Escuchar este artículo
Preparando audio…
Una compra de 70 libros usados no suele alterar el mercado editorial. Miles de pedidos semejantes, dirigidos a títulos aparentemente inconexos y enviados a pocos compradores, sí pueden hacerlo. Durante 2026, libreros de Estados Unidos y Europa han descrito encargos inusuales de manuales técnicos, obras agotadas, libros académicos y volúmenes publicados décadas antes de que ChatGPT pusiera la inteligencia artificial generativa al alcance de millones de personas.
La explicación que circula con más fuerza es que empresas de IA, o intermediarios que trabajan para ellas, están buscando papel para convertirlo en datos. La investigación más reciente sobre esas compras confirma que hay movimientos atípicos y que corredores de datos ofrecen adquisición masiva para laboratorios. No demuestra, sin embargo, quién está detrás de cada pedido ni que la mayoría de los ejemplares sean raros. Esa cautela importa: una operación histórica de Anthropic sí está documentada; atribuirle toda la demanda actual todavía sería especulación.
El episodio abre una ventana a una disputa más grande. Los modelos necesitan cantidades enormes de lenguaje humano, pero la parte más accesible de internet está cada vez más contaminada por texto producido o reescrito por las propias máquinas. Los libros vuelven entonces al centro de la carrera: son largos, coherentes, editados, ricos en conocimiento especializado y, si fueron impresos antes de 2022, casi con seguridad escritos por personas. También están protegidos por derechos, pertenecen a catálogos fragmentados y, en muchos casos, no existen en un formato digital limpio.
Qué significa realmente “entrenar” con un libro
Un modelo de lenguaje no lee como una persona ni conserva necesariamente una biblioteca ordenada detrás de la pantalla. Durante el preentrenamiento, el texto se divide en tokens, unidades que pueden ser palabras, fragmentos de palabras o signos. El sistema ajusta miles de millones de parámetros para predecir qué token es probable que siga a otro dentro de muchos contextos. El resultado es una red estadística capaz de generar lenguaje, resumir, traducir, programar o responder preguntas.
Esa explicación no significa que los libros desaparezcan sin dejar rastro. Un modelo puede memorizar pasajes, sobre todo cuando una obra aparece repetida, cuando el conjunto es pequeño o cuando se fuerza al sistema con instrucciones diseñadas para extraer texto. Tampoco elimina las copias intermedias: para limpiar, deduplicar, convertir y alimentar una obra al sistema, el desarrollador suele reproducirla en servidores. El debate jurídico se concentra tanto en esas copias como en la posibilidad de que las respuestas sustituyan el mercado de la obra original.
Hay que distinguir además tres usos que suelen mezclarse. El preentrenamiento construye capacidades generales a partir de un corpus enorme. El ajuste fino modifica un modelo ya entrenado con una colección más pequeña y orientada a una tarea o estilo. La generación aumentada por recuperación, conocida como RAG, busca documentos en el momento de la consulta y entrega fragmentos al modelo para que formule una respuesta. Un editor puede aceptar RAG con citas y acceso controlado, pero rechazar que su catálogo se incorpore permanentemente al entrenamiento.
La diferencia también cambia el valor económico. En preentrenamiento, un libro compite con billones de tokens y su contribución individual es difícil de medir. En RAG, el sistema puede registrar qué capítulo recuperó para responder, cuántas veces lo consultó y si envió tráfico o ingresos al titular. Por eso los acuerdos más recientes empiezan a tratar cada modalidad como un derecho separado, con límites sobre almacenamiento, actualización, extracción de texto y creación de productos derivados.
Por qué el libro vale más que otra página web
La web abierta dio escala a la primera generación de grandes modelos. Common Crawl reúne desde 2008 copias de miles de millones de páginas y fue la fuente principal del corpus filtrado de GPT-3. Pero tamaño no equivale a calidad. La web contiene duplicados, anuncios, páginas optimizadas para buscadores, errores, discusiones fragmentarias y una representación desigual de países, profesiones e idiomas. Los filtros eliminan parte del ruido, aunque también pueden borrar dialectos, comunidades pequeñas y formas de expresión que no se parecen al inglés institucional.
