Qué es el "Proyecto Panamá" y cómo reveló la destrucción de miles de libros antiguos para entrenar a la IA

El 30 de abril pasado Marçal Font recibió un pedido que llamó su atención en la Librería Fénix, un lugar de referencia para el comercio de libros antiguos de la ciudad catalana de Badalona.

“Hace 20 años que me dedico a ser librero de viejo, o sea, que de compras extrañas he tenido millones, con lo cual ya no me alarmo”, le cuenta a BBC Mundo quien es además poeta y profesor de Literatura Comparada de la Universidad de Barcelona.

MIRA: El revolucionario diseño de virus completamente nuevos mediante inteligencia artificial

El pedido provenía de una empresa ubicada en Canadá, pero esta no era la primera vez que la librería enviaba libros en catalán al exterior. “Mandamos libros hasta Japón, no es algo raro; pero el patrón (de compra) era extraño”.

Cuando a comienzos de mayo llegó una nueva serie de pedidos, Font decidió investigar por temor a que se tratara de un fraude.

“No es frecuente buscar a quiénes nos compran, pero en ese caso empezamos a mirar, más que nada, porque eran pedidos en una ventana de una hora o 40 minutos. Teníamos tres o cuatro correos pidiendo un número dispar de libros. Y los gastos de envío asociados eran disparatados”.

Entonces consultó con su amigo Xavier Vinaixa, a quien además de su amor por los libros y el humanismo, lo une la pasión por la inteligencia artificial.

“Me llamó y me dijo, ‘oye, me están entrando aquí pedidos con patrones raros, el mismo cliente, con envío al exterior y pagando tres veces gastos de envío’. Y él lo primero que pensó es que no fuera una estafa”, recuerda Vinaixa en diálogo con BBC Mundo.

“Y ahí fue cuando empezamos a tirar del hilo y encontramos otra gente, con las mismas inquietudes que Marçal, en Alemania, en Nueva Zelanda... Y entonces lo vimos superclaro”, añade este investigador de inteligencia artificial y director técnico de la empresa tecnológica Sorensen.ai.

Si uno realiza una búsqueda en internet con los términos “libros antiguos” e “inteligencia artificial” encuentra rápidamente esas “inquietudes” a las que hace referencia Vinaixa.

En un artículo del periódico británico The Telegraph titulado “Barbarie cultural: cómo las empresas de IA están destruyendo los libros del mundo”, un librero de Haarlem, Países Bajos, cuenta la sorpresa que sintió al recibir un pedido masivo de libros:

“En el comercio de libros antiguos es muy poco frecuente que la gente quiera comprar más de un libro. Así que, si alguien viene y dice ‘quiero un par de cientos de sus libros’ resulta muy extraño”, contó el anticuario Pieter de Vries.

El diario The Guardian, citó a una librera en la ciudad australiana de Victoria que recibió un pedido de la misma compañía que le compró a Marçal Font: “Hicieron el pedido, pagaron por adelantado y no pusieron reparos a los gastos de envío”, explicó Delfina Manor.

Ambos artículos, así como los que contaron la historia del librero catalán, hacen referencia a la investigación periodística que destapó lo que se conoce como el “Proyecto Panamá”.

Destrucción y entrenamiento

En septiembre de 2025, la empresa de inteligencia artificial (IA) Anthropic acordó pagar US$1.500 millones para resolver una demanda colectiva presentada por autores que alegaban que la compañía había utilizado sus obras sin permiso para entrenar sus modelos de IA.

Cuatro meses después, el diario Washington Post publicó en exclusiva un documento que fue parte del proceso judicial, en el que se mencionaba la existencia de un plan para digitalizar todas las obras escritas por la humanidad.

“El Proyecto Panamá es nuestro esfuerzo para escanear de forma destructiva todos los libros del mundo”, indicaba el texto filtrado, que más adelante especificaba: “No queremos que se sepa que estamos trabajando en esto”.

Maximiliano Firtman, profesor argentino y autor de libros sobre programación e inteligencia artificial, fue uno de los autores que demandó a Anthropic en esa demanda colectiva.

Según le cuenta a BBC Mundo, el juez dictaminó que si la empresa compraba el ejemplar del libro, podía usarlo para entrenar a la IA.

“Y ahí empezaron a surgir los testimonios de libreros alrededor del mundo que reciben órdenes de libros que nadie tocaba, y de algunas empresas que se dedican a escanear estos libros y darles el texto ya escaneado a las empresas de inteligencia artificial. Así aparece el tema de la destrucción de los libros”.

