Jóvenes de pueblos pequeños etiquetan grandes modelos de IA

Autor | Sleepy.md

En Datong, Shanxi, una ciudad que antaño dependía del carbón y que ahora se ha librado de su polvo, un afilado pico ha sustituido a las minas de carbón, dirigiéndose hacia otra mina invisible.

Dentro del edificio de oficinas del Centro Internacional Jinmao, en el distrito de Pingcheng, ya no hay pozos mineros ni camiones de carbón. En cambio, hay miles de estaciones de trabajo informáticas dispuestas muy juntas. El centro de servicios inteligentes de macrodatos Sonic Valley de Shanghai Runxun Cloud ocupa varias plantas, con miles de jóvenes empleados que llevan auriculares, miran fijamente las pantallas, hacen clic, arrastran y seleccionan.

Según datos oficiales, a noviembre de 2025, la ciudad de Datong había puesto en funcionamiento 745.000 servidores, introducido 69 empresas de etiquetado de datos de llamadas, generado más de 30.000 puestos de trabajo y generado un valor de producción de 750 millones de yuanes. En esta mina digital, el 94% de los trabajadores son locales.

No es solo Datong. En el primer lote de bases de datos etiquetadas identificadas por la Oficina Nacional de Estadística, se enumeran condados de la región occidental, como el condado de Yonghe en Shanxi, Bijie en Guizhou y Mengzi en Yunnan. En la base de datos de etiquetado del condado de Yonghe, el 80% de los empleados son mujeres. La mayoría son madres que se quedan en casa en zonas rurales o jóvenes rurales que no pueden encontrar trabajos adecuados.

Hace cien años, las fábricas textiles de Manchester, en el Reino Unido, estaban repletas de campesinos sin tierras. Hoy, en las pantallas de los ordenadores de estas remotas poblaciones comarcales, jóvenes que no encuentran su lugar en la economía real están sentados frente a ellas.

Se dedican a un trabajo a destajo, futurista pero a la vez extremadamente primitivo, produciendo el flujo de datos necesario para los gigantes de la IA en Beijing, Shenzhen y Silicon Valley.

Nadie ve ningún problema en esto.

Una nueva línea de montaje en la meseta de Loess

La esencia del etiquetado de datos es enseñar a las máquinas sobre el mundo.

La conducción autónoma necesita reconocer los semáforos y a los peatones, y los modelos grandes necesitan distinguir entre gatos y perros. Las máquinas carecen de sentido común y necesitan que un humano dibuje un recuadro en la imagen para indicarles "esto es un peatón" antes de que puedan aprender a reconocerlo tras procesar millones de imágenes.

Este trabajo no requiere un alto nivel educativo, solo paciencia y un dedo que pueda hacer clic sin parar.

Durante la época dorada de 2017, una simple caja 2D podía costar más de un centavo, e incluso algunas empresas ofrecían precios elevados de medio yuan. Un operario de etiquetado rápido podría ganar entre quinientos y seiscientos yuanes trabajando diez horas al día. En la capital del condado, este trabajo se considera sin duda un empleo bien remunerado y digno.

Pero a medida que evolucionaban los modelos a gran escala, la cruda realidad de este sistema comenzó a hacerse evidente.

Para 2023, el precio unitario de la anotación simple de imágenes se había reducido a entre 3 y 4 centavos, una caída de más del 90%. Incluso para imágenes de nube de puntos 3D más complejas, donde los puntos son tan densos que los bordes requieren un zoom considerable para poder distinguirse, los anotadores deben dibujar meticulosamente un recuadro tridimensional en el espacio que abarque longitud, anchura, altura y ángulo de orientación para envolver sin problemas un vehículo o un peatón. Sin embargo, el precio de una caja 3D tan compleja es de tan solo 5 centavos.

La consecuencia directa de este desplome de los precios es un aumento drástico de la intensidad del trabajo. Para mantener un salario mensual de dos a tres mil dólares, los anotadores deben mejorar su velocidad de forma continua e incansable.

Este no es, ni mucho menos, un trabajo de oficina fácil. En muchos centros de anotación, la dirección es tan estricta que resulta asfixiante; los empleados no tienen permitido contestar llamadas telefónicas durante el horario laboral y los teléfonos móviles deben guardarse bajo llave en compartimentos designados. El sistema registra meticulosamente los movimientos del ratón y el tiempo de inactividad de cada empleado, y si se produce una pausa de más de tres minutos, se activará una alerta en el sistema de forma inmediata.

Aún más frustrante es el índice de tolerancia. La nota mínima para aprobar en el sector suele ser superior al 95%, e incluso algunas empresas exigen entre el 98% y el 99%. Esto significa que si dibujas 100 recuadros y cometes 2 errores, la imagen completa se devolverá para que se revise.

