El uso de IA por parte de las Big Five crece tras su lucha contra el contenido basura
Según informes, HarperCollins, Simon & Schuster y Hachette ampliaron su uso de IA generativa, pese a combatir las amenazas relacionadas con la IA para los libros y sus autores. El creciente uso de IA por parte de las Big Five abarcaría textos publicitarios, materiales de marketing, correos electrónicos, arte y análisis de flujos de trabajo internos.
Esa es la contradicción central. Las editoriales quieren que las empresas tecnológicas y los autores respeten los derechos de autor, los contratos y el trabajo creativo. Sin embargo, trabajadores y agentes afirman que esas editoriales han introducido la IA en sus propias operaciones sin obtener de forma sistemática el consentimiento de los autores ni revelar su uso.
La evidencia procede principalmente de empleados anónimos, por lo que la escala exacta sigue sin verificarse. Sin embargo, las prácticas reportadas revelan un problema de confianza cada vez mayor. Las editoriales ya no debaten sobre la IA desde la barrera. Están decidiendo dónde entra la automatización en el proceso, qué trabajo reemplaza y a quién se informa.
Según informes, tres grandes editoriales incorporaron IA al trabajo diario
El cambio inmediato no es que las editoriales hayan descubierto la IA. Es que los empleados describen cómo la tecnología se incorpora al trabajo editorial cotidiano sin reglas públicas claras.
Una investigación sobre el sector editorial publicada el 9 de octubre se basó en entrevistas con más de dos docenas de trabajadores. Según se informó, trabajaban en HarperCollins, Simon & Schuster, Hachette y otras áreas del sector.
Esas fuentes afirmaron que el personal utilizaba modelos de lenguaje de gran tamaño, o LLM, para redactar materiales publicitarios, textos de contraportada, correos electrónicos y activos de marketing. Los LLM son sistemas que generan texto al predecir patrones lingüísticos aprendidos de grandes conjuntos de datos.
Algunos trabajadores también reportaron experimentos relacionados con IA que incluían imágenes de portadas y vídeos de marketing. El artículo no estableció que todas las editoriales mencionadas siguieran las mismas prácticas ni que todas las divisiones las hubieran adoptado.
Esa distinción importa. Una gran editorial incluye numerosos sellos, equipos, contratistas y socios regionales. El experimento de una división no representa automáticamente una política de toda la empresa.
Aun así, las afirmaciones describen algo más que usos personales aislados. En HarperCollins, directivos de alto nivel habrían adquirido acceso empresarial a Claude, mientras que el personal también tenía acceso a ChatGPT y Jasper. Después se pidió a los empleados que identificaran posibles aplicaciones mediante sesiones recurrentes de lluvia de ideas.
HarperCollins no ofreció respuesta para la investigación. Por tanto, sus prácticas reportadas siguen siendo alegaciones atribuidas a empleados actuales, no una política corporativa confirmada.
Simon & Schuster reconoció que los empleados de todas sus áreas podían acceder a un grupo limitado de herramientas empresariales de IA. La empresa afirmó que su uso era voluntario y se limitaba a productos que habían superado una revisión interna.
Su objetivo declarado era liberar a los empleados para realizar un trabajo creativo más profundo con los autores. Esa explicación presenta la IA como apoyo operativo, no como sustituto del criterio editorial ni de las relaciones humanas.
Hachette ofreció una distinción más limitada. Un portavoz afirmó que la empresa respaldaba la IA para fines operativos cuando ayudaba a que los libros llegaran a los lectores. La empresa dijo que no apoyaba aplicaciones creativas, incluida la comunicación generada por IA con autores y socios.
Los relatos de empleados complican esos límites. Según informes, agentes literarios sospechaban que algunos correos electrónicos de rechazo contenían patrones generativos reconocibles. Trabajadores de las tres editoriales dijeron a los periodistas que creían acertadas, al menos en parte, esas sospechas.
Nada de ello demuestra que un mensaje concreto procediera de un LLM. Los detectores de texto y las señales estilísticas siguen siendo pruebas poco fiables cuando se usan por separado. Las fórmulas repetitivas pueden plantear dudas, pero no establecen la autoría con certeza.
