Durante siglos, el libro impreso representó el pináculo de la preservación del saber humano: un objeto físico fruto de años de investigación, redacción, edición y esfuerzo intelectual. 

Sin embargo, en la carrera por construir la Inteligencia Artificial General, las grandes corporaciones tecnológicas trataron esta inmensa biblioteca humana no como un legado sagrado, sino como materia prima gratuita e inagotable. 

Hoy, tras haber digerido millones de obras protegidas por derechos de autor sin consentimiento, pago ni citación, esas mismas empresas buscan erigirse en los guardianes absolutos de la autenticidad digital. Nos encontramos ante una profunda distorsión ética e industrial: el paso del despojo masivo al control hegemónico de la información.

El saqueo de la biblioteca humana: Para que un modelo de lenguaje de gran escala (LLM) pueda articular una sola oración coherente, primero necesita procesar billones de palabras. En la fase inicial de desarrollo de los modelos que hoy dominan el mercado, la red abierta resultaba insuficiente en calidad sintáctica y profundidad conceptual. La solución fue acudir al reservorio más rico existente: los libros. A través de repositorios como Books3 —un conjunto de datos que albergaba cerca de 200,000 obras literarias y académicas pirateadas— y la digitalización no autorizada de bibliotecas completas, las empresas de inteligencia artificial alimentaron a sus algoritmos. Millones de libros, fruto del trabajo de vida de autores de todo el mundo, fueron procesados, fragmentados y convertidos en vectores matemáticos. Se operó bajo una lógica de hecho consumado: extraer primero, pedir perdón (o litigar) después.

La dieta actual: del extractivismo a los datos sintéticos y corporativos: Con el agotamiento del texto humano de alta calidad en internet y la creciente presión judicial, la estrategia de alimentación de los modelos ha dado un giro táctico. Hoy en día, la dieta de la inteligencia artificial se basa en dos pilares estratégicos: a) Acuerdos multimillonarios de licenciamiento, firmados con grandes conglomerados de medios, editoriales científicas y plataformas de contenido como Reddit o Stack Overflow, asegurando un flujo continuo de datos «limpios» y jurídicamente blindados y b) Generación de datos sintéticos, donde los modelos avanzados son entrenados con texto generado por otros modelos de IA previamente filtrados y optimizados. La máquina ha comenzado a alimentarse de si misma. 

El mandato europeo y la ilusión del etiquetado: Ante la proliferación descontrolada de contenido sintético y muchas veces fake, la Unión Europea, a través de la Ley de Inteligencia Artificial (EU AI Act), estableció un marco regulatorio estricto. La normativa exige que todo contenido generado por IA —texto, audio, imagen o video— incluya marcas de agua digitales o metadatos de procedencia discernibles, con el fin de proteger a la sociedad contra la desinformación, la suplantación de identidad y la pérdida de trazabilidad informacional.

La premisa legal es clara: el ciudadano tiene el derecho fundamental de saber si interactúa con un pensamiento humano o con un algoritmo probabilístico.

De la obligación legal a la estrategia hegemónica: Lo relevante no es solo el mandato europeo, sino la reacción estratégica de gigantes como Google (con el desarrollo de SynthID), Anthropic y OpenAI. Estas compañías han decidido implementar mecanismos de marca de agua y firmado digital de manera global, extendiendo las exigencias europeas a todos los usuarios del planeta.

¿Responde esto a un repentino compromiso con la ética y la transparencia? Solo de manera superficial. Expandir la marca de agua a nivel global responde a tres cálculos de poder: a)Estandarización operativa: es técnicamente más eficiente aplicar una sola arquitectura de trazabilidad a nivel mundial, que fragmentar sus plataformas por jurisdicciones: b) Mitigación de riesgos legales: anticiparse a regulaciones similares en las Américas y Asia y Control de propiedad intelectual: al marcar indeleblemente el texto generado, la corporación no solo cumple la ley, sino que reclama indirectamente una pátina de autoría, control y monopolio sobre el ecosistema de la información digital.

La gran paradoja: El pirata convertido en gendarme: Aquí radica el núcleo de la contradicción. Las mismas corporaciones que ignoraron el derecho de autor para construir sus modelos, apelando al fair use o al vacío legal, imponen hoy la facultad de etiquetar, rastrear y fiscalizar la información digital generada a partir de su tecnología, asumiendo propiedad y autoridad sobre un material cuya matriz original fue arrebatada.

Esta asimetría ha provocado una ola de litigios en Estados Unidos. Demandas colectivas impulsadas por el Authors Guild, medios de comunicación y creadores individuales han acorralado a los desarrolladores. Enfrentadas a la posibilidad de veredictos adversos con contingencias financieras millonarias, las empresas de IA han comenzado a desembolsar cifras astronómicas en acuerdos judiciales y acuerdos de licenciamiento retrospectivo. No obstante, pagar sumas multimillonarias a posteriori no restituye la ética del proceso: solo confirma que la impunidad inicial tenía un precio económico que los gigantes tecnológicos podían permitírselo.

Reacción contra el camuflaje: frente al despliegue de las marcas de agua —que alteran sutilmente la selección matemática de palabras sin cambiar el significado para el lector— ha surgido una contracultura tecnológica. El mercado está generando herramientas diseñadas específicamente para dos fines opuestos:detectores para identificar marcas invisibles y camufladores o humanizadores que reescriben, reordenan y alteran la distribución estadística del texto para tratar de borrar la marca de agua corporativa.

Esta dinámica de juego del gato y el ratón evidencia que la solución al problema de la autenticidad no puede ser puramente técnica. Intentar resolver un dilema de confianza mediante capas sobrepuestas de código solo genera una espiral inútil de vigilancia y evasión.

La vacuidad ética en el corazón de la tecnología: el malestar que genera este escenario no proviene de la sofisticación de los algoritmos ni de la complejidad de las leyes, sino de la evidente ausencia de valores en el diseño del modelo de desarrollo tecnológico. Se está institucionalizando una cultura donde la eficacia operativa y la velocidad de despliegue prevalecen sobre el respeto a la creación humana. 

Este abuso de poder no consiste únicamente en no haber pagado por los libros o en cobrar suscripciones por el acceso a una memoria colectiva privatizada. El verdadero abuso consiste en pretender que el futuro de la información pertenezca a quienes construyeron sus imperios sobre el trabajo ajeno no reconocido. Cuando el conocimiento humano se despoja de su dimensión ética, de la gratitud hacia sus fuentes y del respeto a la verdad, la inteligencia —por muy artificial o avanzada que sea— queda reducida a un mero ejercicio de fuerza.

La respuesta institucional no puede quedarse en observar la indignación de los usuarios. Las empresas y los gobiernos que hoy contratan servicios de inteligencia artificial deben exigir, en sus propios contratos de licenciamiento, cláusulas claras sobre la procedencia de los datos de entrenamiento y sobre quién responde si esa procedencia resulta cuestionada judicialmente. Exigir trazabilidad al usuario final sin someterse primero a la misma trazabilidad hacia atrás es, sencillamente, pedirle al ratón que use cascabel mientras el gato guarda silencio.

Mireya Rodriguez.  Experta en gobernanza ética de la IA y transformación digital 

CEO de VORTEX AI Solutions S.A. de C.V.