Explotación y precariedad en el sector de la IA

Un rincón coordinado por Francisco Javier Яodríguez Amorín *

Solo los tontos discuten los hechos.
Frase atribuida a David Hume.

Según estimaciones del Banco Mundial, entre 150 y 430 millones de trabajadores de datos sostienen la inteligencia artificial en todo el mundo. [1]

El ejército invisible que sostiene la IA

Detrás de cada respuesta de un chatbot, cada imagen etiquetada y cada contenido tóxico que desaparece de internet no solo hay algoritmos: hay millones de personas trabajando en la sombra.

Retrato de Milagros Miceli, investigadora argentina especializada en trabajo de datos e inteligencia artificial — Milagros Miceli

La investigadora argentina Milagros Miceli —socióloga de la comunicación, doctora en Ingeniería Informática y reconocida por la revista Time como una de las 100 personas más influyentes en IA en 2025 [2][3]— lo resume sin rodeos: «Nos vendían que eran tecnologías totalmente autónomas y resulta que cuando se los aprieta un poquito a los CEO, confiesan que sus herramientas se sostienen con trabajadores remotos en India, en Bangladesh» [4].

Antes de analizar las condiciones laborales, es necesario comprender la naturaleza de las tareas. Los trabajadores de datos realizan una labor fundamental: traducir el mundo humano a un lenguaje que las máquinas puedan procesar. Milagros Miceli, en su intervención en Congreso Futuro 2026, lo expresó con claridad: «Sin estos trabajadores y trabajadoras no existiría la inteligencia artificial como la conocemos hoy en día. Servicios como ChatGPT, como filtros de moderación, como recomendaciones» [1].

Las principales categorías de tareas

Anotación de imágenes. Es el tipo más común y de mayor volumen. Los trabajadores dibujan «cajas» alrededor de objetos (personas, vehículos, señales de tráfico) en fotografías y videos para que los modelos de visión artificial aprendan a reconocerlos. En el trabajo más extremo, esto puede significar «pasar el día mirando cadáveres» y «hacer zoom en las heridas» para recortarlas y ayudar a la IA a identificarlas [5]. También incluye tareas como juzgar el atractivo estético de prendas de vestir o evaluar la coherencia visual de imágenes generadas por IA.

Anotación de texto. Los trabajadores clasifican oraciones por sentimiento (positivo, negativo, neutral), identifican entidades (nombres de personas, lugares, empresas) o evalúan la calidad de las respuestas generadas por modelos de lenguaje. Un ejemplo concreto del trabajo cotidiano: estudiantes universitarios en Wuhan clasifican frases como «Creo que el servicio en este restaurante no es muy bueno» como «expresión emocional», ganando 0,15 yuanes por tarea [6].

Moderación de contenido. Esta es la tarea psicológicamente más devastadora. Los moderadores revisan y filtran contenido en plataformas digitales: violencia gráfica, abuso sexual infantil, discursos de odio, pornografía [7]. La exposición es directa y acumulativa. Investigaciones académicas documentan que los moderadores expuestos a material de abuso sexual infantil manifiestan síntomas compatibles con estrés postraumático y estrés traumático secundario.

Evaluación de respuestas de IA (Ajuste fino). Una tarea más reciente y especializada. Los trabajadores verifican si las respuestas de un modelo de IA son gramaticalmente correctas, precisas, creativas y «humanas«. Trabajadores con formación especializada en física o química corrigen respuestas de IA sobre esas materias a nivel universitario.

Anotación de voz y video. Los trabajadores transcriben audio, etiquetan emociones en la voz, marcan quién habla, o en video, seleccionan segmentos y describen acciones y escenas.

Miceli también documentó una categoría especialmente perturbadora: la «suplantación», en la que trabajadores se hacen pasar por asistentes automáticos de IA, respondiendo a usuarios a partir de opciones pre-establecidas [1].

Kenia: el laboratorio del horror

Entre 2021 y 2023, OpenAI contrató a través de la subcontratista Sama a cientos de trabajadores en Nairobi, Kenia. Les dijeron que harían «trabajo de datos y traducción». En realidad, su tarea consistía en leer y etiquetar durante nueve horas diarias contenido extremo: abusos sexuales infantiles, asesinatos, torturas, violaciones [5].

El salario: entre 1 y 2 dólares la hora. OpenAI creía pagar 12,50 dólares por hora; Sama retenía el 88% [5].

Ephantus Kanyugi, un keniano de 30 años que clasifica imágenes para entrenar algoritmos desde 2018, describe su trabajo: «Tienes que pasarte el día mirando cadáveres» y «hacer zoom en las heridas» para recortarlas y ayudar a la IA a identificarlas, «sin ningún tipo de apoyo psicológico» [5].

Las consecuencias psicológicas fueron devastadoras. De los trabajadores que aceptaron someterse a evaluaciones mentales, el 81% fue diagnosticado con trastorno de estrés postraumático severo [5].