La conclusión más defendible es más acotada. Según informes, las herramientas de IA están presentes dentro de los principales flujos de trabajo editoriales, mientras empleados, agentes y autores carecen de una visión compartida sobre los usos permitidos.
Un informe de seguimiento intensificó el conflicto al centrarse en el diseño de portadas y la publicidad. Sostuvo que las editoriales que se oponen a los libros de IA de baja calidad ahora corren el riesgo de usar tecnología similar en torno a sus propios libros.
La cuestión no es si cada frase o imagen generada merece la etiqueta de “contenido basura”. La cuestión es si las editoriales pueden exigir transparencia a terceros mientras mantienen difíciles de examinar sus propias prácticas.
El uso de IA por parte de las Big Five crea una brecha de consentimiento
El uso de IA por parte de las Big Five se convierte en un problema de gobernanza cuando la obra inédita de un autor entra en un modelo sin permiso explícito ni una divulgación significativa.
Según informes, los agentes han añadido lenguaje contractual que impide a las editoriales enviar manuscritos a LLM. Esa restricción aborda un riesgo concreto, en lugar de un temor general a la automatización.
Un manuscrito inédito contiene más que texto. Puede incluir ideas comercialmente sensibles, información personal, reportajes confidenciales o material cuya titularidad aún no se ha aclarado por completo.
Subir ese manuscrito a un servicio de IA de consumo puede exponerlo a la infraestructura y las políticas de retención de un tercero. Los productos empresariales pueden ofrecer controles más sólidos, pero esas protecciones dependen del contrato, la configuración y el flujo de trabajo real.
Por ello, es importante distinguir entre un entorno cerrado y una herramienta de nube pública. Un sistema cerrado mantiene los datos dentro de una red controlada o un perímetro técnico aprobado. Un servicio abierto envía contenido a infraestructura operada por un proveedor externo.
Sin embargo, “empresarial” no significa automáticamente libre de riesgos. Las editoriales aún deben definir qué empleados pueden subir contenido, qué documentos están permitidos, cuánto tiempo persisten los datos y si los proveedores pueden utilizarlos.
Según informes, un empleado de HarperCollins afirmó que editores habían preguntado si podían pegar manuscritos completos en LLM abiertos. Según esa fuente, el equipo jurídico de la empresa les dijo que no lo hicieran.
Esa intervención reportada es alentadora, pero también demuestra con qué facilidad puede surgir la cuestión. Cuando una herramienta aparece junto al software de oficina habitual, los empleados pueden tratar un manuscrito sensible como otro documento pendiente de resumen.
La misma preocupación se aplica a la publicidad. Un modelo no puede producir textos precisos para la sobrecubierta sin recibir detalles sobre el libro. Si el manuscrito completo proporciona esos detalles, el atajo de marketing se convierte en una decisión de gobernanza de datos.
Los agentes quieren que las editoriales revelen esa decisión porque los autores concedieron derechos de publicación bajo contratos específicos. Esos acuerdos no necesariamente anticipaban el procesamiento de manuscritos por proveedores externos de modelos.
El consentimiento también importa cuando la IA contribuye al arte de la portada. La portada forma parte de la identidad pública de un autor, y los lectores tratan cada vez más las imágenes sintéticas como una señal sobre el propio libro.
Controversias anteriores muestran cómo una procedencia poco clara puede dañar esa identidad. El sello Bramble de Tor recibió críticas después de que una creadora identificara activos generativos de stock en la portada de Gothikana.
Una revisión del arte de portada concluyó que los listados de stock pertinentes estaban marcados como generados con IA. Bramble no comentó antes de que se publicara ese informe.
Tor se había enfrentado a una disputa relacionada por Fractal Noise, de Christopher Paolini. Afirmó que su diseñador licenció una imagen de un proveedor de stock reputado sin saber que el activo podía ser sintético.
Bloomsbury hizo una afirmación similar después de que apareciera una imagen de stock marcada con IA en el diseño de una edición en rústica de Sarah J. Maas. Su equipo de diseño dijo que no sabía cómo se había producido la imagen.
Esos incidentes revelan un problema de cadena de suministro. Las editoriales pueden introducir material generado sin que un empleado escriba una indicación. Bibliotecas de stock, agencias, freelancers y socios extranjeros pueden incorporar activos de IA a un diseño terminado.
