Según los documentos presentados, en aproximadamente un año la empresa gastó decenas de millones de dólares en adquirir millones de libros y cortarles los lomos, para luego escanear sus páginas e incorporar más información a los modelos de IA que dan soporte a productos como su popular chatbot, Claude .
El plan de una empresa emergente de IA para escanear y desechar millones de libros a nivel mundial.
Entrevista con Alex Newman
30 mayo, 2026Recuerda que puedes apoyar nuestro trabajo invitándonos un café ó con una donación voluntaria en Paypal.
Únete a nuestra comunidad de Telegram comenta, opina, comparte.
Los documentos judiciales revelan cómo las empresas de IA se apresuraron a obtener más libros para alimentar a los chatbots, incluso mediante la compra, el escaneo y la eliminación de millones de títulos.
A principios de 2024, los ejecutivos de la empresa emergente de inteligencia artificial Anthropic impulsaron un ambicioso proyecto que intentaron mantener en secreto. «El Proyecto Panamá es nuestro esfuerzo por escanear de forma destructiva todos los libros del mundo», rezaba un documento de planificación interna revelado la semana pasada en documentos legales. «No queremos que se sepa que estamos trabajando en esto».
Los detalles del Proyecto Panamá, que no se habían divulgado anteriormente, salieron a la luz en más de 4.000 páginas de documentos de una demanda por derechos de autor interpuesta por autores de libros contra Anthropic, empresa valorada por los inversores en 183.000 millones de dólares. La compañía acordó pagar 1.500 millones de dólares para resolver el caso en agosto, pero la decisión de un juez de distrito la semana pasada de desclasificar una gran cantidad de documentos del caso reveló con mayor detalle la tenaz persecución de los libros por parte de Anthropic.
Los nuevos documentos, junto con las presentaciones anteriores en otros casos de derechos de autor contra empresas de IA, muestran hasta qué punto llegaron empresas tecnológicas como Anthropic, Meta, Google y OpenAI para obtener enormes cantidades de datos con los que “entrenar” su software.
El caso Anthropic formó parte de una oleada de demandas interpuestas contra empresas de IA por autores, artistas, fotógrafos y medios de comunicación. Los documentos presentados en estos casos revelan una frenética, y a veces clandestina, carrera entre las principales empresas tecnológicas por adquirir las obras colectivas de la humanidad.
Los libros eran considerados por las empresas como un activo crucial, según consta en los registros judiciales. En un documento de enero de 2023, uno de los cofundadores de Anthropic planteó la hipótesis de que entrenar modelos de IA con libros podría enseñarles a “escribir bien” en lugar de imitar el “lenguaje vulgar de internet”. Un correo electrónico de 2024 de Meta describía el acceso a un archivo digital de libros como “esencial” para ser competitivos frente a sus rivales de IA.
Sin embargo, los documentos judiciales sugieren que las empresas no consideraron práctico obtener el permiso directo de editores y autores para usar sus obras. En cambio, Anthropic, Meta y otras compañías encontraron maneras de adquirir libros al por mayor sin el conocimiento de los autores, según alegan los documentos judiciales, incluso mediante la descarga de copias piratas.
En varias ocasiones, empleados de Meta expresaron su preocupación en mensajes internos, señalando que descargar una colección de millones de libros sin permiso infringiría la ley de derechos de autor. En diciembre de 2023, un correo electrónico interno indicaba que la práctica había sido aprobada tras una “remisión a MZ”, en aparente referencia al director ejecutivo Mark Zuckerberg, según consta en los documentos presentados en una demanda por derechos de autor interpuesta por autores de libros contra la compañía. Meta declinó hacer comentarios para este artículo.
En un documento legal recientemente publicado, Anthropic reveló que el cofundador Ben Mann descargó personalmente una gran cantidad de ficción y no ficción de una “biblioteca clandestina” de libros y otro contenido que infringe los derechos de autor, llamada LibGen, durante un período de 11 días en junio de 2021. Una captura de pantalla de su navegador web incluida en los documentos lo muestra descargando archivos con un software para compartir archivos.
