Amazon сканує й знищує книжки для навчання ШІ: що підтвердило розслідування

Розслідування 404 Media, оприлюднене 17 серпня 2026 року, простежило партію рідкісних книжок до складу Amazon у Лас-Вегасі. За даними журналістів, у підрозділі VGT3 друковані примірники розбирають, сканують для створення даних, пов’язаних із навчанням штучного інтелекту, а після цього фізичні книжки фактично перестають існувати.

Журналісти поклали трекер у книжку з партії, яку продавець підозрював у закупівлі для AI-компанії. Відправлення зрештою опинилося на об’єкті Amazon. Працівники, з якими поспілкувалося видання, описали процес: корінці книжок зрізають, окремі сторінки пропускають через швидкісні сканери, а відсканований папір викидають.

Що відомо про склад Amazon

26 серпня 404 Media опублікувало інтерв’ю з працівником VGT3. За його словами, на майданчику працюють десятки сканерів, а після оцифрування сторінки потрапляють у контейнери з відходами. Співрозмовник також зазначив, що серед книжок траплялися незвичні й, імовірно, рідкісні видання.

Саме це розслідування стало важливим доповненням до липневих повідомлень про масові закупівлі старих книжок для навчальних наборів даних. Тоді 404 Media писало, що сервіс ISBNdb рекламував можливість постачати друковані книжки AI-компаніям великими партіями — від тисяч до дуже великих замовлень. Однак на той момент журналісти прямо застерігали: конкретних доказів того, хто саме робив підозрілі закупівлі через книготорговців, не було.

Після розголосу ISBNdb прибрав сторінки про таку послугу й заявив, що це був лише тест ринкового інтересу, а компанія нібито не купувала, не сканувала й не продавала книжки для навчання моделей. Тому твердження про всі великі замовлення як про доведену діяльність AI-компаній потребує обережності. У випадку Amazon зв’язок із конкретним об’єктом і процесом сканування журналісти вже простежили значно предметніше.

Anthropic уже оцифровувала мільйони друкованих книжок

Окремий прецедент пов’язаний з Anthropic. У матеріалі Reuters про судові рішення щодо авторського права зазначається, що компанія придбала мільйони друкованих книжок, відсканувала та оцифрувала їх, а оригінали утилізувала. Цифрові копії використовувалися для створення центральної бібліотеки даних, зокрема для навчання моделей Claude.

Важлива юридична деталь: суд окремо розглядав навчання на законно придбаних книжках і походження піратського архіву. У 2025 році суддя визнав використання законно придбаних видань для навчання моделей добросовісним використанням у межах конкретної справи. Натомість претензії щодо понад семи мільйонів піратських книжок стали основою окремого спору.

У липні 2026 року федеральний суд остаточно схвалив мирову угоду на 1,5 млрд доларів між Anthropic та авторами. Це була саме угода у справі про піратські копії, а не штраф за знищення придбаних паперових книжок. Це розмежування важливе, бо в частині публікацій ці два епізоди змішують.

Навіщо AI-компаніям паперові книжки

Для розробників великих мовних моделей друковані видання мають кілька очевидних переваг. Це відредаговані тексти з чіткою структурою, спеціалізованою термінологією та матеріалами, які могли ніколи не з’являтися у відкритому інтернеті. Старі книжки також майже гарантовано створені до масового поширення генеративного ШІ, тому в них менше ризику натрапити на синтетичний текст, породжений іншими моделями.

Для масового сканування найшвидший спосіб — зняти палітурку й подавати окремі сторінки в промисловий сканер. Такий метод дешевший і продуктивніший за безконтактне оцифрування, але він руйнує примірник. Для звичайної масової книжки це передусім питання ресурсу та відходів. Для рідкісних або давно не перевиданих видань наслідки можуть бути серйознішими: кожен знищений примірник зменшує кількість доступних фізичних копій.

Що залишається незрозумілим

Поки що немає повної картини масштабу таких закупівель у всій AI-індустрії. Документовано відомо про мільйони друкованих книжок у проєкті Anthropic, а розслідування 404 Media показало аналогічний руйнівний процес на об’єкті Amazon. Водночас не кожне анонімне велике замовлення у книготорговців можна автоматично приписувати технологічним компаніям.

Неясно й те, чи існують системні правила, які мають відсікати рідкісні, колекційні або важкодоступні видання від руйнівного сканування. Саме ця частина історії найбільше стосується книжкового світу: цифрова копія може стати частиною закритого набору даних, тоді як фізичний примірник більше не повертається ані до книгарні, ані до бібліотеки, ані до читача.