Las compañías que desarrollan modelos de lenguaje a gran escala han encontrado en los libros impresos una fuente de datos especialmente valiosa. En lugar de limitarse a textos digitales —muchos de ellos descargados de manera irregular—, varias empresas están comprando ejemplares físicos usados o antiguos, escaneándolos y eliminándolos después del proceso.
El interés principal reside en que estos volúmenes, publicados antes de la popularización de los grandes modelos de lenguaje (aproximadamente antes de 2022), no contienen el tipo de texto generado por IA que ya satura gran parte de internet y que puede degradar la calidad de los datos de entrenamiento. Los libros impresos de esa época se consideran “limpios” de esa contaminación.
Un caso conocido es el de Anthropic. Según documentos de un litigio que terminó en un acuerdo de 1.500 millones de dólares con autores, la empresa adquirió grandes cantidades de libros de segunda mano, los desarmó con una máquina de corte hidráulico para separar las páginas y las escaneó con equipos industriales. Al tratarse de ejemplares físicos ya adquiridos legítimamente, se argumentó que la operación se amparaba en la doctrina de la primera venta y que la conversión a formato digital era un uso transformativo protegido por el uso legítimo.
Esta práctica se ha extendido. Plataformas especializadas como ISBNdb, que originalmente ayudaban a librerías y distribuidores, ahora facilitan pedidos masivos a empresas de IA: desde mil hasta un millón de títulos por orden. Además, garantizan discreción para evitar la publicidad negativa que genera el titular de “empresa de inteligencia artificial destruye millones de libros”.
Vendedores independientes ya notan el cambio. Un librero relató que pasó de vender unas 20 unidades semanales a cientos de forma súbita. Los compradores eligen títulos de manera aparentemente aleatoria, siempre con ISBN, e incluyen obras raras o agotadas. Aunque el negocio le resulta rentable porque vacía inventario que de otro modo no se movería, admite su malestar: “No me gusta el uso final ni que se estén destruyendo ejemplares poco comunes”.
Situaciones similares se reportan en otros países. En los Países Bajos, anticuarios han recibido pedidos masivos que sospechan vinculados a laboratorios de IA, con el riesgo de que desaparezcan ediciones difíciles de encontrar.
El fenómeno plantea una tensión evidente: por un lado, la necesidad de datos de alta calidad y libres de contaminación algorítmica; por otro, la pérdida irreversible de objetos físicos que, en muchos casos, representan copias casi únicas de textos históricos o especializados. Mientras los intermediarios facilitan estas operaciones bajo el anonimato, el sector del libro antiguo observa con inquietud cómo parte de su patrimonio puede terminar convertido en combustible para entrenar sistemas de inteligencia artificial.
