No es ningún secreto que las compañías de IA estás detrás del pico en las ventas de libros usados, incluyendo ejemplares muy inusuales como los que pueblan las estanterías de las librerías de viejo. Unos volúmenes que muchas veces se compran "al peso" y que, como se ha descubierto en el caso de Anthropic, acaban siendo destruidos para satisfacer los requisitos legales que obligan a estas compañías a mantener una única copia.
Ahora sabemos que Amazon, que no sin cierta ironía nació siendo una librería, también participa en esta labores de escaneo destructivo para entrenar sus LLM.
404 Media, un sitio especializado en periodismo de investigación, pudo confirmar que Amazon está adquiriendo en gran volumen libros poco corrientes con este fin. Para ello insertó un localizador Airtag en un libro que creía que podía ser de interés para el entrenamiento de IA y siguió su recorrido, que les llevó desde la librería en California donde se compró a una nave industrial de Amazon en Las Vegas. Allí, en VGT3, unas instalaciones decoradas con el símbolo de un tiranosaurio con un libro en sus garras, se perdió el rastro.
Según pudo saber 404 Media por varios empleados, la función de VGT3 es escanear libros. Para ello digitalizan primero los códigos de barras e ISBN, guillotinando a continuación el lomo para separar las páginas. Este proceso simplifica el escaneo del texto, pero destruye el libro. Son obras a veces descatalogadas que simplemente dejan de existir en el mundo físico, impidiendo su colección o reventa. Y aunque queda archivada una copia digital, Amazon no es la propietaria de los derechos de autor y publicación en aquellos casos en los que siguen vigentes, lo que dificulta su recirculación.
¿Qué libros en cuestión interesan a Amazon? 404 Media no ha querido dar más detalles al respecto, limitándose a decir que busca volúmenes impresos en tiradas cortas y aquellos escritos en idiomas poco hablados. Amazon, por su parte, se ha limitado a señalar que la compañía "compra libros a través de canales comerciales para desarrollar y mejorar los productos y servicios" que utilizan sus usuarios, sin hacer referencia a su digitalización, destrucción o uso para labores de IA.
Llegados aquí, merece la pena señalar que tanto Anthropic como xAI han declarado que no están comprando libros de gran valor histórico para entrenar sus LLM, y de hecho, ha trascendido que buscan volúmenes con muy pocas ventas incluso catálogos antiguos, que también pueden proporcionar un conocimiento valioso. Obras que en ocasiones ni siquiera logran venderse de 2ª mano, aunque no por ello se extingue el debate sobre la pérdida cultural.