Son los hombros en los que la tecnología se basa para desarrollarse. La mayoría en Brasil son jóvenes y mujeres, con educación superior a la media. Ganan la miseria. Denuncian de despotismo algorítmico y sufrimiento mental. Son invisibles, incluso a la ley.
de Matheus Viana Braz, Paola Tubaro y Antonio A. Casilli
todos los títulos de la editorial. Saber apoyar
Introducción
La producción de inteligencia artificial (IA) se asocia comúnmente con el trabajo de ingenieros de software o profesionales altamente cualificados, vinculados a grandes empresas o start-ups especializadas, que se han desarrollado inspiradas en la ideología californiana [1[1]. Sin embargo, el desarrollo de las tecnologías inteligentes también depende, en diferentes etapas, de una multitud de trabajadores precarios, mal pagados e invisibles, que se dispersaron globalmente realizan actividades repetitivas, fragmentadas, pagadas por tarea y hechas en pocos segundos.
Se trata de trabajadores que etiquetan los datos para entrenar algoritmos, a través de tareas que necesitan las capacidades intuitivas, creativas y cognitivas de los humanos, como categorización de imágenes, clasificación de anuncios, transcripción de audios y videos, evaluación de anuncios, moderación de contenidos en redes sociales, etiquetado de puntos de interés anatómico humano, digitalización de documentos, etc. [2]. Aunque es un proceso esencial para el aprendizaje automático (máquina o aprendizaje profundo), este trabajo se externaliza a plataformas digitales o redes especializadas de outsourcing [3], además de llevarse a cabo al margen de la informalidad, sin ninguna protección social o laboral (salvo algunas excepciones), ni autonomía para la negociación de la remuneración.
Esta forma de trabajo se conoce a menudo como «microtrabajo». Este término ganó popularidad a mediados de la década de 2000, basado en el concepto de microcrédito, un enfoque económico que supuestamente tendría como objetivo garantizar la inclusión financiera de las poblaciones vulnerables y marginadas sin acceso a servicios bancarios. Es en esta cinta de correr discursiva donde aparecen las plataformas digitales especializadas en etiquetado y formación de datos para la IA, como si la producción de datos pudiera ofrecer una posibilidad similar, pero relacionada con la obtención de ingresos en línea. A nivel mundial, se estima que hay más de 160 millones de trabajadores [4registrados en plataformas de microtrabajo y freelancers [5[5]. En las plataformas de trabajo independiente, la remuneración global promedio es de $7.6 por hora, mientras que en el entrenamiento de datos el promedio es de $3.3 por hora [6][6]. En una perspectiva más amplia, una encuesta realizada por el Banco Mundial estima que hay entre 154 y 435 millones de trabajadores asociados con diferentes tipos de plataformas digitales [7[7].
A mediados de 2010 surgieron estudios sobre microotografía [8[8] y la mayor parte de la investigación se centra en países de Europa y América del Norte. Los principales productores de IA del mundo tienen su sede en el Norte Global, pero en su mayoría son mano de obra barata del Sur Global.[9] Investigaciones recientes también han mostrado la presencia significativa de trabajadores de diferentes países de América Latina en esta cadena de producción [10[10].
En Brasil, Rafael Grohmann [11[11] y Ricardo Antunes [12[12] organizaron obras colectivas dedicadas a la comprensión de los impactos de las plataformas digitales en el mundo laboral, incluso con respecto a la producción de IA y la nueva morfología del trabajo en nuestra sociedad. La plataforma de trabajo y la uberización, en este sentido, han sido objeto de numerosos debates, sobre todo relacionados con el proceso histórico de informalización del trabajo en el territorio nacional [13[13]. Sin embargo, las investigaciones empíricas relativas al trabajo digital de etiquetado y formación de datos para la IA siguen siendo incipientes [14[14].
En contraste, Viana Braz [15[15] encontró la existencia de al menos 54 plataformas de microobras en operación en Brasil, de las cuales 29 incluyeron microtareas de generación, anotación o verificación de datos para el aprendizaje automático, lo que indica que Brasil es una de las principales reservas de mano de obra en este mercado en América Latina. Pero quiénes, después de todo, son los trabajadores brasileños que trabajan en estas plataformas? En qué condiciones trabajas? Cuánto ganan? Por qué recurren a las plataformas? Cuáles son las diferencias entre los trabajadores del Norte Global y el Sur Global, cuando nos referimos a la producción y calificación de los datos que sustentan la producción de IA? Por fin, esta labor podría considerarse como una sólida oportunidad de ingresos para los países subdesarrollados o en desarrollo.
