Dot.lib

Durante décadas, las bibliotecas universitarias y los departamentos de colecciones especiales digitalizaron. Manuscritos, periódicos, colecciones académicas, tesis, disertaciones, acervos comunitarios: todo eso fue a repositorios, recibió metadatos descriptivos y pasó a ser localizable por investigadores de todo el mundo. Ese era exactamente el objetivo. Ahora llegó un usuario nuevo, y no estaba previsto: los rastreadores de inteligencia artificial.

Shelley E. Barba, Matthew McEniry y Heidi M. Winkler, de la Texas Tech University, junto con Megan Scott, de la Fondren Library de la Rice University, publicaron en Library Trends — revista de la Johns Hopkins University Press distribuida por nuestro socio Project MUSE — un artículo que no promete una solución. Promete un mapa. Y el mapa muestra que todas las salidas cobran peaje.

El punto de partida es honesto. La recolección por IA, escriben los autores, no es ni completamente buena ni completamente mala para las bibliotecas digitales. Los repositorios se benefician de una indexación más avanzada, y hay un argumento — que parte de la profesión defiende — de que es preferible que los modelos se entrenen con literatura académica confiable antes que con la alternativa. El problema no es el robot. Es que el intercambio dejó de ser un intercambio: los rastreadores pasaron a tomar mucho y devolver poco o nada, ni siquiera una cita.

El Acuerdo de Caballeros que Envejeció

En 1994, Martijn Koster y otros desarrolladores propusieron un sistema para indicar qué robots podían rastrear un sitio y qué páginas quedaban fuera de alcance. El robots.txt es el estándar desde entonces, hace casi treinta años. Nunca fue un protocolo oficial: funciona porque las partes deciden respetarlo, y no hay consecuencia para quien no lo hace. Los autores citan estudios que señalan su eficacia limitada frente a rastreadores que sencillamente no responden, y el caso de TollBit, una empresa de licenciamiento de IA que afirma detectar en sus analíticas numerosos agentes que eluden el protocolo.

Cuando el acuerdo falla, empieza la escalada. El artículo recorre el repertorio: bloqueo por agente de usuario, veto de rangos de direcciones IP y las llamadas tarpits, trampas donde el rastreador queda atrapado en un lodazal de datos basura sin salida. Algunos rastreadores aprenden a esquivarlas; otros fallan por completo; y las empresas ya trabajan en respuestas. Es un juego interminable, robot por robot, con un efecto secundario incómodo: bloquear también castiga a los robots útiles, los que indexan la colección para que alguien la encuentre.

La Confederation of Open Access Repositories publicó en junio de 2025 el resultado de una encuesta sobre el tema, y el diagnóstico es operativo antes que filosófico: los rastreadores son lo bastante agresivos como para provocar interrupciones y caídas de servicio en los repositorios. Pero la opción radical de bloquear todo acceso automatizado bloquearía además, sin querer, a los agregadores académicos, los servicios de indexación y los directorios. Es decir, justamente aquello de lo que muchos repositorios dependen para existir en el mapa.

Lo Que Dice el Derecho, Hasta Ahora

En 2023, el New York Times demandó a OpenAI y Microsoft alegando que sus modelos habían “memorizado” una cantidad masiva de artículos del diario. El argumento técnico importa: aunque se asume que los modelos generativos no guardan copias de sus datos de entrenamiento, sino que los convierten en tokens ponderados, el periódico mostró que la herramienta podía reproducir pasajes casi exactos cuando se la interrogaba de cierto modo. OpenAI respondió que no habría infracción si el equipo del diario no hubiera manipulado la herramienta para provocar esa regurgitación. Cooper y Grimmelmann, citados por los autores, observan que los investigadores estiman que un modelo puede memorizar al menos el 1% de su conjunto de entrenamiento, y que reconocer la memorización — aunque sea como una falla — implica aceptar la responsabilidad de crear límites técnicos que protejan a los titulares de derechos.

A fines de mayo de 2025, la Oficina de Derechos de Autor de los Estados Unidos publicó la versión preliminar de la tercera parte de su informe sobre derecho de autor e inteligencia artificial. Concluye que crear y desplegar un sistema generativo usando material protegido implica múltiples actos que, sin licencia u otra defensa, pueden infringir derechos; y que descartar los datos una vez concluido el entrenamiento no altera ese análisis preliminar. Aun así, el informe no recomienda una intervención gubernamental inmediata en el mercado de licencias, y sugiere que el Congreso podría evaluar, si fuera necesario, un licenciamiento colectivo ampliado y focalizado, al estilo del implementado en la Unión Europea.

Conviene subrayar algo que el artículo no necesita decir a su público original: todo ese andamiaje es estadounidense. Ni la demanda ni el informe valen automáticamente en América Latina, donde el debate sobre excepciones para minería de textos y datos está en otro punto y bajo otra tradición jurídica.

El Problema Que Nadie Acordó con los Estudiantes

La parte más incómoda del artículo trata de las tesis y disertaciones electrónicas, que constituyen buena parte de lo que guarda un repositorio institucional. Se revisan por integridad académica en varios niveles, pero no necesariamente con la publicación en línea y la recolección automatizada en mente. Los autores citan a Rosalyn Metz con un ejemplo que se queda: en una institución, un estudiante incluyó en su tesis una lista de números de seguridad social; cuando le pidieron retirarlos, seleccionó el texto y lo pintó de blanco. Los caracteres siguen ahí. El texto digital no desaparece por volverse invisible.

