La afirmación sobre la destrucción de libros de Anthropic es real, pero la historia de los libros raros no está probada

Anthropic compró y escaneó destructivamente millones de libros físicos, una práctica que ahora impulsa alarmantes titulares en Google News sobre empresas de IA que eliminan títulos raros. La operación documentada implicaba retirar las encuadernaciones, escanear las páginas y desechar el papel después. Sin embargo, las pruebas más sólidas disponibles no establecen que Anthropic se dirigiera a libros raros o únicos.

Esa distinción cambia la historia. Los hechos confirmados revelan un esfuerzo industrial para convertir libros adquiridos legalmente en datos privados de entrenamiento de IA. La afirmación viral más amplia añade varios elementos no probados, entre ellos múltiples empresas no identificadas y la destrucción de ediciones culturalmente irremplazables.

La controversia también expone un conflicto más profundo. Los desarrolladores de IA quieren escritura humana limpia y editada profesionalmente, mientras que los autores y defensores de la preservación buscan compensación, acceso y salvaguardas. La solución de Anthropic redujo un riesgo legal al destruir cada copia adquirida, pero creó un problema cultural y ético completamente distinto.

Lo que Anthropic realmente compró, escaneó y destruyó

La afirmación central es sustancialmente cierta en el caso de Anthropic, aunque su detalle más dramático sobre libros raros sigue sin respaldo.

Una decisión de un tribunal federal de junio de 2025 estableció la secuencia básica. Anthropic compró millones de libros impresos, convirtió cada uno en un archivo digital y desechó la copia física. La empresa conservó esos archivos en una biblioteca interna de investigación.

El proceso se denomina escaneo destructivo. Un contratista retira la encuadernación de un libro o corta su lomo, dejando páginas separadas que pueden pasar rápidamente por escáneres comerciales. Este método sacrifica el objeto físico para aumentar la velocidad de escaneo.

Los archivos resultantes incluían imágenes de páginas y texto legible por máquina. El reconocimiento óptico de caracteres, u OCR, convierte el texto fotografiado en caracteres que las computadoras pueden buscar y procesar. Anthropic podía entonces preparar ese texto para el desarrollo de modelos.

El juez William Alsup describió la operación en su orden sobre uso legítimo. El fallo indicó que Anthropic gastó muchos millones de dólares en adquirir millones de copias impresas, a menudo de segunda mano.

La orden también señaló que una copia impresa producía una copia digital. Anthropic no conservó ambas versiones ni distribuyó públicamente la biblioteca digital. Desechó el papel después de completar la conversión.

Ese reemplazo de uno por uno fue importante desde el punto de vista legal. Alsup trató el cambio de formato como la sustitución de fondos físicos de una biblioteca por copias digitales que ahorran espacio. Determinó que la conversión interna constituía uso legítimo según los hechos específicos ante el tribunal.

El tribunal no declaró lícita toda forma de escaneo de libros para IA. Evaluó las copias compradas por Anthropic, su almacenamiento privado y el reemplazo destructivo. La distribución, la piratería o las copias adicionales plantearían cuestiones separadas.

El proyecto de Anthropic comenzó tras sus intentos anteriores de obtener grandes colecciones digitales de libros. La empresa contrató a Tom Turvey en febrero de 2024. Turvey había trabajado anteriormente en asociaciones para el programa de digitalización de libros de Google.

Turvey ayudó a Anthropic a obtener libros al por mayor y a organizar el escaneo industrial. Los reportes basados en registros desclasificados posteriormente identificaron la iniciativa como Project Panama. El lenguaje interno describía la ambición de escanear una porción extraordinariamente amplia de los libros del mundo.

Los registros de Project Panama revelaron contratistas, pedidos al por mayor, equipos de corte hidráulico y escáneres de alta velocidad. Una propuesta de proveedor abarcaba entre 500.000 y dos millones de libros durante seis meses.

