Anthropic pagó $1.500M por su plan secreto de escanear libros y alimentar a Claude

Cuando el algoritmo tiene hambre, el costo de los datos no es solo dinero, sino también la ética del atajo.

El plan ultrasecreto: escanear destructivamente

Imagina que estás construyendo la biblioteca más grande del mundo. No una biblioteca física, sino digital, diseñada para enseñar a pensar a una Inteligencia Artificial. Necesitas millones y millones de libros, ensayos, y poemas. ¿Qué haces?

Lo normal sería pedir permiso. Lo que hizo Anthropic, la compañía detrás del popular chatbot Claude, fue diseñar un plan secreto digno de Hollywood: El Proyecto Panamá. Un nombre en clave que ya te dice que estaban cruzando fronteras.

Una reciente filtración judicial ha levantado el telón sobre esta operación, revelando la carrera frenética, y a menudo ilegal, que las grandes tecnológicas están librando por el “oro” de la IA: nuestros datos, nuestros libros, nuestro arte.

El Proyecto Panamá era simple en su ambición y brutal en su ejecución. Anthropic invirtió decenas de millones de dólares para adquirir físicamente y escanear millones de libros. La clave aquí es el término técnico: “escaneo destructivo”.

Esto no era como ir a la biblioteca y sacar una copia. Era adquirir las obras y, presuntamente, destrozarlas en el proceso para obtener versiones digitales perfectas y masivas. El objetivo era claro: alimentar a Claude con una cantidad ingente de conocimiento estructurado.

Piensa en esto. Tu novela favorita, el libro de historia que te marcó, el manual técnico que usas en el trabajo… todos fueron vistos como simples inputs crudos necesarios para hacer un modelo de lenguaje mejor que el de la competencia.

Y aquí viene el gancho humano: Si tu trabajo, tu esfuerzo creativo de años, se utiliza sin tu consentimiento para generar un producto que luego compite contigo, ¿dónde queda el valor de la creación humana? Esto es lo que está en juego en tu día a día.

La excusa del siglo: “No es práctico”

Los documentos judiciales revelados en la demanda por infracción de derechos de autor son un espejo incómodo de la mentalidad de Silicon Valley. No solo Anthropic, sino también Meta y otras grandes corporaciones, consideraron que obtener el permiso de los autores y editoriales era “no práctico”.

Imagina que eres un estudiante y necesitas hacer un trabajo. En lugar de ir a la biblioteca y pedir prestados los libros, entras a escondidas, los copias y argumentas que pedir permiso es demasiado trabajo. Suena absurdo, ¿verdad? Pero a escala masiva y con miles de millones de dólares de por medio, esto se normalizó.

La lógica es la siguiente: para que un Modelo de Lenguaje Grande (LLM) funcione al nivel de Claude o GPT-4, necesita una base de datos titánica, que se mide en billones de tokens. La forma más rápida de conseguir esa escala es tomar lo que ya existe online o, como demostró Anthropic, escanearlo sin permiso.

Este atajo ético ha marcado la pauta del desarrollo de la IA en los últimos años. Es una carrera armamentística de datos donde el ganador es el que primero consiga la base de conocimiento más amplia, sin importar los derechos que pise en el camino.

Lo que me sorprende de la filtración es la frialdad con la que se trataba el tema de la legalidad. Los documentos sugieren que la evasión no fue un error, sino una decisión estratégica. Una apuesta calculada de que era más barato pagar una multa después que negociar con cientos de miles de autores antes.

El puñetazo en la caja: $1.500 millones para cerrar el caso

Todo plan secreto tiene un costo cuando se descubre. En el caso de Anthropic, el precio por haber obviado los derechos de autor ha sido estratosférico. La empresa acordó pagar 1.500 millones de dólares a editoriales y autores para cerrar la demanda. Es una cifra que te hace levantar las cejas.

Lo interesante es que este acuerdo se cerró “sin admitir culpabilidad”. Es decir, pagaron una cantidad colosal, una de las mayores en la historia de los litigios de derechos de autor en el sector tecnológico, pero legalmente mantienen la postura de que no hicieron nada malo. Es la táctica clásica: pagar la multa para seguir adelante sin sentar un precedente legal definitivo en su contra.

