El cercado, no la hoguera

En un almacén de North Las Vegas, Amazon tiene una máquina que corta el lomo de libros de segunda mano. Las hojas sueltas pasan por un escáner y el papel va después a la pasta. El Daily Mail comparó la operación con una moderna quema de libros, sin ahorrarse un solo cliché por el camino: alusiones a Savonarola, fotos de archivo de libros con aspecto de raros y, cómo no, la pira de Berlín. Los periódicos serios, como cabía esperar, fueron más comedidos, pero dejaron la misma comparación flotando en el aire. Con toda su indignación, estos artículos dejaron que la industria de la IA se fuera de rositas. ¿Quién va a controlar el conocimiento que se está escaneando? Esa pregunta tendrá que esperar a que despachemos la sandez de la quema de libros.

Un escáner no es una hoguera

Destruir un ejemplar no convierte, por sí solo, el escaneado destructivo en el equivalente moderno de las hogueras de Savonarola o de las quemas nazis. Aquellos actos tomaban su sentido de lo que se condenaba y de por qué se condenaba. El pobre fraile Savonarola, arrastrado a todas las polémicas sobre quemas de libros, pedía a la gente que quemase parte de sus posesiones como acto público de penitencia. Las hogueras nazis escenificaban un repudio de otra clase: quemar los libros en público era declarar que sus autores no tenían sitio en la vida cultural alemana. En ambos casos la destrucción era performativa. El escaneado destructivo, un método corriente en digitalización, persigue otra cosa: se sacrifica el ejemplar para conservar su contenido. El libro se destruye; el texto se desmaterializa. A quien invoque Fahrenheit 451 le vendrá bien recordar que los bomberos de Bradbury no guardaban el texto para más tarde.

404 Media alimentó la alarma poniendo «libros raros» en su titular, descripción que otros medios repitieron obedientemente. Sin embargo, un librero citado en esa misma investigación explicó que aquellos pedidos al por mayor excluían los libros sin ISBN, lo que apunta sobre todo a ediciones posteriores a la introducción del ISBN, hacia 1970. Es la mercancía de los rastros y las tiendas de beneficencia, a menudo a una limpieza de trastero del contenedor. Antes de proclamar una catástrofe cultural, convendría consultar el catálogo de la biblioteca: esas son precisamente las publicaciones que las bibliotecas de depósito legal existen para conservar. Un ISBN no garantiza, es cierto, que sobreviva un ejemplar de depósito; pero tampoco la escasez en el mercado de segunda mano demuestra que un texto haya desaparecido.

La trituración destruye el ejemplar, con sus dedicatorias y sus anotaciones marginales. Los ejemplares con marginalia o procedencia de interés histórico merecen identificarse y conservarse, a ser posible antes de que lleguen al mercado de segunda mano. Puede inquietarnos, además, la menguante oferta de ejemplares de títulos descatalogados. Pero entonces habría que preguntarse también por qué sus titulares de derechos ni los reimprimen ni autorizan el acceso a los facsímiles digitales que ya existen. Los investigadores conocen bien la frustración: Google Books encuentra el pasaje que uno necesita y a continuación le ofrece un retazo de un libro que no se puede comprar nuevo ni leer en línea. Hay aquí pérdidas que merecen discutirse. Ninguna convierte un escáner en una hoguera nazi.

El comercio del libro, por su parte, lleva mucho tiempo enviando a la pasta los libros no vendidos como cosa de rutina. Solo en Francia se calcula que en 2023 se destruyeron 25 000 toneladas de libros, cerca del 60 % del tonelaje devuelto sin vender a los distribuidores. A eso se le llama gestionar las existencias. Los excedentes y los títulos escasos de segunda mano plantean cuestiones de acceso distintas, pero destruir papel no es, en sí, ni censura ni tiranía.

¿Más libros, mejor IA?

Que las empresas de IA compren y escaneen libros es, en realidad, una buena noticia. Una tecnología a la que se reprocha sin cesar su comprensión superficial de la cultura humana está adquiriendo más cultura, y cabría esperar que los académicos celebraran el empeño.

La web es un pobre sustituto del registro acumulado de una lengua. Buena parte de la vida escrita de una lengua —novelas y memorias, canciones populares, conversaciones transcritas— nunca ha pasado del papel a la web. Muchos de esos libros han sobrevivido a sus editoriales. Incorporarlos a los datos de entrenamiento importa sobre todo allí donde apenas hay otra cosa. Unos cuantos libros más en inglés aportarán, si acaso, una mejora marginal; en una lengua poco representada pueden marcar la diferencia entre un sistema utilizable y otro inservible. Que estas herramientas tengan cabida en nuestros servicios públicos o en nuestra vida diaria es asunto de debate público. Pero allí donde decidamos usarlas, deberíamos poder hacerlo en nuestra propia lengua.

