¿Por qué la inteligencia artificial compra y destruye libros usados?

La destrucción de libros para entrenar sistemas de inteligencia artificial no es una leyenda urbana ni una metáfora de sobremesa. Anthropic, la empresa responsable de Claude, compró millones de ejemplares impresos, cortó sus lomos, escaneó las páginas mediante maquinaria industrial y envió después el papel al reciclaje. La operación quedó acreditada en documentos judiciales y empresariales relacionados con el llamado Proyecto Panamá.

Ahora, pedidos masivos y bastante insólitos recibidos por libreros de viejo en España y otros países europeos han despertado el temor de que aquel método se esté extendiendo. Los encargos buscan publicaciones técnicas, estudios locales, actas de congresos, diarios históricos y títulos descatalogados que apenas circulan. La empresa canadiense Zoom Books aparece como compradora o intermediaria en numerosos casos, aunque no existe una prueba pública que permita atribuir esos lotes a Anthropic, OpenAI, Meta o a otro laboratorio concreto. Hay indicios sólidos sobre el patrón de compra; el cliente final continúa detrás de la cortina.

La razón de esta carrera está en la materia prima. Los grandes modelos de lenguaje aprenden analizando cantidades enormes de textos y detectando relaciones entre palabras, conceptos y estructuras. Los libros ofrecen algo que buena parte de internet no garantiza: textos largos, revisados, coherentes y escritos por personas antes de que la red empezara a llenarse de contenido fabricado por otras máquinas.

Eso no significa que una inteligencia artificial “sobreviva” gracias a los libros ni que cada volumen añadido la vuelva automáticamente más inteligente. Esa imagen queda estupenda en una presentación para inversores, pero la realidad es menos cinematográfica. La calidad y procedencia de los datos importan tanto como su volumen, y los investigadores llevan años advirtiendo de que entrenar modelos repetidamente con material sintético puede reducir la diversidad y degradar sus resultados.

El hambre de datos llega a las librerías de viejo

Durante la primera expansión de la inteligencia artificial generativa, las empresas recogieron cantidades descomunales de información publicada en páginas web, repositorios, foros y bases de datos. Después aparecieron las bibliotecas digitales piratas, con millones de libros disponibles para descargar sin permiso de sus autores ni editores. Era barato, rápido y jurídicamente explosivo. Las demandas no tardaron.

Cuando la procedencia de los archivos empezó a convertirse en un problema serio, algunas compañías buscaron una vía aparentemente más limpia: comprar el ejemplar físico, demostrar su adquisición legal y digitalizarlo. La factura sustituía al acuerdo de licencia. Un pequeño prodigio de la modernidad administrativa: para evitar el aspecto de un saqueo digital, bastaba con añadir una caja de cartón y un recibo.

Los libros de segunda mano resultan especialmente atractivos porque cuestan poco y permiten acceder a textos ausentes de internet. Sin embargo, conviene desmontar una confusión frecuente: un libro viejo no es necesariamente una obra libre de derechos. Tampoco deja de estar protegido porque haya pasado veinte años acumulando polvo en un almacén. Comprar el objeto permite poseer ese ejemplar, no apropiarse automáticamente de los derechos sobre su contenido.

Los pedidos detectados desde finales de abril en librerías catalanas no iban dirigidos a novelas superventas ni a manuales que pueden encontrarse en cualquier plataforma. Marçal Font, responsable de la Llibreria Fènix de Badalona, relató encargos consecutivos de obras sobre producción vinícola, dietarios de la Guerra Civil, publicaciones locales y actas académicas antiguas. Otros comerciantes europeos recibieron listas con miles de ISBN y materias sin una relación comercial evidente. El interés estaba en los títulos especializados y descatalogados.

Comprar, guillotinar, escanear, reciclar

El escaneo destructivo permite digitalizar grandes cantidades de papel con enorme rapidez. Una cuchilla hidráulica elimina el lomo, las páginas quedan sueltas y pasan por escáneres industriales de alta velocidad. El método ahorra horas de manipulación y evita fotografiar cada doble página de forma artesanal. Lo que sale al otro extremo, claro, ya no es un libro.