Este monto, sin embargo, nos da una pista del valor real que estas compañías otorgan a esos datos adquiridos en la sombra. Es un reconocimiento implícito de que esos millones de libros eran esenciales, irremplazables, para que Claude fuera lo que es hoy, un competidor directo de GPT-4.

“El costo de la innovación no puede recaer solo sobre la espalda de los creadores. Este acuerdo demuestra que la ética tiene un precio, y a veces, es multimillonario.”

Para el lector, esto significa algo crucial: si usan herramientas de IA generativa a diario, deben saber que esa fluidez y ese conocimiento que demuestran provienen, en parte, de un reservorio de datos obtenido bajo circunstancias muy cuestionables. La calidad del producto final se cimentó sobre una base ética precaria.

La nueva era: Datos licenciados y el muro de pago

La era de los datos “gratuitos” o “tomados” está llegando a su fin. Casos como el de Anthropic, y otros que involucran a OpenAI y grandes medios de comunicación como The New York Times, están forzando a la industria a cambiar el chip. Los desarrolladores ya no pueden ignorar la ley de la propiedad intelectual con un simple encogimiento de hombros.

Estamos viendo una migración masiva hacia los datos licenciados. Es decir, las grandes empresas de IA están firmando acuerdos millonarios con editoriales, medios de comunicación y otras bases de datos para usar contenido de forma legítima. Esto es positivo, pero no viene sin consecuencias.

Esto tiene dos consecuencias directas para nosotros, los usuarios y consumidores de la información:

Mayor costo de la IA: Si las empresas pagan millones por sus datos, ese costo se transferirá inevitablemente a las suscripciones de los usuarios o a los modelos de negocio B2B. La IA súper avanzada dejará de ser percibida como un recurso infinito y barato, sino como un servicio premium con costos reales de infraestructura y licenciamiento.
Mejor IA (y más ética): Al usar datos licenciados y curados, existe la promesa de que los modelos de lenguaje serán más precisos y menos propensos a alucinaciones. Además, al menos sabremos que los creadores originales están siendo compensados, lo que fomenta la creación de más contenido de alta calidad.

Este escándalo de Anthropic no es solo un chisme de gigantes tecnológicos. Es la línea divisoria entre el Lejano Oeste de los datos y la llegada de la regulación y la responsabilidad financiera. El “Proyecto Panamá” nos enseñó que, aunque el atajo parezca tentador, a largo plazo la factura siempre llega, y es dolorosa.

Reflexiones finales sobre la propiedad intelectual en la era Claude

El debate sobre el uso de contenido con derechos de autor para entrenar IAs es uno de los más complejos de la década. ¿Es el entrenamiento de un modelo un “uso justo” (fair use), similar a lo que hace un humano al leer un libro para aprender? O, ¿es una copia masiva y sistemática que destruye el valor del original?

Si bien legalmente la discusión sigue abierta en muchos frentes, la acción de Anthropic de pagar 1.500 millones de dólares, aunque no admita culpa, es una señal muy fuerte de cómo va a terminar este pulso. Es una admisión financiera de que la propiedad intelectual no se puede ignorar, especialmente cuando el negocio es tan lucrativo.

Para ti, que usas Claude o cualquier otro LLM a diario, la lección es que cada interacción tiene un eco ético. La próxima vez que una IA te dé una respuesta brillante, recuerda el Proyecto Panamá: el conocimiento vino de un libro, y ese libro tuvo un autor que, por mucho tiempo, no vio un solo centavo por el uso de su obra.

Es hora de exigir transparencia y trazabilidad en los datos. No podemos permitir que la innovación se base en el pillaje digital. Los modelos de lenguaje deben ser herramientas que amplifiquen el trabajo humano, no que lo devoren en secreto.

La clave para la trazabilidad

Pregunta por la fuente: Cuando un LLM te dé una respuesta crucial, acostúmbrate a preguntarle de dónde sacó esa información. Exige una trazabilidad mínima.
Apoya el contenido de calidad: Si el contenido humano te importa, consume medios y editoriales que licencian su trabajo, garantizando que el ecosistema creativo pueda sobrevivir.
Regulación futura: Mantente atento a las leyes de IA. Lo que se decida en los próximos años definirá si los modelos serán justos o seguirán beneficiándose de atajos multimillonarios.