Un libro comercial atraviesa, en distinta medida, investigación, escritura, edición, corrección, diseño y catalogación. Desarrolla argumentos a lo largo de cientos de páginas, mantiene personajes y referencias distantes, ofrece vocabulario especializado y organiza hechos dentro de una estructura. Para un modelo, esas propiedades son útiles no solo para aprender datos, sino para reconocer relaciones de largo alcance y producir prosa más consistente.
Los libros antiguos aportan otra ventaja: procedencia temporal. Todo volumen publicado antes del auge generativo es una reserva de texto humano que no pudo haber sido fabricado por ChatGPT o sus competidores. Esa condición se ha vuelto valiosa porque el internet contemporáneo mezcla cada vez más reseñas, respuestas, artículos y comentarios sintéticos con contenido original. La etiqueta “pre-2022” funciona así como una aproximación imperfecta, pero práctica, a la autenticidad humana.
La amenaza de que los modelos se alimenten de sus propios residuos no debe exagerarse como una condena automática. Un estudio publicado en Nature mostró degradación cuando generaciones sucesivas reemplazan datos reales por datos generados. Otros trabajos indican que mezclar material sintético cuidadosamente diseñado con datos humanos preservados puede ser útil. La lección no es que todo texto artificial sea tóxico, sino que la procedencia, la proporción y el control de calidad importan.
De corpus académicos a bibliotecas piratas
Los libros acompañan a los modelos modernos desde antes de los asistentes conversacionales. BookCorpus, creado para investigación en 2015, reunió miles de novelas autoeditadas tomadas de Smashwords. Modelos influyentes como GPT y BERT lo utilizaron o se apoyaron en conjuntos semejantes. La atención sobre licencias era limitada y la industria tecnológica trataba grandes colecciones de internet como materia prima disponible para experimentación.
En 2020, el artículo técnico de GPT-3 reveló una mezcla dominada por Common Crawl, WebText, Wikipedia y dos corpus llamados Books1 y Books2. OpenAI no publicó la lista de títulos. Esa opacidad marcó el problema que persiste: investigadores externos pueden observar el rendimiento de un modelo, pero con frecuencia no pueden auditar qué obras, ediciones o copias contribuyeron a producirlo.
Books3 llevó el conflicto a otra escala. El conjunto fue creado como parte de The Pile para que investigadores y desarrolladores pequeños pudieran competir con laboratorios que ya poseían enormes bibliotecas privadas. Reunió cerca de 200,000 libros obtenidos de una colección pirata. Meta declaró que Books3 y Project Gutenberg aportaron parte del entrenamiento del primer Llama; otros desarrolladores también lo usaron. Creative Commons ha estudiado el caso como punto de partida para construir un repositorio legal, diverso y abierto.
Las “bibliotecas sombra” como Library Genesis, Z-Library, Bibliotik o Pirate Library Mirror resolvían un problema operativo para los laboratorios: millones de archivos ya digitalizados, normalizados y agrupados. Lo resolvían trasladando el costo a autores y editoriales cuyos libros habían sido copiados sin autorización. Cuando expedientes judiciales empezaron a revelar correos, decisiones internas y descargas, la discusión dejó de ser una abstracción técnica.
Project Panama y la separación entre comprar y copiar
El caso mejor documentado es el de Anthropic. Expedientes de Bartz v. Anthropic mostraron que la empresa había descargado millones de libros desde fuentes piratas para formar una biblioteca central. Después puso en marcha una operación distinta, conocida internamente como Project Panama: compró millones de ejemplares nuevos y usados, cortó sus lomos, escaneó las páginas y destruyó el papel después de obtener una copia digital interna.
