Era una tarde fría de febrero en Nueva York (EE. UU.), cuando el informático Leon Campbell se sentó en su oficina, preparó un pódcast sobre videojuegos y abrió una plataforma de software en su ordenador portátil. Durante un par de horas, se dedicó a hacer clic en las esquinas de los vehículos que aparecían en imágenes para que el software creara recuadros de texto a su alrededor.
Al identificar imágenes de coches, Campbell y otros como él generan una gran cantidad de datos para entrenar los algoritmos como los de los vehículos autónomos. Campbell, que tiene 24 años y es autista, lo considera un trabajo bastante monótono. Suele consistir en «dibujar recuadros en sitios similares y reajustarlos para que se mantengan alrededor del objeto cuando salen un poco fuera del marco». Sin embargo, está contento de tener este trabajo. El joven cuenta: «Me ayuda a prepararme para futuros emprendimientos que quiero perseguir», y añade que le gustaría convertirse en programador o diseñador de juegos.
Se necesita mucho personal humano para crear sistemas de inteligencia artificial (IA). Gran parte de su trabajo consiste en seleccionar, hacer categorías y etiquetar los datos antes de que los sistemas de IA los reciban para buscar patrones. El Instituto AI Now, un organismo especializado en la ética de la IA, se refiere a este oficio como el «trabajo oculto» de la tubería de IA, un trabajo que «proporciona la labor humana invisible que suele ser la responsable de crear la ‘magia’ de la IA cuando estos sistemas se implementan en distintos productos y servicios».
Campbell es un miembro relativamente privilegiado de ese grupo laboral. Trabaja 28 horas a la semana para Daivergent, una plataforma de trabajo online diseñada para ayudar a las personas autistas a obtener una experiencia laboral útil y prepararse para una carrera. Gana entre 10 euros y 18 euros por hora. (Daivergent no quiso revelar su salario exacto, pero dijo que era el «sueldo típico» de la compañía y de acuerdo con el «nivel de mercado» para la ciudad de Nueva York).
A diferencia de él, la mayoría de las personas que etiquetan datos no trabajan en las oficinas de Manhattan, sino desde sus hogares en países como India, Kenia, Malasia y Filipinas. Se conectan a las plataformas online para anotar diferencias entre cebollas verdes y tallos de apio o entre los tipos de gafas de sol (la forma de ojo de gato y de aviador). Tal y como se detalla en el reciente libro Ghost Work de Mary Gray y Siddharth Suri, la mayoría de ellos son trabajadores con salarios bajos, con un empleo inseguro y sin oportunidad de avanzar en su carrera.
