Durante décadas, a través de la literatura y el cine, se ha cultivado la imagen de que la inteligencia artificial son autómatas, robots y máquinas, una tecnología que destruye puestos de trabajo. Es algo mágico: las máquinas funcionan por sí mismas, e incluso aprenden por sí mismas, a diferencia de los niños, que necesitan un padre, un maestro o un preceptor.
Nada más lejos de la realidad. Desde 2019 las ofertas de trabajo para ingenieros de inteligencia artificial se han multiplicado por seis (*). Es una industria que está creando millones de puestos de trabajo imprescindibles para entrenar los modelos. Gran parte de las tareas consisten en etiquetar los datos, que son como las solapas de los libros: no forman parte del contenido de la obra, pero la explican en pocas palabras.
Las bases de datos van etiquetadas: textos, imágenes, audio, vídeo. A veces se hace “a mano” y otras veces de forma semiautomática. Pero la retroalimentación humana es siempre fundamental. Los anotadores proporcionan a los modelos la información contextual que necesitan para establecer asociaciones estadísticas entre los componentes de una base de datos y su significado para los seres humanos. Los que hayan realizado pruebas de “captcha”, seleccionando fotos que contengan cruces de peatones, es posible que hayan ayudado gratuitamente a entrenar un modelo de inteligencia artificial para un coche autónomo.
La mayor parte de la fuerza de trabajo se subcontrata a los países más pobres del mundo, como India, donde la patronal de la industria, Nasscom, estima que para 2030 el etiquetado creará un millón de empleos y que los ingresos generados alcanzarán los 7.000 millones de dólares anuales. Las cifras son importantes porque todo el sector industrial de la informática de India emplea a 5,5 millones de trabajadores y capitaliza 254.000 millones de dólares anuales (incluidos los equipos).
En Estados Unidos un anotador gana un salario de 10 a 20 dólares por hora, mientras que en un país del Tercer Mundo el salario oscila entre 4 y 8 dólares por hora.
No hay inteligencia artificial sin entrenadores y, a medida que la tecnología cambia rápidamente, los entrenadores también tienen que cambiar. Aunque la mano de obra se subcontrata en los países del Tercer Mundo, se trata de trabajo cualificado y obreros especializados que trabajan en linea. El entrenador tiene que ser entrenado y se están creando empresas especializadas en adiestrar a los trabajadores en el etiquetado de las bases de datos.
Con el tiempo el trabajo de anotación se está agotando, por varios motivos. El primero es que las empresas compran las bases de datos ya etiquetadas por terceros, el segundo porque el etiquetado se lleva a cabo cada vez con más rapidez y el tercero porque es posible utilizar algoritmos para aplicar etiquetas a los datos. Se llaman “datos sintéticos” que, a su vez, deben ser verificados por otro tipo de anotadores.
Por ejemplo, a un trabajador le presentan las dos respuestas de un chatbot que recomienda un itinerario para un viaje de vacaciones a Croacia. Debe seleccionar la respuesta que prefiera, marcarla, explicar por qué la respuesta es correcta o incorrecta y luego reescribirla para mejorarla.
El éxito de DeepSeek se ha basado, al menos en parte, en este cambio. Las nuevas técnicas de desarrollo de la inteligencia artificial no requieren el mismo tipo de etiquetado. Las anotaciones de baja cualificación para empresas con sistemas tradicionales están empezando a quedarse obsoletas.
Las empresas han empezado a implementar modelos más pequeños y especializados y buscan anotadores altamente cualificados. Las ofertas para trabajos de anotación requieren un doctorado o habilidades de codificación y ciencias. También aumenta la demanda de anotadores que hablen otros idiomas, además del inglés, así como las jergas características de determinadas profesiones, como las jurídicas.
(*) https://essora.es/noticias-empleo/el-auge-del-empleo-en-inteligencia-artificial-oportunidades-y-desafios/
Descubre más desde mpr21
Suscríbete y recibe las últimas entradas en tu correo electrónico.