Een AirTag leidde naar Amazons boekenscanoperatie voor AI

Een zending van ongeveer duizend boeken vormde het begin van een onderzoek van 404 Media naar een vermeende Amazon-operatie: gedrukte boeken worden ingekocht, gedigitaliseerd en vervolgens vernietigd. De zending kwam terecht bij een Amazon-faciliteit in Las Vegas. De beschreven werkwijze past bij het opbouwen van een grote tekstverzameling voor AI, al heeft Amazon niet bevestigd dat de locatie specifieke trainingsdata voor een genoemd model produceert.

Wat de AirTag-zending aan het licht bracht

404 Media stopte een Apple AirTag in een bulkzending die bij een Californische boekhandelaar was gekocht. Volgens het onderzoek reisde de zending via Wisconsin en Colorado naar Amazons magazijn LAS8 in Las Vegas. Daarna werd ze doorgestuurd naar VGT3, een operatie aan de noordkant van het terrein. 404 Media identificeerde die locatie onder meer aan de hand van het logo met een T. rex en een boek, en door gesprekken met werknemers.

Het opvallende was niet alleen dat Amazon de boeken ontving. De bestemming en verklaringen van medewerkers wezen erop dat VGT3 de boeken verwerkte, in plaats van ze als gewone voorraad op te slaan voor verkoop of verzending.

Kopen, scannen, vernietigen

Werknemers die door 404 Media werden aangehaald, beschreven een proces waarbij grote zendingen gedrukte boeken binnenkomen. De banden worden verwijderd zodat de pagina’s door snelle scanners kunnen worden gevoerd. Vervolgens worden de pagina’s en barcodes gescand, waarna het losse papier wordt weggegooid of gerecycled.

Zo verandert een fysiek boek in machinaal leesbare tekst, terwijl het oorspronkelijke exemplaar verdwijnt. Dat is iets wezenlijk anders dan boeken inkopen voor wederverkoop, opslag of bestellingen van klanten. Het onderzoek wijst op een omvangrijke keten voor het verwerven en digitaliseren van boeken, maar brengt het totale aantal boeken, het aantal locaties en een concreet Amazon-model dat op basis van de scans zou zijn getraind niet vast.

Wat Amazon zegt — en wat niet is bevestigd

Amazon liet aan 404 Media weten dat het boeken koopt “om onze producten te verbeteren”. Volgens het onderzoek wilde het bedrijf niet zeggen hoeveel boeken het koopt, hoeveel faciliteiten ze scannen, welke producten het materiaal gebruiken of dat de operatie in Las Vegas specifiek bedoeld is om AI-modellen te trainen.

Dat onderscheid is belangrijk. 404 Media rapporteerde rechtstreeks bewijs over een getraceerde zending, een bestemming binnen een Amazon-terrein, een boekverwerkingsoperatie en verklaringen van werknemers over het scannen en vernietigen van boeken. Dat is nog geen volledige publieke bevestiging dat elk verwerkt boek trainingsdata wordt voor een specifiek Amazon-model.

De meest nauwkeurige conclusie is daarom beperkter, maar nog altijd relevant: 404 Media vond aanwijzingen voor een Amazon-operatie die boeken digitaliseert op een manier die verenigbaar is met het verzamelen van AI-data. Dat gebeurt tegen de achtergrond van Amazons investeringen in geavanceerde AI en datadiensten. Reuters meldde afzonderlijk dat Amazon zijn AI-strategie bijstuurt en meer nadruk legt op een nieuw frontier-modelproject.

Waarom boekverkopers denken aan een catalogusbrede data-inzameling

Boekverkopers vertelden 404 Media dat sommige bulkbestellingen ongebruikelijk waren. Ze waren eclectisch en leken weinig rekening te houden met de verkoopwaarde, staat, het onderwerp of de prijs van een boek. Een inkoper die boeken wil doorverkopen, let normaal gesproken op vraag en winstmarge. Een inkoper die trainingsdata zoekt, kan juist belang hebben bij een zo breed mogelijke verzameling titels en ISBN’s.

Daardoor vermoeden handelaren dat AI-bedrijven of datamakelaars niet alleen commercieel interessante boeken selecteren, maar proberen door de gepubliceerde boekencatalogus heen te werken. 404 Media meldde eerder dat ISBNdb grootschalige inkoop van gedrukte boeken voor AI-bedrijven aanbood. Na die berichtgeving verwijderde het bedrijf de betreffende informatie en zei het dat de webpagina slechts een “test van marktinteresse” was.

Dit bewijst niet dat elke opvallende bestelling met Amazon of AI te maken heeft. Het maakt wel duidelijk waarom de markt voor boekverkopers moeilijk te doorgronden is: een willekeurige bestelling kan onlogisch zijn als retailtransactie, maar wel zinvol als poging om de breedte van een dataset te maximaliseren.

Waarom oudere boeken interessant zijn voor AI

Gedrukte boeken bevatten grote hoeveelheden door mensen geschreven taal die grotendeels is ontstaan voordat generatieve AI op grote schaal tekst produceerde. Oudere en niet meer verkrijgbare werken kunnen bovendien gespecialiseerde, lokale of historische informatie bevatten die nooit goed online beschikbaar is gekomen.

