Los libros se han convertido en una de las materias primas más disputadas de la inteligencia artificial. Durante años, las grandes compañías tecnológicas defendieron que entrenar modelos con grandes corpus textuales era una práctica necesaria para mejorar sus sistemas. Ahora, autores, editoriales y organizaciones civiles están empujando el debate hacia tribunales, agencias de competencia y reguladores de privacidad.
La cuestión ya no es solo si una obra se copió, sino quién captura el valor cuando millones de libros alimentan productos comerciales de IA. TechCrunch ha repasado el terreno legal abierto tras los primeros fallos relevantes en Estados Unidos. Uno de los casos más citados es el de Anthropic, donde el juez William Alsup consideró lícito el entrenamiento bajo ciertas condiciones, pero sancionó el uso de copias pirateadas obtenidas de bibliotecas digitales no autorizadas. El acuerdo alcanzó 1.500 millones de dólares y fue aprobado posteriormente.
Ese matiz es crucial. La industria tecnológica intenta separar dos preguntas: si entrenar un modelo con una obra protegida puede encajar en el uso legítimo y si la obtención de esa obra fue legal. Para los autores, la distinción puede sonar insuficiente. Si el resultado es un modelo que compite en redacción, resumen, traducción o creación literaria, la preocupación económica persiste aunque el tribunal acepte parte del razonamiento técnico.
Axios informó además de que más de una docena de organizaciones han pedido a la Comisión Federal de Comercio de Estados Unidos que investigue a empresas de IA por comprar, escanear y destruir libros físicos para entrenar modelos. La acusación plantea un ángulo distinto al copyright: si los actores dominantes acaparan ejemplares escasos y los convierten en activos privados de entrenamiento, podrían afectar la competencia y el acceso al conocimiento.
El conflicto está pasando de la propiedad intelectual clásica a una discusión más amplia sobre competencia, acceso y poder de mercado. En sectores como la edición académica, la literatura técnica o los catálogos descatalogados, la disponibilidad física puede ser limitada. Comprar lotes completos para escanearlos puede parecer eficiente desde el punto de vista de una empresa de IA, pero también puede empujar determinados contenidos hacia bases privadas sin beneficio claro para autores, librerías o bibliotecas.
Para las editoriales, el escenario obliga a negociar desde una posición nueva. Algunas podrán licenciar catálogos a laboratorios de IA o plataformas educativas. Otras temen que aceptar acuerdos fragmentados debilite su capacidad colectiva. La tensión se parece a la vivida con música y vídeo en la transición digital, pero con una diferencia importante: aquí la obra no solo se distribuye, también se transforma en capacidad estadística de un sistema.
Las empresas que adoptan IA generativa en sus operaciones deben seguir este frente de cerca. Un proveedor puede ofrecer herramientas potentes para documentación, atención al cliente o creación de contenidos, pero si su base de entrenamiento queda cuestionada por litigios, la continuidad del servicio, las cláusulas de indemnidad y los riesgos reputacionales importan. Para un departamento legal o de compras, ya no basta con evaluar precio y precisión.
También se abre una oportunidad para modelos entrenados con licencias más claras. Bases de datos autorizadas, acuerdos con editoriales, compensación a creadores y trazabilidad de fuentes podrían convertirse en ventajas comerciales. En mercados europeos, donde el cumplimiento normativo pesa más en compras corporativas, esa claridad puede ser un argumento frente a sistemas más opacos.
La batalla por los libros anticipa una pregunta que acompañará a toda la IA generativa: qué datos hacen posible el producto y bajo qué permiso llegaron ahí. La respuesta todavía no está cerrada. Pero cada fallo judicial y cada investigación regulatoria empujan a la industria hacia una gobernanza de datos menos improvisada.
