El profesor Julián Posada habla de la fuerza laboral invisibilizada en Venezuela que entrena algoritmos de IA por centavos la hora y del “extractivismo de plataformas”

NERMEEN SHAIKH: Esto es Democracy Now!, democracynow.org, el informativo de guerra y paz. Soy Nermeen Shaikh.

El pasado miércoles, el cofundador de Microsoft y filántropo Bill Gates publicó un ensayo de casi 6.000 palabras en el que advierte que la sociedad no está lista para la transformación y la agitación que causará la inteligencia artificial (IA). En el ensayo, Gates describe el impacto de la IA en la fuerza laboral como uno de los tres riesgos principales de la tecnología y dice que muchos trabajos desaparecerán para siempre. Gates agrega: “La IA será el mayor igualador jamás inventado o la peor fuente de injusticia”. Pero algo que recibe mucha menos atención es cómo la inteligencia artificial ya ha transformado el trabajo a nivel mundial y lo que esto significa para el futuro.

Nos acompaña Julián Posada, autor del próximo libro “Extractivismo de plataformas: el trabajo de datos y la gente que impulsa la inteligencia artificial”, que da una mirada profunda al trabajo de datos y a los trabajadores de datos en Venezuela. Posada es profesor asistente de Estudios Estadounidenses en la Universidad de Yale y codirector de su programa de certificación en Informática, Cultura y Sociedad.

Bienvenido a Democracy Now!, profesor Posada. Para empezar, hable sobre los trabajadores de datos a los que entrevistó en Venezuela.

JULIÁN POSADA: Claro que sí. Cuando yo empecé este proyecto, la verdad es que yo quería en un principio enfocarme en los trabajadores de datos de Latinoamérica. Y empecé este proyecto alrededor del año 2018-19. Lo primero que encontré, sin embargo, era que la mayoría de los trabajadores, la gran mayoría, estaban presentes únicamente en Venezuela. Y parte del libro, lo que hace este proyecto, es descubrir por qué Venezuela precisamente en esa época. Y hay tres razones por las cuales ese es el caso. La primera es, por supuesto, la crisis económica en el país que ha experimentado desde el año 2014, cuando los precios del petróleo bajaron de manera dramática y el país entonces experimentó una hiperinflación, pérdida de empleo, represión política igualmente. Y además de todo eso, llega la pandemia en el 2020 y lo que hace entonces es que la gente se encuentra en sus hogares por los cierres que se hicieron por el Gobierno y también el desempleo incrementó mucho. Esa es la primera razón.

La segunda razón es la infraestructura del país, que fue construida durante los años de bonanza económica del petróleo, en los años 2000, principios del 2010. Mucha gente entonces tuvo acceso a computadoras que fueron creadas… subsidiadas por el Gobierno, creadas en el país y entonces distribuidas gratuitamente a mucha gente. Esa gente usa esas mismas computadoras que les dieron gratuitamente para hacer trabajo de datos. Porque, de nuevo, está la hiperinflación, el desempleo, y el trabajo de datos era lo único que mucha gente podía hacer para ganar dinero en dólares, en este caso en dólares virtuales, criptomonedas, muchas formas de pago. Pero entonces esta era una de las pocas maneras que muchos encontraron para poder sobrevivir la crisis y la pandemia.

La tercera razón es la composición de las familias en Venezuela y en Latinoamérica. De hecho, la gran mayoría de trabajadores a los cuales yo entrevisté no vivían solos, vivían con las familias. La familia entonces soportaba socialmente a este trabajo. Imagínese un hogar en el cual una persona no más es la persona que es trabajadora de datos y todos los miembros de la familia entonces hacen las tareas del hogar, compran los alimentos, hacen el cuidado de las personas, todo esto para que el trabajador pueda estar en frente de una computadora anotando datos para la IA.

NERMEEN SHAIKH: ¿Puede explicar cuál fue exactamente el trabajo que se les encomendó? Porque no es muy claro lo que implica toda esta idea del trabajo de datos. ¿Qué hacen exactamente estos trabajadores?

JULIÁN POSADA: Cuando nosotros hablamos de trabajo de datos, hablamos de tres tipos de tareas generalmente. La primera es la generación de datos. Los trabajadores toman imágenes de sí mismos, toman imágenes de… por ejemplo, digitan texto en las computadoras, hablan, proveen audio. Entonces es la generación de datos. La segunda es la anotación de datos. Lo que siempre explico es que una imagen es un montón de unos y ceros para una computadora y lo que hacen entonces los trabajadores es darles significado a esos unos y ceros. Entonces eso se hacía mucho, por ejemplo, cuando estábamos desarrollando o se estaban desarrollando algoritmos de identificación de objetos, se le decía a la computadora “este objeto es un perro”, “este objeto es un gato”, y con anotación de datos, entonces se hacía que la computadora aprendiera. La tercera es lo que más se hace hoy en día, que es lo que en inglés se dice reinforcement learning, se refuerza el aprendizaje de la máquina, simplemente, si la máquina está haciendo algo bien o algo malo. Eso es lo que se usa mucho por ejemplo en la época para anotar algoritmos de moderación de contenidos y hoy en día lo que se hace es que los grandes lenguajes de modelos, large language models, entonces se le dice “usted está haciendo algo bien”, “está haciendo algo mal”. Esta es una tarea que se ha vuelto muy popular en años recientes, pero los trabajadores de datos hacen las tres simultáneamente.

