En una era dominada por el contenido digital, las grandes corporaciones de inteligencia artificial (IA) están volviendo la mirada hacia las fuentes más tradicionales: los libros. Bibliotecas y librerías se han convertido en el nuevo epicentro de la búsqueda de datos, ya que los textos escritos por humanos antes del auge de la IA generativa adquieren un valor sin precedentes para el entrenamiento de modelos cada vez más sofisticados.

Una investigación reciente ha revelado cómo empresas vinculadas a la industria de la IA están escaneando activamente libros antiguos para convertirlos en valiosos datos de entrenamiento. Este fenómeno no solo reaviva el debate sobre los derechos de autor y la preservación del patrimonio cultural, sino que también plantea interrogantes profundas sobre la naturaleza del conocimiento que se está incorporando a estas tecnologías.

El Valor Intrínseco del Saber Humano

Patricia Murrieta, investigadora del Tecnológico de Monterrey y experta en la intersección de tecnología, historia y conocimiento, subraya la importancia de los libros como fuentes de información producidas por seres humanos. Si bien los modelos de IA pueden entrenarse con datos sintéticos o información generada por otras máquinas, Murrieta advierte sobre los riesgos inherentes. "El problema aparece cuando estos datos vuelven a alimentar los modelos que pueden contener errores, alucinaciones o información sin un control editorial", señala.

La calidad de los datos, según Murrieta, a menudo se deriva de lo que se conoce como "ground truth": información verificada y precisa. Los libros, artículos y otros materiales creados por personas encajan en esta categoría. Sin embargo, es crucial recordar que incluso los textos humanos no son inherentemente neutrales. "Los documentos siempre tienen una función que tiene que ver con los intereses de quien escribe y hacia quien va a dirigir", explica la investigadora.

A diferencia de la investigación histórica tradicional, donde un especialista puede analizar el contexto, la intención y la perspectiva del autor, los modelos de IA operan como "cajas negras". Una vez que grandes volúmenes de información ingresan en ellos, se vuelve extremadamente difícil rastrear el origen de una respuesta específica. La información se transforma en representaciones matemáticas, y el sistema genera respuestas basadas en relaciones probabilísticas.

IA y la Reconfiguración del Conocimiento Histórico

Murrieta ilustra el potencial transformador de la IA con el ejemplo de la historia de México. Durante décadas, el acceso a ciertas fuentes históricas estuvo limitado por su escasez y la necesidad de conocimientos especializados, como la paleografía. La inteligencia artificial, sin embargo, tiene el potencial de democratizar este acceso y hacer visibles discursos que antes eran inalcanzables debido a la escala masiva de la información.

No obstante, la IA también puede exacerbar los desequilibrios existentes. Un experimento realizado por Murrieta demostró cómo un modelo de IA, al ser solicitado para representar a una mujer mexica, generó una imagen de una mujer blanca, sexualizada y cargada de estereotipos occidentales. Este incidente pone de manifiesto que la IA no solo depende de la cantidad de información, sino también de quién la produce, qué culturas, idiomas y perspectivas están representadas.

Esta problemática es particularmente relevante para América Latina, una región con una vasta producción de conocimiento que históricamente no ha tenido el mismo peso que las grandes tecnológicas de Estados Unidos o China. La incorporación de más documentos latinoamericanos a los sistemas de IA podría ampliar la representación del conocimiento, pero surgen preguntas críticas sobre quién recopila estos materiales, bajo qué reglas y con qué propósitos.

La clave, según Murrieta, reside en utilizar la investigación histórica para beneficiarse de la escala que ofrece la IA sin sacrificar el criterio humano. "El primer filtro debe ser el pensamiento crítico de la persona que está utilizando y desarrollando la IA como una herramienta, jamás como una sustitución de la capacidad y la interpretación crítica", enfatiza.

Nuevos Mercados y Disputas Legales

La creciente demanda de datos de entrenamiento para IA está generando un mercado lucrativo y, a su vez, nuevas disputas legales. El caso de Anthropic es un claro ejemplo. En julio de 2026, un juez estadounidense aprobó un acuerdo de 1.500 millones de dólares entre la empresa y autores que demandaron el uso de sus obras para entrenar al modelo Claude. El litigio involucró más de siete millones de libros que Anthropic había almacenado en una biblioteca digital.

Si bien el tribunal consideró que el uso de libros para entrenar el modelo podría constituir un "uso legítimo", determinó que la conservación de copias piratas de las obras violaba los derechos de autor. Este fallo sienta un precedente importante en la compleja relación entre la IA y la propiedad intelectual.

Otras grandes empresas, como OpenAI, han optado por acuerdos de licencia con medios de comunicación de renombre como el Financial Times, Axel Springer y Associated Press. Estos acuerdos permiten a OpenAI utilizar sus contenidos para entrenar sus sistemas, evidenciando un cambio de paradigma: el contenido humano ya no solo se consume, sino que se licencia, se estructura y se convierte en un componente esencial de los productos tecnológicos.

La empresa ISBNdb, por su parte, ya ofrece a compañías de IA servicios de adquisición masiva de libros impresos para su digitalización y conversión en datos de entrenamiento. Sostienen que los libros representan una fuente de conocimiento humano editado, especializado y estructurado, algo que un simple rastreo en internet no puede replicar.

La digitalización masiva de libros no es un fenómeno nuevo; Google Books ha estado recopilando más de 40 millones de libros en más de 500 idiomas a través de colaboraciones con bibliotecas desde hace años. Sin embargo, el enfoque actual de las empresas de IA añade una nueva dimensión a este esfuerzo, transformando el acceso al conocimiento en una nueva frontera de la innovación tecnológica y un campo de batalla por la propiedad intelectual y la representación del saber global.

La IA, al buscar en las profundidades de las bibliotecas, no solo está encontrando datos, sino también redefiniendo el valor del conocimiento humano y planteando desafíos éticos y legales que marcarán el futuro de la tecnología y la cultura.