Het klinkt als een omgekeerde wereld: de industrie die beloofde alle menselijke kennis te digitaliseren, koopt nu vrachtwagens vol boeken op om ze te vernietigen. Toch is dat precies wat er gebeurt. Databroker ISBNdb verkoopt AI-labs op fysieke boeken van vóór 2022, en het scannen ervan betekent bijna altijd dat de rug eraf gaat. Wat zit er achter, en mag het eigenlijk?
Waarom juist oude boeken
De waarde zit in de datum. Boeken die vóór 2022 zijn gedrukt, komen uit de tijd vóór de grote taalmodellen. Ze kunnen dus geen AI-gegenereerde tekst bevatten. Dat is belangrijk vanwege modelverval: modellen die trainen op de uitvoer van eerdere modellen, worden per generatie een beetje slechter.
Beginner-tip:modelverval (in het Engelsmodel collapse) is als een kopie van een kopie van een kopie. Elke ronde verliest wat scherpte. Omdat steeds meer tekst op internet door AI is geschreven, is oud, door mensen gemaakt drukwerk voor de labs opeens goud waard.
Databroker ISBNdb, dat zich de grootste boekendatabase ter wereld noemt, vat het op zijn website bondig samen: “De beste AI-trainingsdata ter wereld staat in een boekenkast.” Boeken zijn volgens het bedrijf “dicht, geredigeerd en gezaghebbend” — precies wat een rommelig, half-machinaal web niet biedt.
Scannen betekent versnipperen
Er zit een luchtje aan de methode, en ISBNdb zegt dat zelf ook. Scannen op grote schaal vernietigt het boek meestal: de rug wordt afgesneden zodat de losse vellen door een machine kunnen, wat sneller en goedkoper is dan de zorgvuldige variant. Om die reden krijgen kopers geheimhouding. “Strikte NDA bij elke opdracht”, staat op de site, en namen van kopers worden “nooit bekendgemaakt”.
De reden staat in de eigen marketingtekst van het bedrijf: “Het optiekprobleem is reëel.” Een van de voorgestelde oplossingen is pure spin, namelijk het herformuleren van de daad tot “boeken digitaal bewaren”. Volgens de oorspronkelijke onthulling van 404 Media gaat het om bestellingen die kunnen oplopen tot een miljoen exemplaren per keer.
De rechter gaf groen licht
Dit alles loopt recht in een auteursrechtstrijd die al woedt. Een Amerikaanse rechter keurde eerder een schikking van 1,5 miljard dollar goed die Anthropic trof over eerder gebruik van gepirateerde boeken. Diezelfde rechter oordeelde dat trainen op gekochte, gescande boeken onder fair use valt. Onderdeel van de redenering: doordat het kopiëren elk gedrukt origineel vernietigde, verving simpelweg de ene wettige kopie de andere.
Kopen en versnipperen is daarmee de route die de rechter zegent, terwijl het downloaden van illegale kopieën dat niet is. Voor de labs is de boodschap helder: leg de bonnetjes vast, houd een schone keten van herkomst, en je juridische team staat sterk.
Wat dit betekent voor lezers en makers
Ingram, de grootste boekendistributeur van de VS, heeft uitgevers inmiddels gewaarschuwd en hun een manier geboden om zich af te melden. Dat laat zien dat het gevecht zich verplaatst van “mag AI dit” naar “wie geeft er toestemming, en wie krijgt betaald”.
Voor jou als lezer of schrijver is de kern dit: de schaarste in AI is niet rekenkracht of geld, maar een zin die nog nooit door een machine is aangeraakt. Dat oude boeken daarvoor de grondstof zijn geworden, zegt iets over hoe krap het aanbod aan echt menselijke tekst inmiddels is. Wie wil zien hoe groot de bedragen zijn die achter deze honger schuilgaan, kan onze analyse Big Tech verstopt 1,65 biljoen dollar aan AI-schuld erbij pakken.