Los etiquetadores de datos son trabajadores humanos fundamentales: nombran, limpian
y organizan millones de imágenes, palabras, frases, objetos o sonidos con los cuales
se nutre la inteligencia artificial. Pero su trabajo es infravalorado y muy mal pagado.
LA UNIVERSIDAD de Stanford, una de las más prestigiosas de Estados Unidos y del mundo, define el aprendizaje automático como la ciencia de conseguir que las computadoras respondan sin haber sido explícitamente programadas.
Un vehículo autónomo, también conocido como robótico, por ejemplo, tiene la facultad de imitar las capacidades de un ser humano al volante, lo que significa que puede percibir el medio que lo rodea y conducirse en consecuencia.
No obstante, para que el funcionamiento del vehículo sea posible, un ser humano debió enseñarle a la inteligencia artificial los nombres de los objetos que posee y que rodean su entorno y ubicación.
No te pierdas: ¿La inteligencia artificial está profundizando la brecha entre el norte y el sur?
“La inteligencia artificial (AI) es un sistema de autoaprendizaje con capacidad de replicar habilidades humanas. Es usada generalmente para tareas que requieren movimientos repetitivos y como reemplazo de la labor humana por máquinas que operan solas. También permite, a partir de un gran volumen de información de fuentes diversas, distinguir patrones y gatillar determinadas acciones en función de estos resultados”, explica la Comisión Económica para América Latina y el Caribe (Cepal).
Este sistema de autoaprendizaje moderno forma parte de la actual revolución industrial que, de acuerdo con la Cepal, se caracteriza por su capacidad de optimización de tiempo y recursos, seguridad e integridad de los datos, así como una adecuada interoperabilidad entre distintos actores humanos y digitales.
“Este ecosistema digital es propicio además para la innovación, la generación de nuevos servicios y modelos de negocio basados en el conocimiento que favorecen un comercio más sostenible social y ambientalmente”, apunta la Comisión.
Dentro de la actual revolución industrial, que también es conocida como “industria 4.0”, la inteligencia artificial se desarrolla por medio de algoritmos de aprendizaje profundo, es decir, “algoritmos a los que los seres humanos les enseñan a realizar actividades o a identificar objetos para su funcionamiento”, explica en entrevista con Newsweek México el doctor Luis Eduardo Falcón Morales, director nacional de la Maestría en Inteligencia Artificial del Tecnológico de Monterrey. “Y uno de los ejemplos más claros es el de los automóviles autónomos”.
También lee: El modelo cubano para internet: páginas bloqueadas y tecnología china
Cuando los automóviles autónomos salen a las calles de inmediato identifican las señales de tránsito, vehículos, peatones, bicicletas, árboles, si llueve o si hace sol: “La manera en que todos estos algoritmos aprenden esta información es a través de los seres humanos”.
En una primera etapa, añade el especialista, “alguien sale a las calles, graba un recorrido en video y ese material es usado por un ser humano que trabaja imagen por imagen y etiqueta cada objeto que aparece en la secuencia grabada para que los algoritmos de la computadora comiencen a aprender e identificarlos. Este trabajo también se conoce como la acción de ‘etiquetar cosas’ y lo realiza una persona calificada como etiquetador de datos —machine learning”.
Dicha actividad, señala el doctor, es sumamente ardua y laboriosa: “Estamos hablando de que en algunas ocasiones un video puede tener una duración de una hora y tomarle al etiquetador 800 horas para nombrar todos los objetos. Además, este no es un trabajo fijo, y mucho menos existen expectativas de crecimiento para el trabajador”.
A ello se suma que, pese a que el trabajo de los etiquetadores es de alta importancia, su esfuerzo no se refleja en la parte del ingreso. Estados Unidos es el país donde el sueldo “es un poco más equilibrado, pero en países de Asia o Latinoamérica esto no sucede bajo el argumento de que el trabajo no requiere de preparación profesional, solamente se da un entrenamiento, pero no por ello deja de ser sumamente tedioso”.
