AI-bedrijven vernietigen miljoenen boeken — en dat raakt ook jou

TL;DR

• Wat: AI-bedrijven kopen miljoenen tweedehands boeken op, scannen ze industrieel en vernietigen de fysieke exemplaren om trainingsdata te verzamelen.
• Waarom relevant: als ondernemer gebruik je waarschijnlijk AI-tools die op deze manier zijn getraind — en de juridische en ethische gevolgen ervan zijn nog niet uitgekristalliseerd.
• Wat je ermee kunt: wees je bewust van hoe de AI-modellen die je inzet hun kennis vergaren, en volg de juridische ontwikkelingen rond trainingsdata en auteursrecht.

Ik viel deze week over een tweet van Ars Technica die een artikel deelde als "balsem" voor iedereen wiens hart breekt bij het idee dat boeken worden vernietigd om AI te trainen. Dat woord — balsem — zegt eigenlijk al genoeg over hoe pijnlijk het onderliggende verhaal is. Ik wilde weten wat er precies speelt, en vooral: wat betekent dit voor ons als ondernemers die dagelijks met AI-tools werken?

Project Panama: wat er aan de hand is

Begin 2026 werden rechtbankdocumenten openbaar gemaakt in een auteursrechtzaak tegen Anthropic, het bedrijf achter de AI-assistent Claude. Wat eruit kwam was opmerkelijk. Het bedrijf had een intern project met de codenaam "Project Panama", beschreven in een planning als — ik citeer — "our effort to destructively scan all the books in the world." Dezelfde documenten bevatten de zin: "We don't want it to be known that we are working on this."

Wat houdt dat concreet in? Anthropic kocht miljoenen tweedehands boeken op via tussenpersonen. Die boeken werden vervolgens door een industriële lijn gehaald: de rug werd er met een hydraulische snijmachine afgesneden, de losse pagina's werden met hoge snelheid gescand, en het papier werd gerecycled. Volgens de rechtbankstukken werden er tot 11.000 boeken per dag verwerkt.

Het doel: zuivere trainingsdata voor AI-modellen. Boeken van vóór 2022 zijn namelijk geschreven door mensen — niet door AI — en dat maakt ze bijzonder waardevol als trainingsmateriaal.

Waarom boeken en niet gewoon het internet?

Dit is een vraag die ik zelf ook had. Het antwoord is verrassend logisch. Het open internet zit inmiddels vol met tekst die deels of volledig door AI is gegenereerd. Dat verschijnsel wordt in de sector "AI slop" genoemd — een soort digitale vervuiling die de kwaliteit van trainingsdata ondermijnt.

Boeken, vooral oudere titels, zijn daar vrij van. Ze zijn geschreven door mensen, geredigeerd door redacteuren, en ze bevatten diepgaande kennis over uiteenlopende onderwerpen. Een dienst genaamd ISBNdb biedt AI-bedrijven de mogelijkheid om anoniem tot wel een miljoen boeken tegelijk te bestellen — gesorteerd op ISBN, zonder dat de verkoper weet wie de koper is.

Ik vind het eerlijk gezegd bijzonder dat er een hele markt is ontstaan rondom het anoniem opkopen van boeken voor AI-training. Dat zegt iets over hoe groot de honger naar kwalitatieve data is geworden.

De juridische kant: fair use en een schikking van 1,5 miljard dollar

De zaak heeft ook een juridische dimensie die relevant is voor iedereen die AI-tools inzet. In juni 2025 oordeelde een Amerikaanse federale rechter dat het kopen van boeken en ze vervolgens digitaliseren voor modeltraining onder "fair use" kan vallen — vergelijkbaar met hoe wij in Nederland het begrip "redelijk gebruik" kennen in het auteursrecht, al zijn de systemen niet identiek.

Maar daarvóór had Anthropic al een schikking getroffen van naar verluidt 1,5 miljard dollar, omdat het bedrijf eerder miljoenen illegaal gekopieerde e-books uit zogenaamde schaduwbibliotheken had gebruikt — zonder toestemming of betaling aan auteurs.

Voor een ondernemer is dit relevant omdat het laat zien dat de juridische grenzen rondom AI-trainingsdata nog volop in beweging zijn. Stel dat je als MKB'er een AI-tool gebruikt die is getraind op dit soort materiaal — ben je dan zelf aansprakelijk als er juridische claims volgen? Op dit moment lijkt het antwoord nee, maar de jurisprudentie is jong en onduidelijk.

Wat maakt dit zo gevoelig?

Het gaat niet alleen om auteursrecht. Er zit een culturele laag overheen. Tweedehands boekhandelaren hebben aan 404 Media laten weten dat er titels verdwijnen waarvan maar weinig exemplaren bestaan. Niemand in de keten controleert of een boek dat wordt versnipperd misschien een van de laatste fysieke kopieën ter wereld is.

Snopes heeft dit overigens genuanceerd: Anthropic stelt dat het géén "zeldzame" of "antiquarische" boeken opkoopt, maar maakt een onderscheid tussen boeken die moeilijk te vinden zijn (zoals gespecialiseerde vakliteratuur) en boeken die als verzamelobject zeldzaam zijn. Dat verschil is niet altijd helder, en het feit dat de aankopen anoniem verlopen maakt onafhankelijke verificatie lastig.

Tegelijkertijd is er een tegenbeweging. Het Internet Archive — een non-profitorganisatie die al twintig jaar aan digitale preservatie werkt — heeft meer dan 25 miljoen boeken gedigitaliseerd met niet-destructieve scanners. De boeken blijven daarbij intact. In juli 2026 lanceerde de organisatie een crowdfundingcampagne onder de naam "Saving Our Vanishing Cultures". En Anna's Archive, een omstreden maar actief platform, roept vrijwilligers wereldwijd op om zeldzame boeken te scannen en te uploaden vóórdat ze in de versnipperaar verdwijnen.

Wat betekent dit voor jou als ondernemer?

Je hoeft niet per se actie te ondernemen op basis van dit nieuws. Maar ik denk dat het waardevol is om te begrijpen waar de AI-tools die je misschien dagelijks gebruikt hun "kennis" vandaan halen. Die kennis is niet uit de lucht komen vallen — ze is letterlijk uit miljoenen boeken gesneden.

Een paar dingen om in het achterhoofd te houden:

• Juridische onzekerheid rond trainingsdata blijft. De fair use-uitspraak geldt in de VS. In de EU gelden andere regels, en de AI Act stelt eigen eisen aan transparantie over trainingsdata. Dat kan gevolgen hebben voor welke tools je straks mag inzetten.
• De bron van AI-kwaliteit is eindig. Als het klopt dat pre-2022 boeken de beste trainingsdata zijn, dan is die bron niet onuitputtelijk. Dat kan op termijn invloed hebben op de kwaliteit van nieuwe AI-modellen.
• Ethische vragen worden zakelijke vragen. Klanten en partners kijken steeds vaker naar de herkomst van technologie. Net zoals je wilt weten waar je koffiebonen vandaan komen, kan de herkomst van AI-trainingsdata een factor worden in hoe je bedrijf wordt waargenomen.

Voor mij is dit vooral een verhaal over de verborgen infrastructuur achter de AI-tools die we als vanzelfsprekend zijn gaan beschouwen. De modellen die je e-mails schrijven, je klantvragen beantwoorden of je data analyseren — ze zijn gebouwd op een fundament dat nu pas zichtbaar wordt. En dat fundament blijkt niet altijd even netjes gelegd.