Por ello, las reglas claras deben cubrir la procedencia, no solo el acceso a herramientas. Una editorial necesita saber de dónde proviene una imagen, cómo se etiquetó y qué derechos la acompañan.
El mismo principio se aplica al texto. Los equipos necesitan registros de qué material entró en un modelo y cómo cambió el resultado antes de publicarse. Sin esa procedencia, la divulgación se convierte en conjetura una vez que empieza la controversia.
Las organizaciones que afrontan riesgos similares de información a menudo necesitan un flujo de trabajo de conocimiento controlado. La versión editorial debe añadir permisos contractuales, controles de proveedores y un registro auditable de las decisiones humanas.
La postura contra el contenido basura ahora choca con la práctica editorial
El argumento más sólido del sector contra el contenido basura generado por IA depende de la autoría humana, el permiso y la confianza, precisamente los valores que el uso interno silencioso de IA pone bajo presión.
Las editoriales tienen razones legítimas para oponerse a los libros sintéticos producidos en masa. Los autores han encontrado biografías de imitación, títulos falsos y libros complementarios generados vinculados a nombres y audiencias consolidadas.
Cuando se acercaba la publicación de las memorias de Kara Swisher, las búsquedas supuestamente mostraban numerosas biografías no oficiales con portadas sospechosas y texto genérico. Una búsqueda situó 16 libros de terceros después de las memorias auténticas.
El problema de los libros de imitación demostró cómo la publicación automatizada puede explotar la visibilidad de un autor. Incluso los libros débiles pueden desviar atención, confundir a los compradores y cargar a los autores con trabajo de aplicación de derechos.
Amazon exige a los editores que usan su plataforma de autoservicio identificar el contenido generado por IA durante el envío. Sin embargo, esa información históricamente no ha aparecido en todos los casos como una etiqueta visible para el cliente.
Amazon también ha limitado el número de libros que un autopublicador puede lanzar cada día y ha restringido determinados resúmenes o cuadernos de trabajo. Esas medidas se dirigen al spam y a los listados engañosos, en lugar de prohibir directamente las herramientas generativas.
Las editoriales tradicionales se presentan como un tipo distinto de filtro. Seleccionan manuscritos, verifican derechos, editan la prosa, encargan diseños y otorgan credibilidad institucional a un libro terminado.
Ese papel hace que el uso no revelado de IA tenga mayores consecuencias. Los lectores no se acercan a un sello de las Big Five con las mismas expectativas que aplican a un anuncio desconocido de un mercado en línea.
El conflicto también alcanza los derechos de autor. Editoriales y autores han impugnado a empresas tecnológicas por el uso de libros en el entrenamiento de modelos. Las empresas de distribución han respondido a la demanda de libros físicos por parte de desarrolladores de IA.
Ingram Content Group dijo a sus clientes que las empresas de IA estaban comprando cada vez más obras físicas, potencialmente para escanearlas y entrenar modelos. Ofreció a las editoriales una forma de excluirse de ventas realizadas deliberadamente de forma directa a esas empresas.
Ingram también reconoció que no siempre podía determinar el propósito de un comprador. Su exclusión para editores prometía esfuerzos razonables, en vez de una barrera completa.
Ese episodio ilustra la postura pública del sector editorial. Los libros contienen expresión humana valiosa, y las empresas no deberían tratar esa expresión como un insumo técnico sin gobernanza.
Los autores pueden preguntarse razonablemente por qué el principio cambia dentro de la editorial. Si introducir un libro en un modelo requiere permiso cuando lo hace una empresa tecnológica, la comodidad del marketing interno no elimina esa preocupación.
Las editoriales pueden responder que el uso operativo difiere del entrenamiento de un modelo fundacional comercial. Esa distinción es jurídicamente y técnicamente relevante.
Un sistema controlado podría resumir un manuscrito sin añadirlo a un conjunto de datos de entrenamiento. Un acuerdo con un proveedor también podría prohibir el entrenamiento del modelo y limitar el almacenamiento.
Sin embargo, los autores no pueden evaluar esas salvaguardas sin saber qué sistema se utilizó. El secretismo convierte una distinción defendible en una garantía sin respaldo.