El nombre del proyecto no guarda relación conocida con la República de Panamá. Fue una designación interna. La operación reclutó experiencia procedente de la digitalización masiva de Google Books y recurrió a proveedores de libros y equipos industriales. El método destructivo reduce costos y acelera el escaneo porque permite introducir hojas sueltas en alimentadores de alta velocidad; también impide que el ejemplar regrese al mercado o a una biblioteca.
En junio de 2025, el juez William Alsup trazó una línea que todavía organiza el debate. Consideró transformador el uso de libros para entrenar los modelos y aceptó la conversión de ejemplares comprados a copias digitales internas cuando cada libro físico era destruido y no se redistribuía el archivo. Pero no concedió esa protección a la biblioteca formada con millones de descargas piratas. El propósito posterior de entrenar no borraba la forma ilícita de adquisición.
Comprar un libro concede propiedad sobre ese objeto: permite leerlo, prestarlo o revenderlo dentro de los límites de la ley. No transfiere automáticamente el derecho de reproducción sobre el texto. La decisión de Alsup no creó una regla universal según la cual cualquier compañía pueda comprar, escanear y destruir libros para cualquier fin. Aplicó el régimen estadounidense de uso justo a hechos concretos, con una copia interna que reemplazaba al ejemplar adquirido y una finalidad que el tribunal consideró distinta de la lectura.
Un acuerdo de 1,500 millones de dólares que no cerró el debate
La parte relativa a los libros pirateados llevó a Anthropic a un acuerdo colectivo de al menos 1,500 millones de dólares. El arreglo cubre aproximadamente medio millón de obras y calcula cerca de 3,000 dólares por título antes de la distribución entre titulares y otros ajustes. En julio de 2026, un tribunal otorgó la aprobación definitiva. Es la mayor resolución económica conocida en un caso estadounidense de derechos de autor.
El acuerdo no equivale a una sentencia que declare ilegal todo entrenamiento de IA. Anthropic no admitió responsabilidad y el fallo previo favoreció su argumento de uso justo para el entrenamiento. La compensación responde al riesgo creado por la biblioteca pirata y evita un juicio sobre daños potencialmente mayores. Tampoco concede permiso para obras futuras ni resuelve todas las reclamaciones de titulares que quedaron fuera. El portal oficial del acuerdo conserva la información sobre elegibilidad y administración.
La aparente contradicción —entrenar puede ser transformador, pero formar la colección puede infringir— es precisamente el mensaje. Un sistema de IA atraviesa varias etapas jurídicamente separables: obtener una copia, almacenarla, limpiarla, entrenar, conservar el corpus, distribuir un modelo y generar una respuesta. Una defensa válida para una etapa no protege necesariamente las demás.
La resolución también explica el nuevo interés por libros físicos. Si un laboratorio reduce su exposición comprando ejemplares en vez de descargar archivos piratas, el costo logístico puede ser razonable frente al precio de una demanda o de reconstruir un modelo. El incentivo es más fuerte para obras agotadas, manuales antiguos y textos que no se ofrecen mediante licencias digitales masivas.
La distinción esencial
Acceso físico: poseer un ejemplar no transfiere todos los derechos sobre la obra. Copia digital: escanear implica una reproducción que necesita autorización o una excepción aplicable. Entrenamiento: su legalidad depende de jurisdicción, finalidad, origen de los datos, controles y efecto sobre el mercado. Salida: una respuesta que reproduce o sustituye una obra puede plantear un problema diferente al entrenamiento.
Meta ganó un caso limitado, no una inmunidad general
Un día después del fallo de Anthropic, otro juez de California concedió a Meta una victoria frente a 13 autores. En Kadrey v. Meta, el tribunal entendió que los demandantes no habían presentado evidencia suficiente de daño al mercado. Rechazó que la mera pérdida de una posible licencia de entrenamiento decidiera el caso y observó que Llama no permitía leer porciones significativas de los libros en cuestión.
