La escena parece modesta, pero retrata una fase poco visible de la inteligencia artificial. En Tirupur, India, una costurera cobra 8 dólares al día por grabar con una cámara frontal doce horas de trabajo, mientras su gesto, su ritmo y sus manos alimentan el entrenamiento de una máquina.
Muy lejos de ese taller, un piloto recibe 50 dólares por hora para explicar en un portátil cómo prepara el despegue de un Boeing 737 sobre una pista con hielo. La diferencia salarial es grande, pero el mecanismo de fondo resulta parecido. Ambos convierten experiencia humana en datos vendibles.
La nueva materia prima sale del cuerpo y del oficio
Micro1, una empresa californiana, comercializa datos para fabricantes de robótica obtenidos por 4000 empleados distribuidos en 71 países. Todos llevan cámaras adosadas mientras ejecutan tareas manuales, de modo que el entrenamiento no parte solo de instrucciones, sino también de movimientos reales.
Ahí aparece una inversión llamativa del viejo imaginario industrial. Durante décadas, los trabajadores aprendían a adaptarse a la máquina. Ahora muchas empresas necesitan primero observar a la persona para enseñar a la máquina cómo actuar, cómo agarrar un objeto o cómo resolver una secuencia de trabajo.
No se trata únicamente de brazos y manos.
OpenAI impulsa Project Stagecraft, operado por Handshake AI en San Francisco, con 3500 empleados de más de 400 profesiones. Cada uno crea un perfil digital y redacta tareas para entrenar a ChatGPT en los aspectos intangibles de su oficio, esa parte difícil de resumir en un manual.
Las máquinas aprenden lo visible y también lo que cuesta explicar
Un trabajo no consiste solo en una lista de pasos. También incluye prioridades, intuiciones, pequeñas decisiones y señales que un profesional detecta casi sin pensar. Project Stagecraft busca precisamente eso, convertir en texto una experiencia que a menudo vive mejor en la práctica que en las palabras.
La costurera enseña con la cámara. El piloto enseña con la narración. Entre ambos aparece una idea central de esta economía del dato humano, porque la inteligencia artificial necesita tanto la ejecución física como la explicación mental de lo que hacemos.
Ese esfuerzo ya alcanza una escala notable. Micro1 reúne datos de 4000 trabajadores en 71 países, mientras Project Stagecraft suma 3500 empleados de más de 400 profesiones, una combinación que muestra hasta qué punto el entrenamiento depende de oficios muy distintos entre sí.
El tacto ya entra en juego, pero hay oficios que resisten
En laboratorios de China y California, varios humanoides ya han logrado distinguir por el tacto la piel humana de un plato. El dato impresiona menos por la anécdota que por lo que insinúa, porque el sentido del tacto parecía una frontera más difícil de capturar que la visión.
Sin embargo, tocar no equivale a cuidar, peinar, curar o intervenir en medio del fuego. Los oficios con contacto físico íntimo o con entornos hostiles mantienen por ahora una resistencia clara a la sustitución, entre ellos fisioterapeutas, cuidadores, peluqueros, dentistas, electricistas y bomberos.
La razón no está solo en la destreza manual. También pesa la mezcla de juicio, adaptación y confianza que exigen esos trabajos cuando el cuerpo de otra persona, el dolor, el miedo o el peligro cambian de un segundo a otro.
El trabajador cobra una vez y luego desaparece del proceso
El acuerdo actual de recopilación de datos dibuja una relación muy concreta. El trabajador aporta su pericia, cobra durante la recolección y después deja de resultar útil, aunque su experiencia continúe integrada en los sistemas que otros venderán o desplegarán.
Hay algo áspero en ese modelo. La inteligencia artificial aprende de miles de trayectorias individuales, pero no incorpora a esas personas como socias permanentes del valor que generan, sino como proveedoras temporales de conocimiento convertido en materia prima.
Entre los 8 dólares al día de una costurera en Tirupur y los 50 dólares por hora de un piloto que describe un despegue sobre hielo no solo media una brecha salarial. También aparece la misma lógica de fondo, porque en ambos casos la máquina aprende a partir de una habilidad humana que, una vez capturada, deja de necesitar a quien la enseñó.