Daarmee vormen fysieke boeken mogelijk een brede bron van tekst die minder snel uit synthetische AI-inhoud bestaat. In de berichtgeving van 404 Media over ISBNdb werden oude boeken mede aantrekkelijk genoemd omdat ze vrij zijn van “AI-slop”: de zorg dat toekomstige datasets steeds meer door AI gegenereerde tekst bevatten.

Onderzoekers en ontwikkelaars bespreken in dit verband ook “model collapse”: de mogelijkheid dat herhaald trainen op synthetische uitvoer de kwaliteit of diversiteit van latere modellen vermindert. Die zorg verklaart de belangstelling voor ouder, door mensen gemaakt materiaal, maar bewijst niet dat Amazons modellen al met model collapse te maken hebben of dat de boeken uit Las Vegas om die reden zijn verzameld.

De parallel met Anthropic en de juridische grens

De beschreven Amazon-werkwijze lijkt op Project Panama van Anthropic. In dat project kocht Anthropic fysieke boeken, verwijderde het de banden, scande het de pagina’s en gooide het de papieren originelen weg om digitaal materiaal voor AI-doeleinden te maken.

In een bevel van 23 juni 2025 in Bartz v. Anthropic maakte rechter William Alsup een belangrijk onderscheid. Hij oordeelde dat het gebruik van de boeken voor het trainen van Claude en diens voorgangers, op basis van de onderzochte feiten, “uiterst transformatief” was en onder de Amerikaanse fair-use-regels viel. Ook het digitaliseren van rechtmatig aangekochte gedrukte boeken werd als fair use aangemerkt, omdat Anthropic de gekochte fysieke exemplaren verving door overeenkomstige, doorzoekbare digitale kopieën voor een interne bibliotheek.

Die uitspraak betekent niet dat het vernietigen van een boek AI-training automatisch legaal maakt. De manier waarop de boeken zijn verkregen, het doel van het gebruik, het bewaren of verspreiden van kopieën en de overige omstandigheden blijven van belang. Hetzelfde proces behandelde Anthropic’s afzonderlijke opbouw van een bibliotheek met illegaal verkregen boeken anders.

Dat juridische onderscheid is cruciaal voor het Amazon-verhaal. Zelfs als Amazon de boeken rechtmatig koopt, blijven vragen bestaan over de schaal van de operatie, het gebruik van de scans, afspraken met auteurs en uitgevers en het behoud van zeldzame fysieke werken. Die vragen worden niet beantwoord door de beperkte fair-use-analyse in Bartz.

Meer dan een auteursrechtkwestie

De bezwaren van boekverkopers gaan verder dan gemiste omzet of een mogelijke vergoeding voor auteursrecht. Zeldzame en niet meer verkrijgbare boeken hebben ook historische, intellectuele, culturele en emotionele waarde. Wanneer een schaars exemplaar wordt opengesneden en gerecycled, kan de tekst als scan blijven bestaan, maar verdwijnt het fysieke object.

Dat leidt tot een vraagstuk rond erfgoed en behoud waarop een uitspraak over auteursrecht geen volledig antwoord geeft. Een proces kan juridisch verdedigbaar zijn onder bepaalde omstandigheden en toch verontrustend zijn voor verzamelaars, boekhandelaren, bibliotheken en lezers die een boek zien als meer dan alleen een drager van tekst.

De kwestie legt ook een informatie-asymmetrie bloot. AI-bedrijven kunnen de waarde van obscure boeken als dataset al begrijpen voordat individuele verkopers doorhebben dat een vreemde bulkbestelling onderdeel is van een grotere inkoopstrategie. Amazons verklaring dat het boeken koopt om zijn producten te verbeteren, laat juist de praktische vragen open die voor de boekenmarkt het belangrijkst zijn: hoe groot is de inkoop, welke boeken worden gescand en wat gebeurt er met de bestanden?

De bredere AI-strategie van Amazon

De vermeende boekenoperatie past in Amazons bredere poging om mee te doen aan de ontwikkeling van geavanceerde AI. Reuters meldde in juli 2026 dat Amazon veel eigen modellen afbouwt en middelen concentreert op een nieuw frontier-modelproject. AWS biedt daarnaast Nova Forge aan, een dienst waarmee klanten eigen data kunnen combineren met door Amazon samengestelde trainingsdata voor de ontwikkeling van aangepaste frontier-modellen.

Die ontwikkelingen geven Amazon een strategische reden om waarde te hechten aan hoogwaardige tekst, maar bewijzen op zichzelf niet dat de door 404 Media gevolgde boeken een specifiek model hebben getraind. Het sterkste bewijs blijft de directe verslaggeving over de zending en de faciliteit in Las Vegas.

De grotere vraag is of de markt voor fysieke boeken langzaam een onzichtbare toeleveringsketen voor AI wordt. In het geval dat 404 Media documenteerde, gingen boeken van een boekverkoper naar een Amazon-operatie waar ze werden gescand en vernietigd. Hoe groot die praktijk is en waarvoor de digitale bestanden uiteindelijk worden gebruikt, blijft onbekend.