskuksiin, joiden on kerrottu sijaitsevan esimerkiksi Kiinassa tai muissa käsittelypaikoissa. Siellä aineisto on voitu skannata teollisessa mittakaavassa .

Kirjakauppiaille lopputulos voi näyttää oudolta: ostaja ei ole kiinnostunut yksittäisen teoksen kunnosta, painoksesta tai keräilyarvosta samalla tavalla kuin tavallinen asiakas. Teoksen tärkein ominaisuus on sen sisältö ja se, että se voidaan muuttaa nopeasti koneen luettavaksi dataksi.

Arkistoijat pelkäävät korvaamatonta kulttuurista menetystä

Arkistoijat, kirjastonhoitajat ja harvinaisten kirjojen kauppiaat ovat varoittaneet, että tuhoava skannaus voi hävittää viimeisiä fyysisiä kappaleita harvinaisista ja loppuunmyydyistä akateemisista teoksista .

Kirjoja voi digitoida myös niitä vahingoittamatta. Esimerkiksi Treventus ScanRobot -tyyppiset järjestelmät pystyvät lähteiden mukaan käsittelemään hauraita kirjoja jopa 2 500 sivun tuntivauhdilla ilman, että teosta tarvitsee tuhota. Teollinen leikkaaminen ja silppuaminen on kuitenkin mittakaavassa halvempaa ja nopeampaa .

Kun teos on käsitelty tuhoavalla menetelmällä, fyysistä kappaletta ei välttämättä jää jäljelle lainkaan. Jos nimikkeestä on ennestään tunnettu vain muutama kappale, menetys voi olla peruuttamaton — vaikka digitaalinen sisältö säilyisi yhden yrityksen yksityisessä aineistossa .

Kiista ei siis koske vain sitä, saako tekoäly oppia kirjojen sisällöstä. Se koskee myös sitä, kuka hallitsee kirjoista syntyvää digitaalista arkistoa, millä oikeudella aineistoa käytetään ja onko tehokkuus joskus saavutettu kulttuuriperinnön kustannuksella.