Una nuova inchiesta di 404 Media ha seguito un ordine anonimo di circa mille libri fino a un magazzino Amazon di Las Vegas. Secondo le testimonianze raccolte, le rilegature vengono rimosse e le pagine scansionate per creare dati destinati allo sviluppo dell’intelligenza artificiale.
L’AirTag nascosto nel libro e il viaggio fino al magazzino Amazon
Un piccolo localizzatore Apple nascosto in un libro raro ha permesso di ricostruire un’attività finora poco conosciuta di Amazon: l’acquisto di grandi quantità di volumi cartacei da trasformare in dati digitali per lo sviluppo dei propri prodotti di intelligenza artificiale.
L’indagine è stata condotta dalla testata tecnologica statunitense 404 Media, entrata in contatto con un libraio specializzato in testi rari e fuori catalogo. Il venditore aveva ricevuto attraverso Biblio un ordine anonimo di circa mille libri, una quantità insolita e composta da titoli apparentemente eterogenei.
Sospettando che il cliente fosse una società interessata a costruire un dataset per l’IA, il libraio ha accettato di inserire in uno dei volumi un Apple AirTag fornito dai giornalisti.
Il segnale ha mostrato il percorso della spedizione dalla California al Wisconsin, con una sosta in una struttura della società logistica Trifinity. Dopo circa due settimane, il carico è ripartito via terra fino al centro Amazon LAS8, nell’area di Las Vegas.
All’interno del magazzino opera un reparto indicato con il codice VGT3. Il suo simbolo, individuato dai giornalisti, raffigura un tirannosauro con un libro tra le zampe. Secondo 404 Media, quella divisione sarebbe dedicata alla ricezione e alla scansione industriale dei volumi.
L’AirTag dimostra che il libro tracciato è arrivato nella struttura. Le successive informazioni sul processo provengono invece da testimonianze e messaggi attribuiti ai dipendenti: la sorte materiale di quella singola copia non è stata documentata direttamente.
Come vengono scansionati i libri e perché la procedura li distrugge
I lavoratori del reparto VGT3 descrivono un processo organizzato in più fasi. I volumi vengono ricevuti in grandi spedizioni, registrati attraverso il codice ISBN e poi preparati per la digitalizzazione.
La procedura prevederebbe la rimozione o il taglio della rilegatura. Le pagine separate possono così essere inserite rapidamente negli scanner industriali, senza dover fotografare manualmente ogni apertura del libro.
Questa tecnica aumenta notevolmente la velocità, ma rende il volume inutilizzabile nella sua forma originaria. Non è stato chiarito se tutte le copie siano smaltite dopo la scansione, se alcuni libri vengano ricomposti o cosa accada ai titoli già presenti nell’archivio digitale.
Amazon non ha contestato l’acquisto dei libri. Un portavoce ha dichiarato a 404 Media che l’azienda acquista volumi attraverso canali commerciali per sviluppare e migliorare prodotti e servizi utilizzati dai clienti. La società non ha però comunicato quanti centri analoghi esistano, quanti testi siano stati processati o quali modelli ricevano i dati.
La scansione distruttiva non è una tecnica nata con l’intelligenza artificiale. Amazon la utilizzava già nei primi anni Duemila per il progetto “Search Inside the Book”, come documentato da Wired.
Per le collezioni rare esistono metodi non distruttivi, basati su supporti a V, fotocamere e piani di vetro che evitano di forzare la rilegatura. Sono però più lenti e costosi. Le linee guida sulla digitalizzazione pubblicate dall’American Library Association invitano infatti a valutare attentamente il rischio di perdere, danneggiare o modificare i materiali originali.
Perché le aziende di IA cercano libri pubblicati prima del 2022
I modelli generativi vengono addestrati su enormi raccolte di testi. I libri offrono contenuti lunghi, strutturati, sottoposti a editing e spesso assenti dalle normali scansioni del web.
Una precedente inchiesta di 404 Media aveva rilevato ordini massivi di libri usati da parte di clienti anonimi. Un intermediario, ISBNdb, propone alle aziende l’acquisizione all’ingrosso di quantità comprese tra mille e un milione di copie.
L’interesse si concentra anche sui testi pubblicati prima della diffusione di massa dell’IA generativa, indicativamente prima del 2022. Questi libri hanno maggiori probabilità di contenere esclusivamente scrittura umana, senza passaggi creati o rielaborati da modelli linguistici.
Addestrare nuovi sistemi su una quota crescente di materiale sintetico può ridurre varietà e affidabilità dei dati. La letteratura scientifica parla di “model collapse” quando l’apprendimento ricorsivo da contenuti generati dai modelli porta alla perdita progressiva delle caratteristiche presenti nei dati originali.
Nel caso dei libri recenti, il rischio è più indiretto: un testo scritto con un ampio contributo dell’IA potrebbe rientrare nei dataset e trasmettere ai nuovi modelli strutture già prodotte da sistemi precedenti.
Questo non significa che qualsiasi contenuto generato artificialmente provochi automaticamente il collasso. Spiega però perché le aziende attribuiscano un valore crescente alle fonti certamente umane, soprattutto testi specialistici, opere fuori catalogo e pubblicazioni in lingue poco rappresentate online.
La ricerca di dati di qualità apre così una nuova competizione per libri che, fino a poco tempo fa, avevano un mercato limitato.
Le piccole abitudini che migliorano davvero la giornata: cosa fare dal risveglio alla sera
È legale tagliare e scansionare i libri per addestrare un modello?
Negli Stati Uniti, la first-sale doctrine consente a chi acquista legalmente una copia fisica di rivenderla, modificarla o distruggerla senza chiedere il permesso all’editore. La norma non autorizza però automaticamente qualsiasi riproduzione digitale del contenuto: la scansione crea una nuova copia e coinvolge il diritto d’autore.
Un precedente rilevante è la causa Bartz contro Anthropic. Nel giugno 2025 il giudice federale William Alsup ha considerato “fair use”, nelle specifiche circostanze esaminate, la scansione distruttiva di libri acquistati legalmente e il loro utilizzo per addestrare i modelli Claude.
La decisione ha distinto quelle copie dai milioni di file ottenuti da archivi pirata come LibGen e PiLiMi. Su questo secondo fronte Anthropic ha raggiunto un accordo da almeno 1,5 miliardi di dollari con autori ed editori, approvato preliminarmente da un giudice, come ricostruito dall’Authors Guild.
La sentenza non costituisce un’autorizzazione generale valida per ogni progetto di IA. Il fair use statunitense dipende dalle caratteristiche concrete dell’uso, dalla provenienza dei materiali e dall’impatto sul mercato delle opere.
Resta inoltre la questione della conservazione. Distruggere una copia comune, disponibile in migliaia di esemplari, ha conseguenze diverse dal tagliare un’edizione rara, un testo in una lingua minoritaria o un volume di cui sopravvivono pochissime copie.
L’inchiesta sull’AirTag pone quindi un problema che va oltre il copyright: chi decide quali libri possono essere sacrificati per costruire i dataset dell’IA e quali devono essere preservati? Amazon non ha ancora reso pubblici criteri, quantità o procedure utilizzate per distinguere le copie comuni dai materiali culturalmente sensibili.
