Uma caixa com centenas de romances, pronta para deixar uma pequena livraria e seguir para um armazém distante, parece o começo de uma história sobre leitores estrangeiros. Mas, segundo o portal BBC News, algumas dessas encomendas recentes podem ter um destino bem diferente: uma base de dados usada para treinar sistemas de inteligência artificial.

O caso ganhou destaque com o relato de Stuart Manley, da livraria Barter Books, em Northumberland, no norte da Inglaterra. A loja normalmente comercializa entre dois e três mil livros por semana. Um único pedido feito por uma empresa canadense, recentemente, alcançou um volume equivalente ao que a livraria esperava vender em sete dias. Manley, que trabalha com livros usados há cerca de 30 anos, disse nunca ter observado uma operação semelhante.

A notícia é curiosa, mas também importante porque conecta dois mercados que normalmente parecem separados: o comércio tradicional de livros e a corrida das empresas de tecnologia por dados de treinamento. Este guia explica por que a inteligência artificial pode estar interessada em livros físicos, como uma caixa de romances pode virar um corpus digital, quais são os limites legais e como livrosellers podem avaliar encomendas desse tipo sem transformar uma hipótese em acusação.

O que o aumento das compras comprova — e o que ainda é hipótese

Os fatos observados

O relato da BBC News descreve um padrão de compras em grande escala, com livros enviados para centros de distribuição localizados longe das lojas. Outros livreiros também teriam percebido encomendas incomuns, indicando que o fenômeno pode não se limitar a uma única empresa ou região.

  • Uma livraria britânica recebeu um pedido de uma empresa canadense.
  • O volume do pedido se aproximou do total de vendas esperado para uma semana inteira.
  • O comprador não revelou claramente o destino final dos livros.
  • O comportamento chamou a atenção por estar muito acima do perfil de um leitor comum.

Esses dados demonstram que há uma procura突然 e atípica por determinados acervos. Eles não demonstram, por si só, quem receberá os livros nem qual será o uso dado a eles.

A atribuição à IA exige cautela

A suspeita de que uma empresa de inteligência artificial esteja por trás das compras é plausível, mas deve ser tratada como uma hipótese. Um pedido pode ter sido feito por um intermediário, uma empresa de digitalização, uma biblioteca, um distribuidor, um colecionador ou um revendedor. O nome da empresa compradora também pode ser diferente do nome da organização que efetivamente usará os dados.

  • Biblioteca ou arquivo: pode comprar livros para preservação, consulta ou digitalização.
  • Distribuidor: pode revendê-los para clientes de vários setores.
  • Empresa de pesquisa: pode selecionar títulos para estudos linguísticos ou históricos.
  • Fornecedor de tecnologia: pode integrar os livros a uma base de treinamento, ajuste ou busca.

A formulação mais confiável é: existe um padrão comercial unusual, e a compra para treinamento de IA é uma explicação possível. Sem fatura, contrato, endereço de destino ou documentação de uso, não se pode afirmar que todos os livros tiveram o mesmo destino.

Por que livros usados interessam a um sistema de inteligência artificial?

Para uma empresa de tecnologia, livros físicos podem representar uma fonte de textos variados, antigos e difíceis de encontrar em formato digital. Isso não significa que o algoritmo “leia” como uma pessoa. Em um modelo de linguagem, o texto é dividido em unidades chamadas tokens, que podem ser partes de palavras, símbolos ou sinais de pontuação. O sistema aprende padrões estatísticos entre essas unidades.

Três usos técnicos possíveis

  • Pré-treinamento: uma grande coleção de textos é usada para ensinar ao modelo relações linguísticas, estilos, estruturas narrativas e padrões de escrita. Livros de diferentes gêneros ajudam a ampliar a diversidade do conjunto.
  • Ajuste fino e avaliação: trechos podem ser transformados em exemplos de perguntas, respostas, resumos ou instruções. Também podem servir para testar se o modelo compreende textos longos e contextos complexos.
  • Busca e geração com recuperação: os livros podem ser mantidos em um índice, transformados em embeddings e consultados quando o usuário faz uma pergunta. Nesse caso, o sistema recupera trechos relevantes em vez de usar o livro inteiro durante cada conversa.

Por isso, a compra de um exemplar não significa necessariamente que a obra será “memorizada” pelo modelo. Ela pode alimentar uma etapa intermediária, um conjunto de avaliação ou um mecanismo de busca. Também pode ser apenas um exemplar físico usado para confirmar metadados, identificar uma edição específica ou verificar a qualidade de um catálogo.