Para responder a estas preguntas, buscamos mapear el perfil sociodemográficos de los trabajadores brasileños en el mercado de anotación de datos, para luego analizar en qué condiciones realizan sus actividades. Para ello, hicimos una investigación exploratoria que cubrió métodos mixtos. Primero, elaboramos una etnografía digital de los años 2020 y 2021, en 24 grupos de WhatsApp y Facebook relacionados con este mercado [16[16]. De esta inserción en el campo, al año siguiente invitamos individualmente a algunos miembros de estos grupos y realizamos quince entrevistas en profundidad. Eran diez mujeres y cinco hombres, con una edad mínima de 22 años y máxima de 54 años. Entre los participantes, trece personas habían completado la educación superior, en diferentes áreas como derecho, ingeniería petrolera, fisioterapia, ingeniería civil, administración, biotecnología, letras, comercio exterior e informática. Todos trabajaron en al menos una y como mucho cuatro plataformas simultáneamente, entre las siguientes: Amazon Mechanical Turk, Appen, Telus (anteriormente llamado Lionbridge), Clickworker, Quadrant y OneForma.
En 2023, utilizamos [17una metodología análoga a la utilizada en las obras de Casilli et al., Kalil y Moreschi et al. [17] y aplicamos un cuestionario en línea a 477 trabajadores brasileños que trabajaban en la plataforma Microworkers. El instrumento fue desarrollado en el centro de DiPLab (Grupo de Investigación Laboral de Plataforma Digital), traducido de la versión en español (aplicado en países como Argentina, Bolivia, Chile, Colombia, Costa Rica, Ecuador, República Dominicana, Venezuela, etc.) y adaptado al portugués, según las particularidades de Brasil. El cuestionario constaba de unas 120 preguntas, relacionadas con variadas informaciones sociodemográficas, como niveles de educación, situación familiar, experiencia profesional, ingresos, uso de internet, relaciones sociales y condiciones de trabajo en las plataformas. La elección de la plataforma se justificó por el hecho de que cubre diversas modalidades de microtrabajo. En cuanto a las cuestiones éticas específicas de la investigación en plataformas de microotodocracia, nos basamos en las reflexiones y recomendaciones de Molina et al. [18[18]. Para el análisis de datos, primero caracterizamos las plataformas de formación de datos, con el fin de entender cómo encajan en las cadenas globales de suministro para la producción de IA. Luego, consumamos la sociodemografía y las condiciones de trabajo de los brasileños en este mercado, centrándose en las asimetrías entre países del Sur Global y Global.
Fabricación los datos y hacer invisible el trabajo
Pedro, de 54 años, se gradua en comercio exterior, pero trabaja como corredor. Concilia esta actividad con otro trabajo, en plataformas digitales cuyas tareas incluyen actividades como transcribir audios, ordenar reseñas de anuncios en sitios web de la empresa, y catalogar descriptores para mejorar los motores de búsqueda de Google. En el pasado, también ha participado en proyectos relacionados con la moderación de contenidos pornográficos y violentos en redes sociales como Facebook e Instagram. Clara, de 38 años, tiene un título en gestión y vivió en el extranjero durante unos años. Cuando regresó a Brasil, trabajó como profesora de inglés, pero no se adaptó a la escuela con la que estaba vinculada. Desde entonces, ha trabajado en variadas plataformas de microtareas, especialmente relacionadas con revisiones de anuncios, clasificación de datos y moderación de contenidos en las redes sociales. Izabela, a su vez, tiene 29 años y es madre solitaria de una hija de 9 años. Se mudó del noreste al sureste del país para hacer una maestría en una prestigiosa universidad pública. Debido a que su investigación le concede no ofrecerle suficientes condiciones financieras para mantener, funciona todas las noches en plataformas como Appen y OneForma, realizando microtareas de transcripciones de audio. Aunque tienen trayectorias de vida muy diferentes, qué tienen en común Pedro, Clara e Izabela?
Los tres trabajos en plataformas digitales como Appen, OneForma, Telus, Clickworker y Microworkers, se centraron en el etiquetado de datos para el desarrollo de IA. Si los datos es una de las principales fuentes de valor en la industria de las tecnologías inteligentes (como coches de autoconducción, asistentes de voz y chatbots como ChatGPT), la fabricación y entrenamiento de los mismos es más complejo de lo que comúnmente imaginamos. El trabajo de generación y anotación de datos se utiliza ampliamente en la producción de IA y cumple una variedad de funciones que gravitan alrededor de tres polos: preparación, verificación e imitación de AI [19], como se evidencia en la Figura 1.
