La industria de la IA compra libros y rostros: por qué las máquinas todavía necesitan a los humanos
Mientras los laboratorios de IA reportan avances en el entrenamiento de modelos, en el trasfondo se desarrolla una carrera por un recurso que no se puede sintetizar. Se trata de datos «puros», creados por humanos. Y la demanda de estos adopta formas cada vez más peculiares: desde la compra al por mayor de libros impresos con su posterior reciclaje hasta el alquiler de rostros humanos para avatares digitales.
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 ejemplares con su posterior digitalización. Cuando el esquema se hizo público, la empresa se apresuró a eliminar la página promocional y declaró que solo se trataba de una «prueba de demanda del mercado». En un segmento paralelo, las plataformas ActID y New Claw ya pagan a las personas entre $15 y $700 por el derecho a usar sus rostros como base para personajes de series de IA.
Colapso del modelo: cuando la IA comienza a devorarse a sí misma
El fenómeno conocido como «colapso del modelo» es la degradación de un sistema de IA que se entrena con datos generados por otras redes neuronales. Con cada ciclo, el resultado se vuelve más promedio y pierde conexión con la realidad. El término fue formalizado por un grupo internacional de investigadores liderado por Iliá Shumáilov en mayo de 2023, demostrando matemáticamente que al mezclar datos sintéticos, los modelos primero pierden la capacidad de reproducir eventos raros y luego acumulan errores.
La magnitud del problema es evidente. En abril de 2025, los investigadores de Ahrefs examinaron 900,000 páginas recién indexadas en Google: más del 74% mostraban signos de autogeneración. Según la estimación de Epoch AI, todo el texto apto para entrenamiento en internet podría agotarse para 2032. Por eso, los libros publicados antes de 2022 se han convertido en un activo de oro: están garantizados como libres de basura sintética y datos «envenenados».
Cabe destacar por separado el precedente judicial de junio de 2025, cuando el juez William Alsup dictaminó que la digitalización de libros impresos adquiridos legalmente para el entrenamiento de modelos de lenguaje se enmarca en la doctrina del uso justo. Esta decisión abrió las compuertas: ahora basta con conservar el recibo de un libro en papel para documentar el origen de los datos.
Rostros como mercancía: la nueva economía de los avatares digitales
El mercado de contenido de IA en China muestra un crecimiento explosivo. Más del 95% de los 128,000 mini-dramas de IA producidos en los primeros tres meses de 2026 fueron creados con inteligencia artificial. Plataformas como ActID y New Claw han convertido el alquiler de apariencia en un negocio completo: de $15 a $700 por la licencia de una imagen, con una comisión de plataforma del 10%.
Sin embargo, el control sobre el uso de los clones digitales sigue siendo frágil. Son reveladores los casos de ciudadanos británicos que vendieron los derechos de sus avatares a la startup Synthesia, cuyos dobles digitales luego «protagonizaron» videos propagandísticos que apoyaban a dictadores de Venezuela y Burkina Faso. El sindicato Equity ya está impulsando una prohibición legislativa sobre la transferencia de derechos no controlados sobre la apariencia digital.
El esquema es el mismo en todas partes: textos, rostros, voces, movimientos: todo se convierte en materia prima para la IA. Antes, los datos se tomaban sin permiso; ahora se pagan. Pero la esencia del trato no cambia: el activo sale irreversiblemente del control del propietario, solo que ahora con un recibo.
Mi comentario: La industria de la IA enfrenta una paradoja fundamental: cuantos más modelos se entrenan con datos sintéticos, más rápido se degradan, y más valiosos se vuelven los datos «humanos». Pero el mercado de estos datos es espontáneo y jurídicamente inmaduro. Hasta que no se cree un sistema transparente de licencias con limitaciones claras del contexto de uso, seguiremos viendo nuevos escándalos por la pérdida de control sobre las copias digitales de la personalidad. Este es un riesgo sistémico que la industria prefiere ignorar.