Amazon destruye libros raros para entrenar su IA tras rastrearse un envío a Las Vegas

Un dispositivo de rastreo escondido en un pedido de libros terminó revelando algo incómodo: Amazon destruye libros raros para alimentar sus modelos de inteligencia artificial. El paquete, seguido en secreto por periodistas, acabó en una instalación de Las Vegas donde la compañía arranca las encuadernaciones y escanea las páginas para convertirlas en datos de entrenamiento.

La revelación surge de una investigación de 404 Media, que documentó el recorrido físico de un lote de libros hasta un centro donde los ejemplares se desmontan de forma irreversible. Una vez separadas las tapas del bloque de páginas, el material se digitaliza a alta velocidad y, según lo reportado, los libros físicos ya no sobreviven al proceso.

Cómo se descubrió que Amazon destruye libros raros

El hallazgo no fue casual. Los investigadores colocaron un rastreador GPS dentro de un envío para averiguar dónde terminaban ciertos pedidos. La señal los llevó hasta una instalación vinculada al procesamiento de contenido para entrenamiento de IA en Las Vegas, un tipo de operación que rara vez sale a la luz pública.

Publicidad

El método —conocido en el sector del escaneo como «destructive scanning» o digitalización destructiva— es habitual cuando se busca velocidad: cortar el lomo permite pasar hoja por hoja sin la fricción de un libro cerrado. La diferencia aquí es el destino de esas páginas. No se trata de preservar una biblioteca, sino de generar corpus de texto para alimentar modelos de lenguaje.

Para ejemplares comunes, el daño es discutible pero reversible a escala de mercado: existen miles de copias. El problema aparece cuando entran en juego libros raros o de tiradas limitadas, donde cada volumen destruido reduce de forma permanente el número de copias físicas que quedan en circulación.

El dilema de los datos y los derechos de autor

El episodio reabre una discusión que persigue a toda la industria de la IA: de dónde salen los datos con los que se entrenan estos sistemas. Las grandes tecnológicas necesitan cantidades enormes de texto de calidad, y los libros —bien editados, revisados y estructurados— son una de las fuentes más codiciadas. Esa demanda ha empujado prácticas cada vez más agresivas de adquisición de contenido.

La tensión con los derechos de autor es evidente. Autores y editoriales llevan meses en tribunales contra varias empresas de IA por el uso de obras protegidas sin licencia ni compensación. Comprar los libros físicos y luego escanearlos plantea una zona gris legal distinta a la de descargar textos piratas, pero no despeja las dudas de fondo sobre el consentimiento de los creadores.

Hay además una dimensión cultural que va más allá de lo legal. Destruir ejemplares poco comunes para convertirlos en filas de una base de datos supone un intercambio silencioso: se gana material de entrenamiento y se pierde patrimonio físico que, en algunos casos, no tiene reemplazo.

Por qué esto le importa al mundo cripto

El debate conecta directamente con las conversaciones que atraviesan al mundo blockchain, donde la trazabilidad y la propiedad verificable de datos y contenidos son temas recurrentes. La procedencia de la información —saber de dónde viene un dato y quién tiene derecho a usarlo— es justamente uno de los problemas que muchos proyectos descentralizados dicen querer resolver.

La seguridad y el uso responsable de la IA también están en el radar del sector. Recientemente, OpenAI planteó reforzar la ciberseguridad con IA tras admitir vulnerabilidades en pruebas internas, una señal de que la industria empieza a asumir los riesgos asociados a modelos entrenados con datos de origen dudoso.

En el plano corporativo, la fiebre por la IA ya movió capital hacia empresas con exposición cripto. Casos como el de Stripe adquiriendo OpenRouter por más de 7.000 millones de dólares muestran cómo las infraestructuras de datos e IA se han vuelto activos estratégicos, con implicaciones para pagos y stablecoins.

Amazon no ha ofrecido públicamente detalles sobre el alcance de estas operaciones ni sobre qué criterios usa para decidir qué libros escanea y destruye. Sin una respuesta oficial, la pregunta queda abierta: cuánto patrimonio impreso se está sacrificando, y sin que nadie lo sepa, para entrenar a la próxima generación de máquinas que aprenden a escribir como humanos.

El caso sirve como recordatorio de un costo pocas veces visible del auge de la inteligencia artificial. Detrás de cada respuesta generada por un modelo hay decisiones sobre datos, derechos y, ahora se comprueba, sobre objetos físicos que desaparecen para siempre en el proceso.