Rodrigo Álvarez, periodista especializado en tecnología en el medio Todo Noticias (TN) de Argentina, explica que hay dos métodos para digitalizar libros, uno de los cuales no implica la destrucción del ejemplar, ya que usa escáneres planos o dispositivos con forma de V que escanean las páginas sin desarmar la encuadernación.

“El procedimiento ‘destructivo’ es basicamente un proceso que comienza con el corte del lomo para que las hojas queden sueltas; las páginas ya separadas se introducen en escáneres industriales de alta velocidad que las escanean mucho más rápido, de manera automática”, le dice a BBC Mundo.

Una vez digitalizadas las páginas, el libro ya no puede armarse de nuevo y sus restos suelen enviarse a reciclaje.

“Las empresas eligen esta segunda alternativa por una cuestión de escala: permite digitalizar millones de ejemplares con mayor rapidez y a un costo menor. En el caso documentado de Anthropic, para el Proyecto Panama se usó este procedimiento”, concluye Álvarez.

Entrenamiento

Digitalizar los libros permite preservar los textos escritos a lo largo de la historia humana, pero el objetivo principal parece obedecer más a entrenar a la inteligencia artificial que a un espíritu de conservación.

“Cuando hablamos de IA normalmente se sobreentiende que hablamos de un LLM (siglas en inglés de Large Language Model), un gran modelo de lenguaje”, aclara Xavier Vinaixa.

Los LLM, como -por ejemplo- ChatGPT-, son programas de inteligencia artificial que aprenden a entender, resumir, traducir y generar texto u otro contenido prediciendo la palabra o el fragmento siguiente.

“Todos usamos el teclado predictivo en nuestros teléfonos. Vos decís ‘hola, estoy llegando…’ y capaz que te sugiere la palabra ‘tarde’. ¿Cómo funciona ese teclado predictivo? En base a estadísticas de textos previos que vos escribiste. Eso mismo, pero elevado a la millonésima potencia, es un LLM”, ejemplifica Maximiliano Firtman.

Entonces, para entrenar a estos modelos grandes de lenguaje en el intrincado arte de encontrar las conexiones entre las palabras, primero se los “alimentó” con toda la información que había en la red -Wikipedia, blogs, foros-, y cuando esto comenzó a acabarse, se los entrenó con notas de periódicos y hasta con subtítulos de los videos de YouTube.

“Todo lo que tenían a mano se lo daban a esa máquina que se traga textos, y cuando esto se terminó empezaron a buscar en los libros impresos que ya estaban digitalizados, luego en las bibliotecas y ahora empezaron a buscar libros extraños que no son comerciales. ¿Y que están dónde? En librerías de libros usados y anticuarios”, añade Firtman.

“En el caso de Marçal -dice Xavier Vinaixa- me comentaba de pedidos que le llegaban, por ejemplo, de la historia de los embutidos catalanes, cosas que seguro que no se han usado todavía para entrenar”.

Datos sin contexto no son datos

La destrucción de los libros escaneados para entrenar a la IA ha generado cuestionamientos y dudas desde diversos foros.

Miguel Ángel Ortega, presidente de la Asociación Profesional del Libro y Coleccionismo Antiguos de España, le dice a BBC Mundo que se debería distinguir si se trata de ejemplares de tiradas masivas o de tiradas limitadas.

“Como comerciantes que preservamos el patrimonio y que realizamos una labor de conservación, creemos que el uso final de una obra, de una edición muy limitada, escasa o única, lógicamente, no debería ser la destrucción”.

En esto coincide Rodrigo Álvarez, el periodista de Tecnología de TN, para quien el mayor riesgo “es que las compras indiscriminadas destruyan ejemplares raros o agotados sin comprobar antes cuántos de esos ejemplares quedan en stock de distribuidoras y librerías, o incluso en poder de las personas”.

A Marçal Font, en cambio, la destrucción de libros no le preocupa tanto: “No soy nada romántico en ese sentido”.

“Igual que los veterinarios que estudian para salvar a los animales acaban siendo los que más animales sacrifican; mi punto de vista es que no hay nadie que destruya más libros que un librero de viejo, porque compramos bibliotecas enteras, salvamos todo lo salvable, pero hay mucho que no se salva”.

Font explica que si un libro tiene depósito legal, lo que asegura una conservación de 5 o 10 ejemplares como mínimo, “que se destruya un ejemplar para que toda esa información vaya a un formato nuevo de conocimiento me parece hasta bien”.

