La publicación en LinkedIn parecía otra oferta de trabajo fraudulenta, pero Katya estaba tan desesperada que hizo clic. Después de la universidad, había luchado por ganarse la vida como periodista independiente, había hecho un posgrado y luego había dado un giro hacia lo que esperaba que fuera una carrera más estable en marketing de contenidos, solo para descubrir que la IA había automatizado gran parte del trabajo. Esta empresa se llamaba Crossing Hurdles y prometía trabajos de redacción publicitaria a partir de 45 dólares la hora.

Katya hizo clic y fue redirigida a la página de otra empresa, llamada Mercor, donde le indicaron que debía realizar una entrevista frente a la cámara con una IA llamada Melvin. "Me pareció lo más sospechoso del mundo", dice Katya. Cerró la pestaña. Pero unas semanas después, aún desempleada, recibió un mensaje invitándola a postularse a Mercor. Esta vez, investigó la empresa. Al parecer, Mercor vendía datos para entrenar IA, y la estaban reclutando para crear esos datos. "Perdí mi trabajo por culpa de ChatGPT, y me invitaban a entrenar al modelo para que hiciera la peor versión imaginable", dice. La idea la deprimió. Pero su situación financiera era cada vez más crítica y tenía que encontrar un nuevo lugar donde vivir urgentemente, así que encendió su cámara web y saludó a Melvin.

Fue una experiencia extraña, aunque en general agradable. Melvin, que se manifestaba en el portátil de Katya como una voz masculina incorpórea, parecía haber leído su currículum y haberle hecho preguntas específicas al respecto. Unas semanas después, Katya, quien, como la mayoría de los trabajadores de esta historia, pidió usar un seudónimo por temor a represalias, recibió un correo electrónico de Mercor ofreciéndole un trabajo. Si aceptaba, debía firmar el contrato, someterse a una verificación de antecedentes e instalar un software de monitoreo en su ordenador. Firmó de inmediato.

La añadieron a un canal de Slack, donde quedó claro que se incorporaba a un proyecto ya en marcha. Cientos de personas trabajaban escribiendo ejemplos de preguntas que alguien podría hacerle a un chatbot, redactando la respuesta ideal del chatbot a esas preguntas y creando una lista de verificación detallada de los criterios que definían esa respuesta ideal. Cada tarea requería varias horas antes de que los datos se enviaran a los trabajadores ubicados en algún punto de la cadena de montaje digital para su posterior revisión. A Katya no le dijeron a quién pertenecía la IA que estaba entrenando —los gerentes se referían a ella simplemente como «el cliente»— ni cuál era el propósito del proyecto. Pero disfrutaba del trabajo. Se divertía experimentando con los modelos y el sueldo era muy bueno. «Era como tener un trabajo de verdad», dice.

Dos días después de que Katya comenzara, el proyecto se suspendió abruptamente. Unos días después, un supervisor apareció en la sala para avisar a todos que se había cancelado. "Estoy trabajando con la idea de poder organizarme. Estoy ahorrando para el primer y último mes de alquiler de un apartamento", dice Katya, "y de repente, vuelvo a estar sin trabajo. Sin previo aviso, sin seguridad, sin nada". Varios días después, recibió un correo electrónico de Mercor con otra oferta, esta vez para un trabajo evaluando lo que parecían ser conversaciones entre chatbots y usuarios reales —muchos parecían ser de personas en Malasia y Vietnam que practicaban inglés— según varios criterios, como la precisión con la que el chatbot seguía las instrucciones y la adecuación de su tono. Firma el contrato, decía el correo electrónico, y tendrás una llamada de incorporación por Zoom en 45 minutos. Eran las 6:30 de la tarde de un domingo. Marcada por la repentina desaparición del trabajo anterior, aceptó la oferta y trabajó hasta que no pudo mantenerse despierta.

Los sistemas de aprendizaje automático aprenden encontrando patrones en enormes cantidades de datos, pero primero esos datos deben ser clasificados, etiquetados y procesados ​​por personas. ChatGPT obtuvo su sorprendente fluidez gracias a miles de personas contratadas por empresas como Scale AI y Surge AI para escribir ejemplos de lo que diría un asistente chatbot útil y calificar sus mejores respuestas. Hace poco más de un año, comenzaron a crecer las preocupaciones en la industria sobre un estancamiento en el progreso de la tecnología. Los modelos de entrenamiento basados ​​en este tipo de calificación producían chatbots que sonaban muy inteligentes, pero aún demasiado poco fiables para ser útiles. La excepción era la ingeniería de software, donde la capacidad de los modelos para comprobar automáticamente si los fragmentos de código funcionaban —si el código compilaba, si imprimía "HOLA MUNDO"— les permitía, mediante ensayo y error, alcanzar una competencia genuina.