Un año después, Mann celebró el lanzamiento en julio de 2022 de un nuevo sitio web llamado Pirate Library Mirror, que afirmaba tener una enorme base de datos de libros y declaraba: «Violamos deliberadamente la ley de derechos de autor en la mayoría de los países». Mann envió un enlace al sitio a otros empleados de Anthropic con el mensaje: «¡Justo a tiempo!».
Anthropic afirmó en documentos legales que la compañía nunca entrenó un modelo de IA comercial que generara ingresos utilizando sus datos de LibGen y que nunca utilizó Pirate Library Mirror para entrenar ningún modelo de IA completo.
Ed Newton-Rex, exejecutivo de IA y compositor musical que ahora dirige una organización sin fines de lucro que defiende los derechos de los creadores, afirmó que estas revelaciones ponen de manifiesto que las empresas de IA tienen una deuda mayor con los creadores de la que han pagado hasta ahora. «Necesitamos urgentemente un cambio radical en toda la industria de la IA, de modo que los creadores comiencen a recibir una remuneración justa por las contribuciones vitales que realizan», declaró.
Google, Microsoft y OpenAI, creadora de ChatGPT, también se enfrentan a demandas por derechos de autor presentadas por autores de libros que formulan acusaciones similares. (The Washington Post mantiene una colaboración editorial con OpenAI).
La mayoría de los litigios contra las empresas de IA siguen en curso, y James Grimmelmann, profesor de derecho digital y de la información en Cornell Tech, afirmó que las cuestiones que plantean aún no están resueltas legalmente. Sin embargo, en dos sentencias iniciales, los jueces determinaron que el uso de libros por parte de las empresas tecnológicas para entrenar modelos de IA sin el permiso del autor o del editor puede ser legal en virtud de una doctrina del derecho de autor conocida como ” uso legítimo “.
En junio, el juez de distrito William Alsup dictaminó que Anthropic tenía derecho a utilizar libros para entrenar modelos de IA, ya que estos procesan el material de forma transformadora. Comparó el proceso de entrenamiento de la IA con el de los profesores que enseñan a los alumnos a escribir bien. Ese mismo mes, el juez de distrito Vince Chhabria dictaminó en el caso Meta que los autores de los libros no habían logrado demostrar que los modelos de IA de la empresa pudieran perjudicar las ventas de sus obras.
Pero las empresas aún pueden tener problemas por la forma en que adquirieron los libros. En el caso de Anthropic, el proyecto de digitalización de libros fue aprobado, pero el juez determinó que la empresa pudo haber infringido los derechos de autor al descargar millones de libros pirateados gratuitamente antes de lanzar el Proyecto Panamá.
Alsup otorgó la condición de demanda colectiva a los autores cuyos libros fueron incluidos en dos bibliotecas clandestinas —enormes colecciones de libros digitalizados compartidos en línea sin autorización— que Anthropic había descargado y almacenado para su uso futuro. En lugar de enfrentarse a un juicio, la empresa acordó pagar 1.500 millones de dólares a editores y autores sin admitir culpabilidad. Los autores cuyos libros fueron descargados pueden reclamar su parte del acuerdo, estimada en unos 3.000 dólares por título.
«Este caso se ha resuelto, pero el histórico fallo del tribunal de junio de 2025 permanece intacto», declaró Aparna Sridhar, subdirectora jurídica de Anthropic, en un correo electrónico enviado a The Post. «El juez Alsup sostuvo que el entrenamiento de IA era “esencialmente transformador”: los modelos de IA de Anthropic, entrenados con obras existentes, no buscan “replicarlas ni sustituirlas, sino dar un giro radical y crear algo diferente”. La cuestión que resolvimos giraba en torno a cómo se adquirieron algunos materiales, no a si podíamos utilizarlos para desarrollar modelos de IA».