Por eso, el adversario central no son simplemente las editoriales frente a las empresas de IA. Es la promesa de la industria editorial de una tutela humana frente a una realidad cada vez más automatizada.
La promesa no exige prohibir todos los modelos. Exige aplicar estándares coherentes a terceros, proveedores, ejecutivos y personal junior.
La presión por la eficiencia llega a editores, publicistas y diseñadores
Las editoriales están introduciendo la IA en un contexto de mayores cargas de trabajo, plantillas reducidas y presión ejecutiva para automatizar, lo que dificulta separar la adopción “voluntaria” de la coerción laboral.
Los empleados describieron equipos que se habían reducido mientras el personal restante gestionaba más títulos. Un trabajador afirmó que algunos grandes grupos habían pasado a tener cinco o seis personas, mientras las cargas de trabajo se duplicaban o triplicaban.
Este relato no se ha verificado de forma independiente en toda la industria. Aun así, explica por qué las herramientas generativas pueden extenderse incluso entre empleados que desconfían de ellas.
Un publicista que gestiona más libros puede pedir a un modelo un primer borrador porque la alternativa es incumplir un plazo. Un editor puede resumir material porque no hay tiempo para leer dos veces otro documento interno.
Estas decisiones pueden parecer voluntarias en una política de software, pero sentirse obligatorias en la práctica. La fuente de la presión es la carga de trabajo, no necesariamente una orden directa de utilizar un modelo concreto.
Según los informes, empleados de HarperCollins se convirtieron en “AI Champions”, encargados de encontrar casos de uso para herramientas adquiridas por los altos directivos. La etiqueta sugiere participación, pero los empleados describieron que fueron asignados, en lugar de ofrecerse libremente.
Simon & Schuster invitó anteriormente a los trabajadores a presentar ideas sobre IA mediante un concurso interno. Más tarde, empleados dijeron que la empresa redujo parte de la presión promocional después de que el personal objetara repetidamente durante las reuniones.
La disputa más intensa se refiere a la supervisión de los flujos de trabajo. Los trabajadores de Simon & Schuster se enteraron de que la empresa había explorado el producto Blueprint de Skan AI, supuestamente tras el interés de su propietario, KKR.
El software de análisis de flujos de trabajo observa cómo los empleados completan tareas e identifica procesos que los directivos podrían automatizar. Puede revelar cuellos de botella, pero los trabajadores pueden experimentar el mismo sistema como vigilancia.
Los empleados organizaron una carta abierta en contra de la introducción de Skan AI o productos similares. Les preocupaba que el descubrimiento de oportunidades de automatización cartografiara sus puestos para reemplazarlos.
El CEO de Simon & Schuster, Greg Greeley, dijo entonces a los empleados que no se había tomado ninguna decisión para desplegar Blueprint u otro sistema de supervisión de productividad. Describió la revisión como una exploración inicial.
Esa respuesta acota la afirmación verificada. La empresa examinó el producto, pero los informes disponibles no muestran que implementara un programa de supervisión.
El episodio sigue revelando qué creen los empleados que está en juego. La IA no está entrando en la edición solo como asistente de escritura. También aparece como una herramienta de gestión que puede medir el trabajo y recomendar automatización.
Ilustradores de cubiertas, traductores, editores y publicistas afrontan distintas versiones de la misma incertidumbre. Cada función contiene tareas repetitivas, pero también depende de un contexto que los ejecutivos pueden subestimar.
La descripción de la contracubierta, por ejemplo, es breve. Elaborarla sigue exigiendo comprender el género, las expectativas de la audiencia, los límites factuales y la voz del autor.
La traducción presenta una disyuntiva aún más marcada. El CEO de HarperCollins, Brian Murray, había sostenido anteriormente que la IA ofrecía a las editoriales más oportunidades que riesgos, especialmente en los libros traducidos y los audiolibros.
Más tarde, empleados informaron haber visto manuscritos traducidos por IA con avisos de divulgación en importantes ferias internacionales del libro. Eso sugiere que al menos algunos vendedores de derechos están probando usos transparentes.
