Hace una década, el entrenamiento de modelos de inteligencia artificial dependía de la web abierta: Reddit, Wikipedia, foros técnicos y cualquier texto que estuviera disponible gratuitamente. Ese flujo continuo de datos humanos proporcionaba a los algoritmos las rarezas, los errores y las peculiaridades que los mantenían "vivos".

Ahora esa fiesta de datos ha terminado. La explosión de los modelos de lenguaje grandes ha chocado de lleno con una realidad económica: el contenido de calidad es caro, y el coste de licenciar textos protegidos por derechos de autor es prohibitivo para muchas startups de IA. El resultado es un mercado secundario poco visible pero muy activo: libros de segunda mano, ediciones de saldo y obras de biblioteca que son adquiridas por empresas de IA (o por sus socios) y sometidas a un proceso llamado "escaneo destructivo". En lugar de preservar los libros, las máquinas los destripan, extraen cada palabra y la alimentan a los modelos generativos.

El auge del libro como materia prima para IA no es un secreto para los libreros de viejo. El periódico The Guardian relató cómo algunos de ellos recibieron pedidos masivos de títulos extravagantes: manuales de mecánica de suelos de los años setenta, biografías de ciclistas neozelandeses, historias de suburbios de Melbourne e incluso antologías de poesía australiana temprana. Para el algoritmo, el contenido es indiferente; lo que importa es el volumen de texto legible que se puede extraer rápidamente.

Para los profesores, las consecuencias son más inmediatas. Cuando abren el "Speed Grader" de su universidad y se encuentran con otro ensayo genérico, impecable desde el punto de vista gramatical pero profundamente vacío, surge la misma sospecha: el estudiante no escribió esas palabras. Lo más probable es que haya pegado el enunciado del examen en el interfaz de Claude o ChatGPT, añadiera un par de frases para "humanizarlo" y entregara el trabajo. Detrás de esa nota hay una legión de autores olvidados, cuyas obras fueron escaneadas, indexadas y luego recombinadas por un algoritmo para producir un texto que pasa el detector de plagio y obtiene una nota de aprobación.

La situación genera una sensación de frustración existencial. ¿Qué sentido tiene dar feedback a personas que, en realidad, son compilaciones de textos extraídos de libros desbindados? El acto de evaluar se convierte en un ritual sin significado, un ejercicio de autoridad sobre voces que ya no pueden responder.

Pero este problema no surge en un vacío. El sistema educativo superior ya arrastraba problemas de fondo: evaluación centrada en la memorización, presión por publicar, aumento de la carga administrativa y una creciente brecha entre el ritmo de cambio tecnológico y la capacidad de las instituciones para adaptarse. La IA generativa ha acelerado estas tensiones hasta el punto de ruptura.

El debate ético se centra ahora en dos frentes. Por un lado, está el uso de libros remanen: algunos argumentan que se trata de un reciclaje necesario de obras no vendidas, mientras que otros lo ven como una forma de apropiación de un patrimonio cultural sin compensación alguna. Por otro lado, está el desafío de preservar la integridad académica cuando las herramientas para generar texto son cada vez más accesibles y difíciles de detectar.

Las universidades están reaccionando de diversas maneras. Algunas están invirtiendo en detectores de IA más sofisticados, otras están revisando los planes de estudio para fomentar el pensamiento crítico y la creatividad, y unas pocas están experimentando con la "escritura asistida por IA" como una herramienta pedagógica en lugar de un truco para defraudar. También hay un movimiento creciente a favor de la regulación: la Unión Europea ya está considerando requisitos de transparencia para los modelos generativos, y en Estados Unidos se debate la necesidad de una ley de "derechos digitales para los estudiantes".

El verdadero desafío, sin embargo, es más profundo: cómo redefinir el aprendizaje en una era en que la frontera entre autoría humana y síntesis algorítmica se vuelve cada vez más difusa. La educación superior debe pasar de ser un depositario de conocimientos a ser un espacio de mentorship, donde lo que importa no es la capacidad de producir un ensayo perfecto, sino la habilidad de cuestionar, colaborar y crear significado en un mundo impulsado por la IA.

Si el sistema ya estaba roto, la IA ha puesto de manifiesto sus fracturas más profundas. El verdadero trabajo ahora consiste en reconstruirlo, no para volver a la normalidad previa, sino para diseñar un modelo educativo que aproveche el poder de la IA sin perder de vista el valor de la voz humana, la originalidad y la responsabilidad ética. El futuro de la educación superior dependerá de nuestra capacidad para responder a esta pregunta, y no de cuántos libros puedan ser escaneados en un almacén remoto.