NERMEEN SHAIKH: ¿Y bajo qué condiciones laborales están trabajando estas personas?

JULIÁN POSADA: Bueno, las condiciones, por ejemplo, de pago son relativamente en una escala global muy bajas. Por eso Venezuela fue donde muchas compañías encontraron trabajadores, porque se les pagaba muy poco por la hiperinflación en el país. Trabajadores… Por ejemplo, una plataforma llamada Remotasks Plus pagaba, por hora, 50 centavos de dólar la hora. Otras, la mayoría de las plataformas pagaban por pieza. Entonces era lo que se dice “trabajo a destajo”, piecework en inglés, y entonces se les pagaba a la gente por tarea, pero ni siquiera por tarea, se les paga por fragmentos de tarea. Entonces, por ejemplo, usted hacía mil tareas y a las mil tareas se le pagaba un dólar, entonces se le pagaba a usted menos de un centavo por tarea. Entonces eso es un trabajo que remuneraba poco; los trabajadores, por ejemplo, podían hacer 5, 10, 15 dólares a la semana. Sin embargo, esto para ellos, por la hiperinflación en el país, era mucho dinero. Cuando yo entrevisté a una señora que estaba retirada, ella me decía: “mi pensión era más de un millón de bolívares. Eso equivale a un dólar al mes y la comida cuesta varios dólares. Entonces a ella le tocaba, a pesar de estar pensionada y retirada, volver al trabajo por plataformas para entonces costearse sus gastos diarios, porque la pensión de ella se había convertido en nada, un dólar al mes.

NERMEEN SHAIKH: ¿Tiene alguna idea de qué tipo de datos estaban revisando? Hemos escuchado testimonios sobre contenido, videos o imágenes extremadamente perturbadores de violencia contra niños, violaciones y otras formas de violencia sexual. ¿Vio alguna prueba de ello? Y también, ¿qué tan fácil fue para los trabajadores hablar con usted? Hay millones de trabajadores de datos en todo el mundo, si no cientos de millones, que deben firmar acuerdos de confidencialidad, por lo que en realidad no se les permite hablar sobre el trabajo que están haciendo.

JULIÁN POSADA: Sí, en este caso, porque no eran trabajadores contractuales, eran trabajadores que eran considerados usuarios de una plataforma como lo hace un trabajador de Uber o de Doordash, por ejemplo, en este caso ellos no tenían nada que firmar, eran simplemente usuarios de la plataforma. En cuanto a moderación de contenidos, estos trabajadores no hacían, en la mayoría de casos, moderación de contenidos per se, sino que lo que hacían era entrenar algoritmos que harían generación de contenidos automáticamente. Y en ese entrenamiento se les mostraba a los trabajadores imágenes para que ellos supieran qué se consideraba como no apropiado para el algoritmo. Y en estos casos ellos podían ver cosas que eran perturbadoras para los trabajadores.

Sin embargo, los trabajadores, de nuevo, no hacen moderación de contenido directamente como lo hacen, por ejemplo, trabajadores en centros de procesamiento de outsourcing, BPOs (subcontratación de procesos de negocio) como en Kenia o en India o en las Filipinas, por ejemplo. Pero sin embargo, estos trabajadores sí reportaban tener que ver contenido muy perturbador, en muchos casos, para entrenar estos algoritmos. Y como dije antes, eran familias enteras que trabajaban para estas plataformas, incluyendo niños también, menores.

Entonces no encontré evidencia directa de esto. Pero si usted me pregunta: “¿Podría haber casos bajo las circunstancias en las cuales este trabajo se ha externalizado?”, sí podría haber casos, porque realmente había barreras de entrada muy bajas. Como digo, las plataformas no sabían quienes trabajaban para ellas. En la perspectiva de la plataforma, eran cuentas, cuentas que se ingresaban a la plataforma, trabajaban y ya. Luego empezaron a hacer reconocimiento facial para tratar de al menos pretender que había adultos solamente que hacían este tipo de tareas. Pero [había] gente que me decía: “Desde que era niño, desde que era menor yo he estado haciendo este trabajo y simplemente le decía a mi abuela 'muéstreme la cara', hago el reconocimiento facial con mi abuela, entonces luego seguía trabajando para la plataforma”. Las barreras de entrada eran muy bajas, la seguridad era muy baja comparada con lo que sabemos de BPOs en Kenia o en otros países.

NERMEEN SHAIKH: ¿Y para quién trabajan estos trabajadores? ¿Para empresas de Silicon Valley? ¿Con quién interactúan? ¿Realmente conocen a sus empleadores?

