Añadir Mangas Verdes como fuente preferida de Google de forma gratuita.
Mantente informado con las últimas noticias de actualidad.
Los modelos de inteligencia artificial empiezan a tropezar con un límite muy material. Ya no basta con rastrear internet.
A principios de 2026 salió a la luz, a través de documentos judiciales, que Anthropic puso en marcha en 2024 un plan llamado Project Panama para comprar libros impresos, escanearlos y después reciclarlos. La escena tiene algo de giro industrial inesperado, porque devuelve a la cadena de montaje una tecnología que muchos imaginaban alimentada solo por nubes, servidores y páginas web.
Internet ya no alcanza para entrenar modelos sin desgaste
Hay una razón de fondo para esa búsqueda de papel. Una investigación publicada en 2024 concluyó que entrenar nuevas generaciones de modelos con contenidos producidos por modelos anteriores degrada de forma progresiva los resultados.
El problema se entiende casi como una fotocopia de otra fotocopia. Cuando una máquina aprende sobre textos cada vez más filtrados por otras máquinas, pierde matices, variedad y precisión, y esa erosión pesa más en un momento en que un estudio de 2026 situó en torno al 35 % la proporción de nuevas páginas web de mediados de 2025 con textos generados o modificados con inteligencia artificial.
Esa cifra cambia la discusión.
Si una parte creciente de la Red ya contiene material rehecho por sistemas automáticos, el viejo internet abierto deja de parecer una cantera inagotable y empieza a recordar a un depósito donde el contenido original se mezcla con sus propias copias. Ahí encaja también la aparición de compras masivas de libros antiguos y descatalogados, objetos que hasta hace poco parecían más cerca del coleccionismo que de la carrera por entrenar modelos.
Los libros usados han entrado en la cadena de suministro
Desde la primavera de 2025, libreros de España, Alemania, Australia y Nueva Zelanda registraron pedidos de gran volumen de libros antiguos y fuera de catálogo hechos por la empresa canadiense Zoom Books mediante plataformas como AbeBooks o Biblio. La compañía niega que esos ejemplares terminen en procesos ligados a la inteligencia artificial, pero el patrón geográfico y el tipo de fondo buscado han alimentado las sospechas.
La compra de ejemplares físicos no resuelve, además, el conflicto legal sobre lo que una empresa puede hacer con ellos una vez los convierte en datos. Ese choque ya asoma en los pleitos sobre entrenamiento con obras protegidas, donde la disputa no gira solo alrededor del aprendizaje automático, sino alrededor del origen del material y de su trazabilidad.
En mayo de 2026, cinco editoriales estadounidenses y el escritor Scott Turow demandaron a Meta y a Mark Zuckerberg por usar millones de libros y artículos procedentes de repositorios piratas para entrenar Llama. No se trata de una discusión abstracta sobre innovación o cultura digital, sino de una pregunta muy concreta sobre quién paga, quién autoriza y de dónde sale la materia prima con la que aprenden estas herramientas.
Europa exige contar de dónde salió cada dato
Mientras los tribunales estadounidenses examinan casos de uso de obras protegidas, la normativa europea sobre inteligencia artificial obliga a las empresas a informar sobre los contenidos usados en el entrenamiento de sus modelos y a adoptar medidas para respetar la legislación de derechos de autor. Esa exigencia coloca el foco menos en la promesa técnica del modelo y más en algo bastante más pedestre, pero decisivo, que es la lista de los materiales con los que fue alimentado.
De hecho, el debate europeo sobre minería de datos ya muestra hasta qué punto la transparencia ha dejado de ser una cuestión secundaria. Cuanto más dependen las compañías de archivos difíciles de rastrear, de libros descatalogados o de repositorios opacos, más incómoda resulta la obligación de explicar con detalle qué entró en la mezcla.
Al final, la paradoja está servida. Las máquinas más asociadas a la abundancia digital vuelven a depender de bienes escasos, físicos y a veces viejos, justo cuando el 35 % de las nuevas páginas web de mediados de 2025 ya arrastraba huellas de escritura generada o retocada con inteligencia artificial.