Ilustración: Imagen generada con Midjourney por David Orjuela (Colombia), ingeniero de Prompts

Este es un extracto de un artículo de María Camila Botero Castro, Francisca López Molina y  Johan Alexander Sanabria Restrepo en Distintas Latitudes, republicado en Global Voices bajo un acuerdo entre los medios.

El impacto de la Inteligencia Artificial (IA) en la humanidad es incuestionable. Desde la automatización de tareas repetitivas hasta el desarrollo de vehículos autónomos, la IA ha demostrado su capacidad para transformar la forma en que trabajamos y vivimos. Al mismo tiempo, ha planteado serias preguntas sobre su efecto en el futuro de los empleos, la privacidad y la ética.

El texto que acabas de leer fue escrito por Chat GPT, un modelo de lenguaje desarrollado por la compañía estadounidense OpenAI que tiene la capacidad de generar respuestas coherentes en cuestión de segundos. Pero, ¿qué hace posible que esta herramienta, aparentemente mágica, funcione?

Las IA se alimentan de datos, así que entre más tengan, más preciso es el resultado de su trabajo. Y no es cualquier cantidad, ¡son miles de millones! Tan solo para que Chat GPT escribiera el primer párrafo de este texto tuvo que remitirse a 175 mil millones de variables. El dilema está en quiénes entregan esos datos, y en qué condiciones.

‘Trabajos fantasma’

Álvaro Montes, director de contenidos de Inteligencia Artificial Colombia del Grupo Prisa, explica que para que las IA funcionen tal y como las conocemos, tiene que haber humanos que las entrenen. Este trabajo, que se conoce como etiquetado de datos, consiste en analizar y clasificar la información para que los algoritmos de las IA puedan aprender de ella. Las tareas más comunes son reconocimiento de voz y de imágenes, transcripción de texto y dictado de palabras.

“Las inteligencias artificiales no piensan como los humanos sino que hacen un ‘razonamiento’ matemático. Ellas comparan pixeles, bordes, formas de ojos…”, explica Montes. Para que puedan diferenciar un perro de un gato, por ejemplo, antes tuvieron que haber visto millones de fotos de estos animales.

El venezolano Allan González es una de las personas que ha contribuido con este mar de información que hace inteligentes a las IA. Trabajó durante un año y medio (desde 2019) con la empresa Spare5 analizando, entre muchas otras cosas, imágenes de calles, avenidas, señales de tránsito y peatones. Algo que sirve para entrenar a los automóviles autónomos.

“Era un poco esclavista”, recuerda.

Allan se sentaba todo el día frente a la pantalla de su computador a analizar imágenes. El plazo para realizar cada actividad era de entre cinco y veinte minutos. En caso de excederse, no le pagaban. Por eso define lo que hacía como “la mano de obra barata que alimenta las IA”.

Montes coincide con él:

Estos trabajos se hacen en Venezuela, Colombia o países de África y Asia porque, como son labores no calificadas que no requieren ningún tipo de estudio, pueden pagar barato.

“En el capitalismo todo se subcontrata”, agrega Montes. Esta no es la excepción. En muchos casos, el etiquetado de datos lo hacen empresas subcontratadas por grandes desarrolladores de Silicon Valley, que a su vez subcontratan otras compañías para que hagan estas tareas. Esta tercerización dificulta la sindicalización y la posibilidad de rechazar prácticas poco éticas, así como la exigencia de mejores condiciones de trabajo.

Una investigación realizada por el MIT Technology Review indica que a mediados de 2018 “aproximadamente 200 mil venezolanos se habían registrado en plataformas como Spare5 y Hive Micro, lo que representaba el 75 por ciento de sus respectivas fuerzas laborales”.

Los trabajadores de estas compañías pertenecen, en su mayoría, a países del sur global. De hecho, en la página web de Remotasks todos los testimonios son de personas provenientes de Kenia, Vietnam, Filipinas y Venezuela.

Además de Venezuela, los países latinoamericanos que más mano de obra ofrecen para estas compañías son Colombia, Argentina, Panamá y Chile, de acuerdo con DignifAi, una compañía estadounidense con base en Colombia que ofrece el servicio de etiquetado de datos.

Estas empresas aseguran que están generando empleos y, por ende, favoreciendo a sus trabajadores. Sin embargo, la investigación del MIT concluye que los etiquetadores reciben bajos salarios (aproximadamente 2 dólares la hora), no tienen prestaciones sociales y ejercen en condiciones precarias, sin garantías laborales.

Otros especialistas, como la antropóloga Mary L. Gray y el científico social Siddharth Suri, han denunciado que la salud mental de los etiquetadores de datos se ve afectada porque tienen jornadas laborales extenuantes, en un trabajo de corta permanencia y alta rotación.