El total final permanece censurado en los materiales publicados del proyecto. Aun así, el propio tribunal utilizó “millones” al describir las compras y el escaneo de Anthropic. Por tanto, la escala general no es especulación de redes sociales.

El papel desechado no era el producto del proyecto. El resultado valioso era un corpus privado y consultable, es decir, una colección organizada de texto preparada para el procesamiento computacional. Ese corpus podía respaldar la investigación y el entrenamiento de modelos.

Esta es la base verificada de la afirmación de Google News. Anthropic realmente compró y destruyó millones de libros físicos durante la digitalización. Las preguntas restantes se refieren a qué títulos estuvieron involucrados y si otras empresas siguieron el mismo camino.

Por qué los laboratorios de IA quieren libros que nunca estuvieron en línea

Los libros ofrecen a los desarrolladores de IA lenguaje humano editado que es más difícil de encontrar en la web abierta, cada vez más sintética.

Los modelos de lenguaje de gran tamaño aprenden patrones estadísticos de extensas colecciones de texto. Los desarrolladores buscan material variado que contenga argumentos coherentes, narrativas sostenidas, terminología especializada y prosa cuidadosamente editada. Los libros combinan esas cualidades en muchos temas.

Las páginas web también pueden proporcionar material útil. Sin embargo, el texto en línea incluye publicidad, contenido copiado, relleno para motores de búsqueda, formatos dañados y material generado por máquinas. A menudo es difícil establecer su procedencia.

Los libros impresos ofrecen otra ventaja. Una edición física publicada antes del reciente auge de la IA generativa es claramente material de la era humana. Los desarrolladores no necesitan adivinar si un chatbot generó los párrafos originales.

Esta preocupación a veces se denomina colapso del modelo o contaminación por datos sintéticos. Los términos describen problemas distintos, pero ambos implican que los modelos aprenden de resultados creados por modelos anteriores. El reciclaje repetido puede amplificar errores y reducir la variedad.

Los libros también contienen material ausente de los rastreos web habituales. Monografías académicas, historias regionales, manuales técnicos, literatura traducida y obras de no ficción más antiguas pueden tener poca presencia consultable. Su escasez en línea hace que las copias físicas sean atractivas como fuentes de datos.

La escasez en línea no significa rareza en el sentido anticuario. Un libro de texto descatalogado puede ser difícil de localizar digitalmente mientras miles de copias usadas siguen circulando. Un título oscuro también puede ser lo bastante común como para destruirse sin riesgo.

Esa distinción se ha difuminado en las publicaciones en redes sociales. “Raro” puede significar caro, culturalmente importante, no disponible en otro lugar o simplemente desconocido. Esos significados no pueden tratarse como intercambiables.

Según los reportes, Anthropic compró libros a grandes minoristas y distribuidores de libros usados. La compra al por mayor favorece copias comunes que los vendedores pueden identificar, tasar y enviar mediante sistemas establecidos. No se parece a la adquisición cuidadosa de manuscritos o ediciones únicas anotadas.

El registro público no proporciona un inventario título por título. Sin ese inventario, nadie fuera de la empresa puede determinar la escasez de cada edición escaneada. Anthropic no ha publicado su biblioteca digital interna para una auditoría independiente.

El desarrollador de modelos también tenía una razón legal para preferir copias impresas adquiridas. La propiedad de una copia física conlleva derechos bajo la doctrina de la primera venta, incluida la capacidad de revender o destruir ese objeto concreto.

La propiedad no transfiere los derechos de autor subyacentes. Un comprador no puede normalmente reproducir y distribuir el texto de un autor simplemente por adquirir un libro. Por ello, Anthropic mantuvo una relación de una copia entre el objeto adquirido y su reemplazo interno.

La destrucción reforzó ese argumento. Si Anthropic hubiera conservado tanto el libro como su duplicado digital completo, los demandantes podrían caracterizar el proyecto como una expansión del número de copias utilizables.