Una imagen revelada en documentos judiciales muestra un almacén de libros que supuestamente formó parte del Proyecto Panamá de Anthropic, su proyecto para escanear, digitalizar y destruir millones de libros. (Obtenido por The Post)
Compra, corta, escanea, recicla.
Cuando Anthropic se embarcó en su proyecto Panamá para comprar y digitalizar libros físicos, recurrió a un veterano de Silicon Valley. La compañía contrató a Tom Turvey, un ejecutivo de Google que había ayudado a crear el famoso, aunque legalmente controvertido, proyecto Google Books dos décadas antes.
Según los documentos presentados, Anthropic consideró inicialmente comprar libros en bibliotecas o librerías de segunda mano como The Strand, un lugar emblemático de Nueva York conocido por sus “18 millas” de libros nuevos y usados. La tienda estaba “interesada en proporcionar libros usados”, según un documento que detalla una reunión de adquisición de contenido de Anthropic celebrada en marzo de 2024.
Según los documentos, los empleados de Anthropic también hablaron de contactar con bibliotecas estadounidenses, incluida la Biblioteca Pública de Nueva York, o con “una nueva biblioteca que sufre una financiación insuficiente crónica”.
No está claro cuál de las propuestas, si es que alguna, implementó Anthropic. Un portavoz de Strand, contactado por correo electrónico, afirmó que la librería finalmente no vendió ningún libro a Anthropic. La Biblioteca Pública de Nueva York (NYPL) no respondió a la solicitud de comentarios.
Según los documentos presentados, Anthropic llegó a comprar millones de libros, a menudo en lotes de decenas de miles. Para ello, recurrió a librerías como Better World Books, especializada en libros usados, y World of Books, con sede en el Reino Unido.
En los documentos se omite el número total de libros escaneados y su coste, pero una propuesta de proyecto de un proveedor que finalmente trabajó con Anthropic señalaba que la empresa de IA estaba “buscando un proveedor experimentado de servicios de escaneo de documentos para convertir de 500.000 a dos millones de libros en un período de seis meses”.
Better World Books y World of Books no respondieron a las solicitudes de comentarios el lunes.
El documento describe cómo la “máquina de corte hidráulica” de la empresa de escaneo cortaría los libros con precisión, cuyas páginas serían posteriormente escaneadas con escáneres de alta velocidad, alta calidad y nivel de producción. Finalmente, señala que la empresa de escaneo coordinará con la empresa de reciclaje la recogida de los libros terminados.
‘No me parece bien’
Los documentos publicados en la demanda por derechos de autor contra Meta revelan que los empleados del gigante de las redes sociales también ansiaban obtener más datos y estaban dispuestos a asumir riesgos legales para conseguirlos. Si bien el juez Chhabria falló a favor de Meta en lo referente al uso de libros para entrenar modelos de IA, permitió a los autores continuar con las acusaciones de que Meta distribuyó ilegalmente copias de libros pirateados. Los demandantes buscan que estas reclamaciones se tramiten como demanda colectiva en el Distrito Norte de California.
En su demanda, los autores alegaron que los directivos de Meta consideraron pagar por libros para entrenar sus modelos de IA, pero optaron por descargar millones de libros gratis de plataformas de torrents que facilitan la piratería en línea. El diseño de estas plataformas suele recompensar a los usuarios que suben material con descargas más rápidas de grandes colecciones de archivos.
Documentos internos, algunos de los cuales ya se habían divulgado anteriormente , mostraban a empleados de Meta expresando su preocupación por el riesgo o la ilicitud de sus acciones, y discutiendo cómo encubrir sus huellas.
Según los documentos, en 2023 un ingeniero escribió: «Descargar archivos torrent desde un portátil de la empresa no me parece correcto». Posteriormente, el mismo empleado compartió con el equipo legal de la compañía su preocupación de que usar sitios de torrents pudiera implicar compartir obras pirateadas con otros, lo cual «podría ser ilegal».