El problema era que pocas otras actividades humanas ofrecen una retroalimentación tan inequívoca. No existen pruebas objetivas para determinar si un análisis financiero o un texto publicitario son "buenos". Sin desanimarse, las empresas de IA se propusieron crear dichas pruebas, pagando colectivamente miles de millones de dólares a profesionales de todo tipo para que redactaran criterios rigurosos y exhaustivos para un trabajo bien hecho. Mercor, la empresa con la que Katya se topó, fue fundada en 2023 por tres jóvenes de 19 años de la zona de la Bahía de San Francisco: Brendan Foody, Adarsh ​​Hiremath y Surya Midha. Se trataba de una plataforma de empleo que utilizaba entrevistas con IA para conectar a ingenieros extranjeros con empresas tecnológicas. La empresa recibió tantas consultas de desarrolladores de IA que buscaban profesionales para producir datos de entrenamiento que decidió adaptarse. El año pasado, Mercor alcanzó una valoración de 10.000 millones de dólares, convirtiendo a sus tres fundadores en los multimillonarios más jóvenes del mundo que se hicieron a sí mismos. OpenAI ha sido cliente, al igual que Anthropic.

Cada una de estas empresas de datos presume de su equipo de expertos de gran prestigio. Mercor afirma que unos 30.000 profesionales trabajan en su plataforma cada semana, mientras que Scale AI asegura contar con más de 700.000 personas con másteres, doctorados y licenciaturas. Surge AI anuncia a sus abogados litigantes del Tribunal Supremo, directivos de McKinsey y artistas discográficos de gran éxito. Estas empresas contratan a personas con experiencia en derecho, finanzas y programación, áreas en las que la IA está ganando terreno rápidamente. Pero también contratan a personas para generar datos para prácticamente cualquier trabajo imaginable. Las ofertas de empleo buscan chefs, consultores de gestión, científicos de conservación de la vida silvestre, archiveros, investigadores privados, sargentos de policía, periodistas, profesores y empleados de alquiler de coches. Un anuncio reciente solicitaba expertos en «humor norteamericano de adolescentes» que, entre otros requisitos, pudieran «explicar el humor utilizando un lenguaje claro y lógico, incluyendo referencias a la jerga, las tendencias y las normas sociales norteamericanas». Como lo expresó un veterano de la industria, se trata de la mayor explotación de conocimientos humanos jamás intentada.

Estas empresas han encontrado un terreno fértil para la contratación entre el creciente número de personas altamente cualificadas y subempleadas. Aparte de la crisis financiera de 2008 y la pandemia, la contratación se encuentra en su punto más bajo en décadas. En agosto pasado, la plataforma de búsqueda de empleo para profesionales noveles Handshake constató que las ofertas de trabajo en su sitio habían disminuido más del 16 % en comparación con el año anterior y que recibían un 26 % más de solicitudes. Mientras tanto, Handshake lanzó el año pasado una iniciativa que conecta a quienes buscan empleo con puestos que generan datos de entrenamiento para IA. «A medida que la IA transforma el futuro del trabajo», escribió la empresa al anunciar el programa, «tenemos la responsabilidad de replantearnos, formar y preparar a nuestra red para que puedan desenvolverse en sus carreras profesionales y participar en la economía de la IA».

Existe una tensión subyacente entre las predicciones de los sistemas inteligentes que pueden reemplazar gran parte del trabajo cognitivo humano y el dinero que los laboratorios de IA invierten en datos para automatizar una tarea a la vez. Es la diferencia entre un futuro de desempleo masivo repentino y algo más sutil, pero potencialmente igual de disruptivo: un futuro en el que un número creciente de personas encuentra trabajo enseñando a la IA a realizar el trabajo que antes hacían. La primera oleada de estos trabajadores está compuesta por ingenieros de software, diseñadores gráficos, escritores y otros profesionales en campos donde las nuevas técnicas de entrenamiento están demostrando su eficacia. Se encuentran en una situación surrealista, compitiendo por empleos precarios que imitan las carreras que habían soñado tener.

De los más de 30 trabajadores con los que hablé, todos ocupaban un puesto en una vasta y creciente cadena de suministro de datos. Algunos elaboran listas de verificación que definen una buena respuesta de chatbot, generalmente llamadas "rúbricas", y otros las califican. Otros califican las respuestas de los chatbots según esas rúbricas, y otros más toman las rúbricas y redactan lo que a menudo se describe como un "resultado ideal", o la respuesta perfecta del chatbot. A otros se les pide que expliquen cada paso que dieron para llegar a este resultado ideal, desde la perspectiva de un chatbot que piensa para sí mismo, generando lo que se denomina un "rastro de razonamiento" que la IA puede seguir posteriormente cuando se enfrenta a una tarea similar en el mundo real.

A veces, los laboratorios solo necesitan rúbricas para ejercicios que su IA no puede realizar, lo que significa que empresas como Mercor piden a los trabajadores que creen "desafíos" o solicitudes que hagan que el modelo falle. "Parece fácil, pero es muy difícil", dice un trabajador que intentaba poner a prueba a los modelos pidiéndoles que crearan paneles de control para la gestión de inventario. Los modelos fallan de maneras inesperadas. Pueden resolver preguntas de exámenes de física avanzada, pero si se les pide indicaciones de transporte público, recomendarán hacer transbordos en líneas de tren sin conexión. Encontrar estos puntos débiles requiere tiempo y creatividad.

Un tipo de proyecto reúne a grupos de abogados, gerentes de recursos humanos, profesores, consultores o banqueros para lo que Mercor denomina creación de mundos. «Usted y su equipo representarán un equipo real dentro de su profesión», se lee en los materiales de capacitación. A los equipos se les proporcionan correos electrónicos, calendarios y aplicaciones de chat específicos, y se les pide que creen cien o más documentos relacionados con alguna iniciativa corporativa, como una empresa minera ficticia que analiza si debe incursionar en el negocio de los centros de datos.