Esto crea un incentivo extraño. La vía legalmente cautelosa puede favorecer la destrucción de un libro físico, incluso cuando existe un escáner compatible con la preservación. La estrategia de derechos de autor y la preservación cultural apuntan en direcciones opuestas.

Google Books ofrece un contraste histórico útil. Ese proyecto escaneó fondos de bibliotecas mientras generalmente devolvía los libros físicos. Su índice consultable sobrevivió a un largo litigio, pero su diseño y usos diferían del corpus privado de entrenamiento de Anthropic.

Más recientemente, las alianzas no destructivas han mostrado otra vía. Las bibliotecas pueden digitalizar obras de dominio público mientras preservan los originales y documentan su procedencia. Las licencias también pueden dar acceso a los desarrolladores de IA sin exigir destrucción física.

Esas vías implican coordinación, restricciones y costos de transacción. El proyecto de Anthropic convirtió la compra y el escaneo de libros en un problema de contratación industrial. La velocidad y la escala pesaron más que la preservación de objetos individuales.

El mecanismo explica por qué el evento importa más allá del papel dañado. La destrucción de libros para IA convierte el mercado de libros usados en una cadena de suministro para el desarrollo de modelos propietarios. Las copias que circulan públicamente se convierten en datos controlados de forma privada.

La afirmación de Google News va más allá de las pruebas disponibles

La versión viral combina un proyecto industrial confirmado con una afirmación mucho menos segura sobre libros raros y múltiples empresas de IA.

Tres proposiciones separadas suelen aparecer juntas. Los desarrolladores de IA valoran los libros físicos. Anthropic destruyó millones de libros adquiridos durante el escaneo. Las empresas de IA ahora destruyen sistemáticamente títulos raros.

Las dos primeras proposiciones cuentan con documentación sustancial. La tercera aún no tiene pruebas comparables.

Los reportes contemporáneos citan a libreros que recibieron pedidos inusuales de obras oscuras, antiguas o agotadas. Algunos vendedores creen que intermediarios compraron esos libros para clientes de IA. El patrón merece investigación, pero la sospecha no es atribución.

Un vendedor puede observar una demanda inusual sin conocer al comprador final. Un intermediario puede abastecer de libros a varias industrias. Instituciones de investigación, revendedores, coleccionistas, bibliotecas y proyectos de digitalización pueden comprar títulos inusuales.

ISBNdb añadió otra capa a la controversia. La empresa de datos bibliográficos publicó páginas que promocionaban el abastecimiento de libros físicos al por mayor para el desarrollo de modelos de lenguaje de gran tamaño. El lenguaje promocional archivado hablaba de pedidos que iban de miles a un millón de libros.

La empresa también abordó el problema reputacional creado por el escaneo destructivo. Después de que las páginas atrajeran atención, ISBNdb las eliminó y, según los reportes, dijo que el servicio solo había puesto a prueba el interés del mercado. Afirmó que ningún servicio de ese tipo llegó a operar.

Esa negativa deja una brecha de verificación. El material promocional demuestra que una empresa consideró vender el servicio. No prueba que un laboratorio de IA comprara libros mediante ese servicio ni que destruyera títulos que este hubiera obtenido.

La brecha importa porque las narraciones en línea suelen convertir una capacidad en actividad realizada. Un proveedor dijo que podía conseguir libros, así que las publicaciones concluyen que empresas de IA no identificadas utilizaron ese servicio. Los libreros observaron pedidos inusuales, así que las publicaciones atribuyen esas compras a laboratorios de IA.

Ninguna de las dos inferencias es imposible. Ninguna ha sido demostrada plenamente mediante contratos, registros de envío, nombres de clientes o una cadena de custodia verificada.

Las pruebas sobre libros raros son aún más débiles. La investigación sobre el escaneo de 2025 señaló que los registros judiciales de Anthropic no mostraban que se hubieran destruido libros raros. Las compras documentadas procedían en gran medida de canales comerciales al por mayor.

