Conclusión principal:
La carrera de la IA por obtener mejores datos ha generado una controversia inesperada: las empresas podrían estar transformando siglos de conocimiento humano en material de entrenamiento para la IA, mientras que libros físicos valiosos desaparecen. El debate ya no se centra únicamente en la tecnología, sino en si el progreso debe lograrse a costa de la preservación cultural.
Una publicación que recientemente se viralizó en X , obteniendo más de 23 millones de visitas , contiene una afirmación que suena como sacada de una novela distópica:
Las empresas de inteligencia artificial están comprando libros raros al por mayor, cortando sus lomos con máquinas de alta velocidad, escaneando cada página y triturando los originales posteriormente.
Para cualquiera que vea los libros como algo más que simples contenedores de palabras, la idea resulta casi imposible de aceptar.
¿Por qué alguien gastaría miles de dólares en un libro raro solo para destruirlo?
La respuesta es que el juez dijo que es legal.
“Destruimos libros raros y ofrecemos acuerdos de confidencialidad para que nadie se entere ” es un modelo de negocio legítimo en 2026.
¿Por qué las empresas de IA compran millones de libros solo para destruirlos? ¿Cómo es esto legal? ¿Y por qué la opinión pública está tan indignada? Analicemos la situación.
¿Por qué las empresas de IA están comprando millones de libros?
Los libros se han convertido en un valioso material de formación en IA.
Los modelos de IA modernos requieren enormes cantidades de texto de alta calidad para aprender el lenguaje, el razonamiento, los estilos de escritura y el conocimiento factual.
Los libros se encuentran entre las fuentes más ricas de datos de entrenamiento porque contienen:
- Explicaciones detalladas
- Conocimiento experto
- Registros históricos
- La creatividad humana y la narración de historias
Los libros antiguos son especialmente valiosos porque fueron creados antes de la explosión del contenido generado por IA, lo que hace que sea menos probable que contengan material escrito por máquinas.
Para las empresas de IA que compiten por crear modelos más potentes, millones de libros representan algo más que papel: representan miles de millones de ejemplos de conocimiento humano.
Proyecto Panamá: La carrera de Anthropic por conseguir más libros
La magnitud de esta demanda quedó patente en 2024, cuando Anthropic lanzó el Proyecto Panamá , una iniciativa que, según revelaron documentos judiciales, consistía en adquirir y escanear de forma destructiva millones de libros para entrenar sus modelos de IA para Claude. Según se informa, la empresa gastó decenas de millones de dólares en la compra de libros y colaboró con proveedores de escaneo capaces de convertir entre 500,000 y 2 millones de libros en seis meses, cortando las encuadernaciones y escaneando las páginas individualmente.
La parte que conmocionó a la gente: ¿Por qué destruir los libros originales?
Digitalizar un libro sin dañarlo es un trabajo minucioso. Un operario debe pasar manualmente cada página bajo una cámara aérea de alta resolución, lo que lleva horas por volumen para garantizar que las páginas no se dañen ni se vean borrosas.
Para las empresas que operan a escala industrial, el escaneo manual es demasiado lento. La forma más rápida de digitalizar millones de páginas es mediante el escaneo destructivo:
Una guillotina industrial corta la encuadernación, ya sea pegada o cosida, directamente del lomo.
Las hojas sueltas se introducen en escáneres automáticos de alta velocidad capaces de capturar cientos de páginas por minuto.
Una vez generada la copia digital de alta resolución, el papel suelto y sin encuadernar se desecha o se recicla.
Para los ingenieros que se centran exclusivamente en la ingesta de datos, el archivo digital es el libro. El papel era simplemente un soporte temporal que contenía el código.
Pero para los archiveros e historiadores, esta lógica se desmorona al aplicarse a obras raras o agotadas. Cuando un texto histórico raro existe en tan solo unas pocas docenas de copias físicas en todo el mundo, destruir un ejemplar permanente para crear una copia digital representa una pérdida irreversible.
¿Por qué se permitiría esto?
La principal razón por la que esta práctica podría expandirse es simple: las empresas creen que es legal.
