Empresas dedicadas al desarrollo de inteligencia artificial han comenzado a adquirir de forma masiva libros de segunda mano y ejemplares descatalogados para digitalizarlos e incorporarlos al entrenamiento de sus modelos, una práctica que ha despertado preocupación entre libreros, investigadores y especialistas en conservación del patrimonio bibliográfico.

De acuerdo con un reportaje publicado por El País, el fenómeno fue detectado por el librero español Marçal Font, quien observó un aumento inusual en la compra de libros con escasa demanda comercial y elevados costos de envío. Tras investigar junto con el especialista tecnológico Xavi Vinaixa, identificaron una red de intermediarios que presuntamente adquiere estas obras para escanearlas y utilizarlas en sistemas de inteligencia artificial.

Las investigaciones apuntan a que las compras son gestionadas mediante plataformas especializadas en libros usados y enviadas a centros de digitalización en Estados Unidos, donde los ejemplares son catalogados y escaneados antes de integrarse a bases de datos utilizadas para entrenar modelos de IA.

El interés de las empresas tecnológicas se centra principalmente en libros con información especializada, como estudios regionales, publicaciones técnicas, ensayos y recetarios tradicionales, debido a que ofrecen contenido más estructurado y confiable que gran parte del disponible en internet.

El caso cobró relevancia tras una investigación de The Washington Post sobre Anthropic, desarrolladora del modelo Claude, donde se reveló un proyecto interno para digitalizar masivamente libros impresos mediante un proceso conocido como escaneo destructivo, que consiste en desmontar físicamente los ejemplares para capturar todas sus páginas.

Especialistas advierten que esta estrategia 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, reduciendo la calidad y diversidad de sus respuestas.

No obstante, investigadores también alertan sobre el riesgo de que el conocimiento contenido en obras poco accesibles termine concentrado en bases de datos privadas de grandes empresas tecnológicas, limitando el acceso a través de bibliotecas e instituciones públicas y generando un nuevo debate sobre la preservación del patrimonio cultural y los derechos de autor.