Tras varias jornadas de 16 horas dedicadas a la elaboración de documentos ficticios, según relata un trabajador, las presentaciones, las notas de las reuniones y las previsiones financieras resultantes se envían a otro equipo, que las utiliza como base para intentar poner a prueba un modelo que opera en este entorno corporativo simulado. Una vez logrado esto, el equipo redacta nuevas rúbricas más sofisticadas, respuestas definitivas, etc. Los trabajadores solo pueden intuir quién es el cliente o cuántos otros participan en el proyecto; basándose en referencias a equipos como Management Consulting World No. 133, podrían ser cientos, quizás miles.

Hay personas contratadas para evaluar la capacidad de los modelos de imagen para seguir sus indicaciones y otras que resumen videoclips con un detalle extraordinario, presumiblemente para entrenar modelos de vídeo. Los esfuerzos por mejorar la capacidad de la IA para mantener conversaciones habladas han dado como resultado una creciente demanda de actores de voz, quienes podrían encontrarse grabando discursos "auténticos y emotivos", según una oferta de trabajo. "Simplemente les digo a las personas que soy entrenador de IA, así suena más profesional de lo que realmente soy", dice un aspirante a guionista al que le pidieron que se grabara fingiendo pedirle a un chatbot un plan de entrenamiento mientras ollas y sartenes chocaban en la cocina. En otra ocasión, le pidieron que se grabara dando consejos financieros por teléfono a un desfile de personas que suponía que eran otros trabajadores.

Este audio podría luego ser analizado y enviado a alguien como Ernest, quien se ganaba la vida como tutor en línea hasta que la empresa para la que trabajaba lo reemplazó con un chatbot. Cuando hablamos, estaba escuchando fragmentos de un minuto de duración con diálogos aleatorios, ralentizados a 0,1x, y marcando con precisión de milisegundos el inicio y el final de cada conversación. Muchos de los fragmentos incluían a una persona hablando con un chatbot e intercalando expresiones como "eh" o "ya veo", por lo que supone que estaba mejorando la capacidad de la IA para mantener una conversación fluida y natural, pero en realidad no tiene ni idea.

Como es práctica habitual en el sector, el proyecto se identificaba con un nombre en clave y al cliente se le denominaba simplemente «el cliente». Todo el sistema está diseñado para que los trabajadores tengan un conocimiento mínimo de la cadena de suministro de la que forman parte. Si descubren quién es el cliente, tienen prohibido contractualmente contárselo a nadie, ni siquiera a sus propios compañeros. Tampoco se les permite describir los detalles de su trabajo más allá de generalidades como «proporcionar conocimientos especializados en el dominio XYZ para mejorar los modelos de un laboratorio de IA de primer nivel», según un acuerdo de Mercor. Los trabajadores temen tanto infringir inadvertidamente sus acuerdos de confidencialidad y ser despedidos que, cuando hablan de su trabajo en foros públicos, ocultan sus proyectos, que ya tienen nombre en clave, con nombres en clave adicionales; por ejemplo, se refieren a un proyecto llamado «Raven» como «Poe».

“Me están dando una pala y me dicen que cave mi propia tumba.”

El segundo proyecto con Mercor fue mucho más estresante. Había menos trabajo disponible y llegaba a trompicones. Los gerentes enviaban un mensaje al canal de Slack diciendo que llegarían nuevas tareas en media hora y, según cuenta, "todos en Slack dejaban lo que estaban haciendo y se lanzaban a ellas como pirañas", trabajando lo más rápido posible mientras la barra que mostraba cuántas tareas quedaban se acercaba a cero. Luego volvían a Slack, suplicando amablemente a sus supervisores que les dieran más trabajo y más horas, hablando de los cumpleaños de sus hijos o de la necesidad de pagar el alquiler, o diciéndole a cualquiera que pudiera estar escuchando que estaban completamente disponibles por si había más trabajo que hacer. Pronto, Katya también dejaba todo al oír una notificación de Slack. "A veces estoy en el baño o cenando y recibo la notificación de Slack. Y pienso: 'Oh, perdón, tengo que trabajar ahora'".

Ese proyecto pronto terminó y luego llegó otro. Era casi idéntico al primero, que ella había disfrutado, pero ahora, además de redactar rúbricas, tenía que poner a prueba al modelo y completar la tarea más difícil en el mismo tiempo. También le pagaban 8 dólares menos por hora. Esto es común en Mercor. Casi todos los trabajadores con los que hablé informaron que las exigencias aumentaban, los plazos se reducían y el salario disminuía a medida que avanzaban los proyectos. Quienes no podían cumplir con las nuevas exigencias eran despedidos y reemplazados por nuevos empleados.

Chris se unió a Mercor el año pasado, tras unos meses difíciles buscando trabajo en el cine. A diferencia de muchos que sospechan ser víctimas de la automatización, él sabía con certeza que así era. Tenía un trabajo fijo escribiendo episodios para un programa de televisión sin guion: realizaba entrevistas previas, esbozaba escenas y escribía el equivalente televisivo de un guion. Pero a finales de 2024, le comunicaron que el programa se emitiría con un equipo mínimo y que su trabajo ya no era necesario. Más tarde descubrió que la empresa estaba utilizando ChatGPT para escribir los nuevos episodios. Así que, en octubre, cuando Chris recibió una oferta para escribir un guion completo de ciencia ficción para una importante empresa de IA, aceptó, por sombría que fuera la perspectiva. Desde entonces, ha ido de trabajo en trabajo. "Esta es mi única fuente de ingresos ahora mismo", dice. "Conozco a productores y directores galardonados que no anuncian que hacen este trabajo, pero así es como se ganan la vida".