JULIÁN POSADA: No, los trabajadores de datos, desde su perspectiva, ellos no saben quiénes son las compañías detrás de las tareas y no saben qué tipo de IA están desarrollando o ayudando a entrenar. Le he preguntado a trabajadores si tienen algunas ideas. Por ejemplo, una trabajadora me dijo: “Yo creo que estoy trabajando para una tarea que tenía que ver con desarrollo militar, porque me piden identificar techos y puentes desde arriba, en una parte desértica”, me decía ella, “yo creo que es para eso, para entrenar drones de pronto”, me dijo ella, “pero no tengo idea, no me dicen nada, simplemente me dicen 'le vamos a presentar imágenes, identifique estos objetos en la imagen', y ya, eso es todo”. Se les tiene alienados completamente a los trabajadores en cuanto a lo que están haciendo y para quiénes están trabajando.

NERMEEN SHAIKH: ¿Cuál es el perfil demográfico de estos trabajadores? ¿Son jóvenes o mayores? ¿Son de clase trabajadora? ¿Son en su mayoría hombres o mujeres?

JULIÁN POSADA: Hay de todas las edades. Como le dije, entrevisté a esta señora que estaba ya retirada. Estaba en sus 60, casi 70 años, y también entrevisté gente que me decía “yo tengo 18 años”, yo no entrevisté a menores, pero esta persona me decía: “Yo tengo 18, vengo trabajando cuatro años aquí”; gente que me decía: “Mis hijos trabajan de vez en cuando, ellos tienen 13 años, 12 años, trabajan de vez en cuando para la plataforma, pero la mayoría del trabajo lo hacemos mi esposo y yo”, me decía ella. Incluso una entrevista con una maestra, una profesora de escuela de tercer grado que me decía: “Estamos en cierre de escuelas, (lockdown en inglés) todos los niños están en las casas y yo sé por WhatsApp que hay familias en las cuales todos mis niños, de los niños que yo enseño de tercer año de primaria, están trabajando para esto”, porque las familias tienen que estar produciendo dinero porque está la pandemia, perdieron empleo, están todos encerrados en la casa por la pandemia.

Entonces, hubo definitivamente instancias de trabajo de menores pero, de nuevo, las plataformas no saben. Es muy difícil estimar precisamente quiénes son los trabajadores. Es una población mayoritariamente invisible. Ahora bien, la mayoría de trabajadores, de acuerdo con mi estudio y otros estudios, identifican gente en sus 20 o 30 años como la mayoría de los trabajadores. La mayoría, interesantemente, tienen diplomas de pregrado, al menos bachelor’s degrees, gente que es estudiada en la mayoría de casos y esos son los que trabajan para estas plataformas. Pero como digo, toda la población estaría representada de una manera u otra.

NERMEEN SHAIKH: Antes de terminar, ¿cree que hay perspectivas de que los trabajadores de datos en Venezuela se organicen para mejorar sus condiciones? ¿Y cómo ve el futuro del trabajo de datos en Venezuela? Porque obviamente está llenando un gran vacío dado el nivel de desempleo en el país.

JULIÁN POSADA: Sí. Los trabajadores siempre estuvieron organizados por WhatsApp, por Telegram u otras redes sociales. Lo interesante es que la mayoría de los trabajadores que yo entrevisté veían esto como un trabajo temporal, simplemente para sobrevivir una crisis tanto económica como sanitaria. Y muchos trabajadores, cuando hubo la reciente invasión de Ucrania por Rusia, los precios del petróleo subieron, muchos trabajadores entonces… La situación en Venezuela mejoró un poco y muchos volvieron a sus empleos ordinarios. Lo que también pasó es que las compañías de IA sacan… sale ChatGPT y muchas de las inversiones se enfocan entonces en los modelos de lenguaje, large language models, y mucho de la demanda de trabajo de datos entonces se movió de Venezuela de nuevo a países con un legado colonial inglés o estadounidense, Filipinas, India, Bangladesh, Kenia, porque necesitaban trabajadores con conocimiento del idioma inglés para entonces hacer el trabajo de datos con los lenguajes de modelo. Lo interesante y más reciente es que plataformas nuevas han emergido como la misma empresa detrás de Remotasks, Scale AI, Meta es dueña parcial de esta plataforma, sacó una nueva llamada Outlier, en las cuales están reclutando gente de la academia, gente con doctorados en Física, en Ciencias de la Computación para poder entrenar lenguajes, hacer código, hacer tareas de matemática. Entonces lo que está pasando hoy en día es que el trabajo de datos no solamente se ha transformado, sino que se ha expandido a otras regiones también.

NERMEEN SHAIKH: Muchas gracias, profesor Julián Posada. Profesor asistente de Estudios Estadounidenses y codirector del Certificado en Informática, Cultura y Sociedad de la Universidad de Yale. Sus investigaciones examinan las dimensiones sociales y culturales de la información, especialmente el papel de la mano de obra y la infraestructura en el desarrollo de la inteligencia artificial. Es autor del próximo libro “Extractivismo de plataformas: el trabajo de datos y la gente que impulsa la inteligencia artificial”.

Para ver nuestra entrevista en inglés, haga clic aquí.