SAN FRANCISCO — El avance de la Inteligencia Artificial generativa ha entrado en una nueva fase de escrutinio global tras la desclasificación de documentos judiciales que revelaron la existencia del ‘Proyecto Panamá’. La operación consistió en la adquisición masiva de millones de libros físicos incluyendo volúmenes antiguos, descatalogados y obras literarias de todo el mundo con el único propósito de someterlos a una técnica de digitalización destructiva para alimentar bases de datos de entrenamiento de modelos de lenguaje.
La revelación ha encendido un intenso debate ético y legal entre la comunidad académica, autores, editoriales y gigantes tecnológicos sobre los límites en la recolección de datos y la preservación del patrimonio editorial.
¿Cómo operaba la digitalización destructiva?
A diferencia de los métodos tradicionales de escaneo no invasivo utilizados por bibliotecas y archivos históricos, el esquema implementado priorizó la velocidad y el volumen de procesamiento masivo:
- Guillotinado de lomos: A los ejemplares físicos adquiridos legalmente en el mercado secundario y librerías de viejo se les retiraba la encuadernación mediante corte industrial.
- Escaneo de hojas sueltas a alta velocidad: Las páginas individuales eran pasadas por alimentadores automáticos de escáneres ópticos para digitalizar texto continuo a gran escala.
- Reciclaje o desecho del material: Tras extraer el texto para los conjuntos de datos (datasets), el material de papel era enviado a trituración o reciclaje.
El frente legal: Entre el Fair Use y los derechos de autor
El descubrimiento del Proyecto Panamá derivó de litigios colectivos presentados por gremios de escritores y editoriales:
- Uso legítimo de copias físicas: Las resoluciones judiciales preliminares determinaron que comprar un libro impreso de manera legal, destruirlo y digitalizarlo para análisis computacional puede encajar bajo la doctrina de Fair Use (uso legítimo), al existir la propiedad del soporte material.
- El antecedente de repositorios piratas: La controversia se profundizó al comprobarse que, antes de recurrir a la compra masiva de libros físicos, se utilizaron bases de datos digitales no autorizadas (como Books3 o LibGen), lo que derivó en demandas millonarias por infracción de derechos de autor.
La sed insaciable de datos de alta calidad
El Proyecto Panamá refleja un dilema estructural de la industria tecnológica actual: el agotamiento del texto público disponible en internet y la urgencia de las empresas por obtener datos estructurados, de alta coherencia y riqueza sintáctica. La transformación física de bibliotecas enteras en vectores numéricos marca un precedente sobre el costo material e intelectual detrás de la era de la Inteligencia Artificial.
