Amazon está comprando libros raros, arrancándoles la encuadernación y escaneándolos para entrenar modelos de IA. Lo ha destapado 404 Media, que metió un localizador dentro de un libro raro y lo siguió por el país hasta un almacén de Amazon en Las Vegas. El libro impreso no sobrevive al proceso.
Puntos clave
- El rastreador acabó en la instalación VGT3 de Amazon, en Las Vegas, Nevada.
- Según empleados del centro, Amazon recibe envíos masivos de libros impresos y les retira el lomo para escanearlos más rápido.
- Amazon responde que compra libros por canales comerciales para mejorar los productos y servicios de sus clientes.
- Los textos publicados antes de 2022 valen más porque no pueden haber salido de un modelo de lenguaje.
- Anthropic cerró en julio un acuerdo de 1.500 millones de dólares por derechos de autor sobre libros pirateados.
Cómo se rastrea un libro
El método del reportaje es sencillo y por eso funciona. 404 Media colocó un dispositivo de seguimiento dentro de un libro raro que sospechaba que una empresa de IA estaba comprando, y esperó a ver dónde paraba. Paró en VGT3, un almacén de Amazon en Las Vegas.
Los empleados de esa instalación describen la operativa: llegan envíos enormes de libros impresos y se les quita la encuadernación antes de pasarlos por el escáner, porque un libro sin lomo se digitaliza mucho más rápido que uno que hay que ir abriendo página a página. El ejemplar se destruye en el proceso.
El detalle que más se ha comentado del reportaje es el logo del equipo de VGT3: un dinosaurio enseñando los dientes con un libro en las manos. Alguien dentro tiene claro a qué se dedica ese edificio.
Por qué los laboratorios se han lanzado al papel
Internet público se agotó como fuente de entrenamiento hace tiempo. Lo que queda de texto de calidad que ningún modelo haya visto está en papel, y además tiene una propiedad que ahora vale mucho: si se imprimió antes de 2022, nadie lo escribió con un modelo de lenguaje.
Eso importa por el colapso de modelo. Cuando entrenas un modelo con texto que generó otro modelo, la calidad se degrada generación tras generación, porque el sistema aprende de su propio eco en lugar de aprender del mundo. Un fondo editorial anterior a 2022 es texto humano garantizado, y eso lo convierte en el material más limpio que queda.
Ya contamos en julio que los laboratorios de IA están comprando libros impresos anteriores a 2022 precisamente por eso. El reportaje de hoy pone la instalación, la ciudad y el procedimiento.
El precedente legal es Anthropic
Comprar un libro y escanearlo no es lo mismo que descargarlo de una biblioteca pirata, y esa distinción es exactamente la que ha marcado la jurisprudencia del año.
Anthropic cerró en julio de 2026 un acuerdo de 1.500 millones de dólares por los libros pirateados que usó para entrenar Claude, y en el mismo caso salió a la luz que la empresa también compraba ejemplares físicos y los destruía al escanearlos. El escaneo destructivo de libros comprados legalmente se sostuvo mejor que la descarga masiva.
Amazon está haciendo justo eso, y su respuesta pública lo subraya: compra los libros por canales comerciales. Es una frase escrita por abogados que dice, traducida, que el ejemplar es suyo y puede hacer con él lo que quiera.
Queda el problema que no es legal. Un libro raro es raro porque quedan pocos. Cuando el comprador con más dinero del mercado empieza a adquirirlos para triturarlos, cada ejemplar que entra en VGT3 sale del mundo. Amazon no discute los libros con biblioteconomía, los discute con logística.
Por qué importa
Si tu empresa tiene fondo documental propio, manuales, archivo histórico, catálogos técnicos, informes de décadas, esto te dice cuánto vale ese material en 2026. El texto humano verificable y no publicado en internet es el activo escaso del momento.
La consecuencia práctica es doble. Antes de firmar cualquier acuerdo de digitalización o de licencia de contenidos, mira qué dice sobre uso para entrenamiento, porque es la cláusula que se está quedando fuera de contratos redactados hace cinco años. Y si estás valorando digitalizar tu archivo, hazlo tú y quédate el corpus, en lugar de venderlo por el precio de un servicio de escaneo.
Relacionado