Los pedidos de que se ha dado noticia en España y en los Países Bajos vuelven concreto lo que está en juego para las lenguas. En mayo, elDiario.es describía a un librero de Badalona que recibía pedidos reiterados, sobre todo de no ficción en catalán: libros de historia, manuales técnicos, viejas actas de congresos. En agosto, la prensa neerlandesa hablaba de un encargo a De Slegte de 800 000 libros en neerlandés. La lengua de los libros merece por lo menos tanta atención como la suerte de sus encuadernaciones. Quizá sea mucho pedir al Daily Mail; pero tampoco los diarios más sobrios han tenido gran cosa que decir sobre las lenguas en cuestión.

Los acuerdos de licencia con las grandes editoriales también pueden aportar material valioso, pero sus catálogos digitales cubren solo una fracción de cuanto se ha impreso. Los libros nunca digitalizados, o cuyos derechos la editorial ya no posee, quedan fuera de la oferta. Ni el acuerdo de licencia más generoso puede suplir la historia de la edición, y menos aún la historia de una cultura. Comprar ejemplares de segunda mano es una manera de traspasar esas fronteras comerciales.

«Robo» no es un argumento

Tampoco ayuda llamarlo «robo». En junio de 2025, dos tribunales federales de distrito de Estados Unidos sostuvieron que, en los casos que tenían delante, entrenar modelos de lenguaje con libros era uso legítimo (fair use). En Bartz v. Anthropic, el tribunal subrayó el carácter transformador del entrenamiento: los libros se usaron para construir un sistema capaz de producir expresión nueva. Los modelos pueden memorizar pasajes, pero entrenar con un libro no hace que el texto entero pueda recuperarse a voluntad. Tampoco la ausencia de reproducción literal zanja todas las objeciones: en Kadrey v. Meta, el juez advirtió de que las obras generadas por IA podrían inundar el mercado y de que la prueba de tal perjuicio podría echar abajo una defensa de uso legítimo; pero aquellos demandantes no habían aportado pruebas significativas de ese perjuicio a sus propias obras. Ninguna de las dos sentencias da a las empresas de IA carta blanca ni zanja la disputa ética. Lo que exigen es distinguir cómo se adquieren los libros, cómo se conservan las copias y qué hace con ellas el entrenamiento. Llamar «robo» a todo ello deja esas preguntas sin responder.

Por cierto: la sentencia del caso Anthropic ofrece una justificación para la guillotina. El tribunal avaló la digitalización de ejemplares comprados y rechazó la acumulación de libros pirateados en una biblioteca permanente, por la que la empresa aceptó más tarde un acuerdo de 1500 millones de dólares. La digitalización pasó el examen, en parte, porque cada ejemplar impreso se destruía en la conversión: la copia digital lo sustituía y no salía de la empresa. La destrucción que tanto escandaliza a algunos ayudó a Anthropic a demostrar que su programa de digitalización era uso legítimo. Comprar, escanear y desechar ofreció en ese caso una vía legal. La guillotina, aquí, es un instrumento de cumplimiento de la ley. Comprar ejemplares puede resolver el problema de la adquisición; no da a nadie, por sí solo, permiso para compartir el corpus resultante.

Hay buenas razones para querer que la IA beba de más lenguas, de más investigación y de más de ese mundo que existía antes de internet. Esas razones no se evaporan porque una empresa que nos cae mal haya visto en ello una oportunidad de negocio.

Indignación prestada

Volvamos, pues, al Daily Mail. Su artículo forma parte de Make It Fair, una campaña de propietarios de periódicos y editoriales que reclama un mercado de licencias a escala plena para la IA. Dos sustituciones oportunas hacen el trabajo: las grandes tecnológicas pasan por la IA, y los titulares de derechos pasan por la creatividad británica. Se invita al lector a defender la cultura mientras las editoriales negocian las condiciones de su venta. Los académicos que comparten la noticia harían bien en preguntarse a qué causa sirve su indignación.

Las grandes tecnológicas y las Big Five discuten por el precio del alquiler, pero ninguna de las dos pone reparos al cercado. La historia del autor solitario expoliado por un gigante tecnológico esconde lo que los costosos acuerdos de licencia ofrecen a ambos bandos corporativos: las editoriales cobran, y las grandes tecnológicas se aseguran un mercado en el que sus rivales más pequeños no pueden permitirse competir. Peter Thiel resumió sin rodeos la preferencia de Silicon Valley: «La competencia es para perdedores».

Las licencias no tienen por qué acabar así. Un acceso asequible y no exclusivo podría ayudar a los desarrolladores pequeños. Pero un sistema que obliga a cada recién llegado a negociar acuerdos costosos con los grandes titulares de derechos convierte el poder adquisitivo en condición de entrada. Un pago presentado como concesión a las industrias culturales acaba comprando protección frente a futuros rivales.

