Kekacauan Data Besar: Mengapa Perusahaan AI Membeli Buku Tua
TL;DR: Perusahaan AI sedang membeli buku fisik yang diterbitkan sebelum 2022 dengan panik. Bukan untuk nostalgia — untuk bertahan hidup. Internet sekarang adalah salinan dari salinan, dan setiap generasi AI yang dilatih pada keluaran AI menjadi semakin bodoh. Buku pra-2022 adalah korpus teks yang terakhir yang terbukti ditulis oleh manusia dalam skala besar. Anthropic menghabiskan jutaan untuk "Proyek Panama" — membeli dalam jumlah besar, memotong spine, memindai, lalu menghancurkan buku fisik untuk membangun vault data manusia yang dapat dipertahankan secara hukum. Seorang hakim federal baru saja menetapkan batas: beli bukunya, hancurkan aslinya, simpan secara internal, dan Anda aman. Unduh PDF bajakan dan Anda akan digugat sebesar $1,5 miliar. Kisah sebenarnya bukan tentang buku. Ini tentang provenance sebagai kelangkaan baru di era konten tak terbatas dan tidak berharga.
James di sini, CEO Mercury Technology Solutions. Hong Kong — Agustus 2026
The ISBNdb Gambit
Sebuah perusahaan bernama ISBNdb — sebuah database metadata buku, persis seperti yang terdengar — baru-baru ini mulai menawarkan layanan baru kepada perusahaan AI: pengadaan buku fisik dalam jumlah besar.
Butuh 1.000 buku? Mereka akan menemukannya. Butuh 1 juta? Mereka akan mengosongkan perpustakaan, toko buku bekas, dan katalog yang sudah tidak dicetak. Tawaran mereka?"Data pelatihan AI terbaik di dunia ada di rak-rak."
Inilah yang menarik:mereka secara khusus menginginkan buku yang diterbitkan sebelum 2022.
Mengapa batasan itu? Karena November 2022 adalah saat ChatGPT diluncurkan. Setelah itu, internet berhenti menjadi tulisan yang terutama ditulis oleh manusia. Itu menjadi ruang gema rekursif — tulisan AI yang dilatih pada tulisan AI yang dilatih pada tulisan AI. Industri teknologi bahkan menciptakan istilah untuk itu:"AI slop." (Terjemahan dalam bahasa Mandarin lebih mendalam: AI泔水 — minyak got AI.)
Masalah Fotokopi
Pikirkan seperti ini: Anda membuat salinan fotokopi. Kemudian Anda memfotokopi fotokopi tersebut. Kemudian Anda memfotokopi itu fotokopi. Apa yang menghilang pertama bukanlah judul besar yang mencolok — tetapi detail halus, tekstur tepi, ekspresi langka, perspektif minoritas. Setelah cukup generasi, semuanya menyatu menjadi bubur abu-abu.
Peneliti AI menyebut ini "keruntuhan model." Ini bukan teori — ini sedang terjadi sekarang. Setiap model baru yang dilatih terutama pada output AI sebelumnya kehilangan fidelitas. Ekor panjang pengetahuan manusia terpangkas. Yang aneh, yang khusus, yang benar-benar orisinal — semuanya dirata-ratakan.
Data sintetis itu sendiri bukan racun. Jika digunakan dengan hati-hati, dengan kurasi manusia dan jangkar data nyata, itu bisa berhasil. Tetapi inilah masalahnya: internet tidak lagi dapat memberi tahu Anda mana yang manusia dan mana yang mesin.Apakah artikel ini ditulis oleh seseorang? Sebuah AI? Sebuah AI yang ditulis ulang oleh seseorang? Seseorang yang ditulis ulang oleh AI? Rantai asalnya terputus.
Yang membuat buku fisik yang dicetak pada tahun 2021 — atau 1952 — sesuatu yang sangat spesifik: sebuah artefak yang terbukti manusia.
Proyek Panama: Hack Hukum $1,5 Miliar dari Anthropic
Anthropic, perusahaan di balik Claude, tidak memulai dengan membeli buku. Mereka memulai dengan pembajakan.
Di awal, mereka mengunduh jutaan buku dari situs bajakan. Ketika risiko hak cipta meningkat, mereka beralih dengan cepat. Mulai tahun 2024, mereka menghabiskan jutaan untuk "Proyek Panama" — sebuah program untuk membeli buku fisik dalam jumlah besar, memotong punggungnya, memberi halaman melalui pemindai berkecepatan tinggi, mendigitalkan isi, lalu hancurkan buku fisik.File digital tetap berada di database internal Anthropic, tidak pernah didistribusikan.
Namanya? Tidak ada penjelasan resmi. Misinya? Terdengar seperti tagline film: "Pindai setiap buku di dunia secara destruktif."
Sebagai seorang pecinta buku, reaksi awal saya adalah jijik. Kemudian saya membaca putusan pengadilan.
Uji Tiga Bagian Hakim Federal
Dalam Bartz v. Anthropic, seorang hakim federal AS membagi tindakan Anthropic menjadi kategori hukum yang berbeda:
Bagian 1 — Pelatihan menggunakan teks buku: Penggunaan yang wajar, berdasarkan fakta-fakta spesifik ini.
Bagian 2 — Beli buku fisik → buat salinan digital internal → hancurkan asli → tidak ada distribusi: Juga penggunaan yang wajar.
