Amazon escanea y destruye libros raros para entrenar IA

¿Qué reveló el AirTag escondido en un libro?

Un librero que vendía ejemplares antiguos recibió pedidos inusuales durante el último año: volúmenes enormes de títulos aparentemente inconexos, sin sensibilidad al precio. Para descubrir quién estaba detrás, aceptó la propuesta de 404 Media de ocultar un AirTag dentro de uno de los envíos. El rastreo trazó una ruta de miles de kilómetros por Estados Unidos —desde California hasta Las Vegas— hasta detenerse en LAS8, un almacén logístico de Amazon. Pero el destino era más específico: en el extremo norte de ese complejo funciona VGT3, una operación interna cuyo emblema es un tiranosaurio devorando un libro abierto.

Los trabajadores describieron un proceso metódico: reciben los ejemplares, registran sus códigos de barras o ISBN, retiran la encuadernación para escanear las páginas rápidamente y luego destruyen el ejemplar físico. El contenido queda digitalizado; el libro desaparece. Amazon no confirmó públicamente que esos textos alimenten sus modelos de inteligencia artificial, pero se limitó a señalar que compra libros por canales comerciales para mejorar los productos y servicios que utilizan sus clientes.

La operación secreta detrás de VGT3

Lo que 404 Media documentó a través de testimonios de empleados revela detalles operativos que van más allá del caso aislado. Según discusiones en foros en línea, los trabajadores de VGT3 están entrenados para escanear códigos de barras e ISBN antes de procesar cada libro, lo que respalda la teoría de los libreros de que las empresas de IA están trabajando sistemáticamente para completar listas de ISBNs y cubrir todo el catálogo impreso disponible.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Hay otro dato preocupante para la cadena de suministro de datos: según reportaron los propios empleados, más temprano este año Amazon se quedó sin libros para escanear. La escasez fue tan alarmante que temieron cerrar la instalación si no conseguían más material. En un momento dado, el suministro se agotó completamente. La facilidad sigue operativa, pero la necesidad de nuevos textos únicos es evidente.

Esto encaja con una estrategia ya conocida por el caso de Anthropic y su Proyecto Panama, donde la compañía compró millones de libros impresos y los convirtió en copias digitales mediante un proceso destructivo similar. Un juez consideró que esa conversión uno a uno de ejemplares comprados legalmente constituía fair use (uso justo), aunque no llegó a la misma conclusión respecto a los millones de libros descargados de bibliotecas pirata. Amazon desarrolla modelos propios como la familia Nova, pero mantiene silencio sobre qué sistemas específicos reciben esos textos escaneados.

Por qué las IA necesitan libros viejos y los destruyen

El interés no radica en el valor monetario de los ejemplares, sino en el contenido que contienen. Muchos de estos volúmenes contienen texto humano que no está disponible en Internet y, si fueron publicados antes del auge de la IA generativa, preceden a la proliferación actual de contenido sintético. Para empresas que compiten por desarrollar modelos frontera (frontier AI) capaces de rivalizar con Google, OpenAI u otras compañías líderes, acceder a texto original y único representa una ventaja competitiva.

La paradoja es notable: algunos de los libros comprados eran raros porque existen pocas copias, porque tuvieron tiradas reducidas o porque están escritos en idiomas poco extendidos. Su valor podía ser histórico, intelectual o sentimental. Sin embargo, para las empresas de IA, lo decisivo parece estar en otra parte: en el texto que contienen. Lo que al principio parecía una buena noticia para quienes venden libros revela algo distinto: también se están comprando para convertir sus palabras en datos.

Mientras tanto, competidores como Anthropic y xAI han declarado públicamente que no están entrenando en libros raros o anticuados, lo que sugiere que Amazon podría estar buscando diferenciarse accediendo a fuentes que otros evitan por controversia reputacional. El magnate Michael Burry habría calificado la práctica como «la encarnación del mal».

¿Qué significa esto para tu startup?

Este caso expone una realidad que afecta directamente a cualquier fundador que construya productos basados en datos: el acceso a información única y verificable se está convirtiendo en un recurso estratégico escaso. Si las grandes tecnológicas están comprando y digitalizando catálogos enteros de forma destructiva, el panorama de disponibilidad de datos originales cambiará drásticamente en los próximos años.

Para tu startup, esto tiene implicaciones concretas:

Evalúa tus fuentes de datos: si tu modelo o producto depende de textos, imágenes o datos que podrían ser objeto de adquisición masiva por parte de terceros, considera diversificar las fuentes o crear acuerdos exclusivos que protejan tu acceso preferente.
Monetiza datos únicos: si tu empresa genera o accede a información especializada que no está ampliamente disponible, hay una oportunidad clara para licenciarla. Las empresas de IA están dispuestas a pagar por contenido que no encuentran en internet público.
Considera la propiedad intelectual: a medida que las corporaciones acumulen derechos sobre corpus de datos masivos, podrías enfrentar barreras de acceso a información clave para tu sector. Mantén registros claros de origen y procedencia de cualquier dataset que uses.
Anticípate a cambios regulatorios: el debate sobre fair use, derechos de autor y propiedad intelectual en la era de la IA está lejos de resolverse. Si tu modelo de negocio depende de datos de terceros, monitorea decisiones judiciales relevantes para ajustar tu estrategia antes de que cambie el marco legal.

La lección central es simple: los datos son el nuevo petróleo, y quien controla las fuentes exclusivas controla la ventaja competitiva. Ya sea que construyas una IA, una plataforma SaaS o un producto basado en análisis, entender quién está acumulando información y cómo puede afectar tu posición en el mercado es una decisión estratégica que no puedes ignorar.