Las imágenes dinámicas constan de fotogramas, en los que los vehículos que cambian de carril quedan ocultos, lo que obliga a los anotadores a usar su imaginación para identificar cada uno; en las imágenes de nube de puntos 3D, cualquier objeto con más de 10 puntos debe ir recuadrado. En un proyecto complejo de estacionamiento, si las filas son demasiado largas o se pasa algo por alto, la inspección de calidad siempre encontrará fallas. Es habitual que una imagen se retoque cuatro o cinco veces. Al final, después de una hora de trabajo, solo ganas unos pocos centavos.

Una anotadora de la provincia de Hunan publicó en las redes sociales su comprobante de pago, en el que se indicaba que, tras una jornada laboral, dibujó más de 700 casillas a razón de 4 céntimos cada una, ganando un total de 30,2 yuanes.

Esta es una escena extremadamente fragmentada.

Por un lado, están los relucientes gigantes tecnológicos en conferencias debatiendo sobre cómo la IA general liberará a la humanidad; por otro lado, en pueblos de condado en la meseta de Loess y en las montañas del suroeste, los jóvenes miran fijamente las pantallas durante ocho a diez horas al día, dibujando mecánicamente cajas, miles, decenas de miles, e incluso soñando por la noche, con sus dedos trazando líneas de carril en el aire.

Alguien dijo una vez que la fachada de la inteligencia artificial es como un coche de lujo rugiente, pero cuando abres la puerta, te encuentras con cien personas pedaleando en bicicleta dentro, apretando los dientes y pedaleando con fuerza.

Nadie piensa que haya nada malo en esto.

El artesano que trabaja a destajo enseña a las máquinas "Cómo amarlas"

Tras superar el obstáculo del reconocimiento de imágenes, los modelos de gran tamaño han experimentado una evolución más profunda, necesitando aprender a pensar, conversar e incluso mostrar "empatía" como los humanos.

Esto ha dado lugar a la parte más crítica y costosa del entrenamiento de modelos a gran escala: el RLHF (aprendizaje por refuerzo basado en la retroalimentación humana).

En pocas palabras, consiste en que personas reales califiquen las respuestas generadas por la IA, indicándole qué respuestas son mejores, cuáles se ajustan mejor a los valores humanos y a las preferencias emocionales.

La razón por la que ChatGPT parece "humano" es porque detrás hay innumerables anotadores RLHF que lo están enseñando.

En las plataformas de crowdsourcing, este tipo de tareas de anotación suelen tener un precio claramente definido: un coste unitario de entre 3 y 7 RMB. Los anotadores deben proporcionar puntuaciones emocionales extremadamente subjetivas a las respuestas de la IA para evaluar si la respuesta es "cálida", "empática" o "considerada con las emociones del usuario".

Alguien que gana apenas un par de miles de RMB al mes, que lucha en el fango de la realidad y que apenas puede atender a sus propias emociones, ahora está obligado en el sistema a actuar como mentor emocional de la IA y árbitro de valores.

Necesitan descomponer a la fuerza la calidez, la empatía y otras emociones humanas sutiles y altamente complejas en frías puntuaciones que van del 1 al 5. Si sus puntuaciones no coinciden con las respuestas correctas predefinidas por el sistema, su precisión se considerará insuficiente, lo que conllevará deducciones de sus escasos salarios por trabajo a destajo.

Esto supone un desgaste cognitivo. Las emociones humanas, la moral y la compasión, tan complejas y llenas de matices, están siendo forzadas a pasar por el embudo del algoritmo. En el gélido reino de las escalas de cuantificación y estandarización, se les ha arrebatado el último vestigio de calidez. Mientras uno se maravilla ante el gigante cibernético en la pantalla, que ha aprendido a escribir poesía, componer música, mostrar empatía e incluso a adoptar una apariencia de melancólica sensibilidad; fuera de la pantalla, ese grupo de humanos que alguna vez fueron tan animados, a través de juicios mecánicos cotidianos, ha involucionado hasta convertirse en máquinas de puntuación sin emociones.

Este es el aspecto más hermético de toda la cadena de la industria, que nunca aparece en ninguna noticia sobre financiación ni en ningún informe técnico.

Nadie piensa que haya nada malo en esto.

985 Titulares de maestría vs. Jóvenes de pueblos pequeños

El trabajo de bajo nivel en las cadenas de montaje está siendo aplastado por las orugas de la IA, lo que provoca que esta cinta transportadora cibernética se extienda hacia arriba, comenzando a engullir el trabajo intelectual de orden superior.