Cuando 260 moderadores de contenido de Facebook (también en Kenia, trabajando para Meta) intentaron sindicalizarse, fueron despedidos en su totalidad [5]. En abril de 2026, la Corte de Empleo y Relaciones Laborales de Nairobi falló a favor de 187 ex moderadores en su caso contra Meta y Sama por violaciones de derechos laborales [8]. Los demandantes declararon: «Hasta la fecha, no hemos recibido ninguna atención de salud mental, y para la mayoría de nosotros, la situación está empeorando» [8].

El dato más obsceno: si OpenAI hubiera contratado directamente a estos trabajadores a 15 dólares la hora, el costo anual habría sido de unos 9 millones de dólares — menos del 0,09% de lo que Microsoft invirtió en la empresa [5]. Microsoft invirtió aproximadamente 13.000 millones de dólares en OpenAI, una participación que hoy vale más de 228.000 millones [9].

La lógica de la externalización

El modelo estadounidense se caracteriza por externalizar la parte más brutal del trabajo a países del Sur global, donde los salarios son bajos, la legislación laboral es débil y el trauma psicológico queda geográficamente lejos de Silicon Valley. Como señala Miceli: «La separación también es geográfica, porque en general están tercerizados a países de los que se conoce como el Sur Global, donde las oportunidades son escasas, el desempleo es alto y los pueden precarizar aún más» [1].

La estructura de subcontratación cumple una doble función: abarata costos y aísla legalmente a las grandes tecnológicas. Un informe de Foxglove de 2023 documenta que «el sistema externaliza los costos humanos de la moderación hacia el sur global, utilizando mano de obra precarizada para sostener ecosistemas digitales rentables en el norte global» [7].

Los centros de anotación en la China interior

Baidu estableció bases de anotación de datos en la provincia de Shanxi, donde emplea a más de 10.000 «entrenadores de IA» y ha capacitado a más de 150.000 anotadores.

En el condado de Yijun, en Tongchuan (Shaanxi), la empresa Aidou Technology emplea a más de 240 personas, de las cuales más del 70% son mujeres rurales. Wang Meimei, una ex campesina de 46 años, gana ahora unos 4.000 yuanes al mes (unos 550 dólares). Su trabajo: enseñar a la IA a identificar enfermedades del maíz — algo que antes enfrentaba personalmente en el campo.

En Lanzhou (Gansu), el centro de servicios sociales Xinlianxin emplea principalmente a personas con discapacidad física como anotadores de datos. Xu Junlin, de 28 años, llevaba mucho tiempo desempleada. Ahora gana entre 3.000 y 4.000 yuanes al mes y dice que este trabajo «le devolvió la confianza en la vida».

«entrenador de IA» como profesión oficial

En 2020, China incorporó «entrenador de inteligencia artificial» a su catálogo nacional de profesiones, con el «anotador de datos» como oficio central. A finales de 2024, cuatro ministerios publicaron el primer plan sistemático nacional para la industria de anotación de datos.

Este reconocimiento estatal otorga al trabajo de datos una legitimidad política que no tiene en Estados Unidos. Se presenta como parte de la «revitalización rural» o como política de empleo para personas con discapacidad. Pero también hace que sea más difícil identificarlo como una forma de explotación estructural.

Salarios bajos y sin derechos

La profesionalización no equivale a condiciones dignas. Los salarios en el sector chino de anotación siguen siendo muy bajos:

Zhongmu Haicheng Technology, en Wuzhen, ofrece 2.500 a 4.000 yuanes al mes para «entrenadores de IA», con solo título técnico superior.
Un trabajador de anotación en Pekín, Yuan Xing, gana unos 8.000 yuanes al mes, pero «el seguro social se paga según el estándar mínimo local».

Estudiantes universitarios también engrosan este mercado. Li Ming, estudiante de segundo año en Wuhan, gana 0,15 yuanes por tarea de clasificación de sentimientos en una plataforma de anotación. Con práctica, su salario por hora llega a 12-15 yuanes (menos de 2 dólares). Como señala un reportaje del China Youth Daily: «Algunos estudiantes se preocupan por ‘cambiar tiempo por dinero’, con un crecimiento de habilidades limitado» [6].

Problemas comunes

Primero, la desconexión entre salario y valor. Existen tareas de anotación «experto» mejor pagadas con tarifas de hasta 500-800 yuanes por hora. Pero la brecha salarial entre estos puestos y la anotación básica puede ser de hasta 30 veces.

Segundo, la ausencia de protección legal. Ya sean los trabajadores externalizados en Kenia o los anotadores en condados chinos, la mayoría opera en zonas grises del derecho laboral.

Tercero, el daño psicológico se externaliza sistemáticamente. El riesgo de estrés postraumático en la moderación de contenido está ampliamente documentado. Los problemas de salud mental causados por el trabajo de moderación deben ser reconocidos como enfermedades profesionales, y los empleadores y el poder judicial deben ser conscientes de ello [1].