Allan no tuvo que someterse a imágenes traumatizantes, pero desempeñaba otras labores muy desgastantes, tanto a nivel mental como físico.

Yo decía: ‘me estoy embruteciendo aquí dándole clic a la computadora’. Es un trabajo completamente repetitivo y sin ningún tipo de crecimiento.

Decidió dedicarse al etiquetado de datos porque el pago era en dólares y “en ese momento la situación en Venezuela estaba bastante complicada”. Para ese entonces le pagaban entre 50 centavos y un dólar por cada tarea, dependiendo de la dificultad. Aun así, ganaba más que el salario promedio en su país. Relata:

El sueldo mensual en Venezuela era de 30 dólares, así que en un día podía hacer lo que otros hacían en un mes.

Por todo esto, la investigación del MIT concluye que el etiquetado de datos, lejos de ser una fuente digna de empleo, se convirtió en una nueva forma de explotación laboral. De hecho, aseguran que “la IA está creando un nuevo orden mundial colonial”.

¿Qué hacer para mejorar las condiciones laborales de los etiquetadores de datos?

A pesar de todo, hay empresas que aseguran brindar condiciones distintas, como es el caso de DignifAI, que contrata principalmente a migrantes venezolanos y a colombianos que vivían en Venezuela.

De acuerdo con María Garcés, quien para el momento de esta entrevista era cabeza de operaciones de DignifAI, una de las garantías que le dan a sus colaboradores es “un salario digno”.

‘Si te vas a las estadísticas de la industria del etiquetado, hablamos de unos salarios incluso por debajo del dólar la hora. Nosotros nos hemos querido caracterizar por ser diferentes a eso y, dependiendo de la tarea, el pago está entre 2 y 20 dólares la hora. Siempre pagamos, al menos, un 30 por ciento por encima del salario mínimo mensual en países de Latinoamérica,’ explica. DignifAI no paga prestaciones sociales a sus etiquetadores.

Entre los proyectos que ofrecen, algunos son de moderación de contenido, análisis de sentimiento o lenguaje tóxico, algo que María define como “tareas muy comunes en la parte de Inteligencia Artificial, donde tienes que ver muchas veces imágenes fuertes o leer textos racistas u homofóbicos”.

En aras de reducir el impacto negativo en la salud mental, dice, ofrecen un acompañamiento psicológico a sus colaboradores, quienes además tienen trabajadores sociales a su disposición. Asegura también que los entrenan en otras temáticas, como mercadeo digital, emprendimiento, community management, finanzas profesionales y personales.

Ingrid Hernández es una de las trabajadoras de esta compañía. Entró a finales de 2022 como etiquetadora de datos y en febrero de este 2023 fue ascendida a supervisora de un proyecto de análisis de sentimientos en texto. Antes de dedicarse a este trabajo era docente de Lengua y Literatura en su natal Venezuela, pero la situación en su país la hizo migrar a Colombia en busca de mejores oportunidades.

Aunque no ha podido ejercer su profesión directamente, asegura que en DignifAI ha aplicado un poco sus conocimientos al analizar textos, por lo que se siente satisfecha con sus condiciones laborales.

Solo se trabaja cuatro horas al día y, por lo menos en el caso de los anotadores, se gana más de lo que se estaría ganando en cualquier otro lugar por medio tiempo.

Para María es necesario que todas las empresas de etiquetado mejoren las condiciones económicas de sus anotadores.

La industria está despertando hacia la ética de la inteligencia artificial, porque están en el ojo del huracán. Estamos en un buen momento para seguir haciendo ruido y dar a conocer la vida de estas personas que están al final de la escalera, para que se den esos cambios que se necesitan.

Álvaro Montes está de acuerdo. Sin embargo, cree que el verdadero problema es que América Latina es una región de espectadores pasivos de la Cuarta Revolución Industrial. Dice:

El problema no es solo resolver la situación laboral de estos migrantes venezolanos que etiquetan fotos. Claro, eso es lo justo, pero tenemos que salir del rol de consumidores para convertirnos en el Thor de la tecnología.

De esta forma, considera que se respondería el problema de fondo, pues se crearían trabajos tecnificados que aportan al crecimiento de la región.

¿Queremos ser un continente que desarrolle tecnología y que tenga muchos ingenieros, técnicos, tecnólogos, matemáticos y científicos?, ¿o queremos repartidores de pizza y etiquetadores de datos bien pagados?

Para él, la respuesta está en fortalecer la innovación para garantizar la soberanía tecnológica y dejar de ser los que importan tecnología para convertirse en quienes la producen.