Sus primeros trabajos en Mercor, al igual que los de Katya, fueron relativamente agradables y bien remunerados, pero pronto llegaron las exhortaciones de Slack a las 6 de la tarde, con emojis de puños chocando, para que "vamos, equipo, superemos esto", seguidas de interrupciones repentinas y meses de silencio. "Estabas constantemente esperando el disparo de salida a cualquier hora del día", dice Chris. Luego llegó de nuevo la época de mayor presión y los gerentes, cada vez más nerviosos a medida que se acercaban los plazos, comenzaron a amenazar a los trabajadores con el despido si no completaban las tareas con la suficiente rapidez.

El tiempo que dedicaba al trabajo era controlado al segundo por un software llamado Insightful, que monitorizaba todo lo que hacía en su ordenador. El tiempo que el software consideraba "improductivo" podía descontarse de su salario, y si pasaban unos minutos sin que tecleara, el sistema le enviaba una notificación preguntándole si había estado trabajando. A veces, Chris veía a gente publicar en Slack que habían superado el tiempo previsto en una tarea especialmente complicada y que esperaban que no hubiera problema; al día siguiente, ya no estaban.

Cada vez más preocupado por la posibilidad de ser despedido, empezó a trabajar fuera de horario, desactivando Insightful mientras leía las instrucciones para poder avanzar más rápido. Si superaba el tiempo límite, apagaba el reloj y seguía trabajando gratis.

Las empresas afirman que este software es necesario para registrar con precisión las horas trabajadas y evitar que los empleados hagan trampa, lo que, en este caso, implica el uso de IA, algo que todas las empresas de datos prohíben estrictamente. Lo que venden es la verdad fundamental de la experiencia humana verificada, y cuando la IA se entrena con datos generados por IA, se degrada gradualmente, un fenómeno que los investigadores denominan "colapso del modelo". Los empleados de las empresas de datos afirman que es una lucha constante filtrar la basura generada por la IA. Para los trabajadores, la IA es una tentación particular a medida que aumenta la presión. Cuando a la experta en comercio minorista que intentaba poner a prueba a los modelos con paneles de análisis se le redujo el tiempo objetivo por tarea de ocho horas a cinco o tres horas y media, desactivó Insightful y buscó ayuda externa. "Para ser honesta, entré en Copilot y ChatGPT, introduje mi pregunta y dije: '¿Cómo puedo hacer esto para que ustedes no puedan responderla?'" Luego, acudió a otro chatbot y preguntó si la pregunta parecía generada por IA y, de ser así, cómo hacerla sonar más humana.

“Es horrible el impacto psicológico que tiene”, dice Mimi, guionista que ha trabajado en varias series de plataformas de streaming y lleva varios meses entrenando la IA de Mercor. Se enteró de Mercor gracias a otro guionista que compartió un enlace a una de sus ofertas de trabajo en un grupo de Facebook del Sindicato de Guionistas de Estados Unidos (Writers Guild of America).

Como muchas personas en este campo, Mimi se siente dividida. «Un documentalista ganador de premios Emmy me escribió y me dijo: "Me están dando una pala y me dicen que cave mi propia tumba", y así es exactamente como todos lo ven», comenta. Aun así, como madre soltera, necesitaba el dinero. Al principio agradeció el trabajo, pero luego el proyecto se pausó, se reanudó y se volvió a pausar. Durante cinco semanas le dijeron que un proyecto comenzaría inminentemente. Cuando finalmente empezó, se añadieron requisitos, el tiempo previsto se acortó y tuvo que correr para mantenerse al día bajo la atenta mirada de Insightful. Sintió que alguien lo expresó muy bien en Slack cuando dijo que era como vivir en una pecera esperando a que sus amos humanos les echaran comida, y que solo los que fueran lo suficientemente rápidos para nadar hasta la superficie podrían comer.

“Anoche me estresé muchísimo porque mi hijo llegó a casa a las 7 de la tarde y me llegó un mensaje que decía: ‘¡Las tareas están disponibles!’. Y yo solo trabajaba, intentando acumular el mayor número de horas posible antes de poder irme a dormir”, dice Mimi con la voz quebrada. “No paso nada de tiempo con mi hijo, y en un momento dado, no encuentra nada para el colegio y empiezo a gritarle. Este trabajo me está convirtiendo en un auténtico demonio”. Le preocupa especialmente la vigilancia: “La idea de que alguien pueda medir tu tiempo y que te quiten todos esos pequeños momentos que te hacen humano porque no son rentables, que no puedas cobrar por ir al baño porque no es tiempo de trabajo, que no puedas cobrar por prepararte una taza de café porque no es tiempo de trabajo, que no puedas cobrar por estirarte porque te duele la espalda. Por eso se crearon los sindicatos, para que la gente tuviera horas garantizadas, descansos para comer garantizados, vacaciones garantizadas y baja por enfermedad remunerada. Esto es la economía de los trabajos temporales llevada al extremo”.

