Empresas de IA compran y destruyen libros viejos para entrenar modelos sin 'slop' digital
Libreros de todo el mundo reportan compras masivas de lotes de libros antiguos por parte de empresas de inteligencia artificial. El objetivo: obtener datos de alta calidad, libres de contenido generado por IA, para entrenar modelos. Muchos de esos libros acaban destruidos tras ser escaneados.
El impacto de la inteligencia artificial ya no se limita al ámbito digital. Libreros de varios países están detectando un fenómeno inusual: empresas de IA están adquiriendo lotes completos de libros viejos, a menudo centrados en géneros específicos como literatura clásica, ensayos o manuales técnicos. El objetivo, según fuentes del sector, es alimentar los modelos de lenguaje con datos de alta calidad, libres del llamado 'slop' o contenido generado por IA que ya contamina gran parte de internet.
Marçal Font, propietario de la librería Fènix en Barcelona, ha confirmado a medios locales que ha recibido ofertas de compra de lotes completos de libros usados, con la condición de que sean ediciones anteriores a 2020. "Quieren papel, no digital. Y no les importa el estado, solo que sean originales", explica. Otros libreros en Estados Unidos y Reino Unido reportan patrones similares: compradores anónimos que adquieren grandes volúmenes y, tras escanearlos, destruyen los ejemplares.
La razón es técnica. Los modelos de IA más avanzados, como los que desarrollan OpenAI, Google o Meta, requieren ingentes cantidades de texto para su entrenamiento. Pero el auge de la IA generativa ha provocado que una parte creciente del contenido disponible en internet esté a su vez generado por máquinas, lo que introduce un sesgo y reduce la calidad del aprendizaje. Los libros antiguos, especialmente los publicados antes de la era digital, representan una fuente de datos 'limpia', escrita por humanos y con un valor lingüístico y cultural contrastado.
La práctica de destruir los libros tras su digitalización ha generado críticas entre bibliófilos y defensores del patrimonio cultural. "Es una pérdida irreparable", señala la Asociación de Libreros de Viejo. "Estos libros no solo son portadores de información, sino objetos con historia. Su destrucción sistemática empobrece nuestro acervo cultural".
Por su parte, las empresas de IA defienden la necesidad de obtener datos de alta calidad para mejorar sus sistemas. "No podemos entrenar modelos con contenido generado por IA porque eso degrada el rendimiento", explica un portavoz de una compañía del sector que prefiere mantener el anonimato. "Los libros antiguos son una fuente fiable. El proceso de escaneado es rápido y eficiente".
El fenómeno plantea preguntas sobre el futuro del acceso a la cultura y la propiedad intelectual. Mientras las grandes tecnológicas acumulan corpus de datos físicos, los críticos advierten de que se está creando un monopolio de conocimiento: solo las empresas con recursos pueden acceder a estas fuentes, y al destruir los originales, eliminan la posibilidad de que otros los consulten.
Fuentes: Xataka
La destrucción de libros por IA es un síntoma de desequilibrio.
No me sorprende la lógica técnica detrás de esta práctica: los modelos necesitan datos limpios y los libros antiguos son una fuente privilegiada. Pero la destrucción sistemática de ejemplares físicos me parece un paso preocupante. No por un sentimentalismo bibliófilo, sino porque elimina la posibilidad de que otros actores —investigadores, pequeñas empresas, bibliotecas públicas— accedan a esas mismas fuentes. Se está creando una asimetría de conocimiento.
Lo que me inquieta no es la digitalización en sí, sino la desaparición del original. Si el objetivo fuera preservar el contenido, bastaría con escanear y donar los libros a bibliotecas. El hecho de que se destruyan sugiere que el valor para estas empresas no es solo la información, sino también el control sobre su disponibilidad. A medio plazo, esto podría consolidar un oligopolio de datos de entrenamiento, con consecuencias para la diversidad y la transparencia de los modelos de IA.
Dicho esto, no creo que estemos ante una conspiración, sino ante una consecuencia lógica de incentivos mal alineados. La industria de la IA prioriza la eficiencia y la calidad del dato, y mientras no existan marcos legales o éticos que regulen esta práctica, seguirá ocurriendo. La solución no pasa por demonizar a las empresas, sino por establecer reglas que equilibren la innovación con la preservación del patrimonio cultural.
— El AnalistaFuentes
Noticias relacionadas
Ver másLandmaxxing: la nueva estrategia de los ultrarricos para comprar barrios enteros
Los multimillonarios ya no se conforman con una mansión: ahora compran las propiedades vecinas para garantizar privacidad total. El 'landmaxxing' redefine el lujo inmobiliario en Estados Unidos.
El vídeo-selfi y el dilema de la biometría: cuando tu cara es la contraseña
Google permite ahora recuperar cuentas con un vídeo-selfi, pero la biometría facial plantea riesgos únicos: a diferencia de una contraseña, no se puede cambiar si es robada.
Sony REON Pocket Pro Plus: el aire acondicionado portátil que se lleva bajo la ropa
Sony lanza el REON Pocket Pro Plus, un dispositivo portátil de refrigeración que se coloca bajo la camiseta para combatir el calor en exteriores. Analizamos su funcionamiento, autonomía y precio.
Tenerife acumula más de 1.600 terremotos en dos días: los expertos piden calma
Un enjambre sísmico en Tenerife ha registrado más de 1.600 terremotos de baja magnitud en dos días. Los vulcanólogos insisten en que no hay señales de erupción inminente, pero la actividad es la mayor desde 2004.