La orden fue deliberadamente estrecha. El juez Vince Chhabria escribió que no declaraba legal el uso de todas las obras protegidas para entrenar modelos. Señaló que un argumento sobre inundación del mercado con obras similares podía ser más fuerte, pero esos demandantes no lo habían desarrollado con pruebas. El fallo afectó a esos autores y a ese expediente, no a los incontables titulares cuyas obras pudieron estar en los conjuntos de Meta.
La diferencia entre los casos demuestra por qué la expresión “los tribunales dijeron que entrenar es uso justo” resulta incompleta. El uso justo estadounidense sopesa cuatro factores: propósito y carácter, naturaleza de la obra, cantidad copiada y efecto sobre el mercado. No existe una licencia automática llamada “IA”. La Oficina de Derechos de Autor de Estados Unidos recuerda que el análisis siempre depende de las circunstancias.
Otros litigios mantienen abiertas preguntas distintas. Autores y medios demandaron a OpenAI por sus conjuntos y por resultados que presuntamente reproducen material. En 2026, Hachette, Cengage, Elsevier y el escritor Scott Turow demandaron a Google por el entrenamiento de Gemini. Elsevier, Cengage, Hachette, Macmillan y McGraw Hill, junto con Turow, abrieron otro frente contra Meta. Las acusaciones deberán probarse; por ahora son reclamaciones, no hechos judicialmente establecidos.
La posición de la autoridad estadounidense
En mayo de 2025, la Oficina de Derechos de Autor publicó la versión previa de la tercera parte de su informe sobre IA. Su conclusión evita los extremos. Algunos usos para investigación o análisis, sin resultados que reproduzcan las obras, probablemente serán justos. En el otro extremo, copiar obras expresivas desde fuentes piratas para generar contenido comercial que compite con ellas, cuando hay licencias razonables, probablemente no lo será.
El informe oficial considera que el marco existente puede responder, aunque reconoce una escala sin precedentes. Destaca dos variables: el grado de transformación y el daño al mercado. Ese daño no se limita a que un chatbot recite una novela. Puede incluir la dilución de la demanda si miles de obras sintéticas compiten por la atención, las ventas y los espacios de recomendación ocupados antes por escritores humanos.
Una investigación de 2026 sobre 14,419 libros de ficción autoeditada encontró que los títulos con proporciones sustanciales de texto detectado como artificial representan una parte creciente del catálogo y alcanzan escala comercial, aunque concentran menos ventas que los libros sin ese patrón. El estudio, todavía sujeto a evaluación académica, aporta evidencia a una pregunta que los primeros demandantes de Meta no lograron documentar: la competencia puede operar por volumen incluso cuando cada producto sintético vende poco.
La Oficina recomendó dejar que el mercado voluntario de licencias continúe desarrollándose antes de crear una intervención general. Si aparecen fallas persistentes, plantea considerar licencias colectivas ampliadas. Su posición no satisface por completo a ninguna parte: los creadores temen que esperar consolide usos ya realizados, mientras los desarrolladores advierten que negociar obra por obra haría inviable el entrenamiento para universidades y empresas pequeñas.
Del “tomar primero” a un mercado de licencias
La industria editorial no parte de cero. Editores científicos y académicos llevan años otorgando licencias para minería de textos, análisis farmacéutico, búsqueda y sistemas de descubrimiento. Desde 2023 comenzaron acuerdos específicamente destinados a modelos generativos. La diferencia es el alcance: un laboratorio puede querer catálogos completos, múltiples idiomas, actualizaciones periódicas y derechos para crear productos cuyos usos futuros todavía no están definidos.
Un informe de la Publishers Association del Reino Unido, publicado en marzo de 2026, describe un mercado establecido y en expansión. Sostiene que el número de editoriales activas podría casi duplicarse durante el año y que RAG se ha convertido en una parte relevante del negocio. PLS, ALCS y CLA desarrollan una licencia colectiva en la que cada titular puede adherirse para entrenamiento o RAG.