Esto es lo que le preocupa más que la IA en sí: que esté introduciendo en el trabajo intelectual el tipo de trabajo precario de plataforma que ha transformado el sector del taxi y el reparto de comida a domicilio. Mientras tanto, observa con horror la desesperada gratitud de sus compañeros al anunciar a las 7 de la tarde que les han asignado trabajo.

“¿Cuánto tiempo se espera que duren estas tareas?”, preguntó un trabajador en Slack.

“Yo también me lo pregunto, me gustaría saber si puedo dormir o no.”

Al no obtener respuesta, intercambiaron consejos sobre cómo evitar el sueño.

“Nadie sabe lo que está pasando. Todo el mundo está muy confundido.”

Mercor comenzó a reclutar agresivamente el año pasado, presentándose como una versión más amigable para los trabajadores que las plataformas que la precedieron. Criticando a su rival Scale AI en un podcast, Foody, el CEO de Mercor, dijo: "Contar con personas excepcionales a las que se trata increíblemente bien es lo más importante en este mercado". Los trabajadores que se unieron durante ese período afirman haber recibido un buen trato; el salario era mejor que en otros lugares y, en lugar de ser gestionados por algoritmos opacos, como suele ocurrir, contaban con supervisores humanos reales a quienes podían acudir con preguntas.

Pero quienes han trabajado en puestos directivos en empresas de datos afirman que a menudo comienzan así, atrayendo a trabajadores de las plataformas existentes con promesas de mejores condiciones, solo para que estas se deterioren a medida que compiten por contratos millonarios repartidos por la media docena de empresas de IA interesadas en comprar estos datos al por mayor. En Mercor, se sumaba la complicación de que la dirección estaba compuesta en gran parte por veinteañeros con escasa experiencia laboral a quienes se les habían otorgado cientos de millones de dólares de inversores para impulsar un crecimiento acelerado.

“Me da igual que alguien tenga 21 años y sea mi jefe”, dice Chris, el productor de telerrealidad. “Pero nunca han trabajado a esta escala. Cuando intentas encontrar algún tipo de orientación en Slack, explicando la situación con madurez y claridad, te responden con un meme de un corgi poniendo los ojos en blanco que dice: ‘Usa tu criterio’. Pero es como decir: ‘Usa tu criterio y la cagas, y te despiden’. Fuiste a Harvard, te graduaste el año pasado, ¿y tu consejo para un grupo de personas, muchas de ellas profesionales con experiencia, es un meme?”.

Abogados, diseñadores, productores, escritores, científicos: todos se quejaban de gerentes inexpertos que daban instrucciones contradictorias, exigían largas jornadas laborales o reuniones obligatorias por Zoom para un trabajo supuestamente flexible, y amenazaban con despedir a la gente por ir demasiado despacio; amenazas que resultaban especialmente irritantes para los profesionales de mediana carrera que sentían que sus jefes de 20 años apenas entendían los campos que intentaban automatizar.

“Los fundadores se enorgullecen de su horario de 9 a 6”, dice un abogado, refiriéndose a un término originario de China que describe las semanas laborales de 72 horas asociadas con el agotamiento y el suicidio, pero que Silicon Valley ha adoptado como ideal. “Debes estar disponible a todas horas, y te bombardean con mensajes a las 6 de la mañana, y más te vale estar alerta porque la percepción es que te despedirán y te reemplazarán”.

“No se trata solo de que los jefes de equipo, los gerentes de proyecto y los gerentes de proyecto sénior sean jóvenes. Se trata de que los gerentes de proyecto sénior, los responsables del proyecto en su totalidad, son jóvenes. Supongo que eso viene de arriba, porque son jóvenes, ¿no?”, dice Lindsay, una diseñadora gráfica e ilustradora de cincuenta y tantos años que llegó a Mercor después de que el 85 por ciento de su trabajo desapareciera el año pasado, debido, según ella, a las mejoras en la IA generativa.

Cada vez más desesperada por encontrar trabajo, buscó sin cesar en portales de empleo; parecía que las únicas ofertas que se ajustaban a su experiencia eran para ayudar a desarrollar la tecnología que, según ella, había arruinado su carrera. «Me tragué mi odio y me apunté», dice. Tras un trabajo inicial produciendo datos de diseño gráfico, la invitaron a unirse a Meta para un proyecto que consistía en extraer vídeos de Instagram Reels y etiquetar lo que apareciera en ellos. Era aburrido, y a 21 dólares la hora, el sueldo era mediocre, pero Lindsay necesitaba el dinero. Así que, descubrió cuando la incluyeron en el Slack del proyecto, había hecho aproximadamente otras 5000 personas.

A principios de noviembre, un representante de Mercor anunció que el proyecto de Lindsay finalizaría debido a "cambios en el alcance", aunque previamente se les había dicho a los trabajadores que el proyecto se extendería hasta finales de año. Lindsay y miles de personas más fueron excluidas del canal de Slack de la empresa.

Poco después, recibieron un correo electrónico invitándolos a participar en un nuevo proyecto llamado Nova, con un salario de 16 dólares por hora.

Miles de trabajadores se unieron a la nueva plataforma de Slack solo para descubrir que era exactamente el mismo trabajo, ahora con un salario un 24 % menor. Todos los canales de Slack, excepto dos, habían sido eliminados, incluyendo las salas de chat, soporte y ayuda. La posibilidad de enviarse mensajes directos también había sido desactivada. No había líderes de equipo disponibles. Sin nadie a quien pedir ayuda, los trabajadores inundaron las salas principales con súplicas e indignación.