Los documentos del Proyecto Panamá describían precisamente ese circuito: comprar, cortar, escanear y reciclar. Anthropic contrató a Tom Turvey, antiguo responsable de alianzas del proyecto Google Books, y estudió posibles acuerdos con librerías y bibliotecas. La compañía terminó adquiriendo lotes de decenas de miles de ejemplares a vendedores como Better World Books y World of Books. Una propuesta presentada por uno de sus proveedores contemplaba procesar entre 500.000 y dos millones de libros en seis meses.

Proyecto Panamá: el precedente que ya está probado

Anthropic no inventó la digitalización de libros ni el uso de textos para desarrollar herramientas informáticas. Bibliotecas, universidades y buscadores llevan décadas escaneando fondos. La diferencia está en la escala, el secretismo y el destino del archivo obtenido. Los documentos internos hablaban de reunir una biblioteca central con “todos los libros del mundo” y conservarla indefinidamente para seleccionar después distintos conjuntos de entrenamiento.

Antes de comprar ejemplares impresos, la empresa había descargado al menos cinco millones de libros de Library Genesis y otros dos millones de Pirate Library Mirror, además de utilizar Books3, un conjunto de unas 183.000 obras. El juez federal William Alsup separó ambas conductas: consideró transformador el uso de libros para entrenar los modelos, pero rechazó que la construcción de una biblioteca permanente con copias piratas pudiera justificarse del mismo modo.

El litigio derivó en una propuesta de acuerdo por 1.500 millones de dólares para compensar a titulares de derechos de cientos de miles de libros. La cantidad es histórica, aunque no supone que el debate haya quedado resuelto. En mayo de 2026, la jueza Araceli Martínez-Olguín aplazó la aprobación definitiva y pidió más información sobre los honorarios de los abogados y los pagos previstos para los demandantes principales.

Los pedidos europeos y la parte que aún no se conoce

El precedente de Anthropic permite comprender las sospechas actuales, pero no autoriza a convertirlas en certezas. Zoom Books se presenta como una empresa dedicada a adquirir, revender y reciclar publicaciones. En su propia web figura incluso una categoría dedicada a libros para entrenamiento de IA, pero la compañía ha sostenido ante medios europeos que sus compras forman parte de un modelo habitual de comercio y reciclaje.

Lo comprobado es que librerías de España, Alemania, Suiza y Países Bajos han recibido solicitudes muy parecidas: miles de referencias ordenadas por ISBN, títulos especializados y entregas dirigidas a centros logísticos de Norteamérica. Lo que sigue sin conocerse públicamente es quién encarga esas colecciones, qué modelos se entrenarán con ellas y qué ocurrirá con los archivos digitales. Ahí está el agujero negro del asunto, bastante más inquietante que una montaña de papel triturado.

El patrimonio que no sale en los escaparates

El mayor riesgo no afecta a los clásicos universales, que cuentan con miles de ediciones y copias repartidas por bibliotecas. Nadie va a borrar a Cervantes porque una máquina se zampe un ejemplar del Quijote. La amenaza se concentra en los márgenes: monografías locales, catálogos de exposiciones pequeñas, investigaciones técnicas, testimonios personales, publicaciones de asociaciones y estudios académicos con tiradas mínimas.

Son libros modestos, a veces feos, casi siempre baratos. Precisamente por eso pueden desaparecer sin ruido. El conocimiento no se sostiene únicamente sobre grandes obras, sino también sobre documentos secundarios que permiten comprobarlas, interpretarlas y discutirlas. Una biografía célebre puede volver a imprimirse; las actas de un congreso comarcal celebrado en 1983 quizá no.

Las bibliotecas públicas, el depósito legal y los archivos especializados conservan buena parte de ese patrimonio, pero no todas las ediciones están igualmente protegidas ni todas las colecciones son completas. También existen ejemplares con anotaciones, dedicatorias, exlibris o correcciones que aportan información imposible de trasladar mediante un escaneo plano. Una página digital reproduce las palabras. No siempre reproduce el documento original.

Digitalizar estas obras puede ser valioso, incluso necesario. Facilita la investigación, protege el contenido frente al deterioro y permite consultar materiales desde cualquier lugar. El conflicto aparece cuando la copia física se destruye, el archivo queda encerrado en una infraestructura privada y la sociedad pierde cualquier posibilidad de acceder a él o auditar su uso. Preservar no consiste en sustituir un objeto público por un dato secreto.

