La industria de la inteligencia artificial se ha enfrentado a una paradoja: cuanto más se entrenan los modelos con datos sintéticos, más rápido se degrada la calidad de los propios sistemas. En busca de material «puro» —textos creados exclusivamente por humanos—, los laboratorios están dispuestos a tomar medidas extraordinarias. Ya no se trata solo de hacer scraping en internet, sino de la compra industrial de libros impresos con su posterior destrucción.
Colapso de modelos: cuando la IA se devora a sí misma
El término «colapso de modelo» describe el proceso de degradación de una red neuronal que se entrena con datos generados por otra red neuronal. Con cada ciclo, las respuestas se vuelven más promedio y pierden conexión con la realidad. Este fenómeno fue formalizado por primera vez por un grupo de investigadores liderados por Ilya Shumailov en mayo de 2023. Su trabajo «La maldición de la recursión» demostró matemáticamente que la mezcla regular de datos sintéticos conduce a la pérdida de eventos raros y a la acumulación de errores.
La magnitud del problema lo confirman las cifras. Un análisis de Ahrefs, realizado en abril de 2025, mostró que más del 74% de las 900 000 nuevas páginas indexadas en Google presentan signos de autogeneración. Y el instituto independiente Epoch AI pronostica que todo el texto apto para entrenamiento en internet se agotará entre 2026 y 2032. Los libros publicados antes de 2022 se están convirtiendo en un recurso estratégico: es una de las pocas fuentes garantizadas libres de «basura sintética» y «trampas» intencionadas.
Caza clandestina de volúmenes
El esquema ya está probado. En agosto de 2024, tres autores estadounidenses presentaron una demanda colectiva contra Anthropic, acusando a la empresa de violación de derechos de autor. En los documentos del caso figuraba el proyecto «Panama»: la empresa compraba anónimamente tiradas de libros impresos, cortaba las encuadernaciones y los escaneaba a escala industrial. En junio de 2025, el juez William Alsup emitió una decisión histórica: la digitalización de libros adquiridos legalmente para el entrenamiento de IA está cubierta por la doctrina del uso justo. Ahora basta con conservar el recibo — y el origen de los datos queda documentalmente confirmado.
Esta práctica se está comercializando rápidamente. El servicio ISBNdb, que posee los metadatos de 113 millones de ediciones, ofrecía a las empresas de IA servicios de corredor mayorista: compra de lotes de 1000 a 1 millón de libros, garantías de «pureza» frente a la basura de IA y protección legal mediante NDA. En la página promocional se decía explícitamente: «El problema de percepción es real. “Una empresa de IA destruyó dos millones de libros” no es un titular que genere simpatía en la sociedad». Tras el escándalo en la prensa, ISBNdb eliminó apresuradamente la página, alegando que era solo una «prueba de demanda del mercado». Sin embargo, los libreros de segunda mano consultados confirmaron un crecimiento anómalo de las compras desde abril de 2026: las ventas de uno de los comerciantes pasaron de 20 ejemplares a varios cientos por semana. A los compradores no les interesaba el valor ni el género — solo la presencia del ISBN.
Alquiler de rostros: la nueva economía de la apariencia
La escasez de «orgánico» no afecta solo a los textos. En China, el mercado de minidramas de IA está creciendo rápidamente: más del 95% de las 128 000 de estas películas estrenadas en el primer trimestre de 2026 se crearon con IA. Esto ha generado demanda de rostros vivos y reconocibles. Las plataformas ActID y New Claw pagan a las personas entre $15 y $700 por licenciar sus imágenes. Los usuarios suben fotos y los productores eligen perfiles por categorías como «chica de al lado» o «rudo».
Formalmente, esto parece un paso hacia un mercado civilizado. Sin embargo, el abogado Ile Deng advierte: las condiciones de licencia son tan vagas que es imposible saber quién y cómo utilizará finalmente la apariencia. Ya hay precedentes: modelos británicas que vendieron los derechos de sus avatares a la startup Synthesia descubrieron sus clones digitales en videos propagandísticos que apoyaban a dictadores de Venezuela y Burkina Faso.
No olvide el recibo
La misma lógica se extiende a las voces y los movimientos. El sindicato SAG-AFTRA ya ha ratificado acuerdos para la protección contra copias sintéticas de voz. Tesla paga hasta $48 por hora a personas con trajes de captura de movimiento, y el MIT estima las inversiones en robótica humanoide en $6 mil millones para 2025.
El esquema es el mismo en todas partes: antes los datos se tomaban sin permiso, ahora se pagan. Pero la esencia del trato no cambia: el activo sale irreversiblemente del control de su propietario. Solo que ahora con recibo.
Mi opinión: La situación recuerda a una «fiebre del oro» al revés: en lugar de extraer el recurso, asistimos a su destrucción total. La protección legal a través de la doctrina del uso justo solo legaliza un enfoque bárbaro. La industria necesita mecanismos de licenciamiento sostenibles; de lo contrario, en una generación tendremos modelos entrenados sobre sí mismos — y eso será un colapso irreversible.