Amazon compra libros raros para entrenar su IA
El descubrimiento del viaje de los libros con AirTag
Un investigador decidió rastrear un envío de libros raros utilizando un dispositivo AirTag de Apple, revelando un destino sorprendente relacionado con Amazon y el entrenamiento de su inteligencia artificial. Lo que comenzó como un simple seguimiento de un pedido terminó exponiendo una operación masiva de adquisición y digitalización de contenido bibliográfico para alimentar sistemas de IA. Esta investigación, llevada a cabo por 404 Media en colaboración con vendedores independientes, sacó a la luz una estrategia corporativa que estaba ocurriendo en la sombra del comercio electrónico.
Durante los últimos meses, vendedores de libros antiguos y difíciles de encontrar comenzaron a notar un patrón inusual en sus pedidos. Los compradores adquirían volúmenes en cantidades extraordinarias, seleccionaban títulos aparentemente sin conexión entre sí y mostraban una indiferencia notable respecto a los precios. Estos compradores no eran lectores convencionales buscando material para colecciones personales, sino entidades corporativas con intereses muy específicos en contenido textual de calidad.
La ruta de transcontinental del AirTag
El dispositivo de rastreo insertado en uno de los libros del envío reveló un viaje extraordinario a través de Estados Unidos. El cargamento salió desde un aeropuerto californiano y fue localizado posteriormente en el Milwaukee Mitchell International Airport en Wisconsin. Desde allí, el envío se dirigió a un almacén de la empresa logística Trifinity cercano a Kenosha, donde permaneció aproximadamente dos semanas.
Posteriormente, el rastreador indicó un desplazamiento hacia occidente, documentándose su presencia cerca de Colorado Springs y en una parada de descanso para camioneros en Grand Junction. El recorrido continuó hacia Las Vegas, donde finalmente el envío llegó a LAS8, una instalación de Amazon de considerable tamaño. Sin embargo, el destino final fue aún más específico: una operación interna identificada como VGT3, cuyo distintivo iconográfico es un tiranosaurio sosteniendo un libro abierto.
La operación VGT3 de Amazon
Dentro de las instalaciones de Amazon, específicamente en el extremo septentrional del complejo LAS8, funciona una operación especializada en procesamiento de libros para entrenamiento de sistemas de inteligencia artificial. Según testimonios recopilados de empleados que laboran en estas instalaciones, el proceso operativo es sistemático y complejo. Los ejemplares llegan al centro de distribución donde se registran meticulosamente todos sus códigos de barras e identificadores ISBN.
Una vez catalogados, los volúmenes son sometidos a un procedimiento de preparación que requiere la destrucción controlada de su estructura física. Los trabajadores retiran o seccionan la encuadernación para facilitar el escaneo de páginas con velocidad y eficiencia máximas. Las páginas son digitalizadas mediante equipos especializados, convirtiendo el contenido textual en formato digital. El material original impreso, después de completado el escaneo, es descartado como residuo, sin posibilidad de recuperación o reutilización posterior.
La estrategia de Amazon para alimentar modelos de IA
Amazon no proporcionó a los investigadores detalles específicos sobre qué modelos o sistemas de inteligencia artificial reciben estos textos digitalizados después del proceso de escaneo. La compañía se limitó a confirmar que realiza compras de libros a través de canales comerciales convencionales con el propósito de desarrollar y mejorar los productos y servicios ofrecidos a sus clientes.
Se conoce que Amazon desarrolla modelos propios como la familia Nova, aunque la empresa no ha confirmado explícitamente que los volúmenes adquiridos en estas operaciones se destinen específicamente a entrenarlos. Lo que sí resulta evidente es el valor estratégico del material: muchos de estos volúmenes contienen texto humano de calidad que no está disponible libremente en internet, y si fueron publicados antes del auge reciente de la inteligencia artificial generativa, su contenido es anterior a la actual saturación de datos sintéticos que caracteriza la red.
Precedentes legales: El caso de Anthropic
Las prácticas descubiertas en Amazon guardan paralelismo significativo con operaciones previas documentadas en el sector de la inteligencia artificial. El caso de Anthropic y su controvertido Project Panama ilustra cómo las empresas de IA han adquirido millones de volúmenes impresos y los han convertido en copias digitales mediante procesos destructivos similares. En esta operación, la encuadernación era removida sistemáticamente, las páginas eran cortadas, escaneadas y finalmente descartadas.
Un tribunal examinó este procedimiento y determinó que la conversión de ejemplares impresos comprados legalmente a copias digitales constituía un uso justo dentro del marco legal estadounidense. Sin embargo, el mismo tribunal llegó a conclusiones diferentes respecto a millones de libros descargados ilegalmente de bibliotecas digitales y almacenados en los servidores centrales de Anthropic, considerando que estos no gozaban de la misma protección legal.
El valor transformado de los libros
El recorrido del AirTag revela una paradoja fundamental en la economía de la información contemporánea. Muchos de los volúmenes adquiridos en estas operaciones poseen valor excepcional precisamente porque existen en cantidades limitadas, fueron publicados en ediciones reducidas o están escritos en idiomas con distribución geográfica restringida. Para coleccionistas, académicos y historiadores, estos ejemplares representan valores que trascienden lo monetario: poseen importancia histórica, intelectual y sentimental innegable.
Sin embargo, en el contexto de las operaciones de entrenamiento de inteligencia artificial, la métrica de valor se desplaza completamente. Lo que determina la utilidad de un volumen no es su escasez, su relevancia histórica o su importancia cultural, sino exclusivamente el contenido textual que contiene. Los libros raros que antes generaban ingresos modestos pero satisfactorios para vendedores especializados ahora representan materia prima valiosa para corporaciones de tecnología. Las palabras impresas en sus páginas se transforman en datos estructurados destinados a optimizar algoritmos de aprendizaje automático.
Esta investigación evidencia cómo la infraestructura global de inteligencia artificial depende de la adquisición y procesamiento de contenido bibliográfico de calidad, con implicaciones significativas para la industria editorial, los derechos de autor y el futuro de cómo las máquinas acceden y comprenden el conocimiento humano acumulado en formato impreso.