Questo articolo è una traduzione, rielaborazione e sintesi dell’inchiesta originale pubblicata da Emanuel Maiberg su 404 Media il 21 luglio 2026. I contenuti sono stati adattati in italiano con approfondimenti e commenti per facilitarne la lettura. Tutti i meriti del lavoro giornalistico appartengono all’autore e alla redazione di 404 Media.
AI slop: la spazzatura creata dall’intelligenza artificiale
Mentre le aziende dell’intelligenza artificiale sono alla continua ricerca di nuovi dati per migliorare i propri modelli, c’è chi propone una soluzione tanto semplice quanto inaspettata: i vecchi libri stampati. Il motivo? Offrono la certezza di essere privi di quella stessa AI slop – l’enorme quantità di contenuti spazzatura generati dall’intelligenza artificiale – che oggi sta invadendo il web e rischia di contaminare i futuri dataset di addestramento.
È la strategia di ISBNdb, società che gestisce “il più grande database di libri al mondo” e che offre servizi di acquisizione su larga scala di volumi cartacei destinati all’addestramento dei modelli AI.
Sul proprio sito l’azienda sostiene che “i migliori dati di addestramento al mondo per l’intelligenza artificiale si trovano su uno scaffale“, aggiungendo che i libri rappresentano “conoscenza umana curata, sottoposta a revisione, specializzata per dominio e strutturata in un modo che nessuna scansione del web può replicare. Densa, editata, autorevole.“
In un approfondimento pubblicato sul proprio sito, ISBNdb spiega perché i libri cartacei pubblicati prima del 2022 rappresentano una fonte particolarmente preziosa per l’addestramento dei modelli di intelligenza artificiale: sono stati scritti prima dell’esplosione degli LLM e, di conseguenza, non contengono testi generati artificialmente.
Gran parte dei contenuti oggi reperibili sul web è ormai contaminata da materiale sintetico prodotto da altri modelli. Un fenomeno che, se utilizzato come base per addestrare nuove AI, favorisce un progressivo deterioramento delle prestazioni, che diventano meno accurati e più inclini a commettere errori.
Cosa si intende per avvelenamento dei dati?
Alcuni autori contrari all’utilizzo delle proprie opere per l’addestramento dell’intelligenza artificiale hanno iniziato a inserire nei testi contenuti appositamente progettati per confondere o compromettere i modelli che dovessero utilizzarli senza autorizzazione.
Il data poisoning è una tecnica di attacco informatico in cui vengono alterati intenzionalmente i dati utilizzati per addestrare un modello di intelligenza artificiale o di machine learning. Inserendo informazioni errate, distorte o manipolate durante la fase di addestramento, si influenza il modo in cui il modello analizza i dati e prende decisioni.
A differenza del prompt injection, che cerca di manipolare l’AI nel momento in cui un utente le pone una domanda, il data poisoning agisce alla fonte. È un attacco che colpisce il processo di addestramento e modifica in modo permanente il comportamento del modello.
Fonte: Fortinet.com
ISBNdb sostiene che “i libri stampati dell’era pre-LLM sono strutturalmente garantiti come privi di questa contaminazione. Già questo rappresenta un vantaggio significativo“. L’azienda aggiunge inoltre che “i libri cartacei pubblicati prima del 2022 sono strutturalmente immuni dai moderni strumenti di avvelenamento dei dati“.
Il nuovo business di ISBNdb
Per anni ISBN (International Standard Book Number), il codice identificativo presente sulla quasi totalità dei libri – ha fornito servizi a librerie, distributori e biblioteche per catalogare e gestire volumi. Con il boom dell’intelligenza artificiale, però, il suo business è cambiato.
Oggi l’azienda non si limita a vendere metadati bibliografici, ma aiuta i laboratori di AI ad acquistare migliaia di libri cartacei per ordine, facilitando la selezione dei titoli, evitando duplicati e rendendo più efficiente la successiva digitalizzazione.
L’interesse delle aziende di AI per i libri stampati è emerso pubblicamente all’inizio del 2026, quando la causa per violazione del copyright intentata contro Anthropic ha rivelato un piano interno per acquistare, digitalizzare e poi distruggere milioni di libri. Una pratica resa possibile dalla scansione distruttiva, che consiste nel tagliare il dorso del volume per separarne le pagine: un metodo molto più rapido ed economico rispetto alla scansione tradizionale.
ISBNdb offre inoltre un altro servizio molto richiesto: la riservatezza. Sul proprio sito garantisce ai clienti accordi di non divulgazione (NDA) e promette che “la vostra identità, la vostra strategia e gli obiettivi delle acquisizioni non saranno mai divulgati“.
L’azienda ammette anche che esiste un problema di immagine. “Il problema della percezione pubblica è reale“, si legge sul sito. “‘Un’azienda di AI distrugge due milioni di libri’ non è un titolo che suscita simpatia.“
Nel frattempo, diversi librai hanno raccontato di aver registrato un’impennata senza precedenti degli ordini. Un commerciante specializzato in libri stranieri ha dichiarato di essere passato da circa 20 libri venduti a settimana a diverse centinaia, ricevendo richieste insolite: acquisti in blocco di volumi appartenenti agli argomenti più disparati, senza alcuna attenzione al prezzo.
Non esistono prove definitive che tutti questi acquisti siano riconducibili alle aziende di AI, anche perché piattaforme come ISBNdb, Alibris e Biblio mantengono riservata l’identità degli acquirenti. Tuttavia, il fenomeno coincide con la crescente domanda di dati di qualità per addestrare i nuovi modelli linguistici.
Sul piano giuridico, un elemento ha favorito questa pratica. Nella causa intentata dagli autori contro Anthropic, il giudice federale William Alsup ha stabilito che la creazione di copie digitali dei libri acquistati rientrava nel “fair use” (utilizzo lecito), anche perché gli originali cartacei venivano distrutti e sostituiti dalle versioni digitali, senza essere redistribuiti all’esterno dell’azienda.
Fonti:
https://www.404media.co/ai-companies-are-buying-tons-of-old-books-because-theyre-free-of-ai-slop