Fragmento de una conversación entre dos empleados de Meta que se reveló en documentos judiciales. (Ilustración del Washington Post; documentos judiciales obtenidos por The Post)
El correo electrónico de diciembre de 2023, incluido en los documentos judiciales, deja claro que el uso de LibGen había sido aprobado, aparentemente por Zuckerberg, a quien se hace referencia por sus iniciales. «Tras una consulta previa con MZ, se ha aprobado que GenAI utilice LibGen para Llama 3… con una serie de medidas de mitigación acordadas», decía el correo, antes de enumerar los riesgos legales y normativos derivados del uso de los datos.
«Si los medios de comunicación sugieren que hemos utilizado un conjunto de datos que sabemos que es pirateado, como LibGen, esto podría debilitar nuestra posición negociadora con los reguladores sobre estos temas», continuaba el correo electrónico.
En abril de 2024, las comunicaciones internas revelaron que la empresa estaba descargando LibGen y otras bibliotecas no oficiales. Los registros de chat muestran que un empleado le preguntó a otro por qué utilizaban servidores alquilados a Amazon para descargar torrents en lugar de los de Facebook. La respuesta fue: «Para evitar el riesgo de rastrear la actividad» hasta la empresa.
En un documento presentado el mes pasado, los abogados de Meta escribieron que la compañía “niega haber distribuido las obras de los demandantes cuando descargó datos de entrenamiento… utilizando torrents”.
En una demanda aparte, presentada originalmente en 2023, los autores de libros han acusado a OpenAI y Microsoft de infringir también la ley de derechos de autor en su propio intento de publicar libros para el entrenamiento de IA. OpenAI, donde Mann y el director ejecutivo de Anthropic, Dario Amodei, trabajaron antes de cofundar la empresa emergente, reconoció haber descargado LibGen, pero declaró ante el tribunal que eliminó los archivos antes del lanzamiento de ChatGPT.
«OpenAI dio el pistoletazo de salida a la piratería desenfrenada por parte de las empresas de IA y a la explotación indiscriminada de toda la expresión humana», declaró Justin A. Nelson, abogado de Susman Godfrey LLP, quien representa a autores de libros en los casos de OpenAI y Anthropic. OpenAI declinó hacer comentarios para este artículo.
A principios de este mes, dos importantes editoriales solicitaron a un tribunal que les permitiera unirse a un grupo de escritores e ilustradores en una demanda por derechos de autor contra Google, presentada originalmente en 2023.
Grimmelmann, profesor de derecho en Cornell Tech, afirmó que las empresas de IA “cayeron en un error” respecto al uso de datos protegidos por derechos de autor. Según explicó, los avances que dieron origen a ChatGPT y herramientas similares comenzaron en la investigación académica, donde el uso de material protegido por derechos de autor para el entrenamiento es ampliamente aceptado, pero los investigadores continuaron con esta práctica incluso cuando los modelos de IA se comercializaron.
“Para cuando la tensión se hizo evidente, ya habían realizado enormes inversiones para incorporar datos protegidos por derechos de autor en sus sistemas y estaban inmersos en una competencia frenética y de alto riesgo para lanzar modelos más nuevos y mejores”, dijo Grimmelmann.
La decisión de Anthropic de empezar a adquirir y escanear libros físicos en lugar de descargar bibliotecas virtuales «resultó ser una decisión acertada», añadió. «Este sería un buen ejemplo de cómo la empresa adopta un enfoque más prudente y cumple con la normativa vigente». Según ellos…
Hablamos de éste tema en nuestro Podcast Reescribiendo el pasado, no te lo pierdas.
Recuerda que puedes apoyar nuestro trabajo invitándonos un café ó con una donación voluntaria en Paypal.
Únete a nuestra comunidad de Telegram comenta, opina, comparte.
Related posts
23 abril, 2026
