La creciente necesidad de datos para entrenar modelos de inteligencia artificial está abriendo un nuevo frente de debate en torno a la conservación de libros y patrimonio cultural. Una investigación periodística de BBC Mundo pone el foco en el denominado Proyecto Panamá, un plan atribuido a Anthropic para digitalizar libros a gran escala mediante un procedimiento que puede implicar la destrucción física de los ejemplares.
El caso adquiere especial relevancia porque la digitalización no siempre significa conservación. Según el reportaje de BBC Mundo, existen métodos que permiten escanear un libro sin desmontarlo, pero el denominado escaneo destructivo comienza con el corte del lomo para separar las páginas y posteriormente introducirlas en escáneres industriales de alta velocidad. Rodrigo Álvarez, periodista especializado en tecnología, explicó a BBC Mundo que este procedimiento permite procesar los ejemplares con mayor rapidez y a un coste menor.
Proyecto Panamá: el plan para escanear libros a escala industrial
En septiembre de 2025, Anthropic acordó pagar US$1.500 millones para resolver una demanda colectiva presentada por autores que alegaban que sus obras habían sido utilizadas sin permiso para entrenar modelos de inteligencia artificial.
Meses después, un documento difundido por The Washington Post durante el proceso judicial mencionó la existencia del denominado Proyecto Panamá.
El documento describía el proyecto como un esfuerzo para realizar un escaneo destructivo de libros a gran escala y señalaba que no se quería hacer pública esa actividad.
El caso resulta especialmente llamativo porque conecta dos fenómenos que hasta ahora parecían separados: la industria tecnológica necesita cada vez más datos y el mercado de libros antiguos conserva millones de textos que todavía no han sido incorporados a los grandes sistemas digitales.
El Proyecto Panamá y la carrera por conseguir nuevos datos
El origen de esta estrategia estaría relacionado con una de las principales limitaciones a las que se enfrentan los grandes modelos de lenguaje (LLM): la disponibilidad de nuevos datos generados por seres humanos.
De acuerdo con el análisis de BBC Mundo, los modelos de inteligencia artificial han sido entrenados con grandes cantidades de información disponible en internet, incluidos Wikipedia, blogs, foros, periódicos y subtítulos de vídeos. Ante la necesidad de ampliar ese volumen de información, la atención se habría desplazado hacia libros ya digitalizados, bibliotecas y, posteriormente, ejemplares físicos poco comerciales o difíciles de encontrar.
Maximiliano Firtman, profesor y autor especializado en programación e inteligencia artificial, describe esta evolución señalando que, después de utilizar grandes cantidades de información disponible en internet, la búsqueda habría llegado a libros impresos y posteriormente a ejemplares conservados en librerías de segunda mano y anticuarios. Citado en la BBC.
La investigación también recoge el caso de una librería de libros antiguos de Badalona, donde comenzaron a recibirse pedidos internacionales que llamaron la atención por su volumen, rapidez y particular patrón logístico. El librero Marçal Font decidió investigar el origen de las solicitudes después de detectar pedidos de numerosos libros realizados en periodos de tiempo muy cortos y con gastos de envío inusuales.
¿Qué es el escaneo destructivo de libros?
La diferencia fundamental está en el tratamiento físico del ejemplar.
Los sistemas convencionales de digitalización pueden utilizar escáneres planos o dispositivos en forma de V capaces de capturar las páginas manteniendo intacta la encuadernación. El método destructivo, en cambio, permite acelerar el proceso mediante la separación de las hojas.
Según Rodrigo Álvarez, citado en la BBC, el proceso consiste en cortar el lomo, separar las páginas y posteriormente introducirlas en escáneres industriales de alta velocidad. Una vez completada la digitalización, el libro no puede volver a ensamblarse y los restos suelen terminar en procesos de reciclaje.
La investigación señala que la principal ventaja para las empresas de inteligencia artificial sería la escala: procesar millones de páginas en menos tiempo y con menores costes.
El problema aparece cuando esa lógica industrial se aplica a libros antiguos, ediciones limitadas o ejemplares cuya importancia no reside exclusivamente en las palabras que contienen.
Del libro físico al dato: quién controla el conocimiento
Uno de los principales interrogantes planteados por el reportaje es qué ocurre después de que un libro se convierte en un conjunto de datos.
