IA: los profesionales del gran reemplazo

La gran infraestructura que sostiene la digitalización de nuestra vida se asienta en elementos concretos, físicos, muy palpables, sin los cuales sería impensable su expansión desenfrenada. Como todo proceso tecnopolítico se asienta en una disposición geopolítica, porque en el capitalismo digital la distribución planetaria de las cargas y los flujos de abastecimiento se distinguen con nitidez.

Los dos grandes pilares que fluyen asimétricamente son, por un lado, los recursos naturales, indispensables para la construcción del hardware. En esta cadena de valor global, el sur del mundo nutre a las grandes empresas de los capitalismos centrales de recursos en forma de minerales (litio, cobre, tierras raras) y con territorios, energía y agua para la instalación de los grandes data centers operados por los denominados hiperescaladores, pertenecientes a empresas de alcance mundial como Amazon, Google, Microsoft, Scala, Cirion Tecnologies, Ascenty o Equinix.

La otra corriente es la de la fuerza laboral barata y precarizada. Se trata de un universo heterogéneo de tareas y de trabajadores. La figura más reconocible del laburante de plataformas es el repartidor y los conductores. Son empleos gestionados algorítmicamente, pero atados al territorio, geolocalizados. Su imagen se transformó en el símbolo del fin del trabajo asalariado, asociado inevitablemente a un futuro de automatización y desregulación. Es el emblema también de la emergencia de una subjetividad nueva, en muchos aspectos contraintuitiva para los imaginarios clásicos del mundo salarial.

Pero el modelo Uber o Rappi es solo un segmento de la gran pirámide del trabajo humano que dinamiza la economía digital. En esa red espectral y difusa de interconexiones hay un enorme conjunto de trabajadores tan invisibilizados como indispensables, produciendo de manera deslocalizada, mayormente desde la soledad de sus hogares y desde la periferia hacia el centro.

En la base se encuentran los etiquetadores de datos y los moderadores de contenido. Son el eslabón más vulnerable, de menor calificación y con ingresos miserables. Los etiquetadores, conocidos como microtaskers, preparan, a un nivel muy elemental, el conjunto de datos que posteriormente ingieren los modelos algorítmicos de plataformas y de inteligencia artificial (IA), que a esta altura son dispositivos indisociables entre sí. Clasifican, organizan, identifican y describen a destajo grandes volúmenes de información para que los algoritmos puedan reconocer patrones y aprender a realizar determinadas tareas. Su trabajo es altamente fragmentado, repetitivo, sometido a sistemas de control y medición del rendimiento. Se dedican, por ejemplo, a señalar qué objetos aparecen en una imagen, transcribir fragmentos de audio, clasificar textos, sonidos, tablas, convirtiendo información caótica en datos curados, inteligibles para el lenguaje maquínico.

Los moderadores de contenido, a su vez, trabajan sobre el flujo permanente de publicaciones generadas por los usuarios de las redes sociales, servicios de video o foros. Revisan imágenes, videos, comentarios y transmisiones para determinar si se infringen normas en asuntos como explotación sexual, violencia, terrorismo, fraude, piratería.

Ya en la cúspide emergen los profesionales más calificados del siglo XXI: los entrenadores de algoritmos y los ingenieros en machine learning (aprendizaje automático de las máquinas). Son mayormente físicos, matemáticos, informáticos, con saberes altamente especializados, orientados al diseño, desarrollo e implementación de sistemas de redes neuronales capaces de aprender automáticamente a partir de datos. Este grupo selecto es el eslabón clave, decisivo, entre las grandes infraestructuras digitales que poseen los tecnomagnates y los consumidores en sus múltiples modalidades y escalas. Su expertise permite bajar la inconmensurable potencia maquínica a los objetivos más sofisticados y también a los más pedestres.

Sobre este universo laboral de alta gama se sabe poco o nada. Esta es la motivación fundamental de nuestra investigación. Los profesionales, mucho de ellos científicos de primer rango, gozan de regímenes de trabajo tradicionales, pero también suelen ser reducidos a jornaleros digitales que, sin embargo, están llevando a cabo el gran reemplazo de las capacidades cognitivas humanas por las de las máquinas.

uber de la ciencia

“La forma que tiene la empresa de detectar si estás haciendo mal las cosas es poner trabajos que son exámenes. Son proyectos que parecen reales pero no lo son. Son tests. Se llaman benchmarks. Si vos le pifiás más del 30% por semana, te sacan del circuito de auditores, te ponen en otro aparte y te dan solo benchmarks. Tenés que hacer diez y aprobar al menos siete. El proceso se repite un par de veces más y, si te equivocás sistemáticamente, te rajan”.

