Libri comprati, scansionati e distrutti: cosa rivela l’indagine di 404 Media sull’AI di Amazon

In pratica, il libro fisico viene trasformato in testo leggibile da una macchina mentre la copia originale scompare. È un’operazione molto diversa dall’acquistare libri per rivenderli, conservarli o spedirli ai clienti.

L’inchiesta offre quindi elementi per parlare di una consistente filiera di acquisizione e digitalizzazione di libri. Non dimostra però quanti volumi siano stati trattati complessivamente né identifica un modello Amazon addestrato con quelle scansioni.

La risposta di Amazon e ciò che non è ancora provato

Alla domanda di 404 Media, Amazon ha affermato di acquistare libri «per migliorare i propri prodotti». Secondo il reportage, l’azienda non ha fornito dettagli sul numero di volumi acquistati, sulle strutture coinvolte, sui prodotti che utilizzerebbero il materiale o sull’eventuale impiego della struttura di Las Vegas per addestrare modelli di AI.

La distinzione è importante. Le prove raccolte sono operative: una spedizione tracciata, una destinazione all’interno di un impianto Amazon, un reparto che lavora libri e testimonianze sulla scansione e sulla distruzione degli originali. Non costituiscono, invece, un’ammissione pubblica completa secondo cui ogni libro trattato diventi automaticamente dati di addestramento per un modello Amazon identificato.

La conclusione più prudente, ma comunque significativa, è questa: 404 Media ha trovato indizi di un’operazione Amazon di digitalizzazione di libri apparentemente compatibile con la raccolta di dati per l’AI, in un momento in cui l’azienda sta rafforzando la propria strategia sui modelli avanzati. Reuters ha riferito separatamente che Amazon sta concentrando la propria strategia sull’intelligenza artificiale su un nuovo progetto dedicato a un modello di frontiera.

Perché i librai sospettano un’acquisizione su scala catalogo

Alcuni librai hanno raccontato a 404 Media di aver ricevuto ordini all’ingrosso insoliti: assortimenti eclettici, apparentemente poco influenzati dal prezzo, dalle condizioni, dall’argomento o dal valore di rivendita dei singoli titoli.

Un acquirente interessato alla rivendita deve normalmente selezionare i libri in base alla domanda prevista e al margine. Chi cerca invece materiale per un dataset potrebbe essere più interessato ad accumulare il maggior numero possibile di titoli e codici ISBN, cioè gli identificativi standard delle edizioni librarie.

Da qui nasce il sospetto che aziende di AI o intermediari di dati stiano cercando di attraversare l’intero catalogo editoriale, invece di acquistare soltanto i libri commercialmente più redditizi. 404 Media aveva già riferito che ISBNdb pubblicizzava l’acquisizione in grandi volumi di libri stampati per aziende di AI; dopo l’articolo, la società ha rimosso il materiale e ha definito quella pagina un «test dell’interesse del mercato».

Questo non dimostra che ogni ordine insolito sia collegato ad Amazon o all’intelligenza artificiale. Spiega però perché il fenomeno sia difficile da interpretare per i librai: una richiesta apparentemente casuale può avere poco senso come transazione commerciale, ma diventare logica se l’obiettivo è ampliare il più possibile la varietà di un dataset.

Perché i libri stampati più vecchi sono preziosi per l’AI

I libri offrono agli sviluppatori una risorsa sempre più ricercata: grandi quantità di linguaggio scritto da esseri umani prima della diffusione massiccia dei testi generati dall’AI. Le opere fuori catalogo o difficili da reperire possono inoltre contenere informazioni specialistiche, locali e storiche mai rese facilmente disponibili online.

Per questo i volumi cartacei possono rappresentare una fonte ampia di testo umano e, almeno in parte, meno esposta al rischio di contenere materiale sintetico. Nel reportage su ISBNdb, 404 Media ha descritto i vecchi libri come preziosi anche perché «privi di AI slop», l’espressione usata per indicare contenuti generati dall’intelligenza artificiale di bassa qualità o distribuiti senza adeguati controlli.