El reportaje cita a Miguel Ángel Ortega, presidente de la Asociación Profesional del Libro y Coleccionismo Antiguos de España, advierte sobre el riesgo de destruir ejemplares especialmente escasos. En su opinión, una edición limitada, rara o única no debería terminar destruida simplemente para obtener su contenido digital.
El problema no se limita a la desaparición física del libro. Una digitalización centrada únicamente en el texto puede dejar fuera elementos que forman parte de la historia del ejemplar: encuadernación, ilustraciones, anotaciones manuscritas, procedencia, calidad de impresión o marcas de antiguos propietarios.
Rodrigo Álvarez resume uno de los principales riesgos al distinguir entre digitalización y conservación: un archivo digital puede terminar almacenado en una base de datos privada y no necesariamente permanecer disponible para lectores, bibliotecas o investigadores.
La información que no aparece en un ISBN también está en riesgo
La investigación introduce además una cuestión especialmente relevante para la preservación cultural: no todo el conocimiento escrito ha sido publicado bajo los sistemas editoriales tradicionales.
Marçal Font señala que buena parte de la disidencia política, la contracultura, los fanzines y otros movimientos underground se desarrollaron al margen del ISBN. Para el librero, existe el riesgo de que una estrategia de digitalización centrada exclusivamente en los libros identificables y comercialmente accesibles deje fuera una parte importante de la producción cultural.
En este contexto, el debate deja de ser únicamente tecnológico. También se convierte en una discusión sobre qué conocimiento se conserva, quién decide qué merece ser digitalizado y quién posee posteriormente los datos resultantes.
El riesgo para la propia inteligencia artificial
La paradoja es que la misma industria que busca cantidades cada vez mayores de información podría enfrentarse a una nueva limitación: la escasez de contenido humano original.
Xavier Vinaixa, investigador de inteligencia artificial y director técnico de Sorensen.ai, plantea que el límite de los sistemas de IA podría terminar estando en los propios datos disponibles para entrenarlos.
Cuando los datos humanos escaseen, una alternativa será recurrir a los denominados datos sintéticos, es decir, información generada por otras inteligencias artificiales.
Asimismo, Maximiliano Firtman advierte que este proceso podría generar un círculo problemático si los modelos comienzan a entrenarse principalmente con contenidos producidos por otras IA.
Rodrigo Álvarez utiliza una imagen especialmente gráfica para describir ese posible escenario: una IA alimentándose de contenido generado por otras inteligencias artificiales hasta producir versiones cada vez más alejadas de las fuentes originales, como un “resumen de un resumen de un resumen” citado en el medio inglés.
Un debate sobre el futuro del conocimiento
El denominado Proyecto Panamá coloca frente a frente dos necesidades: por un lado, la carrera tecnológica por obtener nuevos datos para desarrollar modelos de inteligencia artificial cada vez más capaces; por otro, la necesidad de conservar los objetos físicos que contienen parte de la memoria cultural de la humanidad.
La digitalización puede facilitar el acceso al conocimiento y permitir que grandes cantidades de información sean procesadas por nuevas tecnologías. Sin embargo, el reportaje de BBC Mundo plantea que convertir un libro en datos no equivale necesariamente a conservarlo.
La propuesta de algunos de los expertos consultados pasa por que libreros, instituciones y actores culturales participen directamente en la digitalización de sus propios fondos, preservando los ejemplares originales y licenciando posteriormente los datos. De esta manera, el contenido podría incorporarse a nuevos sistemas tecnológicos sin perder necesariamente el objeto físico que lo contiene.
La historia del Proyecto Panamá abre así una pregunta que va más allá de Anthropic o de una tecnología concreta: si los libros contienen el conocimiento de generaciones, ¿qué ocurre cuando la inteligencia artificial necesita convertirlos en datos a una velocidad superior a nuestra capacidad para conservarlos?
La investigación recogida por BBC Mundo apunta a que la carrera por los datos continúa y que los pedidos de libros antiguos y poco comerciales no han desaparecido. Para los protagonistas consultados, el fenómeno representa una señal de que la búsqueda de material para entrenar inteligencia artificial está lejos de haber terminado.
English 
Spanish