La inteligencia artificial devora datos a una velocidad sin precedentes, y ahora los laboratorios se ven obligados a cazar las últimas fuentes intactas de contenido «humano». No se trata solo de textos, sino también de rostros, voces e incluso movimientos: todo esto se convierte en materia prima para la nueva generación de modelos.

Colapso del modelo: cuando la IA comienza a devorarse a sí misma

El problema clave al que se enfrenta la industria es el llamado «colapso del modelo». Este término, introducido en el ámbito científico por un grupo de investigadores liderados por Iliá Shumáilov en 2023, describe la degradación de una red neuronal que se entrena con datos generados por otras IA. Cada ciclo hace que el modelo sea más promedio, predecible y desconectado de la realidad. Está matemáticamente demostrado: la mezcla de contenido sintético provoca la pérdida de eventos raros y la acumulación de errores.

La magnitud de la amenaza se confirma con cifras. Un estudio de Ahrefs mostró que más del 74% de las páginas nuevas en la búsqueda de Google contienen signos de autogeneración. Y según estimaciones de Epoch AI, las reservas de texto apto para entrenamiento en internet podrían agotarse ya entre 2026 y 2032. Por eso, los libros publicados antes de 2022 se convierten en una mina de oro: están garantizados como libres de «basura sintética» y datos «envenenados».

Negocio del libro: de compras al por mayor a demandas judiciales

El servicio ISBNdb, que reúne metadatos de 113 millones de ediciones, ofreció a las empresas de IA un servicio específico: la compra de libros en lotes de hasta un millón de unidades con su posterior digitalización y eliminación. Cuando los medios escribieron sobre este esquema, la empresa se apresuró a eliminar la página con la descripción del servicio y declaró que no había cerrado ningún acuerdo. Según afirman sus representantes, solo se trataba de «probar la demanda del mercado».

Es revelador que la práctica en sí no es nueva. En agosto de 2024, tres autores estadounidenses presentaron una demanda colectiva contra Anthropic, acusando a la empresa de violar los derechos de autor. Según los materiales del caso, Anthropic compraba de forma anónima tiradas de libros impresos, cortaba las tapas y los escaneaba a escala industrial. Sin embargo, en junio de 2025, el juez William Alsup dictaminó que la digitalización de libros adquiridos legalmente para entrenar modelos de lenguaje se encuadra en la doctrina del uso justo.

Los libreros de segunda mano ya confirman una demanda anómala: las ventas de uno de los comerciantes pasaron de veinte ejemplares a varios cientos por semana. A los compradores no les interesa el género ni el valor, solo la presencia del ISBN. Mientras tanto, las ediciones únicas se pierden irremediablemente, yendo bajo el escáner en lugar de a la estantería.

Alquiler de rostros: el nuevo mercado de dobles digitales

En paralelo, se está formando un mercado de licencias de apariencia. Plataformas como ActID y New Claw pagan a las personas entre $15 y $700 por el derecho a usar sus rostros en series y anuncios de IA. En China, donde más del 95% de los 128 000 mini-dramas de IA lanzados en el primer trimestre de 2026 fueron creados con redes neuronales, la demanda de rostros reales es enorme.

Sin embargo, el control sobre los clones digitales resulta frágil. Ciudadanos británicos que vendieron los derechos de sus avatares a la startup Synthesia descubrieron sus rostros en videos propagandísticos que apoyaban a dictadores de Venezuela y Burkina Faso. Estos casos se han convertido en precedentes para el sindicato de actores Equity, que busca una prohibición legislativa de la transferencia no controlada de derechos sobre la apariencia digital.

No solo textos y rostros

Los robots también necesitan ejemplos de movimientos naturales. Empresas como Tesla pagan hasta $48 por hora a personas que, con trajes de captura de movimiento, repiten acciones rutinarias para entrenar humanoides. En 2025, se invirtieron más de $6 mil millones en el desarrollo de estas máquinas.

El esquema es el mismo en todas partes: antes los datos se tomaban sin permiso, ahora se pagan. Pero la estructura del acuerdo no cambia: el activo sale irreversiblemente del control de su dueño, solo que ahora con un recibo.

Mi comentario: El mercado de datos «limpios» se está convirtiendo en un recurso estratégico tan importante como el petróleo o los metales de tierras raras. Sin embargo, la industria ignora el riesgo fundamental: cuando se transfieren los derechos sobre una copia digital, no hay vuelta atrás. Los reguladores deberían darse prisa en crear marcos legales claros; de lo contrario, tendremos un mundo donde cualquiera puede convertirse en rehén de su propio doble digital.