Amazon nació vendiendo libros. Ahora les corta el lomo para entrenar IA

Amazon empezó como librería en línea. TechCrunch lo recuerda el 17 de agosto de 2026 al recoger una investigación de 404 Media: la compañía está comprando libros raros, cortándoles el lomo y escaneándolos para entrenar IA.

404 Media colocó un dispositivo de rastreo en un libro raro. El envío acabó en una instalación de Amazon en Las Vegas.

Amazon contestó a 404 Media, y TechCrunch reproduce la frase, que "compra libros a través de canales comerciales para mejorar los productos y servicios que utilizan los clientes". No habla de destruir nada. No da cifras. Las fuentes no dicen que esto sea ilegal. Lo que sí está descrito es el método: lomo abierto, páginas al escáner, texto humano que entra en un modelo.

El texto que no está en internet

Un libro raro, sobre todo si está agotado o es imposible de encontrar en la red, es hoy una fuente de datos de entrenamiento que se cotiza. TechCrunch lo apunta sin adorno: esos ejemplares ofrecen material que el internet masivo no tiene.

La razón es mecánica. Nada publicado antes de 2022 lo escribió un LLM. No hay párrafo que un modelo haya fabricado y otro modelo esté tragando como si fuera prosa de autor. Es texto de persona, anterior a la riada de copias automáticas.

Eso encaja con un problema que ya tienen los laboratorios, y que no hay que colgarle a Amazon como si fuera su invento: el "colapso del modelo". Cuando un LLM se entrena con demasiado texto generado por IA, la calidad de lo que produce puede degradarse. Se alimenta de ecos. El fenómeno es general. El escaneo de Amazon no lo causa. Pero sí explica por qué un tomo que nunca se volcó a la red se ha vuelto apetitoso.

Amazon está convirtiendo justo esos libros, valiosos porque no están online y no salieron de un LLM, en materia prima. El coste de extraer el dato puede ser hacer desaparecer el original físico.

Dos coberturas, un mismo corte

TechCrunch y Mezha publican el mismo día y coinciden en el gesto: se compran libros, se cortan, se escanean, el destino es entrenar modelos. Divergen en el peso.

TechCrunch sostiene la pieza sobre la caza del dato limpio y sobre la respuesta corporativa. Mezha empuja la preocupación por la conservación. Para un escaneo rápido, dice, las copias físicas se destruyen de hecho, aunque puedan tener valor cultural, histórico y bibliográfico.

Cortar el lomo no es un capricho de villano. Es un atajo de producción. Un libro cerrado no pasa bien por un alimentador automático. Sin el lomo, las hojas corren. El objeto deja de ser un libro y pasa a ser un fajo. Más velocidad, menos respeto por el artefacto.

El rasgo que hace valioso el ejemplar para un bibliófilo, que no está en internet, es el mismo que lo convierte en combustible.

Conviene no inflar esto hasta un recuento que nadie ha hecho. No consta en las fuentes consultadas cuántos libros raros ha comprado o destruido Amazon. Tampoco el coste de esa compra, el título del volumen rastreado por 404 Media, ni si la compañía guarda una digitalización fiel o solo extrae texto para entrenar. Y no consta que la práctica infrinja la ley: nadie en estas piezas lo demuestra.

Amazon no ha admitido la destrucción. Quien lea "canales comerciales" como una confesión de guillotina está poniendo palabras que la empresa no ha dicho.

El estante y el corpus

El contrapunto que sí aguantan las piezas es aburrido y necesario. En lo publicado, Amazon no saquea bibliotecas: dice que compra. 404 Media siguió un envío que llegó a Las Vegas. Entre adquirir un libro y cortarlo hay un abismo para un conservador y casi ninguno para un equipo de datos: el objeto ya es suyo. La propiedad comercial no garantiza la preservación.

Un lector también paga por un ejemplar de segunda mano. La diferencia está en el uso. Uno lo lee. El otro lo despieza para tokens, las piezas mínimas de texto que come un modelo.

Eso no convierte a Amazon en un delincuente. Convierte el incentivo en algo más frío. El texto que más necesitan los modelos es, por definición, el que todavía no se ha volcado a la red. Ese texto suele vivir en objetos que alguien conservó precisamente porque eran escasos. Si el método barato de extraerlos liquida el soporte, el mercado de datos y el de la preservación tiran en direcciones opuestas.

No hace falta imaginar que cada lomo cortado era el último ejemplar sobre la Tierra. Las fuentes no lo dicen. Basta con que el procedimiento trate el libro como envase. Mezha nombra lo que se pierde: valor cultural, histórico, bibliográfico. Valor bibliográfico no es una palabra bonita: es el objeto como objeto, la edición, el ejemplar concreto. Un embedding, la huella numérica con la que el modelo guarda un texto, no conserva eso.

Mientras los laboratorios busquen corpus que no hayan pasado por otro modelo, los estantes que internet no ha vaciado seguirán saliendo a precio de dato. Cortar el lomo es más barato que conservar. El dato entra en el modelo. El objeto, no.