Los gigantes de la IA intercambian mano de obra barata por expertos para entrenar modelos más inteligentes

Las principales empresas de IA están eliminando a los trabajadores baratos de etiquetado de datos en África y Asia por profesionales cualificados y mejor pagados para ayudar a entrenar modelos más inteligentes.

Antes, los trabajadores de etiquetado de datos recibían principalmente tareas simples de anotación. Sin embargo, las empresas de IA han llegado a la conclusión de que mejorar sus modelos requiere volúmenes aún mayores de datos. Como resultado, se espera que los trabajadores trabajen aún más rápido y completen cientos de tareas cada día, de ahí su cambio hacia expertos de la industria.

Scale AI, Turing y Toloka están contratando más expertos

El desarrollo de sistemas de IA de «razonamiento», incluyendo el o3 de OpenAI y Gemini 2.5 de Google, ha acelerado el cambio desde trabajadores de bajos salarios en países como Kenia y Filipinas hacia individuos más cualificados.

Empresas como Scale AI, Turing y Toloka ya están empleando a especialistas líderes en campos como la biología y las finanzas para apoyar a los equipos de IA en la generación de conjuntos de datos de entrenamiento más refinados y complejos.

Olga Megorskaya, CEO y cofundadora de Toloka, comentó incluso: «La industria de la IA durante mucho tiempo se centró pesadamente en los modelos y la potencia de cómputo, y los datos siempre han sido una parte pasada por alto de la IA. Finalmente, [la industria] está aceptando la importancia de los datos para el entrenamiento.» 

Scale AI, Turing AI y Toloka han visto un aumento en el interés de los inversores desde su reciente cambio de estrategia. La inversión de Meta de 15.000 millones de dólares en Scale AI en junio elevó su valoración a 29.000 millones de dólares. En marzo, Turing AI aseguró 111 millones de dólares con una valoración de 2.200 millones de dólares, y en mayo, Bezos Expeditions lideró una inversión de 72 millones de dólares en Toloka.

Turing paga a sus expertos aproximadamente 20% más que su salario actual

Joan Kinyua, jefe de la Asociación de Etiquetadores de Datos en Kenia, explicó que ahora se les pide a los etiquetadores que realicen tareas que dependen de su comprensión de los idiomas locales y los matices culturales.

La organización también ha visto un aumento en los roles de aseguramiento de calidad donde los humanos revisan el contenido generado por IA. A medida que OpenAI, Anthropic, y Google trabajan para crear modelos que podrían superar la inteligencia humana, la prioridad se está desplazando hacia la precisión de los datos y el análisis experto.

Jonathan Siddharth, cofundador y director ejecutivo de la empresa de etiquetado de datos Turing AI, también afirmó que para mejorar los modelos de IA, es necesario utilizar datos de entrenamiento del uso humano real, especialmente en tareas complejas, y entender cómo los modelos fallan en esos escenarios.

Incluso señaló que un sistema de IA completamente avanzado podría superar no solo a los físicos, sino también volverse más inteligente que todos los principales expertos en todos los campos necesarios para construirlo.

Añadió que Turing compensa a los expertos con salarios entre un 20 % y un 30 % por encima de sus ganancias actuales. Aunque las empresas de IA dedican solo alrededor del 10–15 % de sus presupuestos a los datos, en comparación con las enormes sumas vertidas en recursos computacionales, aún se traduce en una inversión financiera significativa.

Megorskaya de Toloka también argumentó que características como la cadena de pensamiento, que ilustran cómo los modelos de IA resuelven problemas paso a paso, se desarrollan a través de demostraciones de expertos humanos que descomponen los problemas en componentes más pequeños.