Quizás haya escuchado que la inteligencia artificial revolucionaria se apoya en los cimientos del viejo mundo.
Por un lado, la cadena de suministro que genera herramientas de IA generativa como ChatGPT está formada por ejecutivos e ingenieros muy bien remunerados y, por otro, los trabajadores que se esfuerzan en crear algoritmos de entrenamiento.
Entre 150 y 430 millones de personas se dedican a esta tarea, según una última estimación del Banco Mundial: anotan imágenes, texto y audio; elaboran recuadros delimitadores alrededor de objetos en imágenes y, últimamente, también escriben haikus, textos y relatos de ficción para adiestrar las sofisticadas herramientas que acabarán reemplazando a personas como yo.
Además, viven en una especie de estancamiento económico. “Jamás he conocido a un trabajador que me haya dicho: este trabajo me permitió comprar mi casa o mandar a mis hijos a la universidad”, comenta Milagros Miceli, una investigadora del Distributed AI Research Institute y del Weizenbaum Institute que ha colaborado con decenas de trabajadores de datos de todo el planeta.
Miceli se acuerda de haber entrevistado a una docena de trabajadores de etiquetado de datos que cobraban alrededor de US$1,70 la hora en un barrio pobre de Argentina en el año 2019.
Cuando ella volvió en 2021, ninguno de ellos había progresado y sus sueldos prácticamente no habían mejorado. Continuaban viviendo por debajo del umbral de la pobreza.
A menudo, estos trabajadores se ven en la necesidad de aceptar un segundo trabajo o hacer turnos de noche, explica Madhumita Murgia, redactora de inteligencia artificial del Financial Times, que ha publicado recientemente el libro Code Dependent, donde recoge sus experiencias en todo el mundo en vías de desarrollo.
Una trabajadora de Samasource Impact Sourcing en Nairobi, por ejemplo, no era capaz de mantenerse a sí misma y a su hija con su sueldo y se vio obligada a irse a vivir con sus padres, explica Murgia.
El trabajo en sí es precario.
Otra trabajadora en Bulgaria no pudo pagar el alquiler porque le suspendieron de aceptar tareas remuneradas tras quejarse de los turnos de noche. “Estás a un paso de que todo se desmorone”, afirma Murgia.
Los clientes finales son empresas como Microsoft Corp. (MSFT) y OpenAI, algunas de las empresas más valiosas del mundo. “Es como el trabajador de una fábrica en Filipinas que no se da cuenta de que el vestido que está cosiendo va a costar US$3.000”.
También hay muy poco de esa aspiración consagrada por el mundo en desarrollo: la movilidad ascendente. Murgia descubrió que los trabajadores de datos no estaban haciendo la transición a trabajos digitales mejor remunerados. “Todavía están confinados a trabajos de bajo valor”, dice.
Los líderes de las empresas de etiquetado de datos a menudo comienzan con nobles intenciones de ayudar a sacar a la gente de la pobreza, pero han tenido dificultades para lograr que los clientes corporativos paguen tarifas más altas a medida que ha aumentado la competencia en su campo.
Como tal, la mayoría de las plataformas de trabajo de datos no cuentan con políticas que garanticen que sus trabajadores ganen al menos el salario mínimo local, según una encuesta de 2021 del Oxford Internet Institute.
Tomemos como ejemplo este anuncio de trabajo que busca “traductores profesionales” en Igbo, Nigeria, que ofrece hasta US$17 la hora para ayudar a entrenar modelos generativos de IA. Eso está muy por debajo de la tarifa promedio de los traductores nigerianos, que tienden a comenzar con US$25 por hora , según Good Firms, un sitio web de reseñas de clientes.
El anuncio proviene de Remotasks, la plataforma principal de la startup de inteligencia artificial Scale.ai, con sede en San Francisco, que acaba de recaudar US$1.000 millones de inversores, incluido Amazon.com Inc. (AMZN), en una de las rondas de financiación más grandes del año. Scale.ai no respondió a múltiples solicitudes de comentarios.
La compañía y rivales como Samasource Impact Sourcing Inc., con sede en San Francisco, Arbusta SRL de Argentina y Humans in the Loop de Bulgaria desempeñan un papel fundamental en la cadena de suministro de inteligencia artificial, pero durante años normalmente han pagado lo suficiente para que los trabajadores se mantengan, dicen Murgia y el Dr. Miceli.
Esto puede continuar incluso cuando el trabajo con datos se vuelva más complejo.
Recientemente, plataformas como Scale.ai han estado buscando trabajadores más calificados, incluidos artistas y personas con títulos en escritura creativa, para escribir historias cortas para entrenar sistemas de inteligencia artificial, según documentos de instrucción vistos por Miceli. Si bien ofrecen salarios más altos, todavía están por debajo de lo que deberían ganar las personas con títulos.
Los investigadores dicen que el apetito por ese tipo de trabajo está creciendo, pero con pocos incentivos para proporcionar un salario equitativo, es difícil ver que la situación económica de los trabajadores mejore.
Entrenar IA ya es terriblemente caro debido al costo de los chips y la computación en la nube. (La firma de capital de riesgo Sequoia Capital calculó recientemente que la industria de la IA gastó US$50.000 millones en chips de Nvidia Corp. (NVDA) para entrenar la IA en 2023, pero solo obtuvo alrededor de 3 mil millones de dólares en ingresos).
Esto significa menos oportunidades para las personas que sustentan la revolución de la IA y muestra una vez más que los verdaderos efectos transformadores de la tecnología han consistido en afianzar el poder económico.
Quizás podamos aprender algo de Nike Inc. (NKE). En la década de 1990, la empresa enfrentó una enorme reacción por las largas jornadas y los magros salarios que ganaban sus trabajadores en los países en desarrollo.
Con el tiempo, los boicots de los consumidores y la presión de los medios llevaron a Nike a implementar políticas laborales más estrictas. Gastó millones de dólares en mejorar las condiciones y los salarios.
El desafío para los trabajadores de datos es que sus trabajos son más difíciles de visualizar de la misma manera concreta en la que se puede imaginar a un niño cosiendo zapatos deportivos en un almacén con poca luz, y eso puede dificultar que sus defensores consigan apoyo.
Pero las empresas de tecnología deben recordar que las malas condiciones laborales en la parte inferior de su cadena de suministro también pueden conducir a una inteligencia artificial deficiente. Esto es problemático en un momento en el que el público desconfía más que nunca de las modelos animadas que dan información inexacta como alucinaciones.
La respuesta a esto no es ciencia espacial: pagar más a los trabajadores de datos y tratarlos mejor también.
Esta nota no refleja necesariamente la opinión del consejo editorial o de Bloomberg LP y sus propietarios.
Lea más en Bloomberg.com