La licencia colectiva reduce un problema de costos de transacción. Un modelo necesita millones de obras; un autor individual no puede negociar con cada laboratorio, y un laboratorio pequeño no puede localizar a cada titular. Una entidad agregadora puede identificar repertorios, fijar condiciones, cobrar y distribuir. El reto es decidir quién recibe cuánto: el autor, el editor, el traductor, el ilustrador o quienes poseen derechos territoriales diferentes.
También importa la cadena contractual. Muchos contratos editoriales antiguos no mencionan IA. Una cláusula amplia sobre derechos digitales no necesariamente concede entrenamiento, y la respuesta depende del texto y la jurisdicción. La Authors Guild actualizó en 2026 sus cláusulas modelo para exigir una concesión expresa, aprobación del autor y límites al uso de manuscritos en plataformas que entrenan con lo cargado.
Un mercado legítimo necesita algo más que un precio. Debe precisar si el archivo se conserva, si puede mezclarse con otras fuentes, si el modelo puede imitar estilos, si se permite extraer fragmentos, cómo se audita el cumplimiento, qué ocurre con una nueva edición y si los datos pueden transferirse cuando una empresa es adquirida. Sin esas respuestas, una “licencia de IA” corre el riesgo de convertirse en una cesión indefinida.
Las bibliotecas ofrecen una ruta legal, con límites
El dominio público es la reserva más clara. Project Gutenberg distribuye decenas de miles de libros cuyo texto carece de restricciones de copyright en Estados Unidos, aunque su licencia distingue el contenido de la marca y de otros materiales añadidos. El catálogo es valioso, pero está inclinado hacia obras antiguas, lenguas con mayor tradición de digitalización y asuntos cuyo derecho ya expiró.
En 2025, la Institutional Data Initiative de Harvard abrió Institutional Books 1.0: cerca de un millón de volúmenes de dominio público, 394 millones de páginas y unos 242,000 millones de tokens en 254 idiomas. Los libros procedían de colecciones digitalizadas con Google desde 2006. OpenAI y Microsoft apoyaron la iniciativa con aportes sin restricciones, mientras los datos se pusieron a disposición de investigadores y no de una sola compañía.
El proyecto muestra una alternativa a las bibliotecas sombra. Conserva procedencia institucional, metadatos y acceso común. También financia digitalización que las bibliotecas deseaban realizar por razones de preservación. La cobertura del lanzamiento subrayó su diversidad lingüística: menos de la mitad de los volúmenes está en inglés, aunque las lenguas europeas siguen dominando.
El dominio público no elimina los sesgos. Un corpus concentrado en el siglo XIX contiene teorías científicas superadas, lenguaje racista, perspectivas coloniales y ausencias estructurales. Entrenar no equivale a aceptar esas ideas, pero un modelo aprende asociaciones de frecuencia y estilo. La curaduría necesita identificar época, región, género y contexto para que una colección antigua no se presente como retrato neutral del presente.
Para América Latina, esa dimensión es crucial. Mucha producción histórica permanece sin digitalizar, con metadatos incompletos o sujeta a instituciones con poco presupuesto. Si solo los catálogos del norte global se convierten en datos utilizables, los modelos responderán con mayor profundidad sobre esas sociedades y con aproximaciones más pobres sobre Panamá, el Caribe y Centroamérica.
El riesgo cultural de destruir para digitalizar
El escaneo destructivo no es nuevo. Bibliotecas, archivos y empresas lo emplean con materiales duplicados o de bajo valor cuando el costo de preservar la encuadernación supera su utilidad. El problema surge cuando la demanda se mueve más rápido que la evaluación bibliográfica. Un manual aparentemente obsoleto puede ser una fuente única sobre historia tecnológica; una edición local puede contener prólogos, traducciones o anotaciones ausentes de otras copias.