En el primer caso, para las empresas, start-ups o laboratorios de investigación para desarrollar algún tipo de IA, es necesario generar y calificar extensas bases de datos (a través de anotación y etiquetado), para establecer los parámetros técnicos de los algoritmos de aprendizaje. Este proceso requiere un trabajo cognitivo elemental y sensible para la extracción y la generación de valor de dichos datos [21]. En la industria del reconocimiento presencial, por ejemplo, la preparación de la IA es responsabilidad de los trabajadores que, a través de plataformas digitales o redes de outsourcing especializadas, realizan manualmente microtareas de generación de datos, identificación de patrones de reconocimiento, clasificación de expresiones faciales y etiquetado de diferentes partes anatómicas de la cara (nariz, boca, ojos, etc.) [22].
Incluso después de los procesos de generación y anotación de datos, es necesario mejorar continuamente los parámetros técnicos de la producción de IA, especialmente para corregir posibles fallos y asegurar una mayor precisión técnica de los resultados de los algoritmos de aprendizaje. Y aquí nos referimos a la función de verificar los resultados de la IA. En plataformas digitales como Appen y Clickworker, las microtareas de verificación son recurrentes y implican, por ejemplo, escuchar audio y verificar si la transcripción automática generada por el asistente virtual es correcta o no [23]. En este escenario, Perrigo [24] reveló en un informe publicado en la revista Time que, con el objetivo de hacer que ChatGPT menos, OpenAI (empresa de propiedad) tuviera la subcontratación de kenianos, contratado por menos de dos dólares por hora, para realizar tareas de verificación y etiquetado de datos relacionados con comentarios violentos que describían en detalle situaciones de abuso sexual infantil, asesinato, incesto, zoofilia, suicidio, tortura y autoleoria. La compañía, llamada Sama, tiene su sede en San Francisco y se especializa en la externalización de trabajadores en Kenia, Uganda e India, para etiquetar datos a clientes como Microsoft, Google y Meta [25].
En otras situaciones, como el desarrollo del aprendizaje automático es caro y a veces defectuoso, los trabajadores comienzan a realizar funciones que se supone que deben ser realizadas por máquinas. Es la imitación de la inteligencia artificial. Este es el caso, por ejemplo, de Google Duplex, un asistente virtual destinado a hacer llamadas a las empresas para que reserven reservas y confirmación de horarios. En 2019, se encontró que cerca del 25% de las llamadas hechas por la herramienta fueron hechas por humanos en centros de llamadas, que imitaban la IA [26[26].
En la misma dirección, Le Ludec et al.[27[27] informan el caso de una start-up francesa que creó una IA centrada en la visión por computadora que permite a las cámaras de vigilancia en la tienda identificar el robo de manera automatizada. Al notar algún tipo de comportamiento sospechoso, cajeros o gerentes de tiendas reciben mensajes de advertencia automático en sus teléfonos móviles. Tres empresas de terceros en Madagascar y una en Indonesia hacen el microtrabajo de preparar datos y verificación de los resultados de la empresa en Francia, que implica principalmente ver videos de cámaras (con personas supuestamente robando, desempaquetando o dañando productos) y etiquetando comportamientos considerados sospechosos en menos de un minuto. Los autores revelaron, sin embargo, que algunos videos que se etiquetaban se reproducían en tiempo real, directamente desde las cámaras de algunos clientes de start-ups. Más que preparación y verificación, los trabajadores imitaron la IA y realizaron el trabajo de seguridad de forma remota.[28]
El procesamiento del lenguaje natural (que utiliza los modelos de lenguaje grande), la visión por computadora, la analítica predictiva, los sistemas independientes, así como toda la tecnología basada en el aprendizaje automático, incluida la inteligencia artificial generativa, dependen enormemente del trabajo humano de preparar, verificar o imitar la IA. A modo de ilustración, según un informe elaborado por Cognilytica [29[29], se estima que el mercado de generación y anotación de datos para IA alcanzará US$3.500 millones a finales de 2024. Las tareas de preparación y etiquetado de datos en este contexto representan aproximadamente el 80% del tiempo dedicado a la mayoría de los proyectos de IA que implican aprendizaje automático [30[30]. Es evidente, por lo tanto, que esta obra constituye un ingrediente secreto de la cadena de suministro de IA. Secreto, porque parece ser invisible, por parte de los productores de IA a nivel mundial, de modo que, especialmente en Brasil, sigue aún lejos de la esfera pública y de la agenda regulatoria, tanto en el campo de la IA como en el trabajo de plataformas.