La traducción puede ampliar el acceso a títulos que, de otro modo, podrían permanecer inaccesibles. También puede uniformar el estilo, malinterpretar referencias culturales y reducir las oportunidades remuneradas para traductores humanos.
Una editorial no puede evaluar esa disyuntiva basándose solo en la velocidad de producción. Debe valorar las tasas de error, la supervisión editorial, los derechos, los créditos y si el lector sabe qué proceso dio forma al texto.
La editora independiente Meg Reid planteó con claridad la división emergente. Probablemente las grandes casas corporativas buscarían eficiencia, mientras que las editoriales más pequeñas podrían competir enfatizando que la participación humana es el producto.
Esa división ofrece a las editoriales independientes una posible posición de mercado. Un proceso humano verificable puede convertirse en una característica, en lugar de un coste invisible.
La detección de IA no puede resolver la disputa sobre las editoriales que usan IA
Las herramientas de detección no pueden aportar la certeza que necesitan las editoriales, por lo que los contratos, los registros de procedencia y las políticas de divulgación deben asumir esa carga.
La controversia actual se apoya en gran medida en relatos de empleados y patrones de escritura reconocibles. Ninguna de esas formas de evidencia puede medir el mercado entero.
Las fuentes anónimas merecen protección cuando el empleo está en riesgo. Su anonimato también impide que los lectores evalúen cada función, documento u observación directa detrás de una afirmación.
Por tanto, los informes deben tratarse como alegaciones creíbles respaldadas por múltiples empleados, no como una auditoría de todos los flujos de trabajo de las Big Five.
Los detectores de IA introducen otra capa de incertidumbre. Estiman si los patrones se parecen a texto generado por máquinas, pero esas estimaciones no demuestran cómo se creó un documento.
La escritura humana puede provocar falsos positivos. La producción de un modelo editada puede eludir la detección. Un correo breve o una frase de marketing ofrece aún menos evidencia que un manuscrito largo.
El problema se hizo visible durante la controversia de Shy Girl. El sello Wildfire de Hachette publicó la novela de terror en el Reino Unido antes de retirarla posteriormente.
El sello Orbit de Hachette también detuvo la publicación prevista en Estados Unidos tras una revisión interna. La autora negó haber escrito el libro con IA y afirmó que una persona conocida implicada en la edición la había utilizado.
Un examen de la industria sobre los límites de la detección de IA describió a editoriales que utilizaban múltiples herramientas, al tiempo que reconocía que todas eran falibles. Los investigadores también explicaron cómo las salidas de los modelos pueden editarse para evitar la detección.
El caso muestra por qué una puntuación de detector no puede sustituir la evidencia del proceso. No identifica quién utilizó un modelo, qué pasajes cambiaron ni si el uso infringió un contrato.
La detección también genera un riesgo de equidad. Los escritores con prosa formulaica, patrones propios de hablantes no nativos de inglés o estilos poco convencionales pueden ser objeto de sospecha sin pruebas fiables.
Las editoriales necesitan evidencia recopilada antes de la publicación. Los contratos deberían definir el contenido generado, la edición asistida por IA, la traducción, las imágenes y las cargas de manuscritos prohibidas.
Los sistemas de producción deberían registrar las herramientas aprobadas y conservar el origen de los activos encargados. Los proveedores deberían revelar los componentes sintéticos antes de entregar el trabajo terminado.
Los autores deberían recibir una explicación cuando la IA afecte de forma material a su texto, cubierta, marketing, traducción o edición de audio. Los lectores necesitan información cuando el método cambie lo que razonablemente creen estar comprando.
No toda acción automatizada requiere una etiqueta de advertencia. La corrección ortográfica, la búsqueda, la programación y la conversión de archivos llevan mucho tiempo apoyando la edición sin cambiar la autoría.
El límite debería centrarse en la contribución material y el riesgo. Un modelo que redacta el texto de la sobrecubierta es distinto de un software que corrige la puntuación. Generar una imagen de cubierta es distinto de redimensionar una ilustración humana.
Incluso esas categorías requieren criterio. Un publicista podría usar un modelo para generar ideas de frases y después escribir un texto completamente nuevo. Otro podría publicar la primera salida tras corregir un título.
