Millions of Workers Are Training AI Models for Pennies
Millions of Workers Are Training AI Models for Pennies
El artículo revela una marcada desigualdad global dentro de la industria de la inteligencia artificial, que se expande rápidamente, donde el desarrollo de algoritmos avanzados depende en gran medida de mano de obra mal pagada procedente de regiones económicamente vulnerables. Mientras las grandes empresas tecnológicas se benefician de las capacidades de la IA, el trabajo fundamental de etiquetado de datos se externaliza a trabajadores en países que enfrentan graves crisis económicas, como Venezuela, Kenia e India. Estas personas realizan tareas repetitivas y de bajo salario por fracciones de centavo, luchando con ingresos inestables e infraestructura inadecuada, en lugar de experimentar prosperidad. Esta dinámica destaca cómo el auge de la IA explota las disparidades de riqueza globales, tratando el trabajo cognitivo humano como un recurso flexible y de bajo costo que puede trasladarse a los mercados más baratos con mínima fricción. Esta fuerza laboral oculta es esencial para entrenar los modelos que impulsan los servicios digitales modernos, pero los trabajadores mismos permanecen invisibles y subvalorados. Plataformas como Appen conectan a estos colaboradores con clientes globales, pero la estructura a menudo ofrece poca seguridad, obligando a los trabajadores a soportar jornadas agotadoras y ganancias inciertas. El caso de Oskarina Fuentes ilustra el costo humano, ya que personas cualificadas migran o soportan condiciones difíciles para acceder a trabajos temporales que apenas les permiten subsistir. Esta explotación sistémica subraya una cuestión ética crítica en el desarrollo tecnológico: la dependencia de una mano de obra precaria en el Sur Global para alimentar la innovación en el Norte Global, creando un modelo económico sostenible pero profundamente injusto. Esta narrativa es altamente relevante para open_data porque expone la cadena de suministro opaca y centrada en el ser humano detrás de los conjuntos de datos que alimentan los sistemas de IA de código abierto y propietarios. La verdadera apertura en la ciencia de datos requiere transparencia no solo sobre el código y los conjuntos de datos, sino también sobre el origen ético de los datos mismos. Comprender que muchos conjuntos de datos abiertos provienen de trabajo explotado desafía a la comunidad a exigir mayor responsabilidad en las prácticas de recopilación de datos. A medida que las iniciativas de open_data crecen, reconocer las implicaciones de derechos humanos en la creación de conjuntos de datos es vital para fomentar un ecosistema tecnológico más equitativo y responsable.
Fuente: wired.comPublicado el 2023-10-13