En los últimos diez años, este mercado se ha diversificado y se ha expandido heterogéneamente. Amazon Mechanical Turk, la primera plataforma global de formación de datos, lanzada en 2005 por Jeff Bezos, parece haber perdido relevancia, dada la aparición de nuevas plataformas intermedias y [31]también debido a la creación de la SageMaker Ground Truth, una plataforma interna que utiliza tareas humanas para mejorar sus modelos de aprendizaje automático. Schmidt [32]32], en esta dirección, muestra que la demanda de mayor precisión y complejidad de tareas también resultó en un proceso de especialización de plataformas en mercados y proyectos determinados.
Hay plataformas de anotación de datos enfocadas en el trabajo público de uso general (trabajo de uso general), en las que las tareas se ofrecen en una especie de mercado abierto, como ocurre en Neevo, Micro-Trabajo, Hive Work y Amazon Mechanical Turk. También hay plataformas construidas a través de múltiples capas y niveles de complejidad (apiladas especializadas de crowd-AI de servicio completo), como Appen, Telus, Quadrant, Mighty AI y Scale AI. Se organizan a través de proyectos específicos, en los que los trabajadores necesitan hacerse pruebas, para atestiguar habilidades y conocimientos predefinidos. Cuando se aprueban, después de firmar un acuerdo de no divulgación, se establece un acuerdo a tiempo parcial que se dirige a otra capa en las plataformas. En este plan, se debe cumplir una cantidad específica de horas o tareas diarias y la remuneración se produce a un valor/hora fijado por la plataforma [33[33].
A nivel mundial, los trabajadores dedican una media de 18,6 horas semanales a las actividades pagadas en estas plataformas, y el 32% de ellas tienen como principal fuente de ingresos el trabajo de anotación de datos [34[34]. Como el proceso de distribución y evaluación de las actividades está controlado por algoritmos, los precios se definen unilateralmente, así como es común que haya rechazos injustos de las tareas realizadas, de modo que los trabajadores no reciben para el trabajo terminado y no suelen recibir justificaciones de los motivos del rechazo, ya que no hay comunicación entre el cliente y el trabajador. Además de culminar en la pérdida de ingresos, las desaprobaciones reducen sus clasificaciones en plataformas, lo que limita sus posibilidades de tener acceso a mejores proyectos [35][35].
Aunque los modelos empresariales se han diversificado en los últimos años, las diferencias en la remuneración y las condiciones de trabajo de estos mercados muestran la creación de canales mundiales de desplazamiento de la fuerza laboral, en las que las actividades mal pagadas e invisibles reflejan asimetrías y tensiones históricas entre el Norte Global y el Sur Global. En los países desarrollados, el ingreso medio por hora es de 4 dólares, en comparación con 2,10 dólares en los países en desarrollo. Además, en un estudio realizado por la Organización Internacional del Trabajo [36[36], que cubrió cinco plataformas en 75 países, se encontró que el ingreso medio por hora de los trabajadores en estas plataformas es de 4,70 dólares en América del Norte, 3 dólares en Europa y Asia Central, 2,22 dólares en Asia Pacífico y 1,33 dólares en África. En este contexto, se idean una serie de desigualdades digitales, intensificadas por la pandemia de covid-19 [37] y relacionadas con los marcadores de raza [38[38], género [39]39], clase, educación [40] y territorio [41]].
En Brasil, Viana Braz señaló 42]que el trabajo de anotación y etiquetado de datos es parte de un ecosistema más amplio de plataformas de microobras que se extienden a través de la promesa de ingresos adicionales en línea, supuestamente fácil y rápidamente. Este mercado también cubre plataformas de clics agrícolas (haga clic en las granjas), dirigidas al mercado para comprar y vender seguidores, likes, comentarios y suscriptores en redes sociales como Instagram, Facebook, YouTube, TikTok, Kwai y Spotify [43]]. Carece en la literatura, sin embargo, una caracterización de estos trabajadores que entiende los matices y las particularidades presentes en el territorio nacional.
Quiénes son los trabajadores brasileños detrás de la inteligencia artificial?