Los reportes de 2026 no prueban una desaparición masiva de incunables ni de primeras ediciones. Los libreros consultados describieron principalmente no ficción de las décadas de 1970 a 1990, a veces más costosa de enviar que de comprar. Pero “sin alto valor de reventa” no significa “sin valor cultural”. La preservación funciona precisamente porque alguna institución conserva materiales antes de que el mercado descubra que eran importantes.
Una operación responsable debería verificar cuántas copias existen, ofrecer primero el ejemplar a bibliotecas, conservar ediciones escasas y publicar metadatos de lo digitalizado. El escaneo no destructivo es más lento y caro, pero permite devolver el volumen a circulación. La industria también puede comprar servicios de digitalización sin ocultar al cliente final y financiar repositorios abiertos cuando el derecho lo permita.
La opacidad complica todo. Los intermediarios protegen la identidad de sus compradores y los laboratorios consideran sus mezclas de datos un secreto competitivo. Sin un inventario, autores no pueden saber si deben reclamar, investigadores no pueden medir sesgos y usuarios no pueden evaluar por qué un modelo conoce ciertas obras e ignora otras. La procedencia deja de ser un detalle documental y se convierte en infraestructura de confianza.
Europa exige transparencia, pero no una lista obra por obra
La Unión Europea eligió una vía regulatoria. El Reglamento de IA obliga a proveedores de modelos de propósito general que entran al mercado europeo a adoptar una política de cumplimiento del derecho de autor y a respetar las reservas de derechos expresadas bajo las reglas europeas de minería de textos y datos. También exige una síntesis suficientemente detallada del contenido usado en el entrenamiento.
El Reglamento europeo busca una visión general, no un catálogo técnico de cada libro. Los proveedores pueden proteger secretos comerciales, pero deben identificar grandes conjuntos, archivos y fuentes. La Oficina de IA supervisa que exista la política y el resumen; no certifica obra por obra que todas las copias sean legales. Los titulares todavía deben ejercer sus derechos ante autoridades y tribunales.
El sistema europeo tampoco resuelve con facilidad el opt-out. Un autor puede reservar derechos en su sitio, pero una copia pirata puede circular sin esa señal. Un editor puede controlar una plataforma y no otra. El informe estadounidense advirtió que obligar a repetir la exclusión empresa por empresa sería oneroso, mientras que confiar solo en robots.txt deja desprotegido a quien no controla el servidor donde apareció su obra.
Qué significa para Panamá
Panamá protege las obras literarias mediante la Ley 64 de 10 de octubre de 2012 sobre Derecho de Autor y Derechos Conexos y participa en tratados internacionales. Esa norma antecede a los modelos generativos contemporáneos y no establece un régimen específico para el entrenamiento de IA de propósito general. Las decisiones de California no se trasladan automáticamente al derecho panameño.
Para una editorial, universidad, biblioteca o medio panameño, el primer paso no debería ser asumir que todo uso está permitido o prohibido. Debe inventariar derechos: quién controla la edición, el texto, la traducción, las imágenes, la base de datos y cada territorio. Después puede separar digitalización para preservación, búsqueda interna, RAG, ajuste fino y preentrenamiento comercial. Son actividades técnica y jurídicamente distintas.
Los contratos nuevos necesitan lenguaje explícito. Si una editorial negocia con una empresa de IA, el autor debe saber qué modelo recibirá la obra, durante cuánto tiempo, con qué controles, si habrá atribución y cómo se repartirá el ingreso. Si una biblioteca participa en un corpus público, debe documentar el estatus jurídico y evitar entregar conocimientos tradicionales o materiales sensibles como si fueran simples datos sin comunidad de origen.
