IA · 18 agosto 2026 · 5 min di lettura
Da libreria online a trituratore per l'IA: un AirTag svela come Amazon distrugge libri rari per addestrare i suoi modelli
In sintesi: Un'inchiesta giornalistica condotta inserendo un AirTag in una spedizione commerciale ha confermato che Amazon sta acquistando volumi rari e fuori catalogo per sottoporli a scansione distruttiva all'interno di un impianto a Las Vegas. Il gigante tecnologico persegue questa strategia per estrarre testi umani pre-2022 e scongiurare il fenomeno del collasso dei modelli linguistici di frontiera. La scoperta ha riacceso un acceso dibattito etico sull'equilibrio tra salvaguardia del patrimonio librario e voracità computazionale.
di Team Mocchi's
Da oltre un anno, librai antiquari e collezionisti segnalavano acquisti anomali di grandi lotti di volumi rari, specialistici e fuori commercio da parte di intermediari anonimi. La certezza sulla destinazione finale di queste opere è arrivata grazie a un'inchiesta sul campo: un localizzatore Apple AirTag, nascosto all'interno di un volume antico ceduto in un ordine all'ingrosso, ha tracciato il percorso del pacco fino a un magazzino a Las Vegas gestito direttamente da Amazon.
Come riporta Ars Technica, l'AirTag ha condotto i reporter di 404 Media all'impianto identificato con il codice interno VGT3. All'interno della struttura opera una squadra il cui compito consiste nel tagliare via i dorsi dei libri fisici per poi alimentare scanner rotativi ad altissima velocità, distruggendo irreparabilmente il supporto cartaceo dopo la digitalizzazione. Sul portone del reparto campeggia un logo emblematico: un tirannosauro stilizzato intento a divorare un libro.
Interpellata sulla vicenda, Amazon non ha smentito l'operatività della sede né l'uso della scansione distruttiva, limitandosi a una dichiarazione di rito in cui afferma di acquistare libri tramite i normali canali commerciali per sviluppare e migliorare i prodotti e servizi destinati ai propri clienti.
La corsa all'oro dei token non contaminati
La scelta di ricorrere a libri fisici rari non è casuale, ma risponde a un collo di bottiglia fondamentale per lo sviluppo dei modelli di intelligenza artificiale di frontiera: la saturazione dei dati testuali disponibili sul web. Come sottolinea TechCrunch, la gran parte di Internet è ormai satura di contenuti generati o parafrasati da altri LLM. Addestrare nuovi modelli su testi sintetici espone gli algoritmi al cosiddetto model collapse, un degrado progressivo delle capacità logiche e stilistiche dovuto alla perdita di segnale autentico.
I libri rari e accademici stampati prima del 2022 offrono una garanzia insostituibile: tokens di altissima densità concettuale, con strutture grammaticali complesse e la certezza matematica di un'origine al 100% umana. Documenti interni ed evidenze raccolte sui forum di settore mostrano che nei mesi scorsi l'impianto VGT3 aveva persino esaurito le scorte di materiale cartaceo, costringendo l'azienda a intensificare le acquisizioni sul mercato secondario per non fermare le catene di scansione.
Scansione distruttiva: produttività industriale contro tutela culturale
Nel mondo bibliotecario e archivistico la digitalizzazione dei tomi antichi avviene normalmente con scanner planetari zenitali, che non danneggiano la rilegatura ma richiedono tempi lunghi e manodopera specializzata. Per un colosso del calcolo che deve ingerire miliardi di parole al giorno, la scansione pagina per pagina non è economicamente sostenibile. La ghigliottina che recide il dorso trasforma il volume in una risma di fogli sciolti che gli alimentatori automatici possono digitalizzare in una frazione di secondo.
La rivelazione ha sollevato una tempesta di reazioni nel mondo culturale ed economico. Diversi osservatori hanno definito la distruzione sistematica di copie fisiche rare come una perdita irreversibile per il patrimonio collettivo, soprattutto quando si tratta di edizioni di cui rimangono poche decine di esemplari censiti. Mentre rivali come Anthropic o xAI hanno dichiarato pubblicamente di non utilizzare tomi antichi per i propri dataset di pre-addestramento, l'operazione di Amazon evidenzia fin dove i laboratori di frontiera siano disposti a spingersi per conquistare un vantaggio marginale di performance linguistica.
Il punto di Mocchi's
Questa vicenda evidenzia la vera natura della corsa ai Large Language Model: la risorsa più preziosa e scarsa non è più la potenza di calcolo, ma la purezza e la qualità dei dati di addestramento. Per il tessuto aziendale italiano ed europeo, questo scenario dimostra l'inefficacia di strategie basate sull'accumulo indiscriminato di dati sintetici o web scraping generico. Il valore competitivo per le imprese non risiederà nella grandezza quantitativa dei modelli generici, ma nella capacità di valorizzare archivi proprietari verticali, documentazione tecnica strutturata e know-how storico interno, preservando con cura l'integrità del proprio patrimonio informativo.