Los trabajadores brasileños son en su mayoría jóvenes, tienen entre 18 y 35 años (70,6%), mujeres (63,9%) y casadas, viven con parejas o tienen una unión estable (60,8%). Los tres estados brasileños con mayor presencia de trabajadores fueron Sao Paulo (28,8%), Río de Janeiro (12,6%) y Minas Gerais (9,7%). Las tasas de inscripción observadas fueron más altas que los promedios de la población brasileña. Cabe destacar que, si bien alrededor del 20% de la población brasileña mayor de 25 años tiene al menos una educación superior completada [44], esta cantidad es de 49,5% en la muestra, niveles correspondientes al promedio (47,4%) encontrados entre los países de la Organización de Cooperación y Desarrollo Económicos [45]].
Como se encuentra en los estudios de Morechi y Grohmann y Araújo [46], parece común utilizar múltiples plataformas, incluyendo concomitantemente. Una parte significativa de los empleados de Microworkers (n-342/477) declararon que ya habían trabajado en otras plataformas. Entre los más utilizados, destacan Clickworker (48,6%), Appen (37,5%) OneForma (28,1%), Picoworkers (24,5%), UHRS (14,9%) y Telus (13,1%). Además, más del 50% de los trabajadores informó de haber realizado ya actividades relacionadas con la venta online, el juego o las apuestas deportivas online, lo que confirma que el trabajo de anotación de datos para la IA se inserta en un amplio ecosistema, con el objetivo de obtener ingresos adicionales en internet. Ante el aumento de la precariedad laboral, en un país en el que cerca del 40% de la fuerza laboral (38 millones de personas) está en la informalidad [47], el trabajo de plataformas parece haber surgido como otra alternativa de ingresos, especialmente para los jóvenes, sustancialmente calificados, pero que no encuentran en el mercado formal de empleos las condiciones suficientes para mantenerse.
La necesidad de dinero, flexibilidad de horarios y preferencia por trabajar desde casa son las principales motivaciones que llevan a los trabajadores a realizar microtareas. De acuerdo con el estudio de Berg et al. [48], el 33,5% de los participantes tienen las plataformas como única fuente de ingresos, pero los ingresos encontrados fueron significativamente más bajos. En promedio, los brasileños reciben 1,80 dólares por hora (un valor análogo a los pagos realizados a los kenianos subcontratados por OpenAI), que corresponde a menos de diez reales por hora. Se trata de trabajadores que dedican unas quince horas y treinta minutos semanales a microtareas, para recibir, en promedio, 582,71 reales al mes.
Con todas sus fuentes de ingresos (incluido el etiquetado de datos), 1.866 reales es el ingreso mensual promedio de los trabajadores, equivalente a menos de 1,5 del salario mínimo en 2024.
Cuando profundizamos en los datos recopilados, las características de la informalización del trabajo en esta población son aún más evidentes. Por ejemplo, el 66% de los trabajadores tiene una cantidad mínima de dinero que se obtendrá en las plataformas para el pago de sus facturas. El 48% tenía al menos dos empleos informales y el 68,9% tenía al menos tres trabajos formales a lo largo de su vida. Entre los participantes que fueron contratados formalmente en alguna otra organización (además de las plataformas), el 40,5% trabajó a tiempo parcial, mientras que en el promedio mundial este porcentaje es del 33% [49]]. Entre ellos, el 72% trabajaba en ocupaciones que requerían alta cualificación. Esta cifra se distingue de 65% en los países de América Latina y el Caribe, del 61% en la región de Asia-Pacífico, del 59% en Europa y Asia Central y de menos del 20% en América del Norte [50][50].
Contrasta con la literatura [51] el hecho de que la mayoría de los participantes (63,9%) son mujeres, lo que parece ser una particularidad de Brasil en relación con otros países, donde la mayoría de los trabajadores son hombres. Sin embargo, en línea con los estudios realizados por la Organización Internacional del Trabajo [52], los ingresos de las mujeres a nivel mundial son ligeramente superiores que los hombres, en parte porque entran en las plataformas con más frecuencia y realizan microtareas en tiempos mejor pagados. Como elucidación, en Brasil, el 67,9% de las mujeres y el 55,8% de los hombres se conectan al menos una vez al día para buscar nuevas tareas pagadas en las plataformas. Mientras que la mayor proporción de hombres (43,6%) funciona en estas plataformas fuera del horario comercial (de 6 p.m. a 10 p.m.), el 54,8% de las mujeres suele trabajar entre las 14.00 y las 18.00 horas. Nuestros resultados confirman los principales hallazgos del estudio de Tubaro et al. [53], que sugiere que las mujeres tienden a entrar en las plataformas por períodos más cortos y con más frecuencia que los hombres. Esto indica que el tiempo libre de estas mujeres parece estar cada vez más dirigido a realizar microtareas.