La doctora Olivia Mejía Chávez, economista y especialista en gestión tecnológica en sectores de alta tecnología, concuerda en que pese, a la gran importancia que juegan los etiquetadores de datos, su trabajo es infravalorado, “aunque sin ellos no podría existir el procesamiento de información”.
“FUNDAMENTALES A LA HORA DE LIMPIAR Y ORGANIZAR MILLONES DE ELEMENTOS”
Entrevistada por este medio, Mejía Chávez agrega al respecto: “Ellos son fundamentales a la hora de limpiar y organizar millones de elementos, entiéndase elementos como imágenes, palabras, frases, textos o sonidos, todo lo que tenga que asimilarse a las capacidades que tiene el ser humano, pues es de lo que van a nutrir a la inteligencia artificial. Gracias a ellos, esta tiene la capacidad de analizar, aprender, hacer diferencias, poder discernir y tener respuestas”.
El ser humano, a decir por la economista, todavía es indispensable, y aunque es posible que en el futuro la inteligencia artificial no necesite de él, “es una realidad lejana, todavía faltan muchos años”. Hoy, agrega, “todavía se usan algoritmos que se construyeron hace varias décadas, lo que significa que los etiquetadores van a seguir siendo requeridos por mucho tiempo más antes de que la inteligencia artificial pueda hacer las cosas por sí misma”.
La experta coincide con el doctor Falcón Morales y señala que el etiquetado de datos es mal pagado “derivado del sistema capitalista” en el que vivimos: “Se han creado muchas empresas generadoras de datos donde las grandes trasnacionales y multinacionales son las principales usuarias. Compran los datos e incluso crean sus propias sucursales que los generan, lo que las lleva a obtener ganancias tasadas en millones de dólares.
“Pero esto no evita que a los trabajadores se les pague mal. Sin embargo, también depende de la región en la que se desarrolle la actividad, pues esta determinará el nivel de ingresos que se obtenga. No es lo mismo hablar de Estados Unidos que de Singapur, Corea o América Latina. En nuestro continente, por ejemplo, está dentro del discurso de los empleadores justificar que es un trabajo para el que no se necesita una carrera universitaria o ser un programador, y como consecuencia de ello se les paga bastante mal”.
En un informe publicado por investigadores de Princeton, Cornell, la Universidad de Montreal y el Instituto Nacional de Ciencias Estadísticas de Estados Unidos se apunta que los beneficios reales de la inteligencia artificial están siendo cosechados solo por quienes tienen el máximo poder económico. Los etiquetadores de la inteligencia artificial ganan, en promedio, 2 dólares por hora, mucho más bajo que el salario mínimo federal de Estados Unidos, que es de 7.25 dólares por hora. Estas son cifras para los estadounidenses, pero lo que nadie puede saber es cuánto se les paga a los trabajadores en India, Filipinas y otros países donde residen estos etiquetadores de datos.
La doctora Olivia Mejía Chávez pone énfasis en el análisis del régimen de trabajo: “Siempre se argumenta la premisa de que no es talento ni capital humano, aunque sin los etiquetadores de datos no existiría el insumo para poder generar toda la información. Por ello es, sin duda, una sobreexplotación.
“En muchos casos —añade la experta— se contrata a los etiquetadores para trabajar grandes cantidades de horas. Sin embargo, el pago es solamente por el resultado y no por el largo tiempo que invirtió el trabajador”.
En ese sentido, agrega que las empresas pagan una sola vez por etiquetar los datos, pero los usan innumerable cantidad de veces, lo que significa que no es proporcional la ganancia con respecto al salario: “Por el contrario, es infinitamente desproporcionado. Y como sucede en este tipo de empleos, tampoco hay beneficios sociales o prestaciones, ni siquiera hay un lugar para laborar. Si se tiene una computadora se puede trabajar desde casa, pero es el mismo trabajador quien paga el desgaste de su equipo, internet y la luz, lo que golpea su poder adquisitivo”.