Una política útil debería describir ambos casos en lugar de declarar idéntico todo uso de IA. También debería indicar quién posee la decisión final y quién revisa el resultado.
La mayor incertidumbre es la verdadera tasa de adopción. Los informes disponibles no establecen cuántos libros contienen material generado ni con qué frecuencia las salidas de los modelos llegan al público sin cambios.
Tampoco demuestran que las empresas mencionadas carezcan de políticas internas. Algunas podrían tener normas que los trabajadores consideran incompletas, poco claras o aplicadas de manera inconsistente.
Estas limitaciones debilitan las afirmaciones generalizadas de que la gran edición ya está automatizada. No eliminan la necesidad demostrada de una gobernanza transparente.
Tres señales mostrarán si la edición elige la confianza
La siguiente fase estará determinada por políticas de divulgación, lenguaje contractual exigible y evidencia de que la automatización cambia las plantillas o los libros publicados.
La primera señal es si HarperCollins, Simon & Schuster y Hachette publican estándares detallados sobre el uso de IA. Una política significativa debe ir más allá de afirmar que hay herramientas aprobadas disponibles.
Debería explicar si los manuscritos pueden entrar en sistemas externos, cuándo deben consentir los autores y cómo se identifica la obra de arte generada. También debería abarcar a traductores, autónomos, agencias, proveedores de material de archivo y socios editoriales extranjeros.
Una política pública reforzaría el argumento de que las editoriales pueden usar IA sin abandonar la tutela humana. La ambigüedad continuada reforzaría la acusación de que las empresas exigen transparencia solo a los demás.
La segunda señal es la expansión de cláusulas contractuales sobre IA. Según los informes, los agentes ya están restringiendo el uso de manuscritos, pero el lenguaje y la aplicación siguen siendo en gran parte privados.
Las cláusulas estándar podrían distinguir el procesamiento operativo del entrenamiento, definir entornos aprobados y exigir aviso antes del uso generativo. También podrían especificar recursos cuando una editorial o contratista infrinja esas condiciones.
Si tales cláusulas se vuelven habituales, la industria habrá aceptado que el consentimiento del autor no está implícito en una licencia editorial general. Si las editoriales se resisten, el conflicto de confianza se profundizará.
La tercera señal es el impacto medible en el trabajo y los productos terminados. Los lectores deberían seguir nuevas objeciones del personal, pruebas de supervisión de flujos de trabajo y cambios documentados en los equipos editoriales o de publicidad.
También deberían revisar créditos y divulgaciones en cubiertas, traducciones, audiolibros y materiales de marketing. Un registro visible facilitaría separar la asistencia cautelosa de la sustitución no divulgada.
La evidencia de que la IA reduce el trabajo administrativo repetitivo sin reemplazar funciones creativas respaldaría el argumento de eficiencia de las editoriales. Más despidos acompañados de objetivos de producción más altos respaldarían los temores de los empleados.
La misma prueba se aplica a la calidad. Las editoriales tendrán que demostrar que el texto de marketing generado sigue siendo preciso, que las cubiertas tienen derechos defendibles y que las traducciones preservan el significado del autor.
Para los autores, la acción inmediata consiste en preguntar qué ocurre con un manuscrito después de enviarlo. Deberían aclarar si editores, publicistas y proveedores externos pueden procesarlo con sistemas generativos.
Para los empleados de la edición, la cuestión clave es si una herramienta aprobada sigue siendo opcional cuando las cargas de trabajo hacen imposible el trabajo manual. Una política voluntaria tiene poco significado si las decisiones de plantilla fuerzan la adopción.
Los lectores también pueden presionar al mercado pidiendo información sobre la procedencia. No necesitan rechazar todos los libros tocados por software. Pueden exigir información suficiente para tomar esa decisión por sí mismos.
La controversia sobre el uso de IA por parte de las Big Five editoriales es, en última instancia, una prueba de credibilidad institucional. Las editoriales venden más que páginas impresas. Venden la confianza de que alguien seleccionó, verificó y presentó la obra de forma responsable.
¿Documentará el sector esa responsabilidad humana antes de que la automatización se vuelva invisible, o esperará a que la próxima portada, contrato o manuscrito controvertido obligue a dar otra explicación?
