Las empresas de inteligencia artificial están comprando cientos de miles de libros antiguos y descatalogados, introduciendo su contenido en conjuntos de datos de entrenamiento y luego destruyendo los volúmenes físicos, una práctica a escala industrial que, según investigadores y libreros, está borrando el patrimonio cultural incluso cuando alimenta la próxima generación de modelos lingüísticos. Las revelaciones, que surgieron por primera vez en documentos judiciales y ahora se hicieron eco en las comunidades de libreros europeos, han abierto un nuevo frente en la guerra por los derechos de autor de la IA. Para últimas noticias sobre IA sobre las controversias sobre los datos de capacitación que están remodelando la industria, los detalles a continuación muestran cómo la búsqueda de texto limpio se convirtió en una hoguera de libros raros.
Cómo funciona la práctica
Según documentos revelados por Anthropic durante un procedimiento judicial de 2026 y reportados por The Washington Post, el proceso está deliberadamente industrializado. La presentación describe cómo la "máquina cortadora hidráulica" de un contratista de escaneo "cortaría cuidadosamente" los libros para que las páginas pudieran "escanearse en escáneres de alta velocidad, alta calidad y nivel de producción". Una vez digitalizados, señala el documento, la empresa de escaneo "programaría con la empresa de reciclaje la recogida de los libros completos".
Es decir, los libros no se devuelven. Se reducen a texto digital y luego se desmenuzan.
Por qué las empresas quieren libros impresos antiguos
El apetito por los libros físicos surge de un problema cada vez mayor para los desarrolladores de IA: la Internet abierta está cada vez más contaminada con texto generado por IA. Como explicó el blog legal Verfassungsblog en un análisis titulado "La IA se está comiendo el mundo del libro", la capacitación en contenido sintético corre el riesgo de degradar la calidad del modelo, un fenómeno que los investigadores llaman colapso del modelo. Por el contrario, se garantiza que los libros impresos antes de 2022 están escritos por humanos.
También existe un cálculo legal. Las empresas han razonado que escanear libros físicos de su propiedad puede estar comprendido en la disposición de "uso justo" de la ley de derechos de autor de Estados Unidos, una defensa que creen es más fuerte que raspar contenido web protegido por derechos de autor. Si los tribunales aceptan ese argumento sigue siendo una cuestión abierta, pero eso no ha detenido el frenesí de compras.
El fenómeno de los libros Zoom
En Europa, la atención se ha centrado en una librería canadiense en línea llamada Zoom Books, que según Verfassungsblog ha estado adquiriendo cientos de miles de títulos de no ficción para los cuales queda poca demanda comercial. Estos volúmenes (obscuros trabajos académicos, historias regionales y manuales técnicos especializados) son casi inútiles para los vendedores de libros usados, pero representan una rica veta de material de capacitación nunca antes explotado para los laboratorios de IA.
Futurism informó que la destrucción está ocurriendo "a una escala increíble, incluso si casi no quedan copias", lo que significa que para algunos títulos la copia escaneada y triturada puede haber estado entre las últimas ediciones supervivientes en circulación.
Libreros e investigadores rechazan
Los informes han alarmado a los libreros anticuarios, quienes dicen que los compradores al por mayor están distorsionando el mercado de segunda mano y eliminando ediciones raras más rápido de lo que los archivos pueden preservarlas. La Agencia Anadolu citó a un librero anticuario turco que expresó escepticismo sobre el alcance de las afirmaciones, al tiempo que reconoció la creciente preocupación en los mercados del libro europeos. La cobertura del Times of India y Boing Boing enmarcó la tendencia como una consecuencia directa de las empresas de IA que intentaban "escapar de su propio fracaso en IA" retirándose a la impresión anterior a Internet.
Los conservacionistas argumentan que la destrucción es especialmente preocupante porque ningún registro central rastrea qué libros han sido escaneados y destruidos. Una vez que se destruye un título de baja supervivencia, la pérdida puede ser permanente, a menos que la empresa que lo escaneó decida compartir la copia digital, lo que generalmente no hace.
Una nueva etapa de la guerra de los derechos de autor
La campaña de compra de libros se encuentra en la intersección de dos batallas legales no resueltas: si entrenar modelos de IA en obras protegidas sin permiso constituye un uso legítimo, y si destruir la fuente física después del escaneo cambia el cálculo. Hasta ahora, los tribunales han enviado señales contradictorias: algunos fallos favorecen a los desarrolladores de IA y otros preservan los reclamos de los creadores.
Para las empresas de IA, el cálculo es sencillo. Los libros impresos ofrecen textos densos, de alta calidad y escritos por humanos que son cada vez más difíciles de encontrar en línea. Para las bibliotecas, los archivos y los coleccionistas que custodian ediciones raras, la compensación es mucho menos favorable: artefactos físicos irremplazables reducidos a fichas de entrenamiento y luego reciclados hasta convertirlos en pulpa.
La práctica también plantea dudas sobre la transparencia. La divulgación de Anthropic se produjo sólo porque se vio obligada en un litigio. Aún se desconoce cuántas otras empresas están aplicando estrategias similares, cuántos libros ya han sido destruidos o si surgirá algún estándar en toda la industria para preservar los títulos en riesgo antes de que sean escaneados y desechados.
El problema de la escala que nadie puede cuantificar
Parte de lo que hace que esta tendencia sea difícil de controlar es su carácter difuso. A diferencia de un único archivo o base de datos de gran tamaño, la campaña de compra de libros se distribuye a través de miles de transacciones individuales (en ventas de propiedades, ventas de baja de bibliotecas y mercados en línea) donde un comprador al por mayor que compra una paleta de títulos de no ficción no genera ninguna señal de alerta obvia. Sin embargo, agregado a través de cientos de miles de compras, el efecto acumulativo es la eliminación silenciosa de vastas franjas de conocimiento especializado y de baja circulación del registro físico.
Bibliotecarios y archiveros han advertido que las pérdidas no se distribuyen de manera equitativa. Los bestsellers del mercado masivo sobreviven en innumerables copias, pero los títulos más atractivos para los formadores de IA (trabajos especializados, con mucha información y tiradas pequeñas) son precisamente los que tienen menos probabilidades de conservarse en otros lugares. Una vez destruidos, pueden existir sólo como datos de capacitación patentados encerrados dentro de los servidores de una empresa, inaccesibles para el público que originalmente los produjo y confió en ellos.
Manténgase por delante de la IA
Las guerras entre datos y capacitación se están intensificando y lo que está en juego se extiende mucho más allá de los balances corporativos. Para leer más noticias sobre IA y seguir cómo responden los tribunales, los reguladores y los conservacionistas, siga AI Buzz Wire.
Leer más noticias sobre IA →
