La carrera por la inteligencia artificial llegó a las librerías: compran libros y los destruyen para extraer sus datos

Las grandes compañías tecnológicas comenzaron a buscar una nueva fuente de información para entrenar sus modelos de inteligencia artificial: libros usados, antiguos y descatalogados. En algunos casos, los ejemplares son desarmados, escaneados y finalmente destruidos.

La expansión de la inteligencia artificial generativa abrió una nueva disputa por uno de los recursos más importantes para el desarrollo de los grandes modelos de lenguaje: los datos.

Durante años, las compañías tecnológicas recurrieron principalmente a enormes cantidades de información disponible en Internet. Sin embargo, el crecimiento de los contenidos generados por la propia inteligencia artificial y la necesidad de incorporar textos de mayor calidad llevaron a los laboratorios tecnológicos a poner nuevamente la mirada sobre un soporte mucho más antiguo: los libros.

El fenómeno ya dejó casos concretos. Una investigación periodística logró rastrear un cargamento de aproximadamente mil libros hasta una instalación de Amazon en Las Vegas, donde los ejemplares eran procesados mediante máquinas de escaneo industrial. Para acelerar el procedimiento, los trabajadores retiraban las encuadernaciones, separaban las hojas y las digitalizaban a gran velocidad.

Una vez completado el proceso, los libros físicos quedaban prácticamente imposibles de reconstruir.

¿Por qué las empresas necesitan libros?

Los libros representan una fuente de información especialmente atractiva para entrenar modelos de inteligencia artificial. A diferencia de buena parte del contenido de las redes sociales o de páginas web, contienen textos extensos, editados y organizados, además de conocimientos correspondientes a distintas épocas, disciplinas e idiomas.

Existe además otro problema para la industria: cada vez hay más contenido generado por inteligencia artificial en Internet. Esto aumenta el interés por textos producidos originalmente por seres humanos, especialmente aquellos publicados antes de la explosión de las herramientas generativas.

Para las compañías tecnológicas, ese material puede convertirse en una reserva de lenguaje humano de alta calidad.

Uno de los casos más documentados corresponde a Anthropic, la compañía responsable del desarrollo de Claude.

Documentos conocidos durante un litigio por derechos de autor revelaron que la empresa puso en marcha un proyecto para adquirir grandes cantidades de libros físicos, retirarles las encuadernaciones y convertirlos en archivos digitales.

La operación, denominada internamente Project Panama, contemplaba procesar cientos de miles e incluso millones de ejemplares en períodos relativamente cortos. Algunos proveedores evaluaron la posibilidad de digitalizar entre 500.000 y dos millones de libros en apenas seis meses.

La estrategia también estuvo relacionada con una disputa legal. En 2025, un tribunal estadounidense consideró que, bajo determinadas circunstancias, Anthropic podía comprar ejemplares físicos, digitalizarlos y conservar una única copia digital después de destruir el original. El mismo fallo estableció una diferencia con el uso de libros obtenidos de bibliotecas digitales piratas.

Ese aspecto legal resulta clave para comprender por qué algunas compañías optan por comprar ejemplares físicos en lugar de recurrir directamente a copias digitales disponibles en Internet.

Libreros de distintos países comenzaron a recibir pedidos inusuales de cientos o miles de libros, incluidos ejemplares antiguos, descatalogados y títulos con poca presencia digital.

En algunos casos, los compradores aparecen mediante intermediarios, lo que dificulta determinar cuál será el destino final de los ejemplares. Investigaciones realizadas en Europa detectaron cadenas de compra, traslado, procesamiento y destrucción de libros destinadas aparentemente a obtener grandes cantidades de texto humano para sistemas de inteligencia artificial.

No todos los pedidos pueden atribuirse necesariamente a compañías de inteligencia artificial. Sin embargo, los casos documentados muestran que existe una cadena industrial capaz de adquirir libros en distintos mercados y convertirlos rápidamente en datos digitales.

Del libro al dato

El procedimiento resulta tan sencillo como irreversible.

En lugar de abrir cuidadosamente un libro y fotografiar sus páginas una por una, se elimina el lomo para separar todas las hojas. Después, las páginas pasan por escáneres de alta velocidad que convierten el contenido en archivos digitales.

El objeto físico deja de ser el objetivo principal. Lo que importa son las palabras almacenadas en su interior.

Así, un libro que durante décadas pudo permanecer en una biblioteca o en una librería de usados termina transformándose en una enorme cantidad de datos destinados al entrenamiento de modelos de inteligencia artificial.

El avance de este mercado también genera interrogantes culturales.

Algunos libreros y especialistas advierten que las compras masivas podrían afectar especialmente a ejemplares poco comunes, obras descatalogadas y publicaciones en idiomas minoritarios. En estos casos, el problema no sería únicamente económico o relacionado con los derechos de autor, sino también con la preservación del patrimonio escrito.

La paradoja es evidente: mientras las bibliotecas y archivos invierten recursos para conservar libros y digitalizarlos sin dañarlos, una nueva industria busca hacer prácticamente lo contrario: adquirirlos, separarlos, escanearlos y desecharlos.

La inteligencia artificial necesita cada vez más información para continuar desarrollándose. Y en esa carrera tecnológica, los libros —algunos de ellos olvidados durante décadas en estanterías y depósitos— se transformaron inesperadamente en una materia prima de enorme valor.

El resultado es una escena difícil de imaginar hasta hace pocos años: libros comprados no para ser leídos, sino para ser convertidos en datos.