“ES ATREVIDO HABLAR DE ESCLAVITUD”
Aun con todos sus defectos, para la doctora Mejía Chávez el trabajo de los etiquetadores de datos no podría considerarse como un modelo de “esclavitud moderna”. Empero, mantienen gran similitud con los trabajadores de las maquilas o las labores del campo.
“Es gente que trabaja muchas horas del día y por necesidad acepta el salario que la empresa le ofrece, aunque no sea proporcional con la actividad. Reitero, no es lo mismo el pago en América del Norte que en América Central. Es atrevido hablar de esclavitud, pero sí considero que existe una sobreexplotación y ha sido alentada por muchos sistemas de gobierno que lo permiten”.
Otra deficiencia a remarcar es que “las empresas no impulsan a los etiquetadores para seguir escalando y que no se estanquen profesionalmente”. Pareciera ser que “nuestros sistemas económicos cada vez son más permisibles en la sobreexplotación de los trabajadores, tienen cero beneficios y, si los tienen, son los mínimos y con un salario muy pequeño”, sentencia la economista y especialista en gestión tecnológica.
El doctor Luis Eduardo Falcón Morales comenta por su parte que esta actividad debería de verse como un ingreso extra, pero “lamentablemente no es así, las personas que se ocupan de este tipo de tareas son desempleados que ven en esto su única ganancia”.
Te interesa: Cómo la inteligencia artificial ayuda a reducir el fraude en facturación
El director de la Maestría en Inteligencia Artificial del Tec de Monterrey añade al respecto: “Generalmente los etiquetadores de datos son personas que no tienen estudios universitarios o están en vías de obtenerlos. Casi siempre son jóvenes que ven en esta actividad una manera fácil de ganar dinero rápido, aunque no tendrá ningún tipo de prestación porque la idea básica del trabajo consiste en navegar en la web. Es esto último también lo que le impide con frecuencia a personas de mayor edad emplearse en esta actividad, ya que difícilmente están tan relacionadas con la tecnología.
“La industria va a seguir creciendo —continúa—. Se decía hasta hace algunos años que generaba 150 millones de dólares, y en los próximos dos años se dice que va a generar 2,000 millones de dólares fácilmente. Por ello se espera que con el tiempo llegue a regularizarse en beneficio del etiquetador de datos”.
Cuando la inteligencia artificial actúa como si fuera un ser humano, muchas personas alrededor del mundo se sorprenden y hasta expresan que “es magia”, pero no es así. La BBC narró el caos de Brenda, una madre soltera de 26 años que vive en Kibera, el barrio pobre más grande de África.
“Todos los días, Brenda sale de su casa para tomar un autobús hacia el lado este de Nairobi, donde ella, junto con más de 1,000 compañeros del mismo edificio, trabaja un turno de ocho horas, crea datos (imágenes, en la mayoría de los casos) de manera que las computadoras puedan comprender”.
Te recomendamos: La inteligencia artificial ayuda a descubrir un poderoso antibiótico que puede eliminar bacterias peligrosas
La joven trabaja para la compañía Samasource, una empresa con sede en San Francisco, Estados Unidos, que cuenta con Google, Microsoft, Salesforce y Yahoo entre sus clientes.
Sin embargo, “existe una motivación obvia para que estas empresas utilicen trabajadores en partes del mundo donde los salarios son mínimos y donde los lugareños están desesperados por un trabajo estable. Samasource se enfoca en aquellos que actualmente ganan alrededor de 2 dólares al día, o menos, en la llamada economía informal de trabajos extraños o peligrosos”, lo que le permite a la compañía ofrecer un salario “digno” de alrededor de 9 dólares al día. “Eso es una mejora, pero sigue siendo una miseria para Silicon Valley”, señala la BBC.
La labor de un etiquetador de datos es repetitiva e interminable. Y la presión de las empresas es alta. De acuerdo con la información del medio británico, “alcanzar los objetivos de la empresa provocó menos descansos. Algunos trabajadores de Samasource son autónomos que pueden trabajar en cualquier lugar, pero con una cámara web observándolos mientras trabajan”. N