Todavía dentro del ámbito de las asimetrías de género en el territorio nacional, el 73,7% son participantes desempleados. Además, el 38,7% de las mujeres depende exclusivamente de plataformas de ingresos, frente al 24,1% de los hombres. Mientras que el 55,2% de los hombres están empleados, sólo el 41,3% de las mujeres tienen empleos formales. En cuanto al tiempo dedicado a las tareas domésticas (como compras, limpieza, cuidado de niños, cocina, etc.), mujeres y hombres reportan haber pasado de media, respectivamente, 13 horas y 48 minutos y 37 minutos por semana, lo que corresponde a una diferencia del 37,5%.
Además, el 62,6% de las mujeres son madres o tutores legales de uno o más hijos, frente al 45,3% de los hombres. En cuanto al apoyo financiero, el 62,3% de las mujeres y el 39,5% de los hombres dependen de sus parejas para mantener a sus familias. Por último, el 53,5% de los hombres son los principales proveedores de sus hogares, mientras que en el caso de las mujeres este porcentaje cae prácticamente a la mitad (26,9%). En resumen, encontramos que las plataformas no ofrecen una alternativa sólida y estable de rentabilidad a los trabajadores. En particular, las mujeres están encerradas en un círculo insidioso, ya que el trabajo de etiquetado de datos se añade a otros trabajos invisibles realizados dentro de sus hogares, sin garantizarles la autonomía financiera.
También observamos que el trabajo de etiquetado de datos se lleva a cabo a través de una estrategia de dispersión por parte de las plataformas [54], que no permiten a los trabajadores contactarse entre sí. De hecho, el 69,6% de los trabajadores brasileños no conoce a nadie más que trabaje en las plataformas. Sólo el 22,2% de la muestra informó haber participado en foros en línea o comunidades de discusión sobre microobras. Entre ellas, las plataformas más populares son WhatsApp y Telegram (53,2% y 15,3%, respectivamente). Entre estos trabajadores, el 45,4% afirma que forman parte de estos grupos para hablar con otros que trabajan online. Compartir información sobre tareas criticadas por otros trabajadores, quejarse de plataformas y actualizar las tareas disponibles son otras motivaciones para participar en este tipo de espacios.
Resulta revelador, en este escenario, que las principales quejas de los trabajadores cubren la inestabilidad financiera, la falta de transparencia algorítmica y, en particular, la fatiga y la falta de interacción entre ellos [55][55]. Mencionaron, además, que las peores tareas serían las relacionadas con la moderación de los contenidos violentos y pornográficos en las redes sociales. También hay quienes se caracterizan como «extraño», que también entrarían en esta lista. Helena, de 54 años, por ejemplo, nos dijo que había trabajado en un proyecto destinado a generar datos de las aspiradoras de los robots, con el fin de entrenar una IA que era capaz de identificar las heces de perro y evitar que el dispositivo pasara por encima de ellas. Las microtareas consistían en tomar imágenes de estos animales en varios ambientes domésticos. Unos centavos fueron pagados por cada foto enviada. La trabajadora nos dijo que había pasado dos días moviendo las heces de su perro e incluso tomó más de 250 fotos en diferentes lugares de su residencia.
A la hora de moderar contenidos violentos y pornográficos en las redes sociales, los trabajadores han expresado su preocupación por el coste psicológico de este tipo de actividades y la falta de apoyo que reciben de las plataformas. La revuelta, las molestias, la impotencia y la tristeza fueron algunos de los sentimientos reportados por los trabajadores en estas tareas[56], como se ilustra en los relatos de Lucas y Pedro:
Trabajé en un proyecto de Facebook, tuve que revisar el anuncio, para evaluar si tenía sangre, violencia, abuso, si contenía un arma. A menudo recogía un anuncio pesado. Necesitas tener una fuerte psicológica para trabajar en ello. Tenías que hacerlo todo en una hora. Sólo te pagan la cantidad de tiempo. Dicen que si vas a ver y no puedes terminar o empezar. Necesitaba tener apoyo psicológico, un ayudante. Una mujer que conocí tuvo que hacer tratamiento. Es necesario tratar de minimizar el impacto de los trabajadores que están viendo las muertes, tomar la imagen de la cabeza de la persona, porque nadie puede acostumbrarse a ella. (Lucas, 23 años de edad.)
No puedes sentirte bien al respecto, verdad? Nos sentimos disgustados por el ser humano, desafortunadamente. Pensar que este tipo de acción viene de un tipo como el tuyo; es horrible ver cómo los seres humanos son capaces de hacer este tipo de cosas. (Peter, 54 años.)