El apetito por los modelos grandes ha cambiado. Ya no se contentan con masticar el sentido común básico, ahora exigen devorar la experiencia humana y la lógica avanzada.

En varias de las principales plataformas de búsqueda de empleo, ha comenzado a aparecer con frecuencia un nuevo tipo de trabajo a tiempo parcial, como "Anotación de razonamiento lógico de modelos a gran escala" y "Entrenador de humanidades con IA". Este trabajo a tiempo parcial tiene un umbral extremadamente alto, que a menudo requiere "una maestría o un título superior de universidades participantes en el Proyecto 985/Proyecto 211" e involucra campos profesionales como derecho, medicina, filosofía y literatura.

Muchos estudiantes de posgrado de universidades prestigiosas se sienten atraídos por los grupos de subcontratación de estos gigantes tecnológicos y terminan uniéndose a ellos. Sin embargo, pronto se dan cuenta de que no se trata de un simple ejercicio mental, sino más bien de una forma de tortura mental.

Antes de asumir formalmente las tareas, deben leer decenas de páginas de documentos con dimensiones de puntuación y criterios de evaluación, y someterse a dos o tres rondas de anotaciones de prueba. Tras cumplir con los estándares, durante la anotación formal, si su precisión cae por debajo del nivel promedio, perderán su certificación y serán expulsados ​​del chat grupal.

Lo más asfixiante de todo es que estos estándares no están fijados en absoluto. Ante preguntas y respuestas similares, evaluarlas con el mismo proceso de razonamiento puede dar lugar a resultados completamente opuestos. Es como trabajar en un examen interminable sin una respuesta estándar. La precisión no se puede mejorar mediante el esfuerzo personal ni el estudio; uno solo puede dar vueltas en el mismo sitio sin cesar, agotando tanto la energía mental como la física.

Esta es la nueva forma de explotación en la era de los modelos a gran escala: el plegado de clases.

El conocimiento, que antes se consideraba una escalera de oro para romper barreras y ascender, se ha convertido ahora en un alimento digital más complejo que se ofrece a los algoritmos para que lo procesen. Ante el poder absoluto de los algoritmos y los sistemas, los estudiantes de máster de las universidades de élite, encerrados en sus torres de marfil, y los jóvenes de los pequeños pueblos de la meseta de Loess se han embarcado en una ruta de convergencia de lo más insólita.

Juntos, se precipitan a este pozo de minería cibernética sin fondo, despojados de sus halos, borrando sus diferencias, convertidos en engranajes baratos en la cinta transportadora que pueden ser reemplazados en cualquier momento.

En el extranjero es igual. En 2024, Apple despidió directamente a un equipo de 121 personas dedicado a la anotación de voz mediante inteligencia artificial en San Diego. Estos empleados eran los responsables de mejorar las capacidades de procesamiento multilingüe de Siri. En un principio, creyeron estar en la vanguardia de un gigante tecnológico, solo para precipitarse instantáneamente al abismo del desempleo.

A ojos de los gigantes tecnológicos, ya sea una señora de mediana edad que regenta una tienda de comestibles en un pequeño condado o un instructor de lógica con una formación prestigiosa, en el fondo, todos son "productos consumibles" que pueden reemplazarse en cualquier momento.

Nadie piensa que haya nada malo en esto.

Una torre de Babel de un billón de dólares, construida con unos pocos centavos de explotación.

Según datos publicados por el Instituto de Investigación de Información y Comunicaciones de China, el mercado chino de anotación de datos alcanzó una cifra de 6.080 millones de yuanes en 2023 y se espera que llegue a entre 20.000 y 30.000 millones de yuanes en 2025. Se prevé que para 2030, las ventas del mercado global de servicios y anotación de datos se dispararán hasta alcanzar los 117.100 millones de yuanes.

Detrás de estas cifras se encuentran gigantes tecnológicos como OpenAI, Microsoft y ByteDance, con valoraciones que alcanzan los billones de dólares.

Sin embargo, esta riqueza astronómica no ha llegado a quienes realmente "alimentan" la IA.

En la industria china del etiquetado de datos, se observa una estructura de subcontratación típica de pirámide invertida. En la cima se encuentran los gigantes tecnológicos que controlan férreamente los algoritmos centrales; el segundo nivel lo conforman los grandes proveedores de servicios de datos; el tercer nivel comprende los centros de etiquetado de datos y las pequeñas y medianas empresas de subcontratación repartidas por todo el país; solo en la parte inferior encontramos a los trabajadores que cobran por pieza: los operarios de etiquetado.