Las empresas de IA argumentan que usar libros para entrenar modelos de IA es una forma de uso transformador, similar a cómo los humanos aprenden leyendo obras ya existentes.
Su argumento:
- La IA no se limita a reproducir libros enteros.
- La formación crea un nuevo sistema.
- Aprender de los conocimientos existentes impulsa la innovación.
Algunas decisiones judiciales relacionadas con la digitalización de libros mediante inteligencia artificial han respaldado parte de este argumento en virtud de los principios de uso legítimo.
¿La IA aprende de los libros o los extrae?
Hay dos puntos de vista diferentes:
La industria afirma que así es como progresa todo el conocimiento.
Sus defensores comparan el entrenamiento en IA con el aprendizaje humano.
Un escritor lee miles de libros antes de crear una novela.
Un científico estudia investigaciones previas antes de realizar descubrimientos.
Un ingeniero aprende de la tecnología existente antes de inventar algo nuevo.
Desde esta perspectiva, la IA está haciendo algo similar:
absorber el conocimiento humano y crear nuevas capacidades.
Los críticos afirman que la IA es diferente debido a su escala.
El problema, según los críticos, no radica en el aprendizaje.
Se trata de extracción industrial.
Una persona puede leer miles de libros a lo largo de su vida.
Una empresa de inteligencia artificial puede procesar millones de libros en cuestión de meses.
La crítica es:
Los creadores humanos dedicaron décadas a producir conocimiento.
Las empresas están transformando ese conocimiento en sistemas de IA comerciales que podrían competir con esos mismos creadores.
La pregunta es:
¿La IA está expandiendo el conocimiento humano o capturando su valor económico?
Por qué los acuerdos de confidencialidad empeoraron la controversia
¿“Preservación digital” o “mantenerlo en secreto”?
La destrucción de libros es solo una parte de la controversia.
La otra es el secreto.
Los críticos señalan:
- Acuerdos de datos privados
- Acuerdos de no divulgación
- Transparencia limitada sobre las fuentes de formación
Una publicación que se hizo viral argumentaba que las empresas podían describir el proceso como "preservación digital" mientras mantenían los detalles ocultos al público.
Eso generó una preocupación más profunda:
Si esto es beneficioso para la sociedad, ¿por qué tiene que ocurrir a puerta cerrada?
Un posible punto de inflexión: ¿Podría la IA aprender sin destruir libros?
La polémica ya ha empezado a cambiar el debate dentro de la industria de la IA.
En respuesta al debate que se hizo viral, Elon Musk comentó que le había pedido al equipo de IA de SpaceX que adoptara un enfoque diferente:
El mensaje sugiere un compromiso:
Las empresas de IA aún pueden recopilar valiosos datos de entrenamiento, pero los libros raros y de importancia histórica deben tratarse como artefactos culturales, no como fuentes de información desechables.
La diferencia no radica en si los libros deben digitalizarse o no.
Casi todo el mundo coincide en que la digitalización puede preservar el conocimiento.
La cuestión es cómo se produce esa digitalización.
Para los libros comunes, el escaneo destructivo puede ser simplemente una opción práctica para mejorar la eficiencia.
Para uno de los últimos ejemplares que se conservan de una obra histórica importante, la preservación puede ser más importante que la rapidez.
La respuesta de Musk pone de relieve el desafío más amplio al que se enfrenta la industria de la IA:
¿Pueden las empresas crear sistemas de IA más potentes respetando al mismo tiempo la historia física que hay detrás de los datos que consumen?
La pregunta más importante: ¿Quién es el dueño del conocimiento humano?
La controversia en torno a los libros raros representa un debate mucho más amplio sobre la inteligencia artificial.
Cada modelo de IA se construye a partir de cosas creadas por humanos:
- Libros
- Artículos
- Music
- Imágenes
- Software
- Investigación científica
La cuestión central ya no es solo:
¿Puede la IA aprender del conocimiento humano?
Es:
¿Quiénes deberían beneficiarse cuando el conocimiento humano se convierta en la base de la inteligencia artificial?
Si los datos no se divulgan, ¿cómo podría la gente saber que su trabajo se ha utilizado?