Andrés está detrás de la pantalla en una ciudad cordobesa. Es investigador en Matemática del Conicet, con un posdoctorado en el extranjero. Trabaja en una de las principales empresas del mundo que entrenan modelos de IA: “Yo ahora estoy haciendo diez horas por semana. No tengo un mínimo exigido ni un máximo. Podría trabajar cero horas en una semana y no pasa nada porque no cobro nada. La relación laboral es súper frágil. Hay un contrato, pero son en un 90% cláusulas de confidencialidad”.

Se desempeña como auditor de datos, un eslabón sofisticado dentro de la larga cadena de los curadores. Todo se inicia con los microtaskers,quienes realizan los etiquetados más elementales, una especie de primera alfabetización para el modelo algorítimico; sigue con los taskers, ocupados en incorporar datos y fórmulas más complejas, si es para un asistente conversacional, en un área específica del conocimiento. Más arriba están los reviewers, que se encargan de ver qué es lo que hizo el tasker, si está bien formulado el trabajo y si fue bien evaluado. En el cuarto eslabón aparecen los auditores como Andrés, cuya función es revisar un porcentaje, a modo de muestra de calidad, de toda la labor hecha por taskers y reviewers: “Antes solían ser mucho más sencillos los trabajos, más verificables. Quiero decir, en función de algún cálculo contrastable muy simplemente con otro cálculo. Ahora no, porque los modelos de lenguaje han evolucionado muchísimo, no hacen un cálculo nada más: hacen cálculos, estiman, te proponen, te cambian cosas. Tal vez ni siquiera es hacer un cálculo, sino es manejar archivos, una base de datos”.

A inicios de este año, Andrés recibió un mail con una información: a partir de ese día la hora de trabajo valía un 40% menos (de 40 dólares a 25). Lo aceptó, pero nunca supo a quiénes más le zarparon prácticamente la mitad del sueldo. Casi no conoce la cara de sus compañeros porque no prenden las cámaras cuando tienen reuniones en el chat interno, ni tampoco los nombres, porque suelen usar seudónimos. “Yo trabajo literalmente como manejar un Uber, nada más que de la ciencia. Son changas. Vos te metés a la plataforma y en función de la cantidad de trabajo que haya, proyectos que vaya manejando la empresa, hacés clic en alguno. Hay un trabajo, por ejemplo, por dos horas. Pero ese es todo un tema, porque ¿quién determina cuánto debe durar un trabajo? Algunos los tenés que hacer en 35 minutos. Yo trato de hacerlo siempre en tiempo porque si no estoy trabajando gratis. Pero si son 15 o 30 minutos más, podés decirle a tu jefe: ‘me pasé tanto, por favor, esto hice de más’. Hasta ahora, me lo han pagado”.

El sistema de gestión y control algorítmico se parece al sueño cumplido del dominio total del capital sobre el trabajo: máximo de fragmentación, aislamiento individualizado, pago a destajo y opacidad total sobre el sentido, encadenamiento y destino final de las tareas. Pero las resistencias aparecen en los intersticios. Gastón, Darío y Sebastián decidieron registrar dos cuentas para emplearse como taskers part-time en una empresa. De este modo, al compartir dos trabajos entre tres, pueden cumplimentar más rápido y sin quemarse el máximo de horas semanales que ofrece la plataforma; a la vez que generan más ingresos y mejoran su calificación en un sistema que premia la asunción del tope de horas admitidas. A modo de oficina, para evitar el aislamiento, utilizan una de sus casas.

mi casa y el cronómetro

Gary es doctor en Astrofísica recibido en una universidad de gama media de Estados Unidos, aunque posteriormente realizó su posdoctorado en una de las cinco universidades más prestigiosas de ese país. Hace cuatro años que integra una poderosa empresa de curaduría de datos. Ingresó como tasker dedicado a hacer prompts —las instrucciones que le das a la IA para que conteste— cuando esta tecnología recién se iniciaba; más tarde pasó a ser asesor en Física, lo que incluía, por ejemplo, la elaboración de los benchmarks para poner a prueba a taskers; y ahora es un auditor de auditores de datos, a la par que suele evaluar currículum para contratar a científicos prestigiosos para proyectos específicos.

Cada vez que decide trabajar, Gary se loguea en Chrome con el perfil de la empresa a través de una aplicación que le empieza a contar el tiempo. Si trabaja 6 horas, le otorgan media hora para el almuerzo sin necesidad de detener el contador. Cuando sale a buscar a sus hijos o tiene que hacer algún mandado, lo apaga. El programa de control tiene un acceso integral a su pantalla.

