Compran millones de libros usados y los destruyen: el insólito método de las empresas de IA para entrenar sus modelos

La inteligencia artificial encontró una nueva obsesión: los libros usados. Según una investigación, empresas del sector estarían adquiriendo toneladas de ejemplares impresos para digitalizarlos, y en muchos casos, los destruyen durante el proceso. El objetivo es alimentar sus modelos con contenido humano de calidad, antes de que la IA contamine internet.

¿Por qué necesitan millones de libros?

Los sistemas de IA aprenden analizando grandes volúmenes de texto. Cuanto mejor sea el material, más precisas serán sus respuestas. Internet, que durante años fue la fuente principal, ahora está plagado de contenido generado por las propias máquinas, lo que genera errores y repeticiones. Los libros impresos antes de 2022 ofrecen una reserva de textos escritos por personas, con proceso editorial y sin contaminación digital.

Una investigación de 404 Media reveló que las compras se realizan a través de intermediarios, con pedidos que van desde 1.000 ejemplares hasta un millón de títulos en una sola operación. ISBNdb, una base de datos con más de 111 millones de libros, habría adaptado sus servicios para facilitar estas transacciones mayoristas, aunque no hay pruebas concluyentes de que compre directamente para las compañías de IA.

El método de digitalización: cortar y escanear

Existen dos formas de convertir libros físicos en archivos digitales. La primera usa escáneres que no dañan la encuadernación, pero es lenta. La segunda, la preferida para operaciones masivas, es más rápida y económica: se corta el lomo del libro, se separan las páginas y se introducen en escáneres industriales de alta velocidad. El resultado: el ejemplar físico queda destruido y sus restos van al reciclaje.

Anthropic, la empresa detrás de Claude, aplicó este procedimiento en su proyecto interno Panama. Según documentos judiciales, compraron millones de libros, cortaron sus lomos y escanearon sistemáticamente las páginas. Los archivos digitales se incorporaron a una colección privada para entrenar sus modelos.

El acuerdo millonario por los libros pirateados

En 2025, un juez estadounidense consideró que entrenar una IA con libros adquiridos legalmente podría ser uso legítimo. Pero el problema surgió con las copias obtenidas de sitios de piratería: Anthropic había descargado más de siete millones de libros de repositorios no autorizados. Para evitar un juicio, la compañía acordó pagar 1.500 millones de dólares a unos 500.000 autores y editoriales, con una compensación de unos 3.000 dólares por obra. El convenio fue aprobado en julio de 2026.

Sin embargo, el pago no sienta un precedente vinculante. Otras empresas como Google enfrentan demandas similares por el uso de millones de libros protegidos para desarrollar Gemini. La incertidumbre judicial continúa.

El riesgo para los libros raros y agotados

Más allá de los derechos de autor, la compra masiva amenaza a ejemplares escasos o descatalogados. Cuando un libro común se destruye, aún existen otras copias. Pero si se trata de una edición rara o agotada, cada ejemplar perdido reduce las posibilidades de que la obra siga circulando entre lectores, investigadores y coleccionistas.

Maximiliano Firtman, programador y autor, reflexionó en X: "Entiendo el quiebre romántico que da la imagen de la destrucción de libros para entrenar una IA... pero no se me ocurre cómo podrías frenar que alguien que compra un libro no pueda hacer lo que quiera con ese ejemplar". Y agregó: "No queda claro cuántos de los libros destruidos son realmente raros. Muchos son libros que nadie compra hace años".

El contenido digitalizado queda en manos privadas, sin acceso público. Una obra que antes podía comprarse o consultarse ahora es solo un archivo en un sistema de IA. Además, el mercado de libros usados podría alterarse: si estas compras continúan, algunos títulos se volverán más difíciles de encontrar y más caros, impulsados por una demanda que no viene de lectores, sino de máquinas.