Amazon destruye libros raros para entrenar sus modelos de IA, según una investigación

Una investigación publicada por 404 Media destapa que Amazon está adquiriendo miles de libros raros para escanearlos y destruirlos, todo ello con el objetivo de entrenar sus modelos de IA Nova. La práctica, similar a la de Anthropic, ha generado polémica por el valor histórico de los ejemplares y el método de digitalización que implica acabar con la copia física.

Por Redacción18 de agosto de 2026, 08:01

Cómo opera el proceso de escaneo y destrucción

Para reconstruir el recorrido, el equipo de 404 Media colocó un AirTag dentro de un lote de libros antiguos vendidos a través de Biblio, plataforma especializada en libros raros o descatalogados. Los datos de rastreo mostraron que el paquete viajó por avión y camión durante semanas hasta llegar a un almacén de Amazon en Las Vegas. Allí, según los empleados de la unidad identificada como VGT3, la tarea consiste en recibir libros físicos, cortarles el lomo y escanear el contenido página por página.

Ese método agiliza la digitalización, pero implica destruir el ejemplar original. Todo lo escaneado se incorpora al conjunto de datos que se emplea para entrenar a la familia de modelos Nova, los mismos que están detrás de la nueva Alexa. Los libros no tenían un segundo destino previsto: la tecnológica ya planeaba exactamente qué hacer con ellos.

Por qué buscar libros impresos antes de 2022

Según la investigación, Amazon se ha topado con que los grandes modelos de lenguaje ya han consumido buena parte del texto disponible en internet y necesita nuevas fuentes con datos frescos. Por eso se centra en libros impresos antes de 2022, que están libres de contenido generado por IA. La compañía confía así en evitar el efecto conocido como colapso del modelo, un fenómeno en el que las respuestas de la IA se degradan progresivamente si se entrena con texto producido por otra máquina.

Para llevar el seguimiento de los ejemplares ya procesados, Amazon solo digitaliza libros con ISBN, el identificador único de cada obra. La empresa parece estar recorriendo de forma sistemática el catálogo mundial de libros con este número, dejando fuera a ejemplares muy antiguos, ediciones raras o títulos autoeditados que no lo tienen.

Repunte en las ventas de libros antiguos comprados por lotes

La investigación también destaca que durante el último año los vendedores de libros antiguos han notado un repunte inusual en las ventas. Los compradores adquieren partidas enteras sin preguntar por el precio ni por el estado de los ejemplares. Esas circunstancias coinciden con la operación de compra masiva que Amazon lleva a cabo para alimentar sus modelos.

Esta demanda selectiva, centrada en editoriales y libros descatalogados con ISBN, ha desplazado los precios y el flujo de inventario en el mercado de libros raros, y algunos vendedores se han visto sorprendidos ante el nivel de pedidos en bloque. La plataforma Biblio, por la que salió el paquete investigado, se dedica precisamente a este tipo de obras.

La práctica ya tiene precedente en Anthropic y respuesta de Amazon

Según la investigación, la destrucción de libros para entrenar modelos no es una práctica exclusiva de Amazon. Anthropic la llevó a cabo para entrenar a Claude, y la filtración llegó durante una demanda de autores contra la compañía. Un juez de Estados Unidos dictaminó que escanear y destruir libros comprados con el fin de entrenar a una IA podría considerarse uso legítimo, argumentando que, al eliminar el ejemplar físico, no se generan copias adicionales y no se vulneran directamente los derechos de autor.

Tras la publicación del trabajo de 404 Media, Amazon reconoció que lleva a cabo esta práctica. Un portavoz señaló que la empresa compra libros a través de canales comerciales para mejorar los productos y servicios que ofrece a sus usuarios. La compañía no ha indicado cuántas veces ha realizado este procedimiento ni las razones de la destrucción más allá de digitalizar el contenido. El único propósito conocido es nutrir sus modelos con información libre de interferencias de IA generativa.