La IA no es de las grandes tecnológicas

Hay una cuestión más de fondo. Demasiadas críticas a la IA toman a sus mayores proveedores comerciales por el campo entero. Los productos acaparan los titulares; la investigación y el desarrollo que se hacen fuera de esas empresas desaparecen de la vista. Las grandes tecnológicas no podrían pedir un malentendido más útil: su ambición de adueñarse del campo se convierte en la premisa de la crítica que se les dirige. El monopolio no está asegurado todavía; darlo por hecho les hace un favor enorme.

La IA de código abierto permite construir y adaptar sistemas que reflejen una mayor diversidad de lenguas, culturas y formas de expresión. Para los países de Europa, África y América Latina, igual que para Corea del Sur, Japón o la India, esa es una base práctica de soberanía tecnológica y cultural: la capacidad de decidir cómo funcionan los sistemas, a qué lenguas sirven y dónde se usan. Si usar la IA, y para qué, debería seguir siendo una elección pública, no una decisión dictada por la dependencia de un proveedor extranjero.

Pero la libertad de modificar un sistema vale poco sin los medios para hacerlo. El trabajo independiente necesita conocimientos, infraestructura de cálculo y acceso a material de entrenamiento. Y eso nos devuelve a los libros. Si cada equipo de investigación o institución pública tiene que negociar sus propios acuerdos editoriales o reunir su propia biblioteca privada, la independencia seguirá siendo un privilegio de quien pueda pagarla.

Los libros ya están aquí

Bibliotecas y archivos llevan generaciones reuniendo el material que estos sistemas necesitan. Sus colecciones existen porque el acceso al conocimiento debe durar más que el interés comercial en venderlo. Mucho está ya escaneado: HathiTrust custodia unos diecinueve millones de volúmenes digitalizados procedentes de bibliotecas de investigación, muchos aún bajo derechos de autor. Una biblioteca escanea un libro y lo conserva; allí nadie necesita guillotina. HathiTrust cerrará su Research Center a finales de 2026, pero ha anunciado también Transparent Books, un proyecto para dar acceso a corpus con fines de investigación y desarrollo no comerciales en IA. Un acceso en esos términos seguiría dejando fuera a algunos desarrolladores independientes.

Ahora bien, poseer los libros no da a una biblioteca derecho a distribuir su contenido protegido como corpus de entrenamiento. La legislación de la UE permite a las instituciones de investigación y a las bibliotecas hacer minería de obras legalmente accesibles con fines de investigación científica, y una minería más amplia cuando los titulares no se han reservado los derechos. Gran Bretaña traza un límite más estrecho: su excepción cubre la investigación no comercial y restringe la transferencia de copias. Ninguno de los dos marcos da a las bibliotecas un derecho general a compartir sus fondos protegidos para que otros construyan sobre ellos.

Cabría también reconsiderar durante cuánto tiempo deben controlar los titulares de derechos los usos computacionales de los libros. Las patentes farmacéuticas ofrecen un término de comparación: sus veinte años de vigencia ordinaria son mucho menos que la protección del derecho de autor, que dura toda la vida del autor y setenta años más. ¿Podrían los libros quedar libres para la minería de textos y datos, sin pagar licencia, al cabo de, digamos, veinte años desde su primera publicación, mientras los derechos de reedición y venta siguen protegidos? Proteger el derecho de un autor a vender un libro no tiene por qué significar controlar durante generaciones cada uso que pueda darse a su contenido.

Hace dos años sostuve en The Hindu que los datos patrimoniales deberían tratarse como un bien público. Los gobiernos deberían financiar a bibliotecas y archivos para que digitalicen, transcriban y documenten sus colecciones, y darles autoridad legal para poner los corpus resultantes a disposición de quien quiera construir sobre ellos. Las grandes tecnológicas podrían contribuir a pagar la factura mediante un gravamen específico.

La financiación pública debería ir acompañada de políticas de colección y normas de acceso publicadas, que cubran tanto el trabajo académico como el comercial, sin acuerdos exclusivos ni accesos privilegiados para los donantes. Dar acceso para el entrenamiento no tiene por qué significar redistribuir sin límite libros protegidos. Los autores deberían participar en el diseño del sistema público, incluido el modo en que trate el consentimiento, la remuneración y la competencia con su obra. El acceso gratuito para los usuarios no excluye una remuneración de los autores con cargo a fondos públicos: el derecho de préstamo público, que paga a los autores con dinero público cuando se prestan sus libros, ofrece un precedente. La hoguera nunca fue la noticia. La noticia es el cercado.