“Nadie sabe qué está pasando. Todos están muy confundidos”, dice Lindsay. “Los mensajes llegan rapidísimo a ese canal. Es un caos total. '¡Ayuda, por favor! ¿Qué hago? ¿Qué se supone que debo hacer? ¿Adónde voy? ¿Puedo empezar a asignar tareas? ¿Tengo que rehacer todas las evaluaciones que ya hice?'”

Alguien envió un correo electrónico al servicio de soporte solicitando ayuda, y por alguna razón, ese correo llegó a las más de mil personas que participaban en el proyecto. Todos lo leyeron y comenzaron a responder a todos expresando su desconcierto e indignación. «Fue un auténtico caos», dice Lindsay. «No hay otra forma de describirlo».

Los trabajadores comenzaron a publicar quejas en el subreddit de Mercor, pero los representantes de Mercor que lo moderan las eliminaron rápidamente. En respuesta, se crearon dos subreddits no autorizados de Mercor, donde los trabajadores podían expresar libremente opiniones como: «¡ESTA EMPRESA LA DIRIGEN NIÑOS, PRONTO LLEGARÁ EL DÍA DEL JUICIO!».

“Es realmente triste”, dice Lindsay. “Hay personas ahí dentro para quienes la diferencia radica literalmente en poder alimentar a sus familias o no”.

«Odio la IA de última generación», añade. «Creo que la IA debería usarse para curar el cáncer. Creo que debería usarse para la exploración espacial, no en las industrias creativas. Pero necesito poder pagar el alquiler. Y luego, cuando gente como Mercor hace estas cosas, donde te tratan como si fueras una rata de laboratorio... Llevo trabajando muchísimo tiempo. Jamás me habían tratado tan mal».

El trabajo, el secretismo extremo y los despidos abruptos son la norma en el sector de los datos. En la plataforma de trabajo de Surge AI, llamada Data Annotation Tech, los empleados no solo son despedidos con frecuencia sin explicación, sino que a menudo ni siquiera se les informa de su despido. Simplemente inician sesión un día y encuentran el panel de control vacío. Este fenómeno es tan común que lo denominan simplemente «el despido fulminante».

El año pasado, un tejano con una maestría en teología que enseñaba a modelos de voz a responder a consultas con el nivel de emoción adecuado —diferentes tonos para un usuario que les contaba que su perro había muerto y otro que solicitaba un itinerario de viaje— inició sesión en el trabajo una mañana y encontró su panel de control vacío. Al desplazarse hasta el final de la página para encontrar el botón de soporte, descubrió que ya no funcionaba. Fue entonces cuando supo que lo habían despedido. Su mente repasó rápidamente las posibles razones: ¿Había trabajado demasiado? ¿Había disminuido la calidad de su trabajo? Sabía que nunca lo averiguaría. "Me sentí a la deriva", dice. Ansioso por cómo pagaría sus cuentas y cuidaría de su perro enfermo, cayó en una depresión, y luego en un horror. Pensó en sus amigos profesores que no lograban que sus alumnos escribieran y en todas las personas que se graduaban con títulos de informática ahora inútiles. "La tecnología nos hace ver todo como una utilidad, algo para usar", dice, una categoría que, según él, incluye a los trabajadores de datos descartados como él. Decidió convertirse en capellán, pensando que, independientemente de lo que depare el futuro de la IA, la gente necesitará a otro ser humano que esté ahí para ellos.

La naturaleza intermitente del trabajo no es solo resultado de la cultura de la empresa; proviene del propio ritmo del desarrollo de la IA. Personas de toda la industria describieron este patrón. Un creador de modelos, como OpenAI o Anthropic, descubre que su modelo tiene deficiencias en química, por lo que paga a un proveedor de datos como Mercor o Scale AI para que encuentre químicos que generen datos. Los químicos realizan tareas hasta que hay una cantidad suficiente para un lote que se envía al laboratorio, y el trabajo se pausa hasta que el laboratorio vea cómo los datos afectan al modelo. Quizás el laboratorio avanza, pero esta vez, solicita un tipo de datos ligeramente diferente. Cuando el trabajo se reanuda, el proveedor descubre que las nuevas instrucciones hacen que las tareas lleven más tiempo, lo que significa que la estimación de costos que el proveedor le dio al laboratorio ahora es incorrecta, lo que significa que el proveedor reduce los salarios o intenta que los trabajadores trabajen más rápido. Se entrega el nuevo lote de datos y el trabajo se pausa una vez más. Quizás el laboratorio cambie de nuevo sus requisitos de datos, descubra que ya tiene suficientes y finalice el proyecto o decida contratar a otro proveedor. Quizás ahora el laboratorio solo necesite químicos orgánicos y todos los que no tengan la formación pertinente sean excluidos del proyecto. Luego, lo que se necesite serán datos biológicos, o bocetos arquitectónicos, o el diseño de planes de estudio para primaria y secundaria.

