Mancino, Francesca. “Destroying Books to Build a Mind.” The New Yorker, 8 de septiembre de 2026. https://www.newyorker.com/culture/the-lede/destroying-books-to-build-a-mind

Anthropic adquirió y digitalizó masivamente libros, incluso destruyendo físicamente algunos ejemplares, para utilizarlos en el entrenamiento de sus modelos de IA. El caso plantea un debate sobre copyright, preservación, transparencia y el futuro del libro, diferenciando entre conservar información y conservar realmente los libros como objetos culturales.

A principios de 2026, numerosos libreros de segunda mano estadounidenses y canadienses comenzaron a recibir pedidos masivos de libros extraños, especializados y de escasa demanda. Eran títulos sobre arquitectura, derecho, historia, ciencias sociales, literatura o incluso cuestiones muy específicas como el tratamiento de aguas residuales. Los pedidos procedían en ocasiones de sociedades de responsabilidad limitada con nombres poco reconocibles, lo que despertó la curiosidad de los vendedores. Una investigación permitió relacionar parte de estas compras con Anthropic, la empresa responsable de Claude. Los documentos judiciales posteriormente revelados permitieron conocer la existencia de Project Panama, una iniciativa cuyo objetivo era adquirir enormes cantidades de libros impresos para convertirlos en datos digitales destinados al entrenamiento de modelos de IA.

La particularidad del procedimiento es que se trataba de digitalización destructiva. Los libros se compraban físicamente, se les retiraba la encuadernación, las páginas se cortaban para facilitar su procesamiento y posteriormente se escaneaban industrialmente, mientras que el ejemplar físico era descartado. El artículo explica que esta técnica no es completamente nueva: determinadas bibliotecas y departamentos de preservación digital también desmontan libros para conseguir una digitalización más rápida y eficiente. La diferencia fundamental está en la escala y en el propósito. Anthropic pretendía obtener millones de páginas para alimentar sus sistemas de inteligencia artificial. En Princeton, por ejemplo, se ha optado deliberadamente por métodos de digitalización que permiten conservar los ejemplares físicos, aunque sean más costosos.

Uno de los matices importantes del reportaje es que la imagen de Anthropic destruyendo ejemplares únicos y valiosísimos de libros antiguos resulta más espectacular que la realidad documentada. Según la investigación de The New Yorker, los libreros consultados no identificaron una adquisición sistemática de libros verdaderamente antiguos o antiquarios. Muchos de los ejemplares tenían ISBN y eran publicaciones relativamente recientes, aunque con tiradas pequeñas y escasa circulación. Una lista de más de 600 títulos proporcionada por libreros mostró que buena parte correspondía a publicaciones académicas, especialmente de editoriales universitarias, y que abarcaban historia, biografía, ficción, poesía, crítica literaria, derecho y ciencias sociales. Precisamente estos libros especializados y poco populares pueden resultar especialmente valiosos para entrenar modelos de IA porque contienen conocimientos que difícilmente se encuentran en grandes corpus comerciales o en la web generalista.

Aquí aparece una de las cuestiones más interesantes del artículo: la IA puede estar rescatando digitalmente conocimientos que, de otro modo, permanecerían prácticamente invisibles, pero lo hace transformando los libros en materia prima para modelos computacionales. Algunos de los títulos adquiridos probablemente estaban destinados a quedar olvidados en almacenes, librerías de segunda mano o colecciones con muy poca circulación. Desde esta perspectiva, introducirlos en un modelo de IA puede aumentar enormemente su capacidad de supervivencia informativa. El problema es que esa preservación no equivale necesariamente a conservación cultural. El libro deja de existir como objeto accesible y pasa a convertirse en información procesada por una máquina, sin que investigadores, lectores o bibliotecas puedan necesariamente consultar o reconstruir el conjunto documental que alimentó al modelo.

