Amazon construyó un imperio vendiendo libros. Hoy los compra en masa y los destruye solo para entrenar a su IA

Comprar enormes cantidades de libros, incluyendo algunos tomos raros, y escanearlos -destruyéndolos en el proceso- para entrenar a la IA. Sería chocante si lo hiciera Google o Apple, pero cuando lo hace Amazon es, si se puede, todavía más aberrante, toda vez que los libros -libros físicos vendidos por millones en su página web- son la piedra angular sobre la que se construyó el imperio de Jeff Bezos.

Pero es así: Amazon está comprando grandes cantidades de libros, escaneándolos para digitalizarlos y entrenar con ellos a su IA y, como decíamos, destruyéndolos en el proceso. La revelación la hizo 404 Media, que instaló un dispositivo de rastreo -un simple AirTag- en un libro raro que la empresa de Seattle adquirió y movió después por todo el país hasta su destino final, en una bodega industrial de Las Vegas.

Amazon no está sola. Como lo recordó Inc.com, en su momento Anthropic compró millones de libros impresos, cortó sus encuadernaciones, los escaneó y desechó los originales para construir su masiva biblioteca digital de investigación como parte de una iniciativa llamada “Proyecto Panamá”.

Un informe de ese medio relata: “Libreros en varios países han informado de pedidos inusualmente grandes de títulos antiguos aparentemente no relacionados por parte de compradores opacos. Los libreros australianos han identificado al vendedor canadiense de segunda mano Zoom Books como el comprador detrás de algunos de esos pedidos, aunque no hay pruebas públicas de que esos libros estuvieran destinados finalmente a empresas de IA”.

El rastreo de 404 Media permitió documentar cómo la empresa de Bezos traslada estos textos por diversos puntos geográficos antes de su destrucción física. De este modo, se evidencia una estrategia corporativa que desprecia por completo el derecho de autor y que prioriza el aprendizaje automático sobre la preservación del material bibliográfico original. Los pedidos se remontan, al menos, a 2024.

¿Libros para entrenar a la IA?

Amazon utiliza un proceso sistemático de adquisición, digitalización destructiva y procesamiento de datos para alimentar sus modelos de inteligencia artificial. Primero compra grandes cantidades de libros físicos, incluidos textos antiguos o de circulación limitada, a través de canales comerciales y mercados de libros usados como Biblio, en los que los compradores pueden ocultar su identidad.

Al recibir los cargamentos, los empleados registran los códigos de barras o números ISBN de cada libro. Esta práctica refuerza la sospecha de los libreros de que las empresas tecnológicas buscan escanear de manera metódica todos los libros del planeta siguiendo la lista de sus números de registro.

El proceso de digitalización ocurre en un área específica de un almacén de Amazon en Las Vegas (identificada como LAS8 o VGT3), donde una máquina industrial corta con una guillotina los lomos de los libros para poderlos pasar, hoja por hoja, por un escáner de alta velocidad.

En un hecho que se lee distinto después de conocer el proceso, el logotipo oficial de VGT3 es un tiranosaurio rex sosteniendo un libro que está a punto de devorar. A un lado del libro hay unos triángulos blancos que, en retrospectiva, lucen como trozos de papel despedazado.

“Un montón de palabras”

Parte central de la crítica es que para Amazon estos libros no resultan de interés por su valor histórico, intelectual o sentimental, sino, simplemente, como un conjunto de palabras consecutivas que puede ser útil como datos de entrenamiento para desarrollar y perfeccionar los modelos de inteligencia artificial de frontera.

En el reporte de 404 Media, un librero con conocimiento del fenómeno dijo: “Hay diferentes tipos de valor. Hay valor monetario, obviamente, pero hay muchos otros tipos: hay valor histórico, valor intelectual, valor sentimental... Todo ese tipo de cosas no les importan a las empresas de IA. Solo quieren el contenido como un montón de palabras enlazadas”.

Los libros raros, en particular, son especialmente codiciados porque ofrecen contenido que no se encuentra digitalizado en internet. Es bien sabido que los textos publicados antes de 2022 son considerados como contenido “real” porque garantizan estar libres de texto generado por inteligencia artificial.

El problema para Amazon, y todas las empresas de IA generativa, es que escanear libros escritos, al menos en parte, con IA, los expone al fenómeno conocido como "colapso del modelo". Ese nombre técnico se refiere a la degradación de calidad que ocurre cuando una IA se entrena usando textos producidos por otras IA, ya que al alimentar a la IA con su propio contenido de manera repetida, el sistema se corrompe.

Se puede hacer sin destruirlos

Un dato final: el escaneo destructivo no es la única opción para digitalizar libros físicos, es simplemente que a las empresas les resulta más rápido -y, concebiblemente, más barato- hacerlo así.

En empresas como RecordsUSA se usan escáneres de cama plana, que ofrecen un método seguro y fiable para digitalizar libros frágiles, al proporcionar una superficie estable y plana que minimiza el manejo y evita el estrés en encuadernaciones o páginas frágiles. Este enfoque garantiza la preservación y accesibilidad, haciendo que el escaneo de plataforma sea una opción fiable para libros delicados.

En su sitio web se lee: “Los libros frágiles se colocan cuidadosamente en el escáner, abiertos solo tanto como su encuadernación lo permita. Soportes como cuñas o cuñas acolchadas aseguran la postura natural del libro, mientras que las hojas acrílicas pulidas pueden usarse ligeramente para proteger las páginas durante el escaneo. Este enfoque suave evita una tensión innecesaria en el lomo o daños en las páginas”.

El impacto de esta práctica en el mercado de libros, especialmente en el sector de libros raros, usados y antiguos, es profundo y abarca dimensiones económicas, éticas y culturales. Aunque, en apariencia, la compra de grandes colecciones parece positiva para los libreros, toda vez que representa beneficio económico inmediato, plantea una seria encrucijada moral para quienes dedican sus vidas a buscar, catalogar y preservar libros que pueden terminar siendo destruidos sistemáticamente en instalaciones de digitalización.

Pero se engaña quien imagine a Amazon o a otras compañías rastreando primeras ediciones de gran valor de clásicos célebres. No, en su lugar, apuntan a libros antiguos de bajo valor monetario, textos que nunca fueron ampliamente distribuidos o libros que jamás fueron traducidos de idiomas poco comunes. Eso sí, suelen exigir que tengan códigos de barras o números ISBN.

La razón es simple: se trata de contenido que aún no ha sido digitalizado, que está libre de "impurezas" y que todavía no ha sido absorbido por la hambrienta maquinaria devorado de información que alimenta a la IA.

Imágenes | Xataka México con Gemini