No obstante, un título raro puede entrar en un lote al por mayor. Los inventarios de libros usados son desordenados, y algunas ediciones escasean sin alcanzar precios elevados. La ausencia de pruebas no demuestra que cada copia destruida fuera reemplazable.

La conclusión responsable es más acotada. La destrucción de libros para IA por parte de Anthropic está confirmada a una escala de millones. Las afirmaciones sobre ejemplares raros o únicos siguen sin verificarse porque no ha aparecido ningún inventario fiable.

La expresión plural «empresas de IA» también exige cautela. Meta, OpenAI, Microsoft y Google se han enfrentado a acusaciones relacionadas con material protegido por derechos de autor utilizado para el entrenamiento. Esos casos suelen referirse a archivos digitales, conjuntos de datos o contenido proporcionado por editoriales, en lugar de escaneo físico destructivo.

Meta ha sido acusada de utilizar colecciones pirateadas de libros para entrenar Llama. Las editoriales también han demandado a Google por presuntos usos de libros en el desarrollo de Gemini. Estas disputas refuerzan la historia más amplia sobre la adquisición de datos, pero no prueban programas idénticos de destrucción de libros.

La actual demanda sobre Gemini de Google se refiere a la supuesta copia de obras proporcionadas para servicios como Google Books y Google Play Books. No es prueba de que Google haya desmembrado ediciones físicas raras.

Agrupar todas las demandas por derechos de autor en una única narrativa de destrucción física hace que la historia sea más fácil de compartir y más difícil de verificar. Distintas empresas utilizaron diferentes fuentes de datos, métodos de adquisición y teorías jurídicas.

Por tanto, la mejor calificación para la afirmación viral completa es mixta. Anthropic escaneó de forma destructiva millones de libros comprados. Las pruebas no establecen que hayan desaparecido millones de libros raros ni que todos los grandes desarrolladores de IA utilicen el mismo proceso.

El verdadero conflicto es entre los datos privados y la preservación pública

La crítica más sólida no es que Anthropic quemara una biblioteca perdida, sino que privatizó el conocimiento mientras destruía los ejemplares originales que adquirió.

La destrucción física tiene peso emocional porque los libros son más que contenedores. Las ediciones preservan tipografía, ilustraciones, notas marginales, encuadernaciones, marcas de propiedad y evidencia sobre cómo las personas produjeron y leyeron textos.

Un escaneo de solo texto puede omitir muchas de esas características. Incluso una imagen completa de una página puede no preservar el papel, la tinta, la construcción o las anotaciones ocultas cerca de la encuadernación. Por ello, el escaneo destructivo puede salvar las palabras mientras pierde el objeto.

Sin embargo, bibliotecas y editoriales ya descartan grandes cantidades de libros. Los ejemplares dañados, las obras de referencia desactualizadas, el stock sin vender y los duplicados de baja demanda salen habitualmente de circulación. La destrucción por sí sola no demuestra una pérdida cultural.

La escasez determina lo que está en juego. Destruir un libro de bolsillo reciente de una gran tirada es distinto de desmembrar el último ejemplar conocido de una publicación regional. La afirmación viral reduce ambos casos a una sola imagen alarmante.

Anthropic no ha aportado suficiente transparencia para diferenciarlos. Un inventario público podría mostrar títulos, ediciones, fechas de publicación, fuentes de compra y el número conocido de ejemplares supervivientes. No existe ningún registro integral de este tipo.

El destino privado genera más preocupación. El corpus escaneado de Anthropic no funciona como un archivo de preservación accesible. Investigadores, autores y lectores no pueden inspeccionar los archivos completos ni recuperar un libro porque su ejemplar en papel haya desaparecido.

La empresa obtuvo un activo de datos duradero, mientras que el público no recibió una colección digital equivalente. Los usuarios de Claude pueden hacer preguntas, pero la respuesta de un modelo no es un texto preservado. Puede resumir de forma incorrecta, omitir contexto o generar detalles sin respaldo.