Para ser competitivas, las empresas de datos se organizan para tener siempre trabajadores disponibles, pero conservando la libertad de prescindir de ellos en cualquier momento. «Cada proveedor tiene algún tipo de sistema que le permite no hacer promesas», afirma un alto cargo de una importante empresa de datos. Las empresas rara vez se enteran de estos cambios, a veces porque los desarrolladores de IA no tienen claro qué datos necesitan, otras veces porque buscan la mejor oferta. «Quieren mantenernos en la ignorancia», continúa el empleado, «así que inevitablemente mantenemos a los colaboradores en la ignorancia, luego se cancela una compra y tienes a mil personas a las que has formado y con las que has establecido una relación preguntándote: "¿Qué demonios? ¿Por qué no hay trabajo?". Es una sensación horrible desde la perspectiva del operador, pero obviamente es mucho peor para ellos».

Los trabajadores en la base de esta cadena de suministro viven en una situación de extrema precariedad y máxima competencia, sobre todo porque sus estrictos acuerdos de confidencialidad les impiden establecer cualquier tipo de antigüedad o relación que pueda perdurar más allá de un proyecto concreto. «El poder está totalmente concentrado en un solo lado porque no pueden hablar de ello», afirma Matthew McMullen, ejecutivo de estrategia y operaciones que lleva trabajando en el sector desde el auge de los coches autónomos a mediados de la década de 2010. «Los laboratorios se benefician de que no puedas aprovechar tu experiencia en el mercado, y este silencio es como su poder de fijación de precios. El silencio les permite extraer información masiva de la gente sin darles la posibilidad de protestar, sindicalizarse o crear sus propias empresas. Mientras no puedan demostrar lo que han hecho, estos evaluadores no pueden exigir lo que merecen. La única forma de que la gente pueda exigir algo es demostrando su capacidad para asumir más trabajo. El único poder que tienen es seguir adelante, volver a la cola».

Eso es precisamente lo que hacen. Cuando un proyecto de Mercor finaliza, los gerentes suelen publicar un enlace a otros proyectos en la plataforma y animan a la gente a postularse. «Pero, claro, hay miles de personas que se postulan, así que uno lanza su solicitud al azar y espera una respuesta en algún momento indefinido», dice Katya. Mientras esperan, los trabajadores se registran en Handshake, Micro1, Alignerr u otro de los proveedores de datos, cuyo número no deja de crecer.

Estas empresas están siempre reclutando. Al igual que Mercor, muchas utilizan entrevistadores con IA y evaluaciones automatizadas, lo que significa que no tienen ningún incentivo para limitar el número de entrevistas que realizan. Mercor ofrece bonos por recomendación de varios cientos de dólares, lo que lleva a algunos a promocionar la empresa con tanta insistencia que se han prohibido las menciones a la misma en varios subreddits. Katya ha solicitado docenas de empleos y ha conseguido tres, una proporción bastante común.

Las empresas tampoco asumen ningún costo por la sobrecontratación. Dado que los trabajadores son, en teoría, contratistas independientes, no tienen derecho a vacaciones pagadas, descansos, atención médica, pago de horas extras ni prestaciones por desempleo. Mantenerlos disponibles es gratuito, y un excedente de trabajadores verificados garantiza que se apresurarán a terminar las tareas antes que nadie. Todo esto crea un sistema en el que los empleadores pueden activar y desactivar la mano de obra a su antojo. (Al ser consultada al respecto, la portavoz de Mercor, Heidi Hagberg, declaró que «la naturaleza de este trabajo es la de un contrato por proyecto, lo que significa que puede extenderse, pausarse o finalizar en cualquier momento, especialmente a medida que evolucionan el alcance y las necesidades del cliente», y que muchas de las quejas de los trabajadores «se centraban en la discrepancia entre las expectativas de un trabajo a tiempo completo y las de un trabajo por proyecto»).

Si te mueves rápido, tienes suerte, posees la combinación adecuada de experiencia y te mantienes dentro de la fórmula única y misteriosa de las métricas de productividad de cada plataforma, puedes ganar un buen sueldo. Hablé con un dramaturgo que ganaba 10.000 dólares al mes, un químico polifacético que en diferentes momentos trabajó demostrando póker y cantando para IA. Pero incluso así, existe una inevitable conciencia de la fugacidad, porque producir datos de entrenamiento implica trabajar para quedar obsoleto. Si bien el número de personas que trabajan con datos puede seguir aumentando, cualquier trabajo en particular durará solo mientras las máquinas logren imitarlo con éxito. Un humano tarda años en desarrollar experiencia, y tarde o temprano, se quedará sin habilidades que ofrecer.

Un trabajador con una maestría en lingüística había tenido un trabajo estable como redactor de rúbricas durante un año, pero a finales de 2025, notó que cada vez era más difícil poner a prueba a los modelos. Ante cualquier teoría poco conocida o lengua indígena sobre la que preguntara, el modelo encontraba los artículos correctos. En lugar de entregar tres o cuatro rúbricas por semana, tenía suerte si conseguía una. Todos los demás en el proyecto seguían la misma trayectoria, así que no le sorprendió cuando terminó. Su conocimiento se había agotado. En el pasado, siempre había podido encontrar un nuevo trabajo, pero ahora, al buscar a su alrededor, solo veía solicitudes para expertos médicos, gerentes de recursos humanos y maestros. Lleva cinco meses sin trabajo y no sabe qué hacer ahora.

Estas plataformas recuerdan a Uber y Lyft de hace una década. Sin embargo, en cierto modo, estos trabajadores se encuentran en una peor situación, son más fáciles de reemplazar a pesar de sus títulos universitarios avanzados.

