Las empresas de inteligencia artificial (IA) han vuelto su mirada hacia las bibliotecas y librerías en busca de libros escritos por humanos. Mientras internet se inunda de contenido generado por máquinas, los textos producidos antes del auge de la IA generativa adquieren un valor sin precedentes para entrenar modelos. Una investigación de 404 Media reveló que compañías vinculadas a la industria digitalizan libros antiguos para convertirlos en datos de entrenamiento, lo que desata un debate que va más allá de los derechos de autor y la conservación del patrimonio: se trata de qué tipo de conocimiento está ingresando a los sistemas.
El valor de los libros en la era de la IA
Patricia Murrieta, investigadora del Tecnológico de Monterrey especializada en tecnología, historia y conocimiento, explica que los libros representan una fuente de información producida por humanos, un recurso crítico en un contexto donde los modelos generativos también pueden entrenarse con datos sintéticos generados por otras herramientas de IA. “El problema aparece cuando estos datos vuelven a alimentar los modelos que pueden contener errores, alucinaciones o información sin un control editorial”, afirma Murrieta. La investigadora destaca que los datos de calidad suelen basarse en el “ground truth”, información verificada y certera, categoría en la que entran los libros, artículos y otros materiales humanos. Sin embargo, advierte que el hecho de que un texto haya sido escrito por humanos no garantiza su neutralidad: “Los documentos siempre tienen una función que tiene que ver con los intereses de quien escribe y hacia quien va dirigido”.
La caja negra de los modelos generativos
En una investigación histórica tradicional, el especialista conoce el contexto del documento: quién lo produjo, en qué momento, con qué intención y desde qué perspectiva. Los modelos generativos, en cambio, funcionan como cajas negras: una vez que grandes cantidades de información ingresan, es difícil identificar qué parte de una respuesta proviene de una fuente específica. La información se convierte en representaciones matemáticas y el sistema genera respuestas a partir de relaciones probabilísticas. Patricia Murrieta ejemplifica con la historia de México, donde durante décadas el acceso a fuentes estuvo limitado por la escasez de documentos y los conocimientos especializados necesarios, como la paleografía. La inteligencia artificial puede cambiar esa escala: “La inteligencia artificial nos ayuda a visibilizar y traer discursos que antes era imposible traer simplemente por la escala enorme”, comenta.
Sesgos y representación en la IA
No obstante, la tecnología también puede amplificar desequilibrios existentes. Murrieta realizó un experimento en el que pidió a un modelo representar a una mujer mexica; el resultado fue una mujer blanca, sexualizada y acompañada de elementos estereotípicos desde una mirada occidental. El problema no era solo la imagen, sino que el modelo la presentaba como una representación correcta. Esto muestra que la IA no solo depende de la cantidad de información, sino de quién la produce, qué culturas, idiomas y perspectivas incorpora. En América Latina, que históricamente ha producido enormes cantidades de conocimiento sin el mismo peso que las grandes tecnológicas de Estados Unidos o China, la introducción de más documentos latinoamericanos en los sistemas de IA podría ser una oportunidad para ampliar la representación del conocimiento. Sin embargo, surgen preguntas: quién recopila esos materiales, bajo qué reglas y con qué propósitos.
El papel del pensamiento crítico
La investigación histórica puede beneficiarse de esa escala sin renunciar al 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 Murrieta.
El mercado de los datos: casos Anthropic y OpenAI
La disputa por los libros también ha generado un mercado alrededor de los datos de entrenamiento. El caso de Anthropic ilustra el valor de estos materiales: en julio de 2026, un juez estadounidense aprobó un acuerdo de 1,500 millones de dólares entre la empresa y autores que denunciaron el uso de sus obras para entrenar a Claude. El litigio involucró más de siete millones de libros que Anthropic había almacenado en una biblioteca digital. El tribunal consideró que usar los libros para entrenar el modelo podría constituir un uso legítimo, pero determinó que conservar copias pirateadas violaba los derechos de autor. Por otro lado, OpenAI ha firmado acuerdos de licencia con medios como Financial Times, Axel Springer y Associated Press para utilizar sus contenidos. Estos movimientos muestran que el contenido humano está adquiriendo un valor distinto: ya no solo se consume, sino que se licencia, estructura y se convierte en materia prima para productos tecnológicos.
Digitalización masiva y nuevas ofertas
El medio 404 Media documentó que la empresa ISBNdb ofrece a compañías de IA servicios de adquisición masiva de libros impresos para convertirlos en datos de entrenamiento. La empresa sostiene que los libros son una fuente de conocimiento humano editado, especializado y estructurado que un rastreo en internet no puede replicar. La gran digitalización de libros no comenzó con ChatGPT; Google Books reporta que su plataforma reúne más de 40 millones de libros en más de 500 idiomas, a partir de colaboraciones con bibliotecas para digitalizar libros físicos. La diferencia radica en el propósito: digitalizar un libro no solo es hacerlo accesible, sino convertirlo en datos que una máquina puede procesar a escala.
Lectura vs. consumo acelerado
En internet es cada vez más común encontrar artículos que indican el tiempo de lectura, junto con herramientas que permiten “leer” libros en segundos. Murrieta recuerda un anuncio sobre una mujer que compraba muchos libros pero, en lugar de leerlos, usaba su celular para escanearlos y obtener un resumen. La diferencia, explica, está en lo que sucede durante la lectura: no puede reducirse a extraer información. Leer implica detenerse, relacionar ideas, construir imágenes y conectar lo que aparece en una página con recuerdos y experiencias propias. Un libro no solo transmite información, sino que abre la mente y crea conexiones cerebrales. Mientras las compañías tecnológicas buscan información humana para alimentar sus modelos, los usuarios reciben herramientas para consumir esa información sin leerla completa. La posibilidad de resumir automáticamente cientos de páginas en unos cuantos párrafos promete ahorrar tiempo, pero como dice Murrieta: “no todo lo que vale la pena tiene que ser productivo. No todo lo que vale la pena es, de hecho, rápido”.
Paradoja y reflexión final
Es paradójico que las empresas de tecnología inviertan dinero, recursos e infraestructura para encontrar conocimiento humano, mientras las personas tienen más herramientas para evitar consumirlo directamente. Murrieta considera que ambas discusiones están relacionadas: el problema no es usar IA para encontrar información o procesar grandes cantidades de documentos, sino convertir esa herramienta en un sustituto de la lectura y del pensamiento crítico. En la investigación histórica, estas herramientas son útiles para localizar información que ningún especialista podría revisar durante toda una vida, pero la interpretación sigue dependiendo de la persona, que debe cuestionarse quién escribió el documento, en qué contexto, con qué intención y qué sesgos puede contener. “El primer filtro tiene que ser el pensamiento crítico de la persona que se está enfrentando y utilizando la IA como herramienta, jamás como sustitución de la capacidad y la interpretación crítica”, concluye.