Ricercatori e sviluppatori discutono anche del cosiddetto model collapse: la possibilità che addestrare ripetutamente i modelli su testi sintetici riduca la qualità o la varietà dei modelli successivi. È una preoccupazione oggetto di studio, non la prova che i modelli Amazon abbiano subito un collasso né che i libri di Las Vegas siano stati raccolti proprio per questo motivo.

Il precedente di Anthropic e il confine legale

Il processo attribuito ad Amazon ricorda il Project Panama di Anthropic. In quell’operazione, Anthropic acquistò libri fisici, ne rimosse le rilegature, scansionò le pagine e smaltì le copie cartacee per creare materiale digitale destinato al lavoro sull’AI.

In un’ordinanza del 23 giugno 2025 nel caso Bartz v. Anthropic, il giudice William Alsup ha stabilito che, sulla base dei fatti esaminati, l’uso dei libri per addestrare Claude e i suoi predecessori era «straordinariamente trasformativo» e rientrava nel fair use, l’istituto statunitense dell’equo utilizzo. Anche la digitalizzazione di libri acquistati legalmente in formato cartaceo è stata considerata fair use, ma per una ragione distinta: Anthropic avrebbe sostituito le copie fisiche acquistate con copie digitali corrispondenti, consultabili e ricercabili, per la propria biblioteca interna.

La decisione non significa che distruggere un libro renda automaticamente legale qualsiasi addestramento di un modello. Il metodo di acquisizione, lo scopo dell’uso, l’eventuale conservazione o redistribuzione delle copie e le circostanze complessive restano elementi rilevanti. La stessa causa ha trattato diversamente la biblioteca costruita da Anthropic con libri ottenuti da fonti pirata.

Questa distinzione è centrale anche per il caso Amazon. Persino se i libri vengono acquistati legalmente, restano aperte le domande sulla scala dell’operazione, sull’uso delle scansioni, sui rapporti con autori ed editori e sulla sorte delle opere fisiche rare.

Non è solo una questione di copyright

Le obiezioni dei librai non riguardano soltanto le vendite perse o l’eventuale compenso per il copyright. Un libro raro o fuori catalogo può avere valore storico, culturale, intellettuale e affettivo. Quando una copia difficile da sostituire viene tagliata e riciclata, il testo può sopravvivere in forma digitale, ma l’oggetto fisico viene perduto.

È una questione di conservazione che una sentenza sul diritto d’autore non risolve completamente. Un procedimento può essere difendibile dal punto di vista legale in determinate circostanze e, allo stesso tempo, preoccupare collezionisti, librai, biblioteche e lettori che considerano i libri qualcosa di più di semplici contenitori di testo.

La vicenda mette inoltre in luce uno squilibrio informativo. Le aziende di AI possono comprendere il valore di dataset composti da libri oscuri o introvabili molto prima che i singoli venditori si accorgano che un ordine anomalo fa parte di una strategia di acquisizione più ampia. La dichiarazione di Amazon lascia quindi senza risposta le domande più concrete per il settore librario: quanto è esteso il fenomeno, quali libri vengono scansionati e che fine fanno i file prodotti.

Il contesto della strategia AI di Amazon

La presunta operazione sui libri si inserisce nel tentativo più ampio di Amazon di competere nell’AI avanzata. Reuters ha riferito nel luglio 2026 che l’azienda stava ridimensionando diversi modelli sviluppati internamente e concentrando le risorse su un nuovo progetto dedicato a un modello di frontiera.

Anche AWS promuove Nova Forge, un servizio che permette ai clienti di combinare dati proprietari e dati di addestramento curati da Amazon mentre sviluppano modelli personalizzati di frontiera.

Questi elementi forniscono una ragione strategica per cui Amazon potrebbe attribuire valore a grandi raccolte di testi di qualità, ma non dimostrano da soli che i libri seguiti da 404 Media abbiano addestrato un modello specifico. Le prove più solide restano quelle dell’inchiesta diretta sulla spedizione e sulla struttura di Las Vegas.

La domanda destinata a restare aperta è se il mercato dei libri fisici stia diventando una filiera invisibile per l’intelligenza artificiale. Il reportage di 404 Media suggerisce che, almeno in un caso documentato, i volumi siano passati da un libraio a un’unità Amazon, dove sarebbero stati scansionati e distrutti. La scala complessiva dell’operazione e l’uso finale dei dati restano non divulgati.