Anna’s Archive, una de las mayores bibliotecas digitales en la sombra del mundo, está pidiendo ayuda a voluntarios para digitalizar y preservar libros físicos antes de que terminen destruidos por compañías vinculadas al desarrollo de inteligencia artificial. La organización asegura que estamos ante una carrera contrarreloj después de conocerse que distintas empresas están comprando enormes cantidades de libros usados para convertirlos en datos de entrenamiento. El procedimiento puede ser especialmente agresivo: se corta el lomo, se separan las páginas, se introducen en escáneres industriales de alta velocidad y, una vez creada la copia digital, el ejemplar físico termina siendo destruido.
La polémica gira alrededor de una aparente contradicción. Mientras las compañías de IA necesitan cada vez más información escrita de calidad, especialmente material publicado antes de la explosión del contenido generado por IA, parte de ese conocimiento podría terminar almacenado exclusivamente en servidores privados a los que únicamente tienen acceso esas empresas. Anna’s Archive sostiene que, si el libro físico desaparece y la copia digital no se hace pública, el conocimiento puede quedar de facto monopolizado. Su propuesta consiste precisamente en hacer lo contrario: movilizar a usuarios de todo el mundo para escanear y preservar libros, especialmente aquellos difíciles de encontrar, descatalogados o con pocas copias disponibles.
Anthropic llegó a comprar, digitalizar y destruir millones de libros físicos para entrenar a Claude
Uno de los casos mejor documentados es el de Anthropic, la compañía detrás del popular chatbot Claude. Documentos judiciales revelaron que la compañía puso en marcha en 2024 el denominado Project Panama. Para ello contrató a Tom Turvey, antiguo responsable de alianzas del proyecto Google Books. Anthropic gastó millones de dólares comprando libros físicos a gran escala y utilizó proveedores capaces de retirar sus encuadernaciones, cortar las páginas y digitalizarlas rápidamente. Después del proceso, los ejemplares impresos eran destruidos mientras sus copias digitales pasaban a formar parte de las bases de datos internas utilizadas por la compañía.
El método destructivo tiene una ventaja fundamental: es mucho más rápido y barato que preservar en el tiempo cada libro físico. Un ejemplar encuadernado requiere cámaras o escáneres específicos que fotografíen las páginas individualmente y compensen su curvatura. Cortando el lomo, en cambio, las hojas pueden introducirse automáticamente en sistemas de alimentación continua. De hecho, el tribunal que analizó el caso de Anthropic señaló que las copias digitales resultantes permanecieron dentro de la compañía y que los ejemplares físicos fueron destruidos tras ser escaneados. Esta conversión de libros adquiridos legalmente a formato digital fue considerado como “uso justo“ en las circunstancias concretas del procedimiento.
Esto debe diferenciarse del otro gran problema legal de Anthropic. En ese caso, los libros fueron comprados, pero hubo otro caso muy sonado donde recurrió millones de libros de bibliotecas piratas para entrenar sus modelos de IA. Fue el pasado mes de julio cuando un juez estadounidense concedió la aprobación definitiva a un acuerdo de 1.500 millones de dólares para resolver las reclamaciones relacionadas con esas copias obtenidas ilícitamente. El tribunal había distinguido previamente entre entrenar una IA utilizando obras y la forma en la que dichas obras fueron adquiridas. Ahora bien, comprar y digitalizar libros físicos recibió un tratamiento jurídico muy diferente a descargar millones de copias pirateadas.
Anna’s Archive quiere preservar los libros antes de que su contenido termine en servidores privados
La preocupación ha aumentado después de detectarse compras masivas y poco habituales de libros de segunda mano. Librerías independientes europeas han recibido pedidos de miles de títulos aparentemente inconexos, incluyendo publicaciones antiguas con poco interés comercial actual. Una librería de Irlanda llegó a recibir un pedido de aproximadamente 5.000 libros. Investigaciones recientes también han identificado intermediarios. Estos ofrecían expresamente libros impresos como fuente de datos para compañías de IA, precisamente porque contienen textos anteriores a la proliferación del denominado AI slop. Tras una investigación de 404 Media, ISBNdb retiró páginas en las que ofrecía este tipo de servicio y negó posteriormente haber comprado o escaneado libros para entrenamiento de IA.
Anna’s Archive considera especialmente valiosos los libros publicados antes de 2022. El motivo es muy simple: contienen material escrito antes de que Internet comenzase a llenarse masivamente de contenido generado por IA. La organización teme que algunas compañías terminen acumulando enormes corpus de texto humano que posteriormente no estarán disponibles públicamente. El problema sería especialmente grave con libros descatalogados, ediciones poco habituales o publicaciones de las que sobrevivan muy pocas copias. Evidentemente, destruir uno de millones de ejemplares impresos de un bestseller no implica que la obra desaparezca. Ahora bien, hacerlo con una publicación extremadamente rara podría tener consecuencias completamente diferentes.
Este movimiento se siente como si la industria de la IA quemara la Biblioteca de Alejandría del siglo XXI. Aunque claro, con unos libros físicos dispersos por el mundo. Se extrae toda la información de ellos, se eliminan, y la información pasa a almacenarse en lo que podríamos decir una nueva Biblioteca de Alejandría. Con la salvedad de que es digital y exclusiva para la compañía de IA que la ha creado.
La entrada La Biblioteca de Alejandría del siglo XXI: millones de libros son digitalizados para la IA antes de ser destruidos aparece primero en El Chapuzas Informático.
