Las empresas de inteligencia artificial han comenzado a adquirir y digitalizar millones de libros de segunda mano para mejorar la calidad de sus modelos de lenguaje. Durante años, la IA se entrenó con contenidos disponibles en internet, pero la red empieza a mostrar sus límites.
A principios de 2026, The Washington Post reveló que Anthropic, la empresa responsable del asistente de IA Claude, había iniciado un proyecto secreto en 2024 para adquirir libros impresos a gran escala. Los ejemplares se escaneaban y sus textos se incorporaban a los procesos de desarrollo de modelos de IA.
Este procedimiento muestra un cambio importante en la forma de valorar el libro. El objeto físico pierde importancia frente a su contenido, que puede extraerse, convertirse en datos y utilizarse para alimentar modelos de inteligencia artificial. Anthropic no es la única compañía interesada en acceder a grandes colecciones de libros.
En mayo de 2026, cinco grandes editoriales estadounidenses y el escritor Scott Turow demandaron a Meta y Mark Zuckerberg por utilizar millones de libros y artículos procedentes de repositorios piratas para entrenar su modelo Llama.
Los libros han adquirido un nuevo valor estratégico en la competición por desarrollar mejores modelos de inteligencia artificial. Ya no son solo objetos que contienen y transmiten conocimiento, sino también grandes conjuntos de datos. Los grandes modelos de lenguaje necesitan enormes cantidades de texto.
Sin embargo, cantidad y calidad no son necesariamente lo mismo. Internet ofrece una diversidad difícil de encontrar en otro lugar, pero también contiene textos breves, repetidos o poco revisados. Además, desde 2022, cada vez hay más contenidos creados con IA en internet.
Un estudio publicado en 2026 analizó páginas web aparecidas entre 2022 y 2025 y encontró que a mediados de 2025, alrededor del 35% de las nuevas páginas estudiadas incluían textos generados o modificados con IA. En este , los libros anteriores a la expansión de la IA generativa adquieren un nuevo valor.
Ofrecen a las empresas tecnológicas contenidos extensos y estructurados que, en muchos casos, han pasado por procesos profesionales de edición y corrección. Además, han sido escritos por personas.
Etiquetas: Inteligencia Artificial, Libros, Modelos de Lenguaje, Tecnología · IA general
About the Author