La ley no cabe en una trituradora

La resolución estadounidense sobre Anthropic no establece una regla universal. El “fair use” es una figura propia del derecho de Estados Unidos y exige valorar cada caso. El juez Alsup entendió que el entrenamiento transformaba suficientemente las obras adquiridas de forma legal, pero fue tajante con las descargas piratas. La procedencia del material, lejos de ser un detalle, puede decidir el litigio.

En España, el artículo 67 del Real Decreto-ley 24/2021 permite determinadas reproducciones de obras obtenidas legítimamente para realizar minería de textos y datos. También reconoce a los titulares la posibilidad de reservar expresamente esos usos mediante medios adecuados para la lectura automática. La excepción existe, pero no es una llave maestra que abra cualquier biblioteca ni una amnistía general para toda forma de entrenamiento comercial.

A esto se suma la diferencia entre propiedad material y propiedad intelectual. El dueño de un volumen puede venderlo, regalarlo o, en términos generales, destruirlo, salvo que pesen sobre él protecciones patrimoniales específicas. Pero esa propiedad física no concede por sí sola libertad para explotar la obra de cualquier manera. El libro tiene dos vidas jurídicas: la del objeto y la del contenido protegido. La trituradora solo entiende la primera.

La tecnología ha avanzado más deprisa que los acuerdos de licencia, los registros de oposición y los mecanismos de compensación. El resultado es un territorio legal irregular en el que cada empresa intenta colocar sus máquinas justo donde la norma parece más blanda. No es necesariamente ilegal. Tampoco es una muestra deslumbrante de civismo corporativo.

Cuando la biblioteca termina dentro de una caja negra

El problema de fondo supera la destrucción física. Una empresa puede convertir miles de libros inaccesibles en datos y utilizar ese conocimiento para ofrecer respuestas de pago sin revelar qué obras consultó, cómo las ponderó o qué errores introdujo durante el proceso. La cultura pasa entonces del estante común a una caja negra privada.

Un modelo no conserva los libros como una biblioteca convencional ni recupera siempre una página exacta cuando responde. Aprende patrones estadísticos y relaciones entre fragmentos. Aun así, diversos estudios han demostrado que ciertos sistemas pueden memorizar y reproducir partes sustanciales de algunas obras, mientras que en otros casos mezclan, resumen o inventan. La frontera entre aprendizaje, memoria y copia sigue siendo técnica y jurídicamente incómoda.

Hay una salida razonable entre prohibir toda innovación y entregar el patrimonio al mejor postor. La digitalización puede realizarse sin destruir ejemplares escasos, depositando copias en archivos públicos, informando sobre los usos del material y remunerando a autores y editores cuando corresponda. También sería posible identificar previamente qué títulos cuentan con suficientes copias y cuáles merecen protección por su rareza. No hace falta declarar la guerra a los algoritmos; basta con no confundir progreso e impunidad.

El progreso también necesita memoria

La inteligencia artificial promete organizar y acercar una cantidad de conocimiento que ningún ser humano podría leer durante una vida. Esa posibilidad merece atención, inversión y cierta generosidad intelectual. Pero una herramienta creada para ampliar el acceso a la cultura pierde parte de su legitimidad cuando destruye las fuentes, oculta los archivos y concentra el resultado en manos de unas pocas compañías.

La escena tiene un sarcasmo difícil de mejorar: algunas de las máquinas más sofisticadas de la historia necesitan aprender de libros que después dejan inservibles. El futuro entra en el almacén con escáneres industriales y sale por la puerta trasera convertido en pasta de papel. Muy eficiente. No necesariamente inteligente.

Los libros no son sagrados por estar impresos ni deben conservarse todos como reliquias. Se deterioran, ocupan espacio y pueden digitalizarse con enorme provecho. La cuestión es otra: quién decide qué se destruye, quién conserva la copia y quién podrá consultar mañana aquello que hoy pertenecía a la circulación cultural común. Una sociedad democrática no debería delegar esas respuestas en un algoritmo de compras ni en el secreto comercial de una empresa tecnológica.