O valor do livro físico

Livros usados oferecem uma combinação atraente de variedade, preço e disponibilidade. Editoras menores, obras esgotadas, edições antigas, idiomas menos representados e gêneros fora do mainstream podem estar mais presentes em papel do que em bases digitais acessíveis. Para uma empresa que procura uma “cauda longa” de conhecimento e estilo, isso pode ser mais útil do que comprar apenas os títulos mais famosos.

Além disso, a compra de um objeto físico pode dar ao comprador acesso legítimo à posse do exemplar. Isso não significa que a empresa获得了版权 para reproduzi-lo, distribuí-lo ou criar uma obra derivada. Propriedade do papel e direito autoral são conceitos diferentes. A digitalização de um livro continua sendo uma cópia ou reprodução, e depende das regras aplicáveis.

Da caixa ao corpus: como o processo pode funcionar

A BBC News não revelou a cadeia técnica completa das empresas citadas. A sequência abaixo é uma reconstituição plausível do caminho entre uma compra em uma livraria e uma base usada por um sistema de IA, não uma afirmação de que cada comprador siga todas essas etapas.

  1. Seleção no catálogo. Um comprador pode usar uma plataforma de livros usados para escolher centenas ou milhares de SKUs. Em um painel típico, o pedido aparece como um cartão âmbar no topo da tela, com ícone de depósito, número de unidades, país de entrega e um alerta vermelho indicando “volume incomum”. Ao abrir o cartão, o vendedor vê uma tabela com título, ISBN, edição, condição e preço unitário.
  2. Cotação e validação. O comprador envia uma lista ou gera uma proposta automática. Na tela seguinte, um perfil exibe o nome da empresa, o endereço de cobrança, o destino de entrega, o prazo e as condições de pagamento. Antes de confirmar, é possível exigir documento societário, referência comercial e confirmação escrita do propósito da compra.
  3. Recebimento no armazém. Os livros chegam com um manifesto. Um operador usa leitor de código de barras para conferir cada caixa. Em uma tela de logística, as colunas “recebido”, “faltante”, “avariado” e “duplicado” mudam de cor conforme o scanner registra o item. O ISBN ajuda na conferência, mas não substitui a verificação de edição, capa e estado de conservação.
  4. Digitalização e OCR. As páginas podem ser fotografadas ou digitalizadas. O reconhecimento óptico de caracteres, conhecido como OCR, transforma a imagem em texto. Uma fila de processamento mostra miniaturas das páginas, uma barra azul de progresso e um percentual de confiança. Páginas com fontes antigas, manchas ou diagramas podem receber um aviso amarelo para revisão manual.
  5. Limpeza e construção do conjunto. O texto bruto passa por remoção de cabeçalhos, correção de erros, detecção de idioma, divisão em trechos e eliminação de duplicatas. Uma tela de curadoria pode mostrar, lado a lado, o texto original e a versão normalizada. Um alerta vermelho surge quando duas edições diferentes contêm o mesmo conteúdo, pois ISBNs diferentes não impedem duplicação textual.
  6. Treinamento, avaliação ou indexação. O conjunto final pode ser enviado para um ambiente de treinamento, usado em avaliações de qualidade ou armazenado em um índice de busca. Em um painel de infraestrutura, o usuário vê o número de tokens processados, a taxa de erros, o consumo de GPUs e o tempo estimado. O destino real pode ser uma combinação dessas opções, não apenas uma delas.

O ponto mais importante é a linha de provenance, ou seja, a rastreabilidade de cada exemplar: quem o vendeu, qual era a edição, quando foi digitalizado, qual licença autorizou o uso e quais transformações foram aplicadas. Sem essa informação, até uma empresa tecnicamente competente很难 explicar a origem de um dado.

Como um livreiro pode avaliar uma encomenda suspeita

Uma compra grande não deve ser automaticamente recusada. O objetivo é verificar o comprador, proteger os dados da loja e garantir que o preço cubra logística, riscos e margem. Um roteiro útil inclui as seguintes etapas:

