Amazon が AI 学習用データ収集のため書籍をスキャン・破棄する倉庫の実態

先週、AI 学習データの収集のために Amazon が数千冊の書籍をスキャンして廃棄している倉庫の実態を報じた記事を発表しました。今回はその倉庫で働く Amazon の従業員へのインタビューをお届けします。報道機関に発言する権限がないため、本インタビューでは従業員の身元は伏せています。

この従業員が勤務していたのは VGT3 倉庫です。同施設には LAS8 も併設されており、Amazon はそこでオンデマンド出版事業を展開しています。両方の事業はネバダ州ラスベガスに広がる Amazon の複合施設の一角を担っています。

VGT3 が AI 学習データのために書籍を破壊的にスキャンするために使われていることを突き止めたのは、匿名の AI 企業が入手しようとしていると疑われる希少書を含む貨物に追跡装置を仕掛けた調査によるものです。その貨物は全米を横断して運ばれ、最終的に VGT3 に到着しました。また、VGT3 で働いていた Amazon の従業員たちはオンライン上で、書籍の荷受けを行い、背表紙を切り離し、バラになったページをスキャンする作業について証言しています。

私が話を聞いた Amazon の従業員は、倉庫の現場でこの作業がどのように行われているかを詳しく説明しました。

なお、本インタビューは読みやすさと長さの調整のため編集されています。

404 Media: VGT3 での出勤時、まず何を行いますか？

「倉庫の奥へ行くには、すべてのものを通り過ぎなければなりません。そこで初めて、大量のスキャナーを目にしました。一体何をしているのかと不思議に思いましたが、ある人に尋ねてみると、彼ら自身も詳しくはわかっていないという返事でした。

もちろん、その場に行って状況を整理し始めると、なんとなく理解できました。倉庫で働く人たちはおそらく何が起きているかを知っているのでしょうが、口に出したくなかったのだと思います。

AI の学習のために書籍をスキャンする企業にお勤めの方はいらっしゃいませんか？ぜひお話を伺いたいです。業務用の端末ではなく、個人で用意したデバイスから Signal で @emanuel.404 までメッセージを送るか、または emanuel@404media.co までメールをお送りください。

また、彼らは書籍の背表紙を切り落とし、スキャンが終わった後は、バラばらになったページを大きなシャトル（Amazon では「ガリヤード」と呼ばれる、大量の本を保管するために使われる大型の開いた段ボール箱のことです）に捨てていました。中身はすべて混ざり合っており、元の本に戻すことはもうできません。

私が働いていた場所では、主に本が入った箱を持ってくるか、あるいはシャトルに入った本を受け取るという形でした。

どんな種類の書籍だったのでしょうか？

さまざまな種類の書籍が並んでいます。事業を始めた当初は、新品の本が多かったのですが、中古品も混じっていました。図書館から払い下げられたものだとすぐにわかる本もありました。ロンドンからは段ボール箱に入った本も届きました。ロンドン大学からの書籍も多数ありました。

さらに興味深かったのは、女王陛下の名代として議会に提出された書類のようなものです。何と呼べばよいのか定かではありませんが、 stapled together papers（綴じられた紙）の束があり、政府文書でした。公開されているかどうかはわかりませんが、そのような資料が見つかったこと自体が驚きでした。

これらの書籍を何に使おうとしているのですか？

私たちも同じように疑問に思っていました。「これはあまりにも多様な情報だ」と感じていました。考えていただけるあらゆる種類の書籍があり、言語もさまざまです。ドイツ語やロシア語の本も多数あり、なんと日本語の本がパレット単位で届くこともありました。

新品のままシールが貼られたままの本もありましたが、図書館から来た本は箱詰めされていないため、シャトルに投げ込まれる状態で混在していることが多かったです。そのため、状態も様々です。

そこで働くことはどのような雰囲気でしたか？

私たちの仕事は本を箱から取り出すことでしたが、正直言って現場はまるで整理されていない状態でした。管理が行き届いておらず、プロセスも安定していません。その手順は毎日変わっていました。

しかし私たちは、本をトートバッグ（積み重ね可能な小型プラスチック製容器）に入れてスキャンと仕分けを行い、その後バインディング（綴じ部分）を切断する担当者に渡す作業を行っていました。

トラックから降ろされた本は、すぐそばにあるドックで一旦保管されます。これが「ステージング」と呼ばれる待機状態です。スタッフが本を持ち寄り、私たちの作業場に運んできます。私たちはトートバッグを積み重ねてパレット1台分になったら、パレットジャックを持つ担当者がそのパレットごと運び去ります。

次に注目すべきエリアは「受入（リシービング）」と呼ばれる場所です。ここではほぼすべてのバーコードをスキャンし、必要な書籍か否かを判断して重複品を選別しているそうです。

もう一つ任された作業があります。私たちはそれを「ゴミ出し」と呼んでいますが、実際には何がどうなるのか正確には知りません。ある日、重複品や「不要だ」と言われた本を別のシャトル（輸送カゴ）に捨てていました。投げ込まれる様子は乱雑で、丁寧に並べられているわけではありません。彼らは「仕入れ業者に返却している」と言いますが、本当に業者が中身を確認し、価値のあるものを選別しているのでしょうか？あのシャトルは高さ約 1.8 メートル（6〜7 フィート）あり、本がただ山積みになっているだけです。さらに、背表紙を切断する作業エリアのすぐ隣にありますから、ゴミ箱に捨てられた本はすぐに切断工程へ回されているはずです。

では、本の背表紙を切断する様子はどのようなものなのでしょうか？

これは人が操作する機械です。各機械は小さな作業台のようなもので、1 つのステーションにつき 1 人のオペレーターがいます。安全対策も万全で、カバーが付いており、本をスライドさせて入れる専用スペースがあります。指をそのエリアから離した後にボタンを押すと、刃が降りて切断します。その後、刃が完全に引き込まれたことを確認して本を取り出します。

背表紙を切断した後、彼らはこのような図書館用のカートを使っています。本を積み重ねるようなものですが、実際には紙の山と、おそらく異なる本を仕切るための小さな段ボール製の仕切り板です。

スキャンされたページがシャトルに投げ込まれる様子を見ました。通りかかった際、そのシャトルの一つに近づいて中を覗いたのですが、古書や切断済みの本が捨てられているのがはっきりと分かりました。そこにはバラバラの紙、つまり単なるシートが無造作に投げ込まれている状態でした。

スキャナーは見えましたか？

おそらく20台、あるいは25台ほどのスキャナーがあるでしょう。現金計数機のような見た目をしており、ページを非常に高速でめくります。何か装置にセットするようですが、画面も確認できました。そこには本のスキャン画像が映し出されており、処理速度は驚異的です。

Amazonがこのように本を処理することについてどう思いますか？

当初、彼らが人々に語っていたのは「キンドル用だ」ということでしたが、私はそれを信じていませんでした。出版権や著作権の問題などを考えると、そんなやり方ではないと思ったからです。

その後、これが AI の学習データのためだと知りました。正直、好きではありません。これらの本を手に取って保存しておきたいと思うからです。中には貴重な一冊もあるかもしれませんし、稀な書籍も注文していると聞きます。だからこそ、これほどまでにマニアックな本が廃棄されているのかと不思議に思うのです。

再利用できないという事実に納得できません。他の人にとって利用可能なコピーの数が減ってしまうからです。