La industria de la IA compra libros y rostros: por qué las redes neuronales necesitan desesperadamente materia prima "humana"
El mercado del entrenamiento de inteligencia artificial está experimentando un cambio tectónico. Los principales laboratorios y startups, enfrentados a la escasez de datos de calidad, han comenzado una cacería de materia prima "orgánica": libros, rostros y voces. No se trata solo de licenciamiento, sino de operaciones a gran escala para comprar y destruir publicaciones impresas. Esta carrera por contenido limpio es una consecuencia directa del fenómeno conocido como "colapso del modelo".
La maldición de la recursión
El término "colapso del modelo" 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 y desconectado de la realidad. Este fenómeno fue formalizado por primera vez por un grupo de investigadores liderados por Ilya Shumailov en mayo de 2023, publicando el trabajo "La maldición de la recursión". Demostraron matemáticamente que mezclar datos sintéticos provoca la pérdida de conocimientos raros y la acumulación de errores.
El problema ya no es teórico. Según mis estimaciones, basadas en análisis web, más del 74% del contenido nuevo en internet se genera automáticamente. Además, según los cálculos de Epoch AI, las reservas de texto "puro" apto para entrenamiento podrían agotarse entre 2026 y 2032. Por eso, los libros publicados antes de 2022 se han convertido en un recurso estratégico: casi con seguridad no contienen basura sintética ni "trampas" deliberadas que los autores han comenzado a incrustar para "envenenar" los datos.
El Uroboros del libro
El servicio ISBNdb, que posee los metadatos de 113 millones de publicaciones, ofreció a las empresas de IA un servicio específico: la compra de libros en lotes de hasta un millón de unidades, seguida de su digitalización y eliminación. Cuando los medios informaron sobre este esquema, la empresa se apresuró a eliminar la página con la descripción y declaró que no había cerrado ningún acuerdo, llamándolo una "prueba de demanda del mercado". Sin embargo, libreros independientes confirman un aumento anómalo de compras desde abril de 2026. A los compradores no les interesa el género ni el valor, solo la presencia del ISBN. Esto me recuerda el precedente de Anthropic, que en el marco del "proyecto Panama" compraba tiradas de forma anónima, cortaba las encuadernaciones y escaneaba los libros. El juez William Alsup dictaminó en junio de 2025 que la digitalización de libros comprados legalmente cae bajo la doctrina del uso justo. Ahora basta con conservar el recibo, y el origen de los datos queda legalmente confirmado.
La economía de este negocio es absurda: un libro en el mercado secundario cuesta entre $2 y $5, mientras que un modelo entrenado con millones de estos ejemplares se valora en miles de millones de dólares.
Alquiler de rostros
En otro segmento del mercado, plataformas como ActID y New Claw pagan a las personas entre $15 y $700 por usar sus rostros como base para personajes de series de IA. La demanda es colosal: más del 95% de los 128,000 mini-dramas de IA lanzados en China durante el primer trimestre de 2026 se crearon con redes neuronales. Sin embargo, el control sobre los datos biométricos es ilusorio. Ya hay precedentes en los que clones digitales de actores británicos, que vendieron sus derechos a Synthesia, se utilizaron en videos propagandísticos que apoyaban regímenes dictatoriales. El abogado de Pekín, Ile Deng, señala con razón: las condiciones de licencia son tan vagas que es imposible saber quién y cómo terminará usando tu apariencia.
Mi veredicto
Estamos presenciando la formación de una nueva economía de datos, donde la experiencia humana se convierte en una materia prima. Por ahora, el mercado se mueve del robo al pago, pero la estructura del acuerdo sigue siendo abusiva: el activo sale irreversiblemente del control del propietario, solo que ahora con recibo. Esta es una tendencia peligrosa que requerirá una regulación estricta; de lo contrario, corremos el riesgo de perder no solo el control sobre nuestros datos, sino también la propia diversidad de información que hace que la IA sea verdaderamente útil.