  1. Preserve o registro. Salve o número do pedido, a lista de títulos, as mensagens trocadas e o comprovante de pagamento antes de iniciar qualquer alteração.
  2. Verifique a identidade. confira razão social, site, endereço, responsável pela compra, dados bancários e referências. Desconfie de pressão para pagar fornecedores indicados pelo comprador ou de pedidos que pedem dados desnecessários.
  3. Faça perguntas objetivas. pergunte qual é o destino dos livros, se haverá digitalização, reprodução, redistribuição ou treinamento, e quem será o responsável pelo tratamento dos exemplares. A resposta pode não revelar tudo, mas cria um registro importante.
  4. Teste uma amostra. escolha entre 20 e 100 títulos representativos. Na planilha, use colunas para SKU, ISBN, título, editora, edição, condição, preço e localização. Em um teste simulado do recurso, percebemos que o filtro mais útil não é “é IA?”; é “os dados estão consistentes?”. Títulos repetidos, edições divergentes e condições mal descritas devem ficar com a etiqueta “revisar”.
  5. Calcule o valor líquido. some frete, seguro, impostos, embalagem, devoluções, danos e custo de separação. Um valor bruto aparentemente alto pode se transformar em prejuízo quando o comprador exige inspeção individual ou devolução de itens.
  6. Use contrato claro. defina finalidade, território, prazo, responsabilidade por cópias, compartilhamento com terceiros, auditoria, exclusão de dados e indenização. Não presuma que a compra do papel transfere direitos de reprodução ou licenciamento.
  7. Proteja privacidade e arquivos. nunca envie inadvertidamente a lista de clientes, endereços, histórico de compras ou digitalizações completas sem base legal e autorização. Se houver compartilhamento de conteúdo, use uma área segura, criptografia e registro de acesso.
  8. Monitore o pós-venda. acompanhe reclamações, avarias, tentativas de alterar o endereço e divergências entre a quantidade comprada e a quantidade declarada no manifesto.

Também é recomendável consultar um advogado quando a operação envolver digitalização em larga escala, cópias integrais, distribuição internacional ou exclusividade. Uma resposta jurídica adequada depende do país, do tipo de obra, da fonte do exemplar e da finalidade do uso.

Manual, OCR ou API: qual método escolher para organizar os dados?

A melhor tecnologia depende do volume, do orçamento, da tolerância a erros e da situação dos direitos. Para um pedido de livros usados, a combinação de métodos costuma ser mais segura do que entregar tudo a uma única ferramenta.

Planilha e revisão humana

  • Prós: baixo custo, fácil auditor e bom controle de cada item.
  • Contras: lento, sujeito a cansaço e inadequado para milhares de títulos.
  • Indicação: amostras pequenas, livros raros e qualquer decisão que exija alta confiabilidade.

OCR local com APIs de metadados

  • Prós:加速 a leitura de ISBN, editora, ano e título; APIs como Open Library, Google Books e WorldCat ajudam a completar metadados.
  • Contras: OCR pode trocar letras, especialmente em fontes antigas, e APIs de catálogo normalmente fornecem metadados, não uma licença de reprodução do texto completo.
  • Indicação: milhares de livros, desde que exista uma etapa de revisão para os casos de baixa confiança.

Classificador de IA para triagem

  • Prós: identifica rapidamente duplicatas, gêneros, idiomas e possíveis inconsistências.
  • Contras: pode produzir falsos positivos, interpretar errado uma edição ou reproduzir vieses do conjunto usado no classificador.
  • Indicação: grandes volumes, com limite de confiança e revisão humana das decisões importantes.

Acervo digital licenciado

  • Prós: oferece maior segurança jurídica, melhor rastreabilidade e, em geral, arquivos mais consistentes.
  • Contras: pode ser caro, limitado por contrato ou indisponível para determinados idiomas e editoras.
  • Indicação: treinamento completo, pesquisa acadêmica e produtos que serão distribuídos comercialmente.

Na prática, recomendamos começar com uma amostra manual de 50 a 100 títulos, comparar os resultados com APIs de metadados e só então ampliar o processo. Não use um catálogo público, um arquivo de downloads ou um livro disponível na internet como substituto automático de uma licença. Metadado acessível não significa texto integral liberado.

Quem ganha e quais riscos aparecem nessa cadeia?

Oportunidades para o mercado editorial

  • Livrarias: podem obter receita de estoques antigos, reduzir o acúmulo de volumes e negociar compras previsíveis.
  • Autores e editoras: títulos fora de catálogo podem ganhar descoberta, novas edições e interesse de nichos.
  • Pesquisadores: ganham acesso a obras difíceis de encontrar, desde que o uso respeite os direitos aplicáveis.
  • Acervos históricos: podem ser preservados e indexados, embora a digitalização não substitua conservação física.

Riscos técnicos, jurídicos e econômicos

  • Direitos autorais: comprar o exemplar não concede automaticamente autorização para copiar, treinar ou redistribuir seu conteúdo.
  • Privacidade: autobiografias, cartas e documentos podem conter nomes, endereços ou informações pessoais.
  • Qualidade: OCR ruim, páginas repetidas, edições duplicadas e erros de metadados contaminam o conjunto.
  • Envenenamento de dados: textos podem conter instruções ou exemplos maliciosos. O pipeline deve colocar conteúdo suspeito em quarentena, não confiar cegamente em tudo o que foi digitalizado.
  • Viés: livros antigos refletem os valores e limites de suas épocas. Um modelo treinado nesses textos não se torna neutro apenas porque os dados parecem confiáveis.
  • Colapso de modelo: quando sistemas futuros aprendem demais com textos produzidos por outros sistemas,某些 padrões podem degradar. Obras humanas, especialmente as mais antigas e diversas, ajudam a reduzir esse risco.

