Anthropic destruye millones de libros para entrenar a su IA

La idea de que una empresa comprara libros para digitalizarlos y luego destruirlos, todo con el objetivo de entrenar un modelo de inteligencia artificial, hace algunos años parecía exclusiva de Terminator y otras obras de ciencia ficción. Sin embargo, hoy ese proceso se lleva a cabo ante la mirada del mundo.

Hablamos del “Proyecto Panamá”. Y quién mejor que el propio Anthropic, el gigante tecnológico estadounidense detrás de la operación, para explicarlo: “El Proyecto Panamá es nuestro esfuerzo para escanear de forma destructiva todos los libros del mundo”, indicaba uno de los documentos revelados en exclusiva por The Washington Post tras un histórico proceso judicial en el que un grupo de escritores demandó a la empresa por utilizar libros pirateados para entrenar a Claude, su chatbot de IA.

Más adelante, el documento filtrado era todavía más explícito sobre el carácter reservado de la operación: “no queremos que se sepa que estamos trabajando en esto”.

Te puede interesar:

La historia del Proyecto Panamá, sin embargo, comienza mucho antes de que el nombre de la operación apareciera en documentos judiciales. Para entender por qué Anthropic llegó a gastar decenas de millones de dólares en comprar libros usados, desarmarlos y convertirlos en archivos digitales, primero hay que mirar hacia el conflicto que puso a la compañía frente a los tribunales.

En 2024, un grupo de escritores presentó una demanda colectiva contra la empresa. Entre los demandantes estaban la novelista Andrea Bartz y los autores de no ficción Charles Graeber y Kirk Wallace Johnson, quienes acusaron a la empresa de utilizar copias pirateadas de sus libros para entrenar a Claude. El problema no era solamente que las obras hubieran sido utilizadas para desarrollar el chatbot, sino la forma en que Anthropic había conseguido buena parte de ese material.

Durante el proceso judicial salió a la luz que la compañía había descargado más de siete millones de libros procedentes de repositorios piratas y los había almacenado en una suerte de biblioteca central. La empresa argumentó que el uso de esas obras para entrenar sus modelos constituía fair use, es decir, un uso legítimo de material protegido por derechos de autor bajo la legislación estadounidense. 

El juez William Alsup aceptó parte de ese argumento: consideró que utilizar los libros para entrenar a Claude era un uso transformador y, por tanto, podía estar protegido por la doctrina del uso justo.

Pero había una diferencia fundamental. El tribunal no consideró legítimo que Anthropic hubiera creado y conservado su enorme colección digital a partir de copias pirateadas. En otras palabras, una cosa era lo que la compañía hacía con los libros después de incorporarlos al proceso de entrenamiento y otra muy distinta la manera en que había obtenido algunos de ellos.

El caso terminó en septiembre de 2025 con un acuerdo por aproximadamente 1.500 millones de dólares, una cifra que convirtió la disputa en el mayor acuerdo relacionado con derechos de autor de la historia hasta ese momento. Anthropic no admitió responsabilidad, pero aceptó compensar a los autores y destruir las copias pirateadas que todavía conservaba.

Paradójicamente, el mismo proceso judicial que obligó a Anthropic a desprenderse de parte de su biblioteca terminó revelando otra estrategia mucho más ambiciosa. Mientras la empresa se defendía de las acusaciones por utilizar libros obtenidos ilegalmente, también había comenzado a buscar una forma de conseguir enormes cantidades de libros de manera legal. Ahí entra el Proyecto Panamá.

De acuerdo con los documentos judiciales revelados posteriormente, a comienzos de 2024 Anthropic puso en marcha una operación destinada a comprar grandes cantidades de libros físicos, cortar su lomo, seleccionar sus páginas una a una y escanearlas a gran velocidad. Los ejemplares originales eran posteriormente enviados al reciclaje.

La lógica detrás de la operación era sencilla, aunque su escala resulta difícil de dimensionar. Los modelos de lenguaje necesitan cantidades enormes de información para aprender a producir texto. Cuanto más sofisticados se vuelven estos sistemas, mayor es la presión sobre las compañías para encontrar nuevos datos con los que entrenarlos. 

El problema es que internet no es una fuente infinita de material nuevo y de alta calidad. Las compañías de inteligencia artificial ya han rastreado enormes porciones de la información disponible públicamente y, al mismo tiempo, la propia expansión de la IA ha comenzado a llenar la web de textos generados por modelos. Esto alimenta una preocupación cada vez mayor dentro de la industria: que los nuevos sistemas terminen entrenándose con contenido producido por otros sistemas, en un círculo que puede degradar la calidad de los datos utilizados para entrenarlos. Una clase de “endogamia digital” o algo así.

Ahí es donde aparecen los libros, que tienen una ventaja frente a buena parte del contenido disponible en internet: son textos producidos, editados y revisados por seres humanos, generalmente con una estructura y una calidad muy superiores a la de grandes cantidades de contenido encontrado en la web. Anthropic comenzó entonces a comprar ejemplares físicos en grandes cantidades. 

Medios como la BBC o DW han documentado casos de librerías de segunda mano y anticuarios que, de un momento a otro, comenzaron a recibir pedidos inusuales de libros raros, descatalogados y muy específicos. En algunos casos, las solicitudes llegaban con diferencias de apenas una hora o incluso menos, un patrón que terminó llamando la atención de los vendedores.

Según los documentos revisados por The Washington Post, la compañía llegó a gastar decenas de millones de dólares en la adquisición de potencialmente millones de libros. Los ejemplares físicos dejaban de existir en el proceso, pero su contenido pasaba a formar parte de una biblioteca digital mucho más útil para alimentar sus modelos de inteligencia artificial.

La estrategia tenía además una ventaja jurídica. En la resolución original de junio de 2025, el juez Alsup determinó que el uso de libros adquiridos legalmente para entrenar los modelos de Anthropic estaba protegido por la doctrina del uso justo, mascando una clara diferencia con el material obtenido de manera ilegal. 

Para muchos expertos, la situación resulta alarmante. Aunque todavía no se puede afirmar con certeza que entre los libros adquiridos para estas operaciones haya primeras ediciones o ejemplares de un valor histórico excepcional, parece que no estamos demasiado lejos de ese escenario. La decisión de la justicia estadounidense sobre los libros adquiridos legalmente establece un precedente importante para la industria tecnológica y abre la puerta a que otras compañías recurran a estrategias similares para alimentar sus modelos de inteligencia artificial.

Por ahora, las compras parecen concentrarse principalmente en libros especializados, académicos y de difícil acceso. Pero, ¿qué ocurrirá cuando ese material también empiece a escasear? La carrera por conseguir nuevos datos podría llevar a las compañías a buscar obras cada vez más antiguas, raras y valiosas, incluyendo primeras ediciones y ejemplares que no solo contienen información, sino que también forman parte del patrimonio cultural de generaciones enteras.

El Proyecto Panamá deja así una pregunta que va mucho más allá de Anthropic: ¿cuánto de nuestro patrimonio estamos dispuestos a convertir en combustible para la inteligencia artificial?

The post Anthropic destruye millones de libros para entrenar a su IA appeared first on Rolling Stone en Español.