El artículo aborda también la compleja cuestión de los derechos de autor y del uso legítimo (fair use). Anthropic se enfrentó a demandas por utilizar libros para entrenar sus modelos y en 2025 aceptó pagar 1.500 millones de dólares para resolver una demanda colectiva relacionada con infracciones de copyright. El juez William Alsup, sin embargo, distinguió entre determinadas prácticas ilícitas —como la descarga masiva de millones de copias pirateadas— y el uso de libros adquiridos legalmente para entrenar modelos. Según su interpretación, utilizar esas obras para entrenamiento de IA podía considerarse fair use, de manera comparable a cómo una persona lee libros y posteriormente utiliza lo aprendido para producir nuevos textos. También consideró legítimo que Anthropic destruyera ejemplares físicos comprados legalmente cuando los sustituía por copias digitales destinadas exclusivamente a su biblioteca interna.

Pero la legalidad no resuelve el problema cultural y bibliotecario. El artículo plantea una cuestión fundamental: ¿podemos llamar «biblioteca» a una colección creada exclusivamente para alimentar una inteligencia artificial? En una biblioteca tradicional, los libros se conservan para que puedan ser leídos, investigados, comparados y reinterpretados por personas. En el modelo de Anthropic, los libros se convierten esencialmente en datos destinados a ampliar la «memoria» y las capacidades lingüísticas del modelo. El resultado puede contener el conocimiento de millones de libros, pero los seres humanos no tienen necesariamente acceso directo a ese corpus ni pueden saber con precisión qué documentos contiene, cómo fueron procesados o de qué manera intervienen en las respuestas generadas por la IA.

Esta cuestión conduce directamente a la transparencia de los corpus de entrenamiento. Mike Furlough, director ejecutivo de HathiTrust, señala que existe un interés legítimo en conocer cómo se construyen estos conjuntos de datos. En el mundo académico, cuando un investigador desarrolla un modelo, se espera que indique qué fuentes ha utilizado para permitir la reproducibilidad y evaluación de su trabajo. La misma lógica debería plantearse para las herramientas de IA que utilizan millones de personas para investigar, estudiar o tomar decisiones. Si un sistema responde utilizando conocimiento extraído de cientos de miles o millones de libros, resulta relevante saber qué libros fueron utilizados, bajo qué condiciones, con qué criterios y con qué mecanismos de atribución.

El aspecto quizás más profundo del artículo tiene que ver con qué significa leer. La historiadora Leah Price recuerda que el libro ha sobrevivido a numerosas predicciones sobre su desaparición y ha demostrado una extraordinaria capacidad de adaptación tecnológica. Sin embargo, la inteligencia artificial introduce una diferencia importante: no se limita a cambiar el soporte del libro, sino que puede cambiar el propio proceso mediante el cual el conocimiento es leído y utilizado. Cuando una persona lee una novela, debe dedicar tiempo, interpretar, anticipar, relacionar ideas y construir significados. Cuando una IA procesa millones de libros, convierte ese universo textual en datos que posteriormente puede recombinar para generar respuestas. El riesgo, según la reflexión del artículo, es que la lectura humana sea sustituida progresivamente por una lectura maquínica cuyo objetivo no es comprender una obra en su totalidad, sino extraer información útil de ella.

La frase que resume mejor esta tensión es la idea de que «un libro no es simplemente un recipiente de frases». El orden de las frases, la estructura, el contexto, la materialidad, las anotaciones, la procedencia del ejemplar y la experiencia del lector forman parte de su significado. Cuando un libro se desmonta y se convierte en miles de imágenes o fragmentos de texto destinados al entrenamiento de una IA, puede conservarse su contenido lingüístico, pero pueden perderse muchas dimensiones de su existencia como objeto cultural. El artículo plantea así una distinción crucial entre preservar información y preservar libros: digitalizar un texto puede salvar sus palabras, pero no necesariamente conserva toda la experiencia intelectual, material e histórica asociada al ejemplar.

Desde la perspectiva de las bibliotecas y de la gestión del conocimiento, el artículo plantea un debate especialmente relevante. Durante décadas, las bibliotecas han digitalizado colecciones para facilitar su conservación, búsqueda y acceso. Ahora las grandes empresas de IA están realizando una operación parecida, pero con una finalidad diferente: convertir las colecciones documentales en infraestructura para construir modelos de inteligencia artificial. Esto obliga a replantear qué entendemos por preservación, acceso, propiedad, colección y biblioteca. La cuestión ya no es solamente quién posee un libro, sino quién posee los datos derivados de millones de libros y quién controla las infraestructuras capaces de transformar ese conocimiento en respuestas.