El mercado de la IA se enfrenta a una paradoja: cuantos más modelos se entrenan con datos sintéticos, más rápido se degradan. Este fenómeno, conocido como «colapso del modelo», obliga a los laboratorios a buscar fuentes cada vez más exóticas de contenido «puro», desde la compra masiva de libros impresos hasta el alquiler de rostros humanos para deepfakes. Analizo por qué una industria que aspira a la autonomía hoy necesita desesperadamente de lo «orgánico».

La maldición de la recursión: cómo la IA se devora a sí misma

El término «colapso del modelo» fue introducido en el ámbito científico en mayo de 2023 por un grupo de investigadores liderados por Iliá Shumáilov. Está matemáticamente demostrado: cuando un modelo se entrena con datos generados por otra red neuronal, pierde la capacidad de reproducir correctamente eventos raros y patrones sutiles. Con cada ciclo, las respuestas se vuelven más promedio y los errores se acumulan en avalancha.

La magnitud del problema la confirman las cifras. Según mis estimaciones, ya más del 74% del contenido nuevo en internet se crea automáticamente, y según las proyecciones de Epoch AI, todo el texto apto para entrenamiento en acceso abierto podría agotarse ya para 2032. Esto genera una demanda colosal de datos garantizados libres de «basura sintética», y los principales candidatos son los libros publicados antes de 2022.

El esquema gris: los libros como material desechable

Es revelador el caso del servicio ISBNdb, que ofrecía a las empresas de IA servicios de corredor mayorista para la compra de libros impresos en lotes de hasta un millón de ejemplares, con su posterior digitalización y eliminación. Después de que este esquema se hiciera público, la empresa eliminó apresuradamente la página promocional, calificándolo todo de «prueba de demanda del mercado». Sin embargo, libreros independientes confirman un aumento anómalo de compras desde abril de 2026, cuando las ventas pasaron de veinte a varios cientos de libros por semana.

Esta práctica ya ha recibido aprobación legal. En junio de 2025, el juez William Alsup dictaminó que la digitalización de libros adquiridos legalmente para el entrenamiento de LLM está cubierta por la doctrina del uso justo. Ahora basta con conservar el recibo, y el origen de los datos queda documentalmente confirmado. La economía de este esquema es impactante: un libro de $2–5 en el mercado secundario se convierte en un activo que ayuda a crear modelos valorados en miles de millones de dólares.

Rostros y voces: la nueva moneda

Una situación similar se da en el mercado de datos biométricos. Plataformas como ActID y New Claw pagan a las personas entre $15 y $700 por licenciar su apariencia para series de IA y publicidad. En China, donde más del 95% de los 128 000 minidramas de IA estrenados en el primer trimestre de 2026 se crearon con redes neuronales, la demanda de rostros «reales» es enorme.

Sin embargo, el control sobre el uso de estos datos es extremadamente frágil. Se conocen casos en los que clones digitales de ciudadanos británicos que vendieron los derechos de sus avatares se utilizaron en vídeos propagandísticos de regímenes dictatoriales. Esto confirma mi vieja idea: tras ceder los derechos, la persona pierde efectivamente el control sobre su imagen digital para siempre.

Veredicto del analista

Estamos presenciando un cambio fundamental: la industria de la IA, que aspira a la plena autonomía, en realidad resulta críticamente dependiente de la «materia prima» humana. Ya sean textos, rostros o voces, el esquema es el mismo: los datos salen irreversiblemente del control del propietario, ahora incluso con recibo. Mientras el mercado no desarrolle mecanismos sólidos de control a largo plazo y una distribución justa de beneficios, esta asimetría no hará sino intensificarse, creando nuevas minas éticas y legales de efecto retardado.