Un modelo de lenguaje tampoco es un catálogo bibliotecario consultable. Sus parámetros codifican relaciones estadísticas, no una estantería fiable de obras completas. El entrenamiento no garantiza la recuperación fiel de ningún libro concreto.

Esa distinción debilita las afirmaciones de que el conocimiento de los libros simplemente migró al modelo. Un sistema privado de IA no puede sustituir el acceso a las páginas originales. La preservación requiere copias estables, metadatos, procedencia y legibilidad futura.

Los autores enfrentan un desequilibrio relacionado. Sus libros mejoraron modelos de valor comercial, aunque no negociaron el acuerdo de escaneo de ejemplares comprados físicamente. Comprar una copia usada normalmente no genera ningún pago para su autor o editorial.

La anterior adquisición por parte de Anthropic de bibliotecas digitales pirateadas produjo un resultado jurídico distinto. Alsup separó el entrenamiento de la adquisición y consideró transformativo el uso para entrenamiento, al tiempo que permitió que avanzaran las demandas relativas a copias pirateadas.

Posteriormente, Anthropic alcanzó un acuerdo que cubría obras pirateadas elegibles. Desde entonces, un juez ha aprobado el acuerdo por derechos de autor, que asciende a 1.500 millones de dólares y asigna aproximadamente 3.000 dólares por cada libro cubierto.

Ese acuerdo no significa que la biblioteca comprada y escaneada fuera ilegal. Se refería a la adquisición por parte de Anthropic de archivos pirateados, una fuente jurídicamente distinta. Confundir ambos casos debilita las dos historias.

El contraste jurídico sigue siendo revelador. Los libros comprados podían escanearse y destruirse conforme al análisis de uso legítimo del tribunal. Los archivos pirateados generaron una importante responsabilidad, aunque Anthropic presuntamente buscara texto subyacente similar para entrenar modelos.

Esto incentiva a los desarrolladores de IA a crear registros de adquisición más limpios. No les exige preservar los ejemplares físicos, divulgar listas de títulos ni poner los sustitutos digitales a disposición pública.

Los grupos de preservación podrían proponer salvaguardas prácticas. Los contratistas de escaneo podrían señalar ejemplares firmados, manuscritos, primeras ediciones, encuadernaciones inusuales y títulos con pocos ejemplares conocidos. Especialistas podrían revisar los libros señalados antes de cortarlos.

Las empresas también podrían publicar catálogos no sensibles después del escaneo. Podrían depositar copias de preservación en bibliotecas de confianza bajo condiciones controladas. Los acuerdos de adquisición podrían exigir un tratamiento no destructivo para ediciones escasas.

Las licencias ofrecen otra vía, aunque las negociaciones sobre millones de obras son difíciles. Las organizaciones de licencias colectivas podrían agrupar derechos y distribuir pagos. Las editoriales podrían proporcionar archivos digitales verificados sin sacrificar ejemplares físicos.

Ninguna de estas medidas elimina todos los conflictos. Las bibliotecas seguirían enfrentando restricciones de acceso, los autores debatirían la compensación y los desarrolladores protegerían conjuntos de datos propietarios. Al menos separarían el desarrollo de modelos de una pérdida cultural innecesaria.

La incertidumbre actual no beneficia a nadie. Permite que publicaciones exageradas presenten libros usados comunes como tesoros únicos. También permite que las empresas eviten responder si material realmente escaso entró en sus cortadoras.

Para los trabajadores del conocimiento, la lección va más allá de los libros. Una respuesta consultable no equivale a una fuente duradera. Una buena gestión del conocimiento personal preserva el contexto, la procedencia y el acceso, en vez de sustituir documentos por recuerdos generados.

Qué vigilar tras la controversia de Google News

Tres señales determinarán si este sigue siendo un caso de Anthropic o se convierte en evidencia de una práctica más amplia y continua en la industria.

La primera señal es un rastro de clientes verificable para los intermediarios de abastecimiento de libros. Contratos, facturas, registros de envío o clientes identificados conectarían pedidos inusuales a librerías con laboratorios concretos de IA.