En la medida en que se discuten las respuestas políticas a la automatización de la IA, en su mayoría se refieren a qué hacer cuando la IA vuelve obsoletas grandes categorías de trabajadores. Tal vez esto suceda, pero otra posibilidad es que ciertas tareas se automaticen y los humanos se redistribuyan a otras partes del proceso de producción, algunos revisando resultados de IA mediocres, otros creando rúbricas para mejorarlos. Gran parte de este trabajo será inherentemente intermitente, lo que significa que lo realizarán contratistas independientes, trabajadores a quienes las regulaciones actuales dejan casi totalmente desprotegidos. Daron Acemoglu, profesor de economía en el MIT que estudia la automatización, compara la situación con la de los tejedores, quienes antes de la revolución industrial eran "como la aristocracia laboral", artesanos autónomos que controlaban su propio tiempo. Luego llegaron las máquinas de tejer y, para sobrevivir, se vieron obligados a aceptar nuevos trabajos en fábricas, donde trabajaban más horas por menos dinero bajo la estrecha supervisión de la gerencia. El problema no fue simplemente que la tecnología les quitara sus trabajos; Esto propició una nueva organización del trabajo que otorgó todo el poder a los dueños del capital, quienes convirtieron el trabajo en una pesadilla hasta que la organización y la regulación laboral establecieron límites.

Ya se están produciendo los primeros conflictos laborales, sobre todo en California, estado con algunas de las normativas más estrictas en cuanto a la clasificación de los trabajadores de plataformas digitales. En los últimos seis meses se han presentado tres demandas colectivas contra Mercor. (Anteriormente se presentaron demandas similares contra Surge AI y Scale AI, que está llegando a un acuerdo). Todas las demandas acusan a las empresas de clasificar erróneamente a los trabajadores como contratistas independientes, dado el "control extraordinario" que ejercen sobre ellos. Se trata de "un tipo de trabajo totalmente nuevo", para el que la empresa capacita a las personas y que solo puede realizarse en su plataforma. Los trabajadores tienen tan poca visibilidad sobre el trabajo que, según una demanda presentada en diciembre, una persona aceptó un proyecto de Mercor solo para que le asignaran la tarea de grabarse leyendo guiones sexualmente explícitos. Al descubrir esto, el trabajador corría el riesgo de ser despedido si abandonaba el proyecto, lo que lo obligó a "elegir entre cobrar y ser humillado".

Estas empresas recuerdan a Uber y Lyft de hace una década, afirma Glenn Danas, socio del bufete Clarkson, que ha demandado a Mercor y a otras plataformas de datos. Sin embargo, en cierto modo, estos trabajadores se encuentran en una situación peor, son más fáciles de reemplazar a pesar de sus títulos universitarios avanzados. Los conductores de Uber deben estar físicamente presentes en una ciudad para trabajar y pueden organizarse y presionar para que se regulen las normas. Si ocurriera lo mismo con los trabajadores de datos, las empresas podrían simplemente contratar personal de otros lugares donde se trabaje por menos. Cuando Mercor redujo el salario de su proyecto Meta a 16 dólares por hora, este quedó por debajo del salario mínimo en California y otros estados, pero la gente siguió trabajando porque necesitaba el dinero. Esto fue algo que al menos un supervisor reconoció, escribiendo en Slack: «Aunque no contrataremos activamente en ningún estado donde el salario mínimo sea superior a la tarifa del proyecto, si ya participas en el proyecto y te gustaría trabajar a 16 dólares la hora, queremos facilitarte la posibilidad de hacerlo».

Según Acemoglu, profesiones enteras corren el riesgo de verse inmersas en una competencia a la baja similar si las empresas logran enfrentar a los trabajadores entre sí, obligándolos a vender sus datos antes de que alguien más pueda ofrecer un precio menor. «También podríamos necesitar organizaciones similares a los sindicatos que ejerzan algún tipo de propiedad colectiva e impidan que las grandes empresas recurran a estrategias simplistas de divide y vencerás para reducir los precios de los datos», afirma. «Si no existe la infraestructura legal para una economía de datos de este tipo, muchas de las personas que producen los datos recibirán salarios bajos o, para usar un término más contundente, serán explotadas » .

Katya fue una de las miles de personas invitadas a participar en el Proyecto Nova, donde se pagaba 16 dólares la hora, y se sintió consternada por el bajo salario. «Creo que fue un experimento de Mercor para ver hasta qué punto podían llegar a un nivel mínimo sin comprometer la calidad de los datos que obtenían», afirma. Su proyecto principal llevaba semanas paralizado y podría reanudarse al día siguiente o no reanudarse nunca.

Al final, decidió que el dinero no valía la pena. Solicitó trabajo en una cafetería local. No era el cambio de carrera que había imaginado al empezar sus estudios de posgrado; simplemente esperaba que trabajar como barista le ofreciera más estabilidad. «Al menos, cuando trabajas en una cafetería por el salario mínimo, tienes amigos con quienes hablar y un jefe que finge preocuparse por ti. Tienes cierta seguridad; sabes cuáles serán tus horas cada semana», comenta.

Pero entonces oyó sonar su teléfono. Uno de sus proyectos había vuelto.en.

^{Fuente: The Verge - Marzo 2026}