Proceso de trabajo de la Data Labelers Association — Data Labelers Association

Cuarto, la organización de los trabajadores está emergiendo, pero enfrenta una enorme resistencia. Los anotadores de datos en Kenia han creado la Data Labelers Association, con miembros en nueve países [5]. Miceli ha participado en huelgas de trabajadores de TikTok en Berlín, donde se descubrió que «parte de ese trabajo se había automatizado, pero la automatización todavía requería recurso humano» — y ese recurso humano sería contratado por una empresa tercerizada en otro país [4].

El proyecto Data Workers’ Inquiry, liderado por Miceli, ha producido testimonios desgarradores. En Nairobi, trabajadores admiten recurrir a drogas peligrosas para sobrellevar el trauma psicológico diario. En Venezuela, Alexis Chávez relata la indignidad de ser pagado en tarjetas de regalo, obligándolo a intercambios complicados para convertirlas en moneda usable. Fasica Berhane Gebrekidan, moderadora de contenido de Tigray, Etiopía, describe la agonía de revisar material gráfico de atrocidades ocurridas en su propia región, reconociendo lugares y personas de su comunidad [10].

La perspectiva de la OIT

La Organización Internacional del Trabajo (OIT), a través de su Observatorio de la IA y el Trabajo en la Economía Digital, ha aportado evidencia crucial. Sus investigaciones recientes abordan dos dimensiones complementarias: cómo se mide la exposición a la IA y qué está ocurriendo realmente en las empresas chinas.

Los indicadores de exposición

En abril de 2026, la OIT publicó un informe que examina los indicadores de exposición a la IA sobre el empleo. La conclusión central es una advertencia: estos indicadores miden la «posibilidad técnica» de que una tarea sea realizada por IA, no la «probabilidad real» de que eso ocurra.

El informe identifica varias limitaciones fundamentales: dependen de descripciones estáticas de tareas, ignoran la viabilidad económica y las restricciones de adopción, e incorporan juicios subjetivos.

Productividad y ansiedad estructural

En septiembre de 2026, la OIT publicó un estudio sobre la adopción de IA en empresas chinas, basado en entrevistas a 21 empresas y una encuesta a 1.591 profesionales [11].

Las ganancias de productividad son reales pero difíciles de medir. El estudio documenta reducciones del 57% en ciclos de contratación, aumentos del 150% en volumen de atención al cliente, mejoras del 30-100% en flujos de trabajo centrales y del 20-30% en manufactura inteligente. Sin embargo, la mayoría de las empresas carece de marcos sistemáticos de evaluación.

El modelo dominante no es la sustitución, sino la «reorganización en torno a flujos de trabajo híbridos humano-máquina». El autor principal, Ekkehard Ernst, lo formula así: «Las empresas chinas, más que sustituir a los trabajadores con IA, están reorganizando el trabajo en torno a flujos híbridos humano-máquina. El verdadero obstáculo no es la tecnología, sino la capacidad de gestión y las habilidades para desplegarla eficazmente».

Pero la ansiedad de los trabajadores es real. La encuesta revela que el 39% de los profesionales espera que sus ingresos disminuyan.

La IA no reemplaza el trabajo humano, lo desplaza

Milagros Miceli lo dice con claridad: «No creo que la IA pueda reemplazar el trabajo humano, sí ciertas tareas en específico, y también sí puede desplazar al ser humano a lugares mucho más ocultos, donde la precarización es más posible y donde se nota menos» [4].

Esa es la clave. Cuando una empresa despide a cientos de trabajadores y anuncia que «serán reemplazados por IA», lo que suele ocurrir es que el trabajo no desaparece: se desplaza a otro lugar del mundo, con trabajadores más precarizados, peor pagados y sin derechos [12].

El modelo estadounidense y el modelo chino representan dos caminos para organizar el trabajo de datos, pero comparten la misma lógica de fondo: ocultar la labor humana que hace posible la IA, comprimir su costo al mínimo, difuminar su estatus legal y externalizar su costo psicológico.

Identificar estas diferencias no sirve para concluir cuál modelo es «mejor», sino para comprender que en la estructura de poder de la industria global de IA, las dificultades compartidas de los trabajadores de datos son más fundamentales que sus diferencias nacionales.

Como dice Miceli: «¿Por qué ocultarlo? ¿Por qué precarizar a los trabajadores? ¿Por qué no ofrecerles un reconocimiento por el trabajo? ¿Por qué venderle al usuario de las inteligencias artificiales que esto está totalmente automatizado y que nadie tiene acceso a sus datos, cuando sabemos fehacientemente que hay trabajadores en Kenia leyendo sus mensajes privados? Saquémonos las caretas, hablemos bien, digamos la verdad» [4].