Cómo funcionó la investigación
La investigación de 404 Media llegó a su conclusión con un método insólito pero eficaz: se colocó un AirTag dentro de un envío de libros raros y se siguió la caja a lo largo del país.
El envío terminó en un almacén de Amazon en Las Vegas, sede de un equipo llamado VGT3 cuyo logotipo muestra un Tyrannosaurus rex sosteniendo un libro. Los trabajadores cuentan que cortan los lomos de los libros para acelerar el escaneo, destruyendo así los ejemplares. Amazon usa los datos escaneados para entrenar sus modelos Nova. Un portavoz señaló que la empresa compra libros por canales comerciales para mejorar sus productos.
Por qué los libros impresos valen tanto
Los libreros sospechan que las empresas de IA intentan escanear sistemáticamente todos los libros por su número ISBN. Hay dos razones concretas para que los textos impresos resulten tan codiciados:
- Muchos de esos textos no existen en internet, así que no pueden obtenerse rastreando la web.
- Al ser anteriores a 2022, no contienen contenido generado por IA. Como se sabe que entrenar modelos con su propia salida degrada la calidad, el texto humano previo a esa fecha gana valor.
Esas dos propiedades convierten un libro corriente en una estantería en un recurso irreemplazable para el entrenamiento de modelos.
Amazon no está sola
Amazon no es la única empresa con esta práctica. Una demanda de autores de libros reveló la operación de Anthropic llamada "Project Panama": la compañía compraba libros en mercados en línea, cortaba sus lomos y los digitalizaba.
El juez del caso dictaminó que el escaneo constituía uso legítimo y no vulneraba los derechos de autor. Una parte del razonamiento llama la atención: como los originales impresos fueron destruidos, las copias no se reprodujeron ni se revendieron. Es decir, la destrucción del libro contó a favor de la empresa en la valoración jurídica.
El fondo del debate
Lo que hace polémica la práctica no es solo el derecho de autor. Ambas compañías convierten libros a veces raros en material de entrenamiento privado, y lo hacen destruyendo los originales. Desaparecen ejemplares que pueden ser irreemplazables; el conocimiento sale de las estanterías públicas y queda encerrado en el modelo cerrado de una sola corporación.
La asimetría es evidente. Una vez que el libro desaparece físicamente, el acceso a ese texto pasa solo por el producto de la empresa que lo escaneó. La salida del modelo ni cita la fuente ni devuelve el texto. La valoración judicial sobre el uso legítimo puede haber cerrado por ahora la cuestión jurídica, pero queda la del registro cultural: ¿sigue siendo una biblioteca cuando está guardada dentro del modelo que la leyó?