Aunque estas tareas despiertan angustia y sentimientos anexógenos a los trabajadores, las plataformas parecen evitar riesgos psicosociales relacionados con tales actividades. Como se destaca en un estudio previo [57] , en el acuerdo de confidencialidad OneForma, por ejemplo, precisamente en el ítem 5, llamado «Exención de adulto» (exención de adulto), el siguiente incluye: El contratista es consciente de la posible existencia de contenido adulto en materiales transmitidos como parte de las obras en los proyectos a través del sitio web y, en consecuencia, acepta la posibilidad mencionada, renunciando a todas las reclamaciones derivadas de este hecho [58[58] (traducción). Asimismo, en el acuerdo de participación de Amazon Mechanical Turk, precisamente en el punto 2, la plataforma es enfática en señalar que no somos responsables de las acciones de ningún Demandador o Trabajador […]. Su uso del sitio web se produce bajo su propio riesgo.[59]
Roberts [60] 60]llama la atención sobre el hecho de que no hay suficientes estudios longitudinales en la literatura sobre los efectos del trabajo de moderación de contenido en la salud mental de los trabajadores. Nuestro estudio no ofrece datos concluyentes en este sentido, sin embargo encontramos una falta de apoyo psicológico y espacios de apoyo para que estos trabajadores expresen sus sufrimientos. En la práctica, las estrategias encontradas para la preservación de la salud están especialmente individualizadas [61]61].
Los procesos de gestión y control algorítmico sobre el trabajo tampoco están claros. Los trabajadores se quejan de la nebulosidad de las políticas de desconexión (y bloqueo) y de los criterios de admisión a los proyectos, así como de la aprobación y rechazo de tareas en las plataformas. Claudia, de 38 años, por ejemplo, que dedicó horas de su día al etiquetado de datos, nos contó sobre su experiencia al ser desactivada de repente un proyecto en una plataforma:
Después de que me despidieron [de la plataforma], tuve una crisis muy horrible, luego tuve que ir al psiquiatra y me medicó. Es repugnante, duele mucho, de repente te quedas sin trabajo y en medio de una pandemia. Envié varios correos electrónicos cuando me despidieron, pero no recibí respuesta. […] Hubo un tiempo que yo estaba sin una tarea que hacer, a menos que despertaras tres o cuatro por la mañana para hacer. Tengo un conocido que hizo eso y se enfermó mucho. Pero aún así, hay mucha gente que lo hace, ahora entrará en abril y mayo, que despierta hasta tres podrán trabajar. (Cláudia, 38 años.)
En este sentido, las ofertas de tareas en las plataformas son impredecibles y a menudo no están claras las formas en que se distribuyen. Como la mayoría de las empresas tienen su sede en el Norte Global [62], los trabajadores se quejan de que la sustitución de tareas suele ocurrir de acuerdo con los husos horarios de los clientes anfitriones, lo que pone a los brasileños en desventaja en la realización de tareas en proyectos globales. Una de las alternativas para superar esta desventaja es empezar a trabajar en las primeras horas de la mañana cuando se produzca el reemplazo. Esto explica probablemente por qué el 27,9% de los participantes trabaja en plataformas entre las 22.00 y una hora, y el 9,4% entre una hora y cinco de la mañana.
De la sociodemografía esbozada, nuestros datos nos permiten afirmar categóricamente que este tipo de plataformas no ofrecen un ingreso alternativo sostenible y seguro para estos trabajadores. En resumen, se trata de jóvenes con un ingreso promedio mensual por debajo de 1,5 del salario mínimo y antecedentes previos de trabajo en la informalidad. Con mayores niveles de educación que la población general, llegan a conocer este mercado en redes sociales como Instagram, YouTube, TikTok, etc., o a través de búsquedas de ingresos en línea en Google. Las plataformas difundieron trabajos de etiquetado y formación de datos basados en un discurso que promete autonomía, flexibilidad y libertad. De hecho, sin embargo, la distribución de tareas, criterios de admisión, aprobación y rechazo son asimétricos y nebulosas. En el Brasil, los niveles de remuneración están correlacionados con los recibidos por los trabajadores de los países de África y Asia del Pacífico, lo que indica el mantenimiento de un patrón histórico de explotación de los países del Norte Global sobre los países del Sur Mundial. También llama la atención sobre la aguda desigualdad relacionada con el marcador de género en el territorio nacional. El microtrabajo parece ser otro trabajo invisible que se suma al viaje de las mujeres brasileñas, especialmente las que son madres.
