La industria de la inteligencia artificial se ha enfrentado a un problema fundamental: los datos de calidad para entrenar modelos se están agotando rápidamente. El mercado ya ha reaccionado a esta escasez de una manera inesperada, desde la compra al por mayor de libros impresos con su posterior eliminación hasta la concesión de licencias de rostros humanos para series de IA.
Colapso del modelo y datos "limpios"
La amenaza clave para las futuras generaciones de redes neuronales es el llamado "colapso del modelo". Este término, formalizado por un grupo de investigadores liderados por Ilya Shumailov en mayo de 2023, describe la degradación de los sistemas de IA que se entrenan con datos generados por otras redes neuronales. Con cada ciclo, estos modelos se vuelven más promedio, pierden conexión con la realidad y acumulan errores.
La magnitud del problema se confirma con cifras. Un análisis de 900,000 páginas nuevas en la búsqueda de Google, realizado en abril de 2025, mostró que más del 74% del contenido tiene signos de autogeneración. Según estimaciones de Epoch AI, todo el texto apto para entrenamiento en internet podría agotarse ya entre 2026 y 2032.
Por eso, los libros publicados antes de 2022 adquieren un valor especial: son una de las pocas fuentes garantizadas libres de "basura sintética". Sin embargo, el acceso a este recurso conlleva complejidades legales y éticas. Algunos autores incluso recurren al "envenenamiento" de datos, incrustando comandos ocultos en los textos. Las investigaciones muestran que solo se necesitan 250 documentos "envenenados" para introducir patrones dañinos en los LLM.
El negocio del libro bajo escáner
La práctica de comprar libros en masa para entrenar IA ya ha alcanzado un nivel industrial. Es ilustrativo el ejemplo del servicio ISBNdb, que agrega metadatos de 113 millones de ediciones. La empresa ofrecía a los laboratorios de IA servicios de corredor mayorista: compra de lotes de libros desde 1,000 hasta 1 millón de ejemplares con garantía de "pureza" frente a la basura de IA y protección legal mediante acuerdos de confidencialidad. Los libreros de segunda mano confirmaron un crecimiento anómalo de compras desde abril de 2026: las ventas de uno de ellos pasaron de 20 a varios cientos de ejemplares por semana, y los compradores no se interesaban ni por el valor ni por el género de las publicaciones.
Tras la publicación de la investigación, ISBNdb eliminó apresuradamente la página promocional y declaró que solo había sido una "prueba de demanda del mercado". Sin embargo, la propia lógica de este negocio es reveladora: un libro en el mercado secundario cuesta $2-5, mientras que un modelo entrenado con millones de estos ejemplares se valora en miles de millones de dólares. Es notable que los tribunales ya se hayan puesto del lado de las empresas de IA: en junio de 2025, el juez William Alsup dictaminó que la digitalización de libros adquiridos legalmente para entrenar modelos de lenguaje se enmarca en la doctrina del uso justo.
Alquiler de rostros y voces
Una situación similar se está dando en el mercado de datos biométricos. En China, donde más del 95% de los 128,000 mini-dramas de IA lanzados en el primer trimestre de 2026 se crearon con inteligencia artificial, plataformas como ActID y New Claw pagan a las personas entre $15 y $700 por licenciar sus imágenes. Los productores eligen rostros por categorías como "chica de al lado" o "brutal", y los usuarios obtienen ingresos pasivos.
Sin embargo, este mercado conlleva riesgos graves. Ciudadanos británicos que vendieron los derechos de sus avatares digitales a la startup Synthesia descubrieron sus "clones" en videos propagandísticos que apoyaban a regímenes dictatoriales de Venezuela y Burkina Faso. Como señalan acertadamente los abogados, las condiciones de licencia suelen ser tan vagas que es imposible controlar el uso final de la apariencia.
Mi veredicto
Estamos presenciando la formación de un nuevo tipo de mercado de materias primas, donde la experiencia humana —textos, rostros, voces, movimientos— se convierte en un recurso tan valioso como el petróleo o los metales de tierras raras. El esquema es siempre el mismo: primero se tomaron los datos sin permiso, ahora se paga por ellos, pero el activo sigue saliendo irreversiblemente del control del propietario. La diferencia es que ahora tienes un recibo. La pregunta es cuánto durará esta ilusión de control antes de que los reguladores comprendan la necesidad de reglas de juego fundamentalmente nuevas.