Durante mucho tiempo, el grueso de la inteligencia artificial moderna se nutrió de textos extraídos de internet: páginas web, foros de discusión, enciclopedias digitales y repositorios abiertos. Sin embargo, la red comienza a agotar su utilidad. Algunas corporaciones tecnológicas han puesto la mira en una fuente de sabiduría más antigua y confiable: los libros físicos.
A principios de 2026, el diario The Washington Post destapó una de estas estrategias gracias a documentos judiciales vinculados a Anthropic, la empresa detrás del asistente Claude. La investigación reveló la existencia de “Project Panama”, un plan clandestino iniciado en 2024 para adquirir libros impresos en masa. Los ejemplares eran escaneados y sus contenidos se integraban al proceso de desarrollo de los modelos de IA. Para agilizar la tarea, millones de libros eran cortados, digitalizados y luego enviados al reciclaje.
Este método evidencia un giro radical en la percepción del libro. El objeto físico se vuelve irrelevante frente a la información que contiene. El texto se extrae, se convierte en datos y se emplea para entrenar inteligencias artificiales.
Anthropic no es la única firma interesada en acumular vastas colecciones literarias. En mayo de 2026, cinco grandes editoriales estadounidenses y el escritor Scott Turow presentaron una demanda contra Meta y Mark Zuckerberg. Los acusaron de usar millones de libros y artículos provenientes de repositorios piratas para entrenar su modelo Llama. Otros procesos judiciales contra compañías de IA apuntan en la misma dirección.
De esta forma, los libros han cobrado un valor estratégico inédito. Ya no son únicamente vehículos de conocimiento; representan enormes conjuntos de datos en la lucha por desarrollar inteligencias artificiales superiores.
Los grandes modelos de lenguaje demandan cantidades ingentes de texto. Sin embargo, cantidad no siempre equivale a calidad. Internet ofrece una diversidad difícil de replicar, pero también está plagada de textos breves, repetitivos o sin revisión.
Además, desde 2022 se ha incrementado la presencia de contenidos generados por IA en la web. Un estudio de 2026 analizó páginas web creadas entre 2022 y 2025. A mediados de 2025, aproximadamente el 35% de los nuevos sitios evaluados incorporaban textos producidos o modificados por IA. Esto no implica que el 35% de internet haya sido creado por máquinas, pero revela su creciente influencia.
El dilema no se limita a identificar al autor. Una investigación publicada en Nature en 2024 demostró que entrenar sucesivas generaciones de modelos con contenidos generados por modelos previos puede causar una degradación progresiva de los resultados.
En este escenario, los libros anteriores a la expansión de la IA generativa adquieren un valor incalculable. Proveen a las empresas tecnológicas de textos extensos, estructurados y, en su mayoría, sometidos a rigurosos procesos de edición y corrección profesional. Además, fueron escritos por seres humanos.
Cuando el patrimonio se convierte en datos
Durante siglos, la humanidad ha construido bibliotecas, archivos y universidades para preservar una parte de su memoria colectiva. Estas instituciones no solo almacenan sus fondos; los catalogan, preservan y hacen accesibles.
La inteligencia artificial está otorgando un nuevo valor a ese legado. No importa el ejemplar físico; lo relevante es la información que alberga. Al digitalizarlo, el texto se puede convertir en datos y utilizar para entrenar modelos de IA.
Desde la pasada primavera, libreros de España, Alemania, Australia y Nueva Zelanda han denunciado pedidos masivos y anormales realizados por la empresa canadiense Zoom Books. Esta compañía se dedica a la venta de libros usados por internet. Sus compras se efectúan a través de grandes plataformas como AbeBooks o Biblio, donde se pueden hallar desde títulos económicos hasta ediciones raras y difíciles de conseguir.
Estos patrones de compra —y el antecedente de Anthropic— han generado sospechas, especialmente por su volumen y el interés en obras antiguas, descatalogadas o no disponibles en formato digital. Zoom Books niega que los libros sean para alimentar a la IA y, por ahora, no existen pruebas concluyentes que lo confirmen.
No obstante, el fenómeno ilustra el nuevo valor adquirido por el contenido de los libros. La información puede extraerse del objeto, convertirse en datos y circular de manera independiente. Muchos de estos textos nunca han sido digitalizados, y algunos contienen saberes locales, especializados o publicados en lenguas con escasa presencia en internet. Ofrecen información que aún no está disponible en las grandes bases de datos digitales.
Una nueva carrera por el conocimiento
En los últimos años, la carrera de la IA se ha descrito en términos de procesadores, energía, centros de datos y algoritmos. Pero la compra masiva de libros pone sobre la mesa otro recurso estratégico, mucho menos visible: el conocimiento humano.
Destruir un ejemplar puede parecer intrascendente cuando existen miles de copias. Pero no todos los libros gozan de esa abundancia. Muchos están descatalogados, tuvieron tiradas pequeñas o pertenecen a editoriales y ámbitos locales. Otros son difíciles de hallar. En estos casos, cada ejemplar que desaparece dificulta el acceso a su contenido.
También importa qué libros se seleccionan. No todos los conocimientos están igualmente representados en los datos que emplean los modelos de IA. La selección puede acentuar desequilibrios que ya existen en internet.
La lengua es un claro ejemplo. También lo son el origen geográfico, la época o el tipo de conocimiento. Algunas culturas, perspectivas y formas de entender el mundo pueden estar muy presentes. Otras, mucho menos. Y otras pueden quedar completamente marginadas.
A esto se suma el debate sobre los derechos de autor. Escritores, editoriales y otros creadores cuestionan que sus obras puedan utilizarse para entrenar sistemas comerciales de IA sin permiso ni compensación. En Europa, la normativa sobre inteligencia artificial intenta aportar transparencia. Entre otras medidas, exige a las empresas responsables de los grandes modelos informar sobre los contenidos utilizados para entrenarlos y adoptar medidas para respetar la legislación europea sobre derechos de autor.
La cuestión, en todo caso, no es solo qué pueden aprender las nuevas herramientas tecnológicas de nuestros libros. Debemos preguntarnos qué ocurre con ellos tras su digitalización y procesamiento masivo, qué se conserva, qué puede llegar a desaparecer y qué conocimientos quedan fuera. Porque seleccionar los contenidos con los que aprende una IA también significa decidir qué voces estarán más presentes en sus respuestas y qué sesgos puede reproducir.
Fuente: Infobae