Uma decisão judicial norte-americana ganhou relevância nesse debate: no caso de primeira instância conhecido como Bartz v. Anthropic, o tribunal analisou separadamente o uso de textos para treinamento e a forma de obter as obras. O resultado amplamente divulgado foi favorável ao uso de livros em treinamento em determinadas circumstances, mas não licenciou a cópia obtained por meios ilegais. A decisão não é uma autorização mundial, não resolve automaticamente outros países e pode ser objeto de recurso. Em outras jurisdições, as regras de text and data mining, exceções por finalidade e direitos de opt-out também variam.

Como a tendência pode evoluir nos próximos anos

A projeção mais provável não é a de uma substituição completa dos livros digitais por、物理 exemplares. É a de um mercado híbrido, em que empresas compram livros físicos para selecionar títulos difíceis, verificar edições e complementar acervos digitais licenciados.

  • Compradores de grande porte tenderão a usar intermediários, contratos e manifestos mais detalhados.
  • Metadados de procedência, como ISBN, edição, fonte, licença, data da digitalização e checksum, devem se tornar requisitos importantes.
  • Editoras, bibliotecas e empresas de tecnologia podem criar acordos de licenciamento mais específicos para treinamento, busca e preservação.
  • Livrarias poderão vender não apenas caixas de livros, mas conjuntos curados para nichos, com documentação de origem e exclusividade limitada.
  • A pressão regulatória e judicial deve aumentar a transparência sobre compensation, uso de obras e origem dos dados.
  • Modelos especializados em direito, história, literatura regional ou idiomas minoritários podem tornar acervos físicos economicamente mais valiosos.

O comportamento mysterious de hoje provavelmente dará lugar a uma cadeia de suprimentos mais formal. A compra de livros para IA não deve desaparecer, mas a empresa que conseguir provar de onde veio cada exemplar, quais direitos possui e como os dados foram tratados terá uma vantagem competitiva enorme.

Perguntas frequentes sobre livros usados e inteligência artificial

A inteligência artificial está realmente comprando livros usados?

Há relatos de compras em grande escala que levantam essa suspeita, e a explicação tecnológica é plausível. Entretanto, a compra para treinamento de IA continua sendo uma inferência quando o comprador e o destino final não são conhecidos.

Por que uma empresa não copia tudo diretamente da internet?

Porque nem todo livro está disponível em formato digital, algumas obras têm qualidade de OCR ruim, há restrições de acesso e existem edições que não correspondem ao arquivo online. Comprar exemplares físicos também pode ajudar a identificar obras esgotadas ou verificar a edição correta.

O que acontece com um livro depois que ele é comprado?

Ele pode ser digitalizado, ter o texto corrigido por OCR, ser dividido em trechos, passar por limpeza e entrar em treinamento, avaliação ou busca. Nem todo exemplar precisa ser usado diretamente no treinamento, e nem toda informação de um livro precisa ser memorizada.

Comprar e digitalizar um livro é ilegal?

Não existe uma resposta única. Depende da jurisdição, da origem do exemplar, do conteúdo, da quantidade copiada, da finalidade e das exceções legais. A compra do objeto físico não elimina automaticamente os direitos autorais. Decisões norte-americanas também não criam uma licença internacional.

Um livreiro pode saber se o comprador é uma empresa de IA?

Nem sempre. O nome pode ser de um intermediário e o contrato pode omitir detalhes. O mais seguro é verificar a empresa, pedir a finalidade por escrito, analisar o pedido, proteger os dados dos clientes e registrar todas as comunicações.

O leitor pode impedir que um livro seja usado por uma IA?

As opções variam conforme a jurisdição e o contrato. Não existe um botão universal de exclusão. A medida mais eficaz para consumidores e autores é apoiar plataformas com políticas claras, exigir transparência e acompanhar os termos de uso de editoras e serviços digitais.

E você, já testou essa funcionalidade? Conte sua experiência (ou dúvidas) nos comentários! Se este guia te ajudou, compartilhe com alguém que também precisa saber disso. E para receber nossos tutoriais e análises em primeira mão, assine a newsletter do Tech Advisor Brasil.