El artículo analiza la centralidad del trabajo humano en el desarrollo y funcionamiento de la inteligencia artificial (IA). A pesar de los avances en modelos de aprendizaje autónomo, el entrenamiento, evaluación y ajuste fino de los sistemas de IA sigue dependiendo de millones de personas que realizan tareas complejas y mal remuneradas en países del Sur Global.

Además, se destaca la transformación del tipo de habilidades requeridas, el ascenso de tareas expertas y la precarización estructural de esta forma de trabajo digital.

Lejos de ser autónoma, la inteligencia artificial moderna se sostiene sobre una vasta red de trabajo humano oculto y descentralizado.

Se revela cómo los sistemas como ChatGPT requieren anotadores, validadores, correctores y evaluadores humanos, cuyas tareas van desde el etiquetado básico hasta la revisión de datos sintéticos y resolución de ambigüedades lingüísticas.
Aunque el sector busca avanzar hacia la automatización total mediante aprendizaje no supervisado, los resultados aún dependen de la intervención humana en aspectos culturales, éticos y semánticos.(dato crucial 1 y 2)

De los primeros pasos

Los primeros modelos de IA requerían tareas simples de clasificación y etiquetado. Sin embargo, con el auge de modelos generativos como ChatGPT, las exigencias han cambiado.
Empresas como iMerit han comenzado a contratar perfiles especializados: lingüistas, médicos, ingenieros, abogados o incluso doctores en filosofía que puedan lidiar con dilemas éticos.
El texto también muestra cómo empresas del sector agrícola, automotriz o financiero requieren personal capacitado para revisar contenido técnico o validar decisiones algorítmicas.

Esta sofisticación convive con prácticas laborales deficientes, ya que muchas de estas tareas siguen siendo subcontratadas a plataformas que operan bajo esquemas tipo gig economy (dato cruciales 3 y 4)
Algunos anotadores han sido capacitados para redactar artículos, escribir entradas de Wikipedia o evaluar si una salida de modelo contiene sesgos o radicalismos.

A pesar del avance técnico, se mantiene una dependencia crítica en la sensibilidad humana (dato crucial 5).

Saliendo del nido

Aunque las empresas tecnológicas aspiran a eliminar la dependencia de humanos en la creación de IA, el artículo demuestra que esta meta aún es lejana (dato crucial 6).

Modelos como DeepSeek intentan reemplazar la retroalimentación humana con evaluaciones automatizadas entre modelos, pero han tenido bajo rendimiento en tareas abiertas, como generación de lenguaje o razonamiento contextual. Además, los anotadores no solo corrigen errores técnicos, sino que aportan matices lingüísticos y culturales. El artículo señala cómo una decisión de anotación en África modificó la frecuencia del verbo “delve” en las salidas de ChatGPT, lo cual muestra que el lenguaje de la IA refleja preferencias y trayectorias humanas.

Otro problema es la saturación de datos: se prevé que en 2026 se agoten los corpus de texto útil para entrenamiento, lo que ha impulsado el uso de datos sintéticos. Sin embargo, estos deben ser evaluados por humanos antes de ser incorporados al proceso de aprendizaje.(dato crucial 7)
En síntesis, la IA moderna sigue “apoyada” en seres humanos invisibles, aunque cada vez más expertos y culturalmente diversos.(dato crucial 8)