Las empresas de inteligencia artificial se han convertido en los depredadores más insaciables del conocimiento humano. Ahora, según una investigación de Dallas Express, varias firmas de IA están comprando ediciones raras de libros, escaneándolos para alimentar sus modelos y luego destruyendo los ejemplares físicos. La paradoja es brutal: en su afán por preservar el conocimiento en forma de datos, están borrando el conocimiento en su forma material. Y casi nadie está mirando.
El reporte, titulado "The Vanishing Page", detalla cómo empresas vinculadas al entrenamiento de modelos de lenguaje y visión están adquiriendo lotes de libros antiguos, revistas técnicas y publicaciones periódicas descatalogadas a través de canales que van desde casas de subastas hasta vendedores de segunda mano en marketplace. Una vez digitalizado el contenido, el ejemplar físico es desechado, reciclado o simplemente tirado. La justificación es de manual: el papel ocupa espacio, el almacenamiento físico cuesta dinero y los datos ya están seguros en un servidor. ¿Para qué conservar el original?
La respuesta, por supuesto, es que un libro no es solo su contenido textual. Una edición rara contiene marcas de imprenta, anotaciones marginales, tipos de encuadernación, huellas de uso que son datos en sí mismos. Destruir el ejemplar después de escanearlo equivale a fotografiar una pintura y luego quemar el lienzo pensando que la foto es suficiente. Los investigadores que dependen de materialidades —historiadores del libro, paleógrafos, arqueólogos de la cultura material— pierden acceso irreversiblemente. Y lo que es peor: lo pierden en silencio, porque estas operaciones se realizan en la penumbra de la cadena de suministro corporativa.
Este fenómeno conecta con otro dato revelador que circula hoy mismo: según el AI Visibility Index de Website Auditor, solo el 8,9% de los sitios web bloquean a los crawlers de IA, pero el 94,8% de los sitios nunca son citados en las respuestas de los modelos. Es decir, las firmas de IA están extrayendo contenido de prácticamente toda la web abierta, pero casi nunca atribuyen ni enlazan a las fuentes originales. El patrón es el mismo con los libros raros: extraer, digerir, descartar el original, nunca mirar atrás. La economía de la IA opera como un agujero negro de la memoria: todo entra, nada sale con rastro de su origen.
Hay algo profundamente irónico en todo esto. En Public Domain Review se publica hoy un ensayo sobre la Ars Notoria, una práctica medieval que prometía conocimiento instantáneo mediante rituales y rezos. El autor traza una línea directa entre aquella promesa de sabiduría inmediata y las fantasías actuales de la inteligencia artificial: la idea de que se puede absorber todo el conocimiento humano sin esfuerzo, sin disciplina, sin contexto. La diferencia es que los monjes medievales al menos respetaban los libros que consultaban. Las firmas de IA los consumen y los escupen.
Mientras tanto, en el frente de la infraestructura abierta, hay señales contrapuestas. Por un lado, Wafer.ai reporta que el modelo Kimi K3 corre sobre chips MI355X de AMD con mejor relación rendimiento-precio que las B300 de NVIDIA —una noticia que, si se confirma, apunta a una gripa en el monopolio de NVIDIA sobre el cómputo para IA. Por otro, la Wikimedia Foundation se niega a reconocer el sindicato de sus empleados y contrata a una firma antisindical, un movimiento que mancha la reputación de una organización que se presenta como guardiana del conocimiento libre. Y en el espacio más nicho, Bor 0.8.0 llega como una herramienta open source de gestión de políticas para escritorios Linux, y Syncular ofrece sincronización SQL offline-first con núcleos en Rust y TypeScript. El ecosistema abierto sigue construyendo, pieza a pieza, lo que la IA corporativa devora en bloque.
Pero volvamos a los libros. El problema de fondo no es que las máquinas lean. Es que lean como saqueadores. La digitalización masiva podría ser un acto de preservación extraordinaria —lo fue con Google Books en sus mejores momentos, lo es con Internet Archive cuando la justicia no lo frena—, pero solo cuando el original sobrevive. Escanear y destruir no es preservar; es transformar un objeto cultural en un vector de entrenamiento y luego negar que ese objeto existió.
La pregunta que queda flotando es incómoda: ¿cuánto conocimiento ya se ha perdido para siempre en nombre de un modelo que probablemente no recordará ni una sola línea de lo que absorbió? Y más importante aún: ¿quién debería rendir cuentas cuando la biblioteca de Alejandría arde, pero esta vez el fuego lo enciende una API?