Bagian 3 — Unduh jutaan buku dari situs bajakan → simpan di database pusat: TIDAK penggunaan yang wajar.
Buku yang sama. Tujuan pelatihan yang sama. Hasil hukum yang berbeda. Garisnya bukan "apakah Anda membayarnya?" — ini adalah keseluruhan tumpukan: pembelian legal, konversi tunggal, penghancuran asli, penggunaan internal, tanpa distribusi.
Anthropic akhirnya menyelesaikan klaim pembajakan sebesar $1,5 miliar. Bukan denda — sebuah penyelesaian. Artinya mereka menghitung bahwa berjuang lebih buruk daripada membayar. Dan $1,5 miliar masih lebih murah daripada bernegosiasi lisensi individu dengan jutaan penulis dan penerbit.
Ini bukan hukum universal. Ini adalah satu hakim distrik federal, satu kasus, satu interpretasi. Tapi ini cukup untuk menggambarkan sebuah buku pedoman. Dan ISBNdb melihat model bisnisnya.
Mengapa Claude Terasa Lebih Manusiawi
Jika Anda telah menggunakan Claude, Anda mungkin telah memperhatikan sesuatu: tulisannya sering terasa lebih alami, lebih membumi, lebih manusia daripada pesaing. Sekarang Anda tahu mengapa. Sementara yang lain dilatih di internet yang penuh dengan sampah, Claude dilatih sebagian pada jutaan buku nyata — tulisan manusia yang sebenarnya, diedit, dikurasi, diterbitkan, dengan semua kekacauan dan spesifikasi yang menyertainya.
Penyelesaian $1,5 miliar memberi Anthropic sesuatu yang lebih dari sekadar kedamaian hukum: itu memvalidasi pasar untuk data manusia yang dapat dibuktikan.
Kelangkaan yang Sebenarnya Bukan Konten — Ini adalah Asal Usul
Inilah reframing yang penting:
Kami telah menghabiskan beberapa dekade berpikir bahwa digital menyelesaikan kelangkaan. Salinan tak terbatas. Biaya marjinal nol. Informasi ingin bebas. Dan kemudian AI membuat generasi konten hampir gratis. Kami dapat memproduksi teks tak terbatas sekarang.Teks tak terbatas yang tidak mengatakan apa-apa.
Tapi buku fisika tahun 1952 — font tulisan tangan, diagram yang digambar tangan, halaman yang dicetak dengan mesin mimeograf yang berbau tinta — membawa sesuatu yang tidak bisa dihasilkan oleh AI: sebuah rantai penilaian manusia. Seseorang memutuskan bahwa topik ini layak untuk bertahun-tahun kerja. Seseorang mengumpulkan bahan. Seorang editor memilih apa yang tetap. Pembaca memberikan suara dengan pembelian dan kutipan. Buku ini adalah catatan fosil dari perhatian manusia dan pengambilan keputusan manusia.
Saya berada di perpustakaan NYU minggu lalu. Mengambil buku teks fisika tahun 1952 untuk mahasiswa baru. Setiap diagram, setiap pilihan font, setiap tata letak halaman — jelas ditulis tangan. Seperti seorang guru yang menulis ujian dengan tangan, lalu mencetaknya melalui drum mimeograf. Kurang efisien dibandingkan dengan pertanyaan yang dihasilkan AI, tentu saja. Tapi di baliknya, Anda bisa melihat pemikiran seseorang.
Sebagian besar koleksi perpustakaan universitas tidak memiliki jejak digital. Internet tidak tahu mereka ada. Itulah sebabnya mereka berharga.
Tambang Data Anda
Ini bukan hanya tentang buku.Setiap bisnis yang memiliki data operasional sebelum 2022 memiliki aset asal-usul.
• Foto pembeli dari perusahaan e-commerce fashion — manusia nyata, pencahayaan nyata, ketidaksempurnaan nyata
• Log produksi dari sebuah pabrik — kegagalan nyata, penyesuaian nyata, keputusan nyata di bawah ketidakpastian
• Transkrip layanan pelanggan dari 2019 — frustrasi nyata, pemecahan masalah nyata, interaksi manusia nyata
Data yang paling mahal tidak akan menjadi yang paling rahasia. Atau yang terbesar.Ini akan menjadi data yang dapat membuktikan dari mana asalnya, siapa yang menilainya layak, dan mengapa itu dapat dipercaya.
Persamaan Nilai Baru
Persamaan lama: Lebih banyak data = Model yang lebih baik.
Persamaan baru: Provenance × Penilaian manusia = Kelangkaan = Nilai.
Perusahaan AI tidak membeli buku-buku lama karena kertas lebih baik daripada piksel. Mereka membeli bukti kemanusiaan. Di dunia di mana mesin dapat menghasilkan teks yang tampak tak terbatas, satu-satunya hal yang penting adalah apakah seorang manusia benar-benar menulisnya, memikirkannya, peduli cukup untuk menyelesaikannya.
Hentikan menimbun konten. Mulailah menimbun provenance.
Buku-buku di rak Anda baru saja menjadi aset strategis. Data di arsip Anda dari sebelum 2022? Itu bukan warisan — itu jejak sidik jari terakhir yang dapat diverifikasi dari kemanusiaan.
Solusi Teknologi Mercury: Mempercepat Digitalitas.
