Amazon está adquiriendo miles de libros impresos a través de canales comerciales, escaneando su contenido para entrenar sus modelos de inteligencia artificial y destruyéndolos en el proceso, según reveló una investigación del medio especializado 404 Media.
El reportaje, basado en el seguimiento mediante un localizador GPS oculto dentro de un libro raro, rastreó el recorrido de un envío desde un aeropuerto en California hasta un almacén de Amazon en Las Vegas, Nevada, conocido internamente como LAS8. En la zona norte de ese centro logístico opera un equipo identificado con las siglas VGT3, cuyo logotipo es un dinosaurio tiranosaurio sosteniendo un libro abierto en su boca, símbolo poco habitual dentro de la red de almacenes de la compañía.
Trabajadores de Amazon que han compartido sus experiencias en foros laborales internos describen una operativa centrada casi exclusivamente en la recepción y el escaneo de libros. "Todo lo que hacemos es escanear libros", escribió un empleado. "A algunos les asignan cortar libros y otros se encargan de recibirlos y escanear los códigos de barras". Las publicaciones revelan que la actividad es repetitiva, con empleados dedicados a registrar los ISBN (códigos únicos de identificación de cada libro publicado) antes de proceder al escaneo del contenido, lo que apuntala la teoría de que la compañía pretende escanear de forma metódica cada libro impreso con ISBN.
Este hallazgo confirma las sospechas que libreros independientes venían manifestando desde hace meses, cuando detectaron un incremento inusual y repentino en las compras al por mayor. En julio de 2024, uno de estos vendedores explicó a 404 Media que los pedidos incluían selecciones aparentemente aleatorias de miles de títulos y que los compradores no mostraban sensibilidad alguna ante el precio, una pauta de comportamiento incompatible con bibliotecas o universidades. La clave, según los libreros, es que los libros impresos anteriores a 2022 contienen texto humano que no está disponible fácilmente en internet (ya muy rastreado por las IA) y están libres del llamado "model collapse" o degradación que sufre un modelo cuando se entrena con contenido generado por otras IA.
La investigación señala que Amazon no actúa sola. En los últimos meses, otros compradores anónimos en plataformas como Biblio también estarían vinculados a empresas tecnológicas que buscan desesperadamente datos de entrenamiento para alimentar sus modelos de lenguaje. El rastreo del libro mostró un periplo de California a Milwaukee, Wisconsin, donde permaneció dos semanas en un almacén de la distribuidora Trifinity, antes de viajar por carretera hasta Colorado y, finalmente, a Las Vegas. La fuente de 404 Media decidió proteger la identidad del librero que facilitó el dispositivo de rastreo por temor a represalias comerciales.
Por su parte, un portavoz de Amazon confirmó la práctica con un comunicado genérico: "Amazon adquiere libros a través de canales comerciales para ayudar a desarrollar y mejorar los productos y servicios que utilizan nuestros clientes", sin profundizar en el destino final de los volúmenes. La empresa desarrolla su propia familia de modelos de lenguaje bajo la marca Nova, considerados por la propia compañía como modelos de frontera competitivos con los de Google, OpenAI y Anthropic.
El Washington Post reveló, además, que otras empresas como Anthropic han sido señaladas por prácticas similares de escaneo masivo con destrucción posterior de los originales, lo que dibuja un patrón en toda la industria. La destrucción del libro durante el proceso (mediante el corte de las encuadernaciones para acelerar el escaneo) ha generado rechazo en amplios sectores de la sociedad, incluidas editoriales y escritores preocupados por la destrucción física de patrimonio cultural en beneficio del entrenamiento de IA.
De cara al futuro, la práctica podría intensificarse dado el insaciable apetito de datos de los grandes modelos de IA y el carácter limitado del texto humano disponible en la web abierta. Los libreros consultados anticipan que los pedidos seguirán creciendo mientras las compañías tecnológicas compitan por hacerse con corpus textuales limpios de contenido generado por máquina. La confirmación de que un gigante como Amazon participa activamente en este circuito añade presión sobre los reguladores para esclarecer si la adquisición masiva y destrucción de libros impresos respeta los derechos de autor y la propiedad intelectual de autores y editores.