También cae el argumento con que solía tranquilizarse a los posgraduados. Se decía que una tesis en línea es tan accesible como un ejemplar en el estante, porque cualquiera podría pedirlo por préstamo interbibliotecario. No es cierto: lo digital y abierto aumenta consultas y citas, lo que beneficia al autor. Pero esa misma accesibilidad convirtió a las tesis en material de entrenamiento. Y la protección tradicional — la cultura académica contra el plagio, que castiga a quien se apropia de un hallazgo ajeno — no alcanza a los modelos generativos, que operan fuera de ese ecosistema y son inmunes a una acusación de plagio. Los autores señalan que se ha discutido mucho cómo deberían los estudiantes usar la IA, y demasiado poco cómo la IA usa el trabajo de los estudiantes.

Descontextualizar Es Una Pérdida, No Un Detalle

Marina Morgan probó cuatro modelos — Claude, Gemini, Copilot y ChatGPT 4.0 — para generar títulos de colecciones digitales sobre la historia del Florida Southern College. Los modelos describieron bien los rasgos visuales; sin fuentes adicionales que aportaran contexto histórico, no lograron entender la significación de las imágenes. Para un recolector, una colección es un montón de archivos. El trabajo curatorial que convierte un montón en una colección no está dentro de los archivos.

La Paradoja del Acceso Abierto

Hay aquí un punto espinoso para quien defiende el acceso abierto. Las obras liberadas con licencias Creative Commons podrían considerarse una fuente legítima de minería de datos para IA. Pero, como observan los autores citando a Decker y a Guadamuz, la mayoría de quienes aplican una licencia CC lo hacen pensando en aprendices humanos, no en aprendices de máquina. La propia Creative Commons reconoció el desfase: su plan estratégico 2025-2028 se compromete a modernizar sus herramientas o a ofrecer alternativas que fomenten y a la vez protejan el compartir abierto en la era de la IA.

La Escalera de Restricciones — y el Costo de Cada Peldaño

El artículo enumera las opciones en orden creciente de severidad, y a cada una le pone precio. El embargo indefinido, con acceso solicitado caso por caso, funciona mientras sea posible distinguir el pedido de una persona del de un sistema automatizado, algo que se vuelve más difícil cada año. La autenticación institucional convierte a cada institución en un silo cerrado, y aun así puede resultar insuficiente, porque hay modelos que ya buscan más allá de la superficie de la web. Los programas de entrega controlada, con acceso programado y sin descarga ni captura de pantalla, dependen de un presupuesto que no toda biblioteca tiene. Y en el último peldaño está renunciar al contenido digital: vuelve la sala de lectura presencial, y décadas de digitalización quedan sepultadas.

No hay opción sin pérdida. Ese es el aporte real del texto: en lugar de vender una solución, le pone precio a cada salida.

La Conclusión Es Sobre lo Colectivo, No Sobre la Herramienta

Los autores cierran con una afirmación que es, en el fondo, una posición profesional: desarrollar estrategias sostenibles, éticas y eficaces frente a la IA no puede descansar sobre los hombros de repositorios aislados. La novedad del asunto obligó a respuestas reactivas; el volumen creciente de investigación permite ahora actuar de manera colectiva. Lo que piden es concreto: que la gestión de la IA entre en los planes estratégicos y las prioridades de las bibliotecas; que el tema aparezca en congresos, listas de correo y reuniones de departamento; y que las sociedades profesionales y los grupos de trabajo produzcan un lenguaje común que los responsables de repositorios puedan usar al hablar con creadores, donantes y administradores.

Y hay un argumento que ordena todo el texto: buena parte de los creadores que alimentan una biblioteca digital — estudiantes, docentes, donantes de la comunidad — no reciben pago de editoriales por su expresión intelectual y solo piden una cita como medida de impacto. Los bibliotecarios están más cerca de ellos que cualquiera. De ahí se sigue la responsabilidad que el artículo reclama.

Por Qué Leerlo Desde Aquí

La parte jurídica es estadounidense y no se transfiere. Lo que sí se transfiere es la parte operativa: el tráfico automatizado, las caídas de servicio, la revisión de los depósitos de tesis, la conversación con el donante, la redacción del formulario de ingreso. Cualquier institución con repositorio ya está viviendo esto, le haya puesto nombre o no. Para bibliotecas universitarias y programas de bibliotecología y ciencia de la información, el artículo funciona además como inventario ordenado de un debate que suele llegar en fragmentos.

Para conocer en detalle el panorama de la IA generativa, la discusión completa sobre derecho de autor y el conjunto de soluciones que los autores proponen, lea el artículo original en Library Trends.

Sobre Project MUSE

Project MUSE es una plataforma digital líder y de gran prestigio, gestionada por la Johns Hopkins University Press en colaboración con bibliotecas y editoriales universitarias. En el ámbito de las ciencias humanas y sociales, es considerado un recurso indispensable, conocido por agregar una vasta colección de revistas académicas y libros electrónicos de alta calidad y rigurosamente revisados por pares, provenientes de las más respetadas editoriales universitarias y sociedades científicas del mundo.

Si desea obtener más información sobre las publicaciones de Project MUSE para su institución, póngase en contacto con info@dotlib.com o complete nuestro formulario. Aproveche la oportunidad para mantenerse al día con nuestro blog, seguir nuestras redes sociales y suscribirse a Dotlib TV, nuestro canal oficial de YouTube.