Booksellers había estado notando un patrón extraño durante aproximadamente un año: alguien estaba comprando regularmente libros raros y de baja impresión a granel, con poca consideración por su contenido. Suspicion cayó en las empresas entrenando modelos de lenguaje grande - pero no había pruebas. Parece que la prueba se ha encontrado de una manera muy inusual.
Un rastreador en un libro llevó a un almacén de Amazon
Un vendedor decidió probar la teoría y deslizar un rastreador Bluetooth AirTag oculto en un libro de un lote al por mayor. El dispositivo reveló la ruta: el pedido no fue a un coleccionista privado y no a un almacén de una tienda en línea, pero al centro de entrenamiento de Amazon en Las Vegas. Un equipo allí trabaja literalmente rasgando los giros de los libros y escaneando las páginas, un método que les permite procesar volúmenes más rápido y con más cuidado que un escáner regular.
Una investigación publicada por 404 Media confirmó que las compras a granel de libros raros están realmente vinculadas a Amazon. El almacén con el código VGT3 alberga un equipo de digitalización, y la puerta de la instalación está decorada con un logotipo de un tiranosaurio a punto de comer un libro. Fijar, dado el destino de las copias que terminan allí: después de escanear, los libros son destruidos.
Amazon se negó a comentar los hallazgos, limitándose a una declaración formal: la empresa compra libros a través de canales comerciales ordinarios para "desarrollar y mejorar productos y servicios para los clientes". El entrenamiento de IA no se menciona en esa respuesta, aunque eso parece ser exactamente lo que es la búsqueda de textos únicos.
Por qué Amazon destruye libros raros
Amazon está construyendo activamente sus propios modelos de frontera — una nueva generación de AI que está destinada a competir con el trabajo de Google, OpenAI y Antrópico. Tales modelos necesitan enormes volúmenes de datos únicos, y cuanto menos "deseche" el material, mejor. El contenido ordinario de Internet ya no es suficiente para este propósito.
Es por eso que el interés de la empresa no se ha centrado en las primeras ediciones caras, sino en los libros que parecen irremarcables desde un punto de vista del mercado: obras nunca traducidas de lenguas raras, largas fuera de impresión, o simplemente no lo suficientemente populares para una impresión masiva. Se pueden comprar a granel sin pesar, y proporcionan lo que los algoritmos necesitan — texto que nunca se ha digitalizado antes.
Los empleados de Warehouse describieron su trabajo materia de hecho en los foros: monótono, pero con horas convenientes, y ajustable a sus necesidades si es necesario. Fueron entrenados para escanear el código de barras o ISBN antes de procesar cada libro. Este detalle es especialmente importante: indica que Amazon está trabajando metódicamente a través del catálogo de publicaciones impresas usando una lista de identificadores, tratando de cubrir tantos trabajos como sea posible.
Según 404 Media, en algún momento este año el equipo se quedó sin libros para escanear. La escasez era tan aguda que los trabajadores temían que el almacén cerrara. Posteriormente, se reanudaron las entregas y la instalación sigue funcionando.
La cuestión del valor y la ética
La destrucción de libros para el entrenamiento de AI provocó una fuerte reacción en línea. Michael Barry, un conocido periodista y escritor, llamó a la práctica "la encarnación del mal". Los usuarios de Reddit debatieron cómo se justifica ese trato del patrimonio cultural. Un argumento suena particularmente agudo: muchos de estos libros habían estado reuniendo polvo en los estantes de la tienda durante décadas, y casi nadie los hubiera comprado para leer. Pero eso no niega su valor.
Las viejas ediciones tienen más que un valor monetario. Hay valor histórico e intelectual, y a veces valor sentimental —para bibliófilos o investigadores. Como señaló el librero que realizó el experimento de rastreador, para las compañías de AI tal libro es simplemente "contenido en la forma de un conjunto de palabras". Pequeños detalles de la vida cotidiana, términos obsoletos, peculiaridades de los idiomas regionales, todo esto desaparece para siempre después de que el original sea escaneado y destruido.
Los escépticos llamaron la publicación "propaganda from AI haters", pero incluso estuvieron de acuerdo en que lamentar la pérdida de fuentes impresas únicas es totalmente razonable. Especialmente dado que el contenido de los libros escaneados es poco probable que sea hecho público por la empresa. Los menos competidores que pueden acceder a datos únicos, mejor para aquellos que lo recogieron. Las bibliotecas e investigadores probablemente no tendrán acceso a tales archivos.
A diferencia de Amazon, los competidores Antrópico y xAI ya han declarado públicamente que no utilizan libros raros o antiguos para el entrenamiento. Amazon, mientras tanto, prefiere permanecer en silencio, que sólo plantea más preguntas. Si la práctica es verdaderamente sistemática, las consecuencias para el mercado de libros y el patrimonio cultural podrían ser serias: las ediciones raras son un recurso finito, y la lista de ISBNs que pueden ser verificados metódicamente está justo ahí delante de los gigantes de AI.
