Una investigación reveló que la compañía adquiere ejemplares físicos, les corta el lomo y digitaliza sus páginas para obtener material destinado al entrenamiento de sus sistemas de IA.
Amazon está comprando grandes cantidades de libros físicos para digitalizarlos y utilizar sus textos en el entrenamiento de modelos de inteligencia artificial, mediante un procedimiento que implica destruir los ejemplares originales.
La práctica fue revelada por una investigación de 404 Media, que siguió el recorrido de libros vendidos a través de Biblio, una plataforma especializada en ejemplares usados, raros y descatalogados. El seguimiento condujo hasta instalaciones de Amazon en Las Vegas, Estados Unidos.
De acuerdo con la investigación, los trabajadores reciben los libros, cortan sus lomos para separar las páginas y posteriormente las escanean. El procedimiento permite acelerar la digitalización, pero provoca la destrucción física del ejemplar.
Un rastreador permitió seguir los libros
La investigación logró reconstruir parte del circuito después de que un vendedor colocara un dispositivo de rastreo dentro de un envío realizado a través de Biblio. El paquete formaba parte de una compra de alrededor de mil libros y, después de diferentes traslados, terminó en instalaciones de Amazon en Las Vegas.
Según el reporte, allí funciona un equipo identificado como VGT3, dedicado al procesamiento y escaneo de ejemplares. Los ISBN también desempeñarían un papel en la identificación y clasificación del material adquirido.
La búsqueda se concentra especialmente en libros publicados antes de la explosión de la inteligencia artificial generativa, ya que contienen textos producidos antes de que contenidos generados por estas tecnologías comenzaran a proliferar en internet.
Durante los últimos meses, vendedores de libros usados y antiguos detectaron además un crecimiento inusual de las compras por grandes cantidades, en ocasiones sin una relación temática evidente entre los títulos solicitados.
Una práctica que ya generó polémica
Amazon no es la primera compañía de inteligencia artificial vinculada con este procedimiento. Anthropic, desarrolladora de Claude, también compró y digitalizó destructivamente libros físicos para obtener material de entrenamiento.
La práctica llegó a los tribunales estadounidenses por los reclamos de autores relacionados con el entrenamiento de sistemas de IA. En el caso de Anthropic, un juez consideró que la digitalización de ejemplares adquiridos legalmente para crear una biblioteca destinada al entrenamiento podía encuadrarse como un uso legítimo, aunque distinguió esa situación de la utilización de copias obtenidas mediante piratería.
El nuevo caso vuelve a colocar en discusión cómo las grandes compañías consiguen el enorme volumen de información necesario para desarrollar sus modelos de inteligencia artificial, esta vez con bibliotecas físicas convertidas en una fuente de datos.
