Las empresas de IA destruyen libros antiguos para entrenar la inteligencia artificial

Durante años, las empresas de inteligencia artificial han extraído de internet textos para entrenar sus modelos. Pero, cuando la red empezó a ahogarse en un torrente de texto generado por IA, algunas compañías se fijaron en el último rincón terrestre aún sin corromper: las estanterías de libros de segunda mano. Hasta el 28 de julio, ISBNdb, propietaria de una de las grandes bases de datos de libros, ofrecía a los desarrolladores de IA hasta un millón de ejemplares físicos por pedido, desde rarezas hasta obras muy especializadas y olvidadas hacía tiempo. Sus materiales promocionales prometían encontrar libros «perfectos para tus LLM» (es decir, grandes modelos de lenguaje) y tenían un aire casi conspirativo: compromiso de confidencialidad, un estricto NDA (acuerdo de confidencialidad) y ninguna información sobre los clientes ni sobre el propósito de sus compras. La razón del secretismo es sencilla: convertir un libro en un conjunto de datos para IA suele implicar su destrucción física: se corta, sus páginas pasan por un escáner industrial y el original se tira o se recicla. El 28 de julio, la página de ISBNdb desapareció, junto con la promesa del NDA. La empresa lo explicó como un cambio de rumbo. Pero, en ese breve periodo, ISBNdb llegó a levantar el velo sobre el secretismo de las compras de libros para IA, y quedó claro que Anthropic llevaba tiempo haciéndolo a escala industrial. Los documentos judiciales confirman que Anthropic compró y escaneó millones de libros físicos. Los vendedores de libros usados de EE. UU. y Europa empezaron a recibir de repente pedidos de obras raras y descatalogadas, evidentemente no de coleccionistas. Surgen inevitablemente varias preguntas: por qué los libros antiguos son la nueva mina de oro de los «tecnólogos», con qué frecuencia se destruyen los originales y qué queda después de que las páginas acaban en la IA. Para empezar, los libros aportan algo casi imposible de encontrar hoy en internet: texto cien por cien humano. El problema es que las IA actuales se entrenan demasiado a menudo con el trabajo de otras IA y, sin un flujo de datos «limpios», pueden empezar a repetir errores ajenos y perder información única. Los científicos llaman a esto «colapso del modelo». Los libros antiguos entran en escena como material relativamente «limpio» para la IA: ningún chatbot ni generador ha tocado sus textos. Están estructurados, editados y contienen información infrecuente, a menudo única. ISBNdb recalcaba que muchas obras valiosas aún no se habían digitalizado. En sus ofertas, las estanterías de la época anterior a los chatbots se presentaban como el último refugio de material útil para el entrenamiento. Por cierto, convertir libros en archivos digitales no es una idea nueva: Project Gutenberg arrancó en los años setenta; después llegó Google Books, que creó un archivo digital de más de 40 millones de volúmenes, surgió HathiTrust e Internet Archive emprendió una labor similar, conservando las cubiertas y las páginas escaneadas. Pero no todo acaba necesariamente siendo público: el caso de un librero de Houston que recibió de una vez un pedido de decenas de obras poco conocidas demuestra que algunos libros terminan en almacenes privados «en la nube» y desaparecen del acceso público. Lo más duro es que Anthropic destruyó de hecho los libros que compraba: cortó las páginas de los lomos, las escaneó y tiró los ejemplares de papel. En junio de 2025, un tribunal consideró que la actuación de la empresa era un uso transformador amparado por la doctrina del «uso legítimo», ya que por cada archivo digital había comprado y destruido un original en papel. Pero tuvo que pagar por la piratería: 1.500 millones de dólares en una demanda colectiva. Los autores siguen indignados: su trabajo cayó en las garras de los algoritmos sin su consentimiento explícito y nadie les pidió permiso para licenciarlo. Para algunos amantes de los libros, lo más inquietante no son los matices jurídicos, sino su destrucción, sobre todo si son ejemplares raros. Cuando las fotos de volúmenes mutilados llegaron a las redes sociales, las comparaciones con «Fahrenheit 451» y la Biblioteca de Alejandría eran inevitables. El simbolismo de quemar libros siempre ha pesado más que el destino de unos papeles corrientes: desde las campañas nazis hasta Bradbury. Ni siquiera Elon Musk pudo soportarlo y ordenó a su equipo que escaneara los libros con cuidado, sin romperles el lomo. El debate sigue abierto: ¿es mejor digitalizar un libro que dejarlo desaparecer para siempre si, de todos modos, iba a acabar en el contenedor de papel? Pero para editoriales y autores lo fundamental es que su trabajo no irá al público, sino a una base de datos privada de IA, donde nadie volverá a pagar por él. Los desarrolladores de IA replican que no sustituyen los libros, sino que los reinterpretan para entrenar modelos. ISBNdb cerró su página de compras, pero la falta de textos limpios lleva a los ingenieros de vuelta a las estanterías. Que estas sigan llenas dependerá de si consiguen extraer lo que necesitan sin vaciar las últimas reservas.