Oxford libera textos da Bodleian para treinamento da OpenAI

O acordo e o que veio à tona

A Universidade de Oxford permitiu que a OpenAI usasse textos antigos da Biblioteca Bodleian para treinar seus modelos de IA, segundo documentos internos obtidos pelo Guardian. Oxford havia anunciado a parceria publicamente em março de 2025, dizendo que as ferramentas da OpenAI ajudariam a digitalizar textos raros para ampliar o acesso de estudantes e pesquisadores - mas, na época, não mencionou que os textos serviriam para treinamento de IA. Até junho de 2025, a Bodleian havia enviado à OpenAI 125 mil digitalizações de antigas teses de doutorado, incluindo trabalhos de universidades europeias e americanas dos séculos 19 e 20.

Dúvidas internas e a resposta de Oxford

Notas de reuniões de funcionários, obtidas via pedido de liberdade de informação, revelam que alguns membros da equipe tinham preocupações sobre riscos à reputação de Oxford e sobre o consumo de energia da IA. A universidade respondeu dizendo que as digitalizações eram de pequena escala, estavam fora de copyright e não eram exclusivas da OpenAI. A biblioteca mantém os direitos e começará a publicar as digitalizações online nos próximos meses, segundo um porta-voz, que acrescentou que o uso para treinamento de IA não foi escondido: a digitalização era o objetivo principal, mas a equipe sempre foi transparente de que os textos também serviriam para treinar modelos.

A OpenAI, por sua vez, disse ao Guardian que, com mais de um bilhão de pessoas usando a tecnologia no dia a dia, é importante que ela reflita diferentes culturas, histórias e perspectivas.

Contexto do mercado de dados de treinamento

Oxford é a única instituição britânica do grupo NextGenAI da OpenAI, que inclui também a Boston Public Library, o Caltech, o MIT e a Universidade de Michigan. O acordo ocorre em um momento em que empresas de IA compram livros impressos em busca de dados de treinamento livres de conteúdo gerado por IA, já que a web está saturada de texto sintético. Alguns compradores chegam a desmontar livros para digitalizá-los, o que irritou sebofilos e livreiros de livros usados: em agosto, o 404 Media rastreou uma caixa de livros raros até um site da Amazon que digitaliza e destrói livros para IA. Segundo o Guardian, os livros da Bodleian permanecem intactos sob o acordo com a OpenAI.