Su preocupación radica en que la digitalización de todo el material producido por la humanidad deje de lado aquello que no cuenta con un ISBN (siglas en inglés de International Standard Book Number), el número que identifica cada libro publicado.

“Toda la disidencia política del mundo, la lucha LGTBI, todos los fanzines de rebeldía, la contracultura, todo lo underground se ha hecho sin ISBN”, señala, y advierte que este material podría perderse para futuras generaciones si no se lo digitaliza también.

Por esa razón, tanto Álvarez como Font destacan que no se debe confundir digitalización con conservación.

“La digitalización de un libro no es lo mismo que conservar un libro; generalmente ese archivo digital suele quedar en una base de datos privada, fuera del alcance de lectores, bibliotecas e investigadores”, advierte Álvarez.

El periodista tecnológico añade que en esta digitalización extrema también pueden perderse características que exceden al texto, como su encuadernación, anotaciones, ilustraciones, calidad de impresión, procedencia y otras particularidades.

Para Font, la ausencia de estos “metadatos” deja en las sombras claves fundamentales para la buena interpretación de un texto, con lo cual los datos que se producen incluso para la propia industria de IA son, en su opinión, deficitarios.

“Que haya un trasvase de conocimiento del formato libro a los nuevos formatos me parece muy positivo; en los siglos XV y XVI ya hubo un proceso similar con esos libros de la recién inaugurada imprenta, y también se perdía la calidad de los datos de un formato a otro. ¿Eso cómo se resolvió? Con metadatos”.

Él pone el ejemplo de cuando se recopiló información inscrita en piedras para pasarla al papel: “No bastaba con transcribir el texto que había en la piedra, había que incluso dibujar la piedra, hablar de sus materiales, de su localización, todo ese metadato es lo que nos permite ahora a nosotros reconstruir qué decía esa piedra en realidad”.

El presidente de la Asociación Profesional del Libro y Coleccionismo Antiguos de España explica que incluso dos libros con el mismo texto pueden tener un valor cultural muy diferente.

“Pueden tener la misma información, pero uno tiene un ex libris (una etiqueta decorativa pequeña que se pega en el interior de la cubierta delantera para indicar quién es su propietario), una encuadernación artesanal o anotaciones, que no se van a poder trasladar al formato digital, un poco lo que ocurre con el formato del libro electrónico”.

El resumen del resumen del resumen...

Para evitar la digitalización que destruye los libros y deja de lado información clave, tanto Font como Vinaixa proponen evitar los intermediarios

“La solución que proponemos es escanear nosotros nuestro patrimonio en nuestra lengua, lo guardamos y licenciamos los datos; si tú quieres los datos, yo te los doy de la mejor manera posible y el libro me lo guardo, porque para la gente que hace investigación es importante también cómo el libro tiene la portada, cómo ha sido cosido, no solo el contenido”, dice Vinaixa.

El director técnico de la empresa tecnológica Sorensen.ai. añade que la demanda de datos continuará, hasta que ya no haya con qué alimentar a la inteligencia artificial.

“Creíamos que la IA se iba a quedar pequeña cuando ya no haya más capacidad de proceso. Pues no, el tope son los datos, la IA se ha quedado pequeña porque ya no hay más datos”.

Para Firtman, aún no sabemos qué pasara cuando se acabe la información generada por humanos:

“Lo siguiente que hay son los datos sintéticos, los textos escritos por la propia IA. El mayor riesgo de acá a unas décadas es que cuando todo se lo preguntemos a una IA, sin ir a las fuentes, esa IA se empiece a degradar porque se está entrenando con la misma información que generó la propia IA”.

El periodista Rodrigo Álvarez grafica esta degradación con la imagen de una serpiente que se come su propia cola:

“Las empresas alimentarían a sus modelos con contenido generado por otras inteligencias artificiales y en ese caso podrían multiplicarse errores, hacer cada vez más básico el lenguaje, como un resumen de un resumen de un resumen, cada vez más sencillo, una síntesis de una síntesis que se aleja de la información original”.

Mientras, en la Librería Fénix de Marçal Font, la situación se fue modificando tras la compras “extrañas” de abril y mayo.

“Han ido cambiando de logística y de empresa. También nos empezaron a hacer mandar los libros no solo a Norteamérica sino a Alemania”.

Y después de un mes sin novedades, Font ha recibido un nuevo pedido, justo esta semana, lo cual, para él, solo podría implicar una cosa:

“El Proyecto Panamá sigue en marcha”.