También existe una oportunidad económica. Un corpus autorizado de legislación, historia, literatura, ciencia, comercio y español panameño puede mejorar asistentes especializados para educación, turismo, logística y servicios públicos. El valor no está solo en acumular PDFs, sino en la calidad de metadatos, la actualización, la cobertura local y la capacidad de citar la fuente. Ese activo podría administrarse mediante consorcios de universidades, editoriales, archivos y autores.
Cuatro futuros posibles para el mercado del conocimiento
El primer escenario es la consolidación: solo las empresas más grandes pueden pagar licencias, cómputo y litigios. Sus modelos mejoran con catálogos cerrados mientras universidades y startups dependen de dominio público o de sistemas ajenos. El derecho protege a titulares, pero el costo de transacción refuerza a quienes ya poseen capital y datos.
El segundo es un mercado colectivo amplio. Entidades de gestión agregan repertorios, ofrecen tarifas según tamaño y uso, registran consultas y distribuyen ingresos. Los modelos abiertos reciben condiciones de investigación y los productos comerciales pagan más. Para funcionar, el sistema necesita identificadores confiables, auditorías y una fórmula que no deje toda la remuneración en manos de intermediarios.
El tercero es una arquitectura menos dependiente de absorber obras completas. Modelos base más pequeños se combinan con RAG, bases autorizadas y herramientas que consultan información al momento. Esta vía facilita actualizar, citar y retirar contenido, aunque no elimina el entrenamiento inicial ni resuelve todos los riesgos de reproducción. Puede trasladar valor desde la posesión secreta de datos hacia el acceso verificable.
El cuarto es una fragmentación regulatoria. Una misma empresa entrena en un país, despliega en otro y enfrenta obligaciones distintas en Europa, Estados Unidos, Asia y América Latina. Los modelos podrían variar por región o excluir funciones para reducir riesgo. Autores y editores tendrían que hacer valer derechos en múltiples jurisdicciones, una carga especialmente dura para mercados pequeños.
Lo más probable es una combinación. Habrá dominio público y datos sintéticos, licencias directas para catálogos valiosos, acuerdos colectivos para repertorios fragmentados y litigios sobre las copias antiguas. Los desarrolladores conservarán incentivos para buscar libros que nadie digitalizó; los custodios exigirán preservación, atribución y acceso público a cambio.
La pregunta ya no es si la IA necesita libros
Los libros no son un combustible intercambiable. Cada uno concentra trabajo humano, decisiones editoriales, referencias y una posición dentro de una cultura. Convertirlo en tokens puede producir herramientas útiles, desde traducción hasta descubrimientos científicos, pero también puede ocultar su origen y devolver el valor económico a una plataforma que nunca identificó a quienes construyeron el conocimiento.
La fase inicial de la IA generativa se sostuvo en una idea conveniente: que lo accesible en internet podía incorporarse primero y discutirse después. Las demandas, el acuerdo de Anthropic, las nuevas acciones de las editoriales y el crecimiento de licencias muestran que esa etapa está terminando. La procedencia de los datos empieza a influir en el valor de una empresa, la viabilidad de un modelo y la confianza del público.
La carrera por libros usados es el síntoma visible de esa transición. Puede incluir pedidos legítimos de materiales destinados al descarte, operaciones de digitalización útiles y compradores que nada tienen que ver con IA. También revela una demanda real por texto humano limpio que ninguna cantidad de contenido sintético puede reemplazar sin costo. La respuesta sostenible no es fingir que los libros carecen de dueño ni cerrar el conocimiento detrás de contratos inaccesibles.
El futuro dependerá de construir un puente entre acceso y remuneración: bibliotecas públicas digitalizadas con trazabilidad, licencias que distingan usos, cláusulas comprensibles para autores, auditorías de conjuntos, preservación de ejemplares escasos y modelos capaces de citar lo que consultan. La inteligencia artificial necesita nuevos libros. La cuestión decisiva es si aprenderá de ellos dentro de un sistema que también permita seguir escribiéndolos.