Ante el agotamiento del contenido disponible en internet, empresas de inteligencia artificial han comenzado a adquirir de forma masiva libros de segunda mano y descatalogados para digitalizarlos e incorporarlos a sus modelos, una práctica que ha despertado preocupación entre libreros, investigadores y especialistas por sus implicaciones para la conservación del patrimonio bibliográfico y el acceso al conocimiento.
De acuerdo con un reportaje publicado por el medio El País, el fenómeno salió a la luz cuando el librero Marçal Font, propietario de la librería Fènix de Badalona, detectó compras inusuales: pedidos de libros con costos de envío desproporcionados y adquiridos de manera consecutiva.
Tras investigar junto con el especialista tecnológico Xavi Vinaixa, descubrieron que detrás de esas compras había empresas dedicadas a digitalizar ejemplares para alimentar y entrenar a sistemas de inteligencia artificial.
¿Cómo se compran los libros?
Según la investigación, detectaron que comerciantes de distintos países de Europa enfrentaban el mismo patrón de compras. Las adquisiciones eran gestionadas por medio de ZoomBooks, una plataforma canadiense especializada en libros de segunda mano, mientras que los envíos terminaban en centros logísticos como PrepFort, en Illinois, empresa que ofrece servicios de escaneo, catalogación y registro de ejemplares. Tanto los vendedores como los investigadores consultados consideran que esta cadena de intermediarios dificulta conocer quién recibe finalmente los libros, aunque las evidencias apuntan a compañías relacionadas con el desarrollo de modelos de inteligencia artificial.
Las sospechas de los libreros cobraron fuerza tras una investigación de The Washington Post sobre Anthropic, la empresa responsable del modelo de inteligencia artificial Claude. Con base en documentos judiciales derivados de demandas por derechos de autor, el periódico reveló la existencia de un proyecto interno denominado Project Panama, mediante el cual la compañía buscaba digitalizar de forma masiva libros impresos para utilizarlos en el entrenamiento de sus sistemas de IA. De acuerdo con la información revisada por el diario, el método consistía en desmontar físicamente los ejemplares para escanear sus páginas, un procedimiento conocido como escaneo destructivo.
El creciente interés de las empresas tecnológicas por los libros responde a que estos contienen información más especializada, revisada y organizada que buena parte del contenido disponible en internet. Marçal Font explica que las compañías buscan principalmente obras con un alto valor documental, aunque de limitada demanda comercial, como estudios regionales, publicaciones técnicas, recetarios tradicionales o ensayos dirigidos a un público especializado. Además, señala que muchas de estas adquisiciones corresponden a libros con ISBN, un identificador que facilita su catalogación y garantiza que forman parte de sistemas de registro y depósito legal.
Sin embargo, surgen dudas sobre hasta dónde llegará la necesidad de las empresas tecnológicas de recopilar información para entrenar sus modelos y en qué momento deberá prevalecer la protección del conocimiento generado por las personas. Marçal Font advierte que, si continúa esa búsqueda de datos, las compañías podrían empezar a interesarse por materiales con menor nivel de protección y registro, como fanzines, publicaciones comunitarias, boletines vecinales o documentos elaborados por movimientos sociales que nunca fueron incorporados a los catálogos bibliográficos tradicionales.
¿Qué representa?
Especialistas consultados por El País advierten que esta tendencia también busca evitar el llamado "colapso del modelo", un fenómeno que ocurre cuando las inteligencias artificiales comienzan a entrenarse principalmente con contenido generado por otras IA, lo que puede degradar progresivamente la calidad y diversidad de sus respuestas.
“Por eso los libros descatalogados representan una reserva de contenido humano todavía no contaminado por la inteligencia artificial”, apunta Antonio Ortiz, analista y divulgador especializado en inteligencia artificial y tendencias tecnológicas a El País.
Además del debate tecnológico, la práctica ha reavivado cuestionamientos sobre la privatización del conocimiento. Investigadores citados por el medio consideran que, si las grandes tecnológicas concentran la digitalización de obras que hasta ahora permanecían fuera de internet, el acceso a ese conocimiento podría depender cada vez más de empresas privadas en lugar de bibliotecas o instituciones públicas.
Font considera que la inteligencia artificial está acelerando los procesos de digitalización y recopilación de información a un ritmo muy superior al de las iniciativas de conservación impulsadas por instituciones culturales. A su juicio, el principal desafío no radica en la desaparición física de los libros, sino en que las entidades públicas logren identificar, catalogar y resguardar ese patrimonio antes de que su contenido sea incorporado a bases de datos privadas utilizadas para entrenar sistemas de IA.
En ese sentido, el debate va más allá de la destrucción de los libros. La preocupación, explica, es que el conocimiento contenido en esas obras termine concentrado en plataformas tecnológicas y deje de estar disponible mediante las fuentes originales. A diferencia del proyecto Google Books, que buscaba digitalizar obras para facilitar su consulta, los nuevos modelos de inteligencia artificial procesan esa información para generar respuestas propias, sin ofrecer necesariamente acceso directo al texto del que provienen los datos.
LJ