“Al principio teníamos clientes como Google o ChatGPT, pero después [a la empresa] la compró Meta. Entonces ahí se fueron a la mierda todas estas compañías porque Meta compite con Google. Era riesgoso que esta empresa conociera el avance de los modelos de las competidoras”. Así resume Gary el escenario de guerra fría entre las grandes tecnológicas en la titánica carrera por la innovación.

El temblor corporativo se materializó en la caída masiva de proyectos en el primer trimestre de 2026. “Hubo semanas en las que pude cumplir 24 o 25 horas, pero me faltaban como 15 para llegar a mi salario. Yo no tengo básico. Si no trabajo, no me pagan, a pesar de estar en blanco. Ahí vos no sabías si al otro día ibas a tener 10, 3, 2 horas o nada de trabajo. Porque no es que ellos te dicen: ‘mañana vas a tener que trabajar solo de 10 a 12’. No. Podía ser que publicaran un trabajo a las 4 de la mañana o en cualquier horario del día. Y después, como había mucha gente a la espera, el poco trabajo que aparecía se diluía entre todos los que estábamos en la cola”. Durante esos meses críticos, Gary solía utilizar las vacaciones acumuladas para evitar la falta de ingresos los días en los que no ofrecían trabajo.

A diferencia de Andrés, su contrato incluye derechos laborales clásicos. Le pagan 54 dólares la hora, aunque no puede superar las 40 semanales. Su salario fue creciendo sostenidamente a base de 8 horas de trabajo diarias, que incluían, estratégicamente, algunas horas los fines de semana porque se pagan un 50% más. Pero su motivación no es solo dineraria: “A un físico le gusta resolver problemas y acá tenés que estar resolviendo problemas de cualquier área de la física todo el tiempo”.

cultura start-up

En su mayoría, los profesionales locales de la IA freelancean en empresas extranjeras. Luego existe una minoría que tiene sus propias start-ups enfocadas en adaptar modelos algorítmicos y hacer análisis de datos para compañías. Otros integran grandes firmas como MercadoLibre. Un ingeniero que diseña modelos para Marcos Galperin nos aclara que es una de las pocas firmas que crean modelos algorítmicos propios capaces de procesar la masa inconmensurable de datos que le entran a diario. Un escalón más abajo aparecen antiguos unicornios como Globant, que vende servicios en todo el planeta. Con empleados en 36 países, desde inicios de 2025 protagoniza una reconversión general que provocó el despido de al menos 1000 trabajadores, con una caída en torno al 90% de su valor bursátil. Globant dejó de organizar sus unidades de negocios por regiones para pasar a diseñarlas por industrias, con el desarrollo de IA como mascarón de proa. Un exingeniero de la compañía nos cuenta que en su rol gerencial se dedicaba a desarrollar modelos para automatizar tareas en ciertas industrias, pero también debía dedicarse a obtener nuevos negocios, lo que implicaba desde estudios de mercado hasta la elaboración de papers sobre el propio avance de la IA en determinados nichos. “Eso me estresó mucho, mucho: la falta de objetivos claros, estar cambiando todo el tiempo de tareas, dedicarme al marketing, a lo comercial, a ganar nuevas cuentas y ya no tanto a desarrollar modelos”.

En empresas grandes como Globant o MercadoLibre, este tipo de profesionales son asalariados, con sueldos mensuales muy relevantes para nuestro deprimido escenario económico, aunque sustancialmente menores que en un país central. Un desarrollador de software en Globant, con una jerarquía de manager, cobra en torno a los 5500 dólares, más un bono anual que suele corresponder a un sueldo suplementario. En Estados Unidos un manager gana al menos el doble.

Esteban fue gerente de sistemas de una multinacional, pero desde hace algunos años lidera unastart-upque implementa modelos de IA en empresas de seguros. Hoy destaca tener una vida mucho más ordenada y menos estresante, aun cuando el principal rasgo que destaca de la cultura start-up es que “las cosas son muy cambiantes en el día a día, porque realmente no sabemos bien qué vamos a hacer la semana que viene”. Esto incluye la posibilidad de trabajar cualquier día en cualquier horario. Al igual que un repartidor de Rappi, “la gente que trabaja en tecnología no tiene ningún interés en atarse ni a un horario, ni a una oficina”. En las entrevistas que realiza para reclutar profesionales, la virtualidad no se negocia: “Cuando les menciono que cada tanto organizamos reuniones presenciales en una oficina, me responden: ‘No, olvidate, chau’. Y me han llegado a cortar. También es cierto que es un rubro freelancer y por ahí están laburando en tres trabajos al mismo tiempo”.

etiquetadores populares

Marcos, junto a cuatro jóvenes socios, fundaron una micro start-up de Crowd Label (etiquetado de datos). Hasta el momento han adaptado modelos elementales importados para el sector médico, protagonista de un verdadero boom en todo el mundo por su transición hacia la IA, lo que ha requerido la incorporación de miles de profesionales del sector para entrenar máquinas. “Un técnico radiólogo o un estudiante de Medicina hace el etiquetado. Si tuviese muchas dudas puede pedirle ayuda al supervisor, que es un médico. Pero en realidad eso es para entrenar un algoritmo que después tiene que determinarlo solo. Es decir, le empezás a poner imágenes y te tiene que decir: ‘Bueno, acá hay una fisura o esta placa está bien’”.