Esta evidencia reforzaría la afirmación más amplia si mostrara una adquisición activa y a gran escala para escaneo destructivo. Debilitaría la afirmación si los servicios promocionados nunca pasaron de ser experimentos de marketing.

La distinción entre un servicio anunciado y una transacción completada es fundamental. Las capturas de pantalla pueden demostrar lo que ofrecía un proveedor. No pueden demostrar quién lo compró ni qué ocurrió después con los libros.

La segunda señal es una auditoría a nivel de título realizada por Anthropic o sus contratistas. Incluso una revisión independiente limitada podría clasificar los libros escaneados por edición, escasez, estado y ejemplares restantes en bibliotecas.

Una auditoría así pondría a prueba directamente la acusación sobre libros raros. La evidencia de ejemplares únicos o ediciones extremadamente escasas haría urgente la preocupación por la preservación. La evidencia de copias comerciales comunes reduciría considerablemente la controversia.

Anthropic podría divulgar metadatos sin publicar texto protegido por derechos de autor. Títulos, ISBN, ediciones, canales de compra y controles de preservación permitirían a especialistas externos evaluar el riesgo. Las supresiones podrían proteger detalles confidenciales de proveedores.

La tercera señal es cómo respondan los tribunales, los legisladores y las editoriales a la conversión destructiva uno a uno. La sentencia actual aborda un expediente específico, no todos los futuros proyectos de escaneo.

Un tribunal posterior podría distinguir el entrenamiento de modelos del almacenamiento permanente de bibliotecas. Los legisladores también podrían exigir divulgación, licencias o depósitos de preservación para grandes corpus comerciales. Las editoriales podrían desarrollar sistemas colectivos de acceso antes de que lleguen esas normas.

El comportamiento de los competidores importa dentro de esta tercera señal. Un laboratorio importante podría adoptar compromisos de escaneo no destructivo y preservación. Esa medida convertiría el proceso de Anthropic de una necesidad de la industria en una elección empresarial cuestionable.

Una empresa también podría licenciar archivos de editoriales a gran escala. Tal acuerdo mostraría que el acceso legal no exige desmembrar libros comprados. Presionaría a los rivales para explicar métodos de adquisición más secretos.

El público debería vigilar el lenguaje empleado en futuras coberturas de Google News. Los titulares que pasan de «millones de libros» a «millones de libros raros» dan un salto factual significativo.

Los lectores también deberían separar el escaneo físico de la piratería digital. Ambos se refieren al acceso a textos protegidos por derechos de autor, pero implican conductas, pruebas y consecuencias jurídicas diferentes. Tratarlos como idénticos oculta las verdaderas disyuntivas.

La historia verificada es grave sin adornos. Anthropic convirtió millones de libros en un recurso digital privado, destruyó los ejemplares en papel que compró y utilizó un proceso que un juez federal aceptó como uso legítimo.

Lo que sigue sin verificarse es igualmente importante. No hay evidencia pública de que hayan desaparecido millones de títulos raros. Tampoco se ha atribuido de forma concluyente el mismo programa destructivo a todas las empresas incluidas en las publicaciones virales.

El próximo informe creíble debería responder preguntas concretas. ¿Qué empresa hizo el pedido? ¿Qué ediciones se compraron? ¿Cuántos ejemplares supervivientes existen? ¿Quién los escaneó y adónde fueron los archivos digitales?

Hasta que lleguen esas respuestas, los lectores deberían resistir ambos extremos. La controversia no es un bulo inventado, pero su versión más alarmante va más allá de las pruebas.

Siga los documentos fuente detrás de cada titular de Google News, especialmente los escritos judiciales y los registros de empresas identificadas. La cuestión decisiva ya no es si ocurrió el escaneo destructivo. Es si las empresas de IA divulgarán lo que destruyeron, preservarán las obras escasas y compensarán a las personas cuya escritura hizo valiosos sus sistemas.