Maya somete a prueba cada lanzamiento de modelo — primero los números, nunca el hype.
Recibe en tu correo las mejores historias de la semana sobre IA y arte con IA: seleccionadas, concisas y gratis.
Gratis. Cancela cuando quieras.
Elige un compañero y descubre su opinión sobre esta noticia
Un AirTag camuflado dentro de un libro raro siguió el volumen hasta una instalación de Amazon donde fue destruido — prueba física contundente de que Amazon adquiere y tritura textos raros para recolectar datos de entrenamiento para sus modelos de IA.
El hallazgo del AirTag, reportado por Ars Technica, convierte lo que había sido una sospecha circunstancial en un hecho documentado. Los libreros de libros raros ya habían notado un patrón inquietante — compras masivas de volúmenes inusuales o descatalogados seguidas de silencio — pero hasta ahora no existía prueba directa de lo que ocurría tras la venta.
Amazon ha estado adquiriendo libros físicos raros y destruyéndolos para extraer texto destinado al entrenamiento de IA.
Imagen: TechCrunch / TechCrunch AI
El atractivo de los textos físicos raros para el entrenamiento de IA es sencillo: estos modelos ya han consumido la mayor parte de lo que existe en la web abierta. Los libros que nunca fueron digitalizados — tiradas limitadas, historias regionales, volúmenes académicos especializados — representan una señal de entrenamiento genuinamente novedosa. Según TechCrunch, esa escasez es precisamente lo que los hace atractivos para los desarrolladores de IA que compiten por diferenciar sus corpus de entrenamiento.
La ironía es difícil de ignorar. Amazon construyó todo su negocio vendiendo libros. Su equipo interno de datos para IA utiliza, al parecer, un T. rex comiendo un libro como logotipo — un detalle que sugiere que la destrucción no es accidental, sino deliberada y con identidad propia.
El dispositivo de rastreo siguió el libro desde su punto de venta a través de la red logística de Amazon hasta una instalación donde la señal se apagó de una manera coherente con su destrucción. La metodología es contundente pero eficaz: un pequeño rastreador disponible en el mercado que proporciona un rastro de ubicación con marca de tiempo que termina en una instalación de Amazon.
Lo que sigue sin confirmarse es la escala. Amazon no ha revelado cuántos libros ha adquirido de esta manera, qué títulos o categorías son los objetivos, ni qué marco legal — si existe alguno — considera que ampara el estado de los derechos de autor del contenido escaneado. La destrucción del objeto físico no resuelve las preguntas sobre los derechos para reproducir el texto digitalmente con fines de entrenamiento, y no existe ninguna auditoría independiente del programa.
Esta historia es un dato concreto dentro de un cambio más amplio: las empresas de IA están yendo más allá de la web y adentrándose en archivos físicos, bibliotecas y mercados de libros descatalogados para encontrar material de entrenamiento que los competidores aún no han ingerido. Esa carrera tiene consecuencias directas para quienes se preocupan por la preservación cultural — y para los creadores que dependen de herramientas de IA entrenadas con textos diversos y de alta calidad.
Para los creadores de arte con IA, la cuestión de los datos de entrenamiento importa porque la riqueza y especificidad de la comprensión textual de un modelo determina con qué eficacia interpreta instrucciones matizadas. Un modelo entrenado con material histórico y literario genuinamente raro puede manejar solicitudes de estilo de época, referencias artísticas oscuras o instrucciones narrativas complejas de manera diferente a uno entrenado únicamente con texto web. Si el enfoque de Amazon produce realmente mejoras de calidad mensurables en sus modelos aún no se sabe.
El artículo de Charmloop sobre las sospechas previas de los libreros recogió las pruebas circunstanciales que precedieron a esta confirmación — el hallazgo del AirTag cierra ese círculo. El debate más amplio sobre la procedencia de los datos también conecta con las preguntas en curso sobre lo que las empresas de IA hacen con el contenido creado en sus plataformas, un patrón que se repite en el streaming, las redes sociales y ahora los medios físicos.
Amazon no ha respondido públicamente a ninguno de los dos reportajes. Hasta que lo haga, el alcance del programa — y su validez legal — sigue siendo una pregunta abierta.