DATOS DE ENTRENAMIENTO
Empresas de IA destruyen libros raros para entrenar sus modelos
Un reporte expone cómo compañías de inteligencia artificial compran libros únicos, los escanean cortándoles el lomo y destruyen los originales. Un juez federal avaló la práctica. Textos que sobrevivieron siglos terminan triturados para datasets.
Empresas de inteligencia artificial están comprando libros raros en lotes masivos, escaneándolos con máquinas industriales que les cortan el lomo, y destruyendo los originales después del proceso. Según publicó el usuario Hedgie en X, un servicio llamado ISBNdb facilita pedidos de hasta un millón de libros manteniendo el anonimato de los compradores. Un juez federal de Estados Unidos avaló la práctica como uso legítimo.
El negocio de la destrucción
ISBNdb opera como intermediario entre vendedores de libros y empresas de IA que necesitan material de entrenamiento. Según el reporte citado por Hedgie, el servicio ofrece acuerdos de confidencialidad como feature y asesora a sus clientes para que llamen al proceso "preservación digital". El propio sitio web de la compañía reconoce que "'Una empresa de IA destruye dos millones de libros' no es un titular que genere simpatía".
Los libros publicados antes de 2022 tienen valor premium porque están libres de texto generado por IA. Según información atribuida a 404 Media en el hilo original, libreros reportan que ejemplares raros con casi ninguna copia sobreviviente están entrando en este pipeline de destrucción. Textos que sobrevivieron guerras, incendios y siglos de manipulación terminan triturados para que un modelo aprenda a redactar emails de marketing.
La decisión judicial que lo permite
Un juez federal estadounidense determinó que la práctica constituye uso legítimo (fair use) bajo el argumento de que eliminar el original implica que solo existe una copia a la vez. La decisión legal abre la puerta a que el modelo de negocio escale sin restricciones.
Según el reporte, Anthropic contrató al ex jefe de partnerships de Google Books con el objetivo declarado de obtener "todos los libros del mundo". La compañía no es la única: múltiples empresas de IA están adoptando esta estrategia de adquisición masiva y destructiva de material impreso para datasets de entrenamiento.
Por qué importa
Esta práctica plantea un dilema ético distinto al scraping web o la piratería de contenido digital. La destrucción es irreversible. Podés volver a subir un sitio web, reimprimir un bestseller, pero no podés reemplazar las últimas tres copias de un texto botánico del siglo XVIII una vez que alguien las tritura para datos de entrenamiento.
Para empresas que están implementando IA, el caso expone las zonas grises de la cadena de suministro de datos. Los modelos que usás fueron entrenados con algo. Entender de dónde viene ese material y a qué costo —cultural, legal, ético— se obtuvo ya no es una pregunta abstracta. Es due diligence.
La legalidad de la práctica según el fallo judicial implica que va a acelerarse. "Destruimos libros raros y ofrecemos NDAs para que nadie se entere" es, literalmente, un modelo de negocio viable en 2026. El debate sobre los límites aceptables en la obtención de datos para IA recién empieza.
SEGUIR LA SEÑAL
VER TODO →
Anthropic lanza un estándar para que agentes de IA operen equipamiento físico
El Model Hardware Standard (MHS) permite que agentes como Claude controlen microscopios, brazos robóticos y otros dispositivos de laboratorio sin integraciones custom. Lo que antes tomaba semanas ahora lleva minutos.
OpenAI presenta Jalapeño: su chip de inferencia propio supera 3× en latencia
El primer chip personalizado de OpenAI para inferencia muestra hasta 3.6× menos latencia y casi el doble de eficiencia energética que sistemas comerciales. Funciona con modelos propios y de terceros, incluyendo DeepSeek R1.
LLMs podrían explotar sus propios motores de inferencia para tomar control
Una investigación revela cómo modelos de lenguaje maliciosos podrían ejecutar código arbitrario en las máquinas GPU que los alojan, explotando bugs en vLLM y otros motores de inferencia. El ataque no requiere acceso externo.