La influencia de las nuevas tecnologías sobre el empleo es un tema que ya ha logrado colarse en el debate público. En los últimos meses han copado titulares, sin ir más lejos, la conflictividad laboral que rodea a las apps de la erróneamente llamada "economía colaborativa" (como las nuevas VTC o Glovo).
De la inteligencia artificial sabemos que tendrá, supuestamente, la capacidad de aumentar el desempleo dentro de numerosos sectores, pero es menos habitual hablar de que ya hoy en día está creando una nueva clase de empleo precario que afecta a miles de trabajadores con muy bajos ingresos.
Son los etiquetadores, los encargados de ir clasificando textos, sonidos o imágenes para ayudar a que la IA aprenda a identificarlos por sí misma. Es lo que llamamos 'deep learning': alimentar una red neuronal con una gran cantidad de datos etiquetados con el fin de que logre 'concluir' por sí misma qué características definen a cada etiqueta.
De eso puede depender, por ejemplo, que una IA de detección facial sea capaz de diferenciar un rostro humano de uno animal, que un sistema de traducción pueda reconocer el contexto de una palabra o la calidad de un sistema de diagnóstico temprano de cáncer.
Siddharth Mall, co-fundador de la compañía hindú de etiquetado de datos Playment, afirma que una hora de vídeo destinada a entrenar un coche autónomo puede suponer hasta 800 horas de trabajo humano.
Sin embargo, a veces es difícil que los investigadores y empresas que desarrollan los nuevos sistemas de IA puedan contar con tal cantidad de datos a su disposición. Por eso, existen otras empresas creadas con el fin de proporcionar dichos datos. Nathaniel Gates, CEO de Alegion, explica que
"Nuestros clientes necesitan saber que es correcto, de modo que cuando entrenan su modelo de aprendizaje automático, pueden confiar en que está capacitado correctamente".
El del etiquetado de datos al que pertenece Alegion es, sin duda, un sector en crecimiento. Lo reconoce Darrell West, director del Centro de Innovación Tecnológica de la Brookings Institution y autor del libro "The Future of Work: Robots, AI, and Automation", que avisa
"Esta es la nueva clase de empleo que crearán la inteligencia artificial y la automatización: a tiempo parcial, pagados según las tareas completadas, sin beneficios. [...] Tenemos que pensar en la calidad de los empleos que estamos creando".
Irónicamente, una característica de la labor que estos humanos llevan a cabo para ayudar a las máquinas puedan simular capacidades humanas es que puede resultar agotadoramente mecánica.
Y poco rentable: en EE.UU, las empresas afirman estar pagando a esta clase de trabajadores entre 7 y 15 dólares por hora, pero muchas de ellas recurren a plataformas de crowdsourcing, como Amazon Mechanical Turk, en el que trabajan a destajo trabajadores de todo el mundo. Un empleado malasio, por ejemplo, puede estar cobrando hoy en día alrededor de 2,5 dólares por hora.
Los críticos de este modelo llaman a los empleados sometidos al mismo "sharecroppers", el término anglosajón para nuestro tradicional 'aparcero': el labrador que ocupaba una porción de tierra alquilada y pagaba al propietario de la misma con un porcentaje de la cosecha. James Cham, un socio de la firma de capital riesgo Bloomberg Beta, es uno de esos críticos:
"Las empresas obtienen beneficios [de esos datos] durante mucho tiempo, mientras que a los trabajadores se les paga una sola vez. Se les paga como aparceros, así que los salarios son de subsistencia. Los propietarios obtienen todas las ganancias debido a la forma en que el sistema está diseñado".
Gates (Alegion) defiende, sin embargo, la utilidad de esta clase de empleos como modo de aportar formación tecnológica a personas con oportunidades de ingresos limitadas:
"Es un ingreso suplementario. [...] Pero es un trabajo real, y puede ayudar hasta que puedan recibir habilidades y capacitación para volver a ingresar en el mundo laboral".
"Estamos creando empleos digitales que antes no existían. Muchas veces las personas que hacen este trabajo proceden de granjas y explotaciones agrícolas o de fábricas que cerraron debido a la automatización"
Según la consultora Cognilytica, se prevé que el valor del mercado mundial de etiquetado de datos para IA ascienda desde los 150 millones de dólares del año pasado hasta superar los 1000 millones a finales de 2023.
Pero Robert Atkinson, presidente de la Information Technology and Innovation Foundation (ITIF), avisa sin embargo de que estamos ante un fenómeno con fecha de caducidad:
"En estos momentos, estamos trabajando con un corpus de datos antiguos que no estaban destinados a [sistemas de entrenamiento de inteligencia artificial].
En algún momento generaremos datos más limpios y mejor preparados para el análisis. Así que parte de esta industria desaparecerá a medida que la IA se convierta en una parte más integrada de la economía".
Vía | Axios & IEEE Spectrum
.