Ahora están por cerrar un contrato con un país asiático para operar, mediante IA, drones que cortan las plantas de bambú. “El cliente quiere un algoritmo para determinar con una [cámara] GoPro, que va con un dron, en qué momento es apto para cortar el bambú. Y para eso necesitás gente que sepa de la cosecha. O sea, ahí sí o sí se requiere la especialización para poder hacer las etiquetas. Por eso, ellos ponen etiquetadores propios”.

La aclaración de Marcos se vincula con que su objetivo originario era incorporar a grupos económicamente vulnerables —desde una jubilada, un estudiante universitario o un desempleado— como microtaskers. “Las empresas usan recursos humanos que son bastante caros. Entonces, si ponés a ingenieros o a un analista de datos a etiquetar, estás desperdiciando un recurso valioso. Y son tareas que muchas veces no necesitan de un conocimiento universitario o técnico. Empresas como Globant tienen sus subempresas en India que hacen la tarea que nosotros hacemos. Lo que entendíamos era que para hacerlo bien podíamos capacitar medianamente al etiquetador, que es un vecino, una jubilada, que quiere ganarse unos mangos. Nos imaginábamos distribuyéndolo entre muchas personas. Obviamente no iba a ser un ingreso principal, pero sí un dinero para su economía del día a día”.

Hasta el momento el grupo se chocó con una realidad: los etiquetados de sus clientes actuales deben realizarlos especialistas. Pero es un indicio claro de lo que viene, en países como el nuestro, en materia de generación masiva de ingresos. Salvo que antes las máquinas cumplimenten esas tareas básicas de forma autónoma.

la importancia de la ASI

Entre los propios inventores de la IA y los científicos protagonistas de su desarrollo, las proyecciones acerca del horizonte de la carrera tecnológica contemplan seriamente la idea de una pronta consumación de la llamada “Superinteligencia Artificial” (ASI), con capacidades cognitivas que desplacen por completo a las del cerebro humano en todos los campos. Los desarrolladores tienen plena conciencia de que están diseñando y entrenando 24×7 a modelos que pronto pueden tornar prescindentes a sus saberes. Entre la fascinación y la angustia por un posible deadline operan a destajo en el corazón de esta revolución de las máquinas.

Andrés considera que su trabajo como auditor de datos tiene fecha de vencimiento: “Las empresas empiezan a echar gente porque ya no la necesitan, ya entrenaron a los modelos para hacer las cosas más básicas. A diferencia de un humano que lo tenés que reponer porque se jubila y formar a otro de nuevo, al modelo ya lo tenés formado y es eterno”.

Nicolás, desde su start-up, señala que “ya existe el concepto de que un modelo sea juez del otro. O sea, hay herramientas que te permiten que un modelo juzgue al otro si está respondiendo como debería estar respondiendo. Entonces casi que se hablan y se entrenan entre sí, lo cual da escalofríos”.

Gary afirma que “todavía hay tantas cosas para mejorar que se necesita de un montón de gente para que el modelo resuelva un problema en física, saque datos que están en un gráfico, te pueda abrir un programa y que en ese programa busque cosas. Pero inexorablemente se van a necesitar cada vez menos trabajadores”.

Tal como sucedió desde los orígenes de Silicon Valley, el gran comando y motor de esta avanzada digital es el complejo militar industrial de Estados Unidos. A la par de esta perplejidad generalizada por las múltiples sustituciones prácticas de la IA, crece el poderío bélico a través del uso de esta tecnología en el campo de batalla y para el funcionamiento de los sistemas de inteligencia. El trumpismo, asociado ahora de manera explícita a los tecnolords, sueña con ser el primero en alcanzar esa superinteligencia que frene el fantasma de China.

Para cumplir con esa meta, ya no solo cuenta con los especialistas y científicos más encumbrados sino con toda una humanidad entrenando a los bichos maquínicos en la vida cotidiana.

*Esta nota forma parte de una serie de colaboraciones conjuntas entre la Fundación Rosa Luxemburgo y la revista crisis sobre el mundo del trabajo.