Consideraciones finales
La IA genera entusiasmo y desilusión, con promesas que a menudo no se cumplen. Por lo tanto, no es sorprendente que el trabajo humano, que es su componente fundamental, también esté sujeto a estas mismas decepciones. En la práctica, para los trabajadores, las promesas de desarrollo económico y social, engendrados en el origen de la propuesta del concepto de microotodoblamiento, no se materializaron. No sólo la remuneración es baja y asimétrica, sino que, sobre todo, las condiciones de trabajo son duras y dolorosas. La disponibilidad sustancialmente variable de tareas hace que los trabajadores migren en todo momento de una plataforma a otra, lo que resulta en un tiempo de trabajo más no remunerado (gastos en la búsqueda de nuevas tareas y proyectos y en la realización de pruebas de admisión). La diferencia de tiempo con los clientes extranjeros, ubicados en su mayoría en el Norte Global, obligan a una parte significativa de los trabajadores a permanecer frente a sus computadoras durante la noche o al amanecer. Trabajan en sus casas, sin encontrar clientes ni colegas. Están dispersas y desorganizadas (con la excepción de una minoría de trabajadores que interactúan en grupos en línea), las plataformas se aíslan y se deslindan por cualquier daño físico o psicológico de sus actividades. Como hemos visto, especialmente cuando se trata de la moderación del contenido violento y pornográfico, la situación se agrava aún más. Sin embargo, cabe destacar porque otras personas no aceptan trabajar en estas condiciones que las microtareas se dejan a grupos relativamente desfavorecidos: madres, desempleados, trabajadores jóvenes con contratos precarios o que trabajan al margen de la informalidad. Queridas protecciones sociales y laborales sólidas, encuentran en las plataformas una oportunidad de ingresos residual. Mientras realizan un trabajo central en la cadena de producción de IA, estos trabajadores son colocados por las plataformas.
Aunque el micro prefijo se ha utilizado comúnmente para referirse a este trabajo, encontramos que se movilizan importantes habilidades linguísticas, culturales e informáticas para la realización de tareas. Es necesario saber cómo buscar, clasificar y evaluar la información en línea; comunicarse en inglés o al menos saber cómo utilizar los plug-ins de traducción automática; comparar tareas y plataformas para seleccionar las más rentables; elegir un método de pago que calcule los cargos bancarios y cambios de los tipos de cambio, etc. También hay un proceso de aprendizaje gradual, desarrollado con el tiempo, que no sólo hace que los trabajadores trabajen más rápido, sino que también les garantiza el acceso a una amplia gama de tareas dirigidas a los más cualificados. Pero estas habilidades y habilidades no son reconocidas. Por el contrario, el término microotobra parece haber adquirido otro significado, en el que se hace hincapié en la naturaleza mínima de las tareas, que se supone que son simples y cortas, para que no requieran calificaciones. Aparentemente inexistente, la experiencia adquirida con el microtrabajo en las plataformas no es transferible de una plataforma a otra, ni puede incluirse en un currículo. Por lo tanto, no es sorprendente que esta actividad poco conocida e infravalorada no garantice, hasta ahora, el acceso a mejores condiciones de trabajo.
Nos enfrentamos a una labor que desempeña un papel esencial en el desarrollo de la IA, al mismo tiempo que se devalúa la inteligencia humana empleada en este proceso. En este escenario, se amplía la disparidad entre grupos sociales más ventajosos (como ingenieros y profesionales de la tecnología de alto valor añadido que desarrollan IA y esperan obtener beneficios de ella) y el proletariado de la economía de la plataforma, cuyo tiempo y habilidades se ponen al servicio de la IA, sin que se reconozca su papel y contribución. A escala mundial, también hay una asimetría cada vez mayor entre los países productores de IA, en su mayoría ubicados en países del Norte Global (así como en algunos países en desarrollo, como China e India), de donde proviene la mayor parte de la demanda de microobras, y los países del Sur Global, donde la oferta ha aumentado exponencialmente.
Al trazar una cartografía y las condiciones concretas de la fuerza laboral detrás de la IA en Brasil, respaldamos un movimiento más amplio de superación del estado actual de invisibilización. Abrimos caminos para futuras investigaciones que tienen como objetivo caracterizar con aún más profundidad esta nueva forma de trabajo, analizando sus cambios, inherentes a la dinámica de la globalización e, idealmente, identificando palancas para la acción y la transformación.