Cada capa de subcontratación se lleva una parte considerable. Cuando las grandes fábricas ofrecen un precio unitario de 0,5 RMB, tras varias capas de explotación, lo que acaba en manos de un operario de etiquetado en una ciudad de condado puede ser inferior a 0,05 RMB.

En su libro "Tecnofeudalismo", el exministro de Finanzas griego Yanis Varoufakis expuso un punto de vista perspicaz: los gigantes tecnológicos de hoy ya no son capitalistas en el sentido tradicional, sino "cloudalistas".

No poseen fábricas ni maquinaria, sino algoritmos, plataformas y capacidad de procesamiento informático: los territorios digitales de la era cibernética. En este nuevo sistema feudal, los usuarios no son consumidores, sino siervos digitales. Cada "me gusta", comentario y navegación en las redes sociales es trabajo gratuito que proporciona datos a los Cloudalistas.

Mientras tanto, los trabajadores encargados del etiquetado de datos en los mercados emergentes son los siervos digitales de menor rango en este sistema. No solo tienen que producir datos, sino también limpiar, categorizar y clasificar enormes cantidades de datos brutos, transformándolos en información de alta calidad que los grandes modelos puedan procesar.

Se trata de un movimiento secreto de confinamiento cognitivo. De forma similar a como las Leyes de Cercamiento de la Inglaterra del siglo XIX obligaron a los agricultores a trabajar en fábricas textiles, la actual ola de IA está empujando a los jóvenes que no encuentran un lugar en la economía tradicional hacia el mundo digital.

La IA no ha aplanado la brecha de clases; en cambio, ha establecido una "cinta transportadora de datos y sudor" desde pequeños condados del centro y oeste de China directamente a las sedes de los gigantes tecnológicos en Beijing, Shanghái, Guangzhou y Shenzhen. La narrativa de la revolución tecnológica siempre es grandiosa y magnífica, pero su fundamento es siempre el consumo a gran escala de mano de obra barata.

Nadie parece pensar que haya nada malo en esto.

Un futuro sin necesidad de seres humanos

El desenlace más brutal se acerca rápidamente, cada vez más rápido.

Con el auge de las capacidades de los modelos a gran escala, las tareas que antes requerían trabajo humano día y noche para completarse están siendo asumidas por la propia IA.

En abril de 2023, Li Xiang, fundador de Ideal Auto, reveló en un foro que, en el pasado, Ideal etiquetaba manualmente aproximadamente 10 millones de fotogramas de imágenes de conducción autónoma al año, con costes de subcontratación cercanos a los mil millones de dólares. Sin embargo, tras emplear modelos a gran escala para el etiquetado automatizado, lo que antes llevaba un año ahora se puede hacer en unas 3 horas.

Su eficiencia es 1000 veces superior a la de los humanos, y se logró ya en 2023. Tan solo en marzo pasado, Ideals lanzó MindVLA-o1, el motor de anotación automática de última generación.

En la industria circula un dicho autocrítico, tristemente cierto: "Cuanto más inteligente, más artificial." Pero ahora, se ha producido una caída drástica, de entre el 40% y el 50%, en la subcontratación de servicios de anotación de datos por parte de los gigantes tecnológicos.

Esos jóvenes de pueblos pequeños que han pasado incontables días y noches sentados frente a las computadoras, con los ojos inyectados en sangre por el esfuerzo, han criado personalmente a un gigante. Y ahora, este gigante está dando la vuelta, destrozando sus cuencos de arroz.

Al caer la noche, los edificios de oficinas del distrito de Pingcheng en Datong permanecen tan iluminados como si fuera de día. Los jóvenes que están de turno intercambian en silencio sus cansadas palabras en el vestíbulo del ascensor. En este espacio plegado, aprisionado por innumerables polígonos, a nadie le importa el salto épico de la arquitectura Transformer al otro lado del océano, ni nadie comprende el rugido de la potencia informática que hay detrás de los cien mil millones de parámetros.

Su mirada está fija en la barra de progreso roja/verde del backstage, que representa la "línea de transición", calculando si los escasos ingresos obtenidos con el trabajo a destajo les permitirán construir una vida decente para finales de mes.

Por un lado, el cierre de la bolsa Nasdaq y la cobertura continua de los medios tecnológicos hacen que los gigantes alcen sus copas para celebrar la llegada de la IA general; por otro lado, estos siervos digitales que han alimentado a la IA con su carne y su sangre solo pueden, en medio de un sueño profundo y doloroso, esperar nerviosamente a que el gigante que han criado con sus propias manos les arrebate con indiferencia sus cuencos de arroz una mañana cualquiera.

Nadie piensa que haya nada malo en esto.