Miles de personas venden sus identidades para entrenar IA, ¿pero a qué costo?

Una mañana del año pasado, Jacobus Louw salió a dar su paseo diario por el vecindario para alimentar a las gaviotas que encontraba en el camino. Solo que esta vez, grabó varios videos de sus pies y de la vista mientras caminaba por la acera. El video le reportó $14, unas 10 veces el salario mínimo del país, o para Louw, un joven de 27 años residente en Ciudad del Cabo, Sudáfrica, el equivalente a media semana de comestibles.
El video era para una tarea de "Navegación Urbana" que Louw encontró en Kled AI, una aplicación que paga a los colaboradores por subir sus datos, como videos y fotos, para entrenar modelos de inteligencia artificial. En un par de semanas, Louw ganó $50 subiendo fotos y videos de su vida cotidiana.
A miles de kilómetros de distancia, en Ranchi, India, Sahil Tigga, un estudiante de 22 años, gana dinero regularmente permitiendo que Silencio, que recopila datos de audio para el entrenamiento de IA, acceda al micrófono de su teléfono para capturar el ruido ambiental de la ciudad, como el interior de un restaurante o el tráfico en una intersección concurrida. También sube grabaciones de su voz. Sahil viaja para capturar entornos únicos, como vestíbulos de hoteles que aún no están documentados en el mapa de Silencio. Gana más de $100 al mes haciendo esto, lo suficiente para cubrir todos sus gastos de comida.
Y en Chicago, Ramelio Hill, un aprendiz de soldador de 18 años, ganó un par de cientos de dólares vendiendo sus chats privados de teléfono con amigos y familiares a Neon Mobile, una plataforma de entrenamiento de IA conversacional que paga $0.50 por minuto. Para Hill, el cálculo era simple: pensó que las empresas de tecnología ya capturan tantos de sus datos privados que bien podría obtener una parte de las ganancias.
Estos entrenadores de IA de trabajos esporádicos, que suben desde escenas a su alrededor hasta fotos, videos y audios de sí mismos, están en la primera línea de una nueva fiebre del oro de datos a nivel mundial. A medida que el hambre de Silicon Valley por datos de alta calidad y de nivel humano supera lo que se puede extraer de la internet abierta, ha surgido una próspera industria de mercados de datos para cerrar la brecha. Desde Ciudad del Cabo hasta Chicago, miles de personas están microlicenciando sus identidades biométricas y datos íntimos para entrenar la próxima generación de IA.
Pero esta nueva economía de trabajos esporádicos tiene sus inconvenientes. A cambio de unos pocos dólares, sus entrenadores están alimentando una industria que eventualmente podría dejar obsoletas sus habilidades, mientras los deja vulnerables a un futuro de deepfakes, robo de identidad y explotación digital que apenas están comenzando a comprender.
Manteniendo la rueda de la IA en movimiento
Los modelos de lenguaje de la IA, como ChatGPT y Gemini, exigen vastas cantidades de material de aprendizaje para mejorar, pero se enfrentan a una sequía de datos. Las fuentes de entrenamiento más utilizadas, como C4, RefinedWeb y Dolma, que representan una cuarta parte de los conjuntos de datos de mayor calidad en la web, ahora restringen a las empresas de IA generativa el entrenamiento de modelos con sus datos. Los investigadores estiman que las empresas de IA se quedarán sin texto fresco de alta calidad para entrenar tan pronto como en 2026. Si bien algunos laboratorios han recurrido a retroalimentar los datos sintéticos que genera su IA, un proceso tan recursivo puede llevar a que los modelos produzcan basura llena de errores que cause su colapso.
Aquí es donde entran aplicaciones como Kled AI y Silencio. En este tipo de mercados de datos, millones de personas monetizan sus identidades para alimentar y entrenar la IA. Más allá de Kled AI, Silencio y Neon Mobile, existen muchas opciones para los entrenadores de IA: Luel AI, respaldada por la famosa incubadora de startups Y-Combinator, obtiene conversaciones multilingües por aproximadamente $0.15 por minuto. ElevenLabs te permite clonar digitalmente tu voz y permitir que cualquiera la use por una tarifa base de $0.02 por minuto.
El entrenamiento de IA de trabajos esporádicos es una nueva categoría emergente de trabajo, y crecerá sustancialmente, dijo Bouke Klein Teeselink, profesor de economía en King's College London.
Las empresas de IA saben que pagar a las personas para licenciar sus datos ayuda a evitar el riesgo de disputas de derechos de autor que podrían enfrentar si dependieran completamente del contenido extraído de la web, dijo Tesselink. Estas empresas también necesitan datos de alta calidad para modelar comportamientos nuevos y mejorados en sus sistemas, dijo Veniamin Veselovsky, un investigador de IA. "Los datos humanos, por ahora, son el estándar de oro para muestrear fuera de la distribución del modelo", agregó Veselovsky.
Los humanos que impulsan las máquinas, particularmente aquellos en países en desarrollo, a menudo necesitan el dinero y tienen pocas otras opciones para ganarlo. Para muchos entrenadores de IA de trabajos esporádicos, hacer este trabajo es una respuesta pragmática a la disparidad económica. En países con alto desempleo y monedas devaluadas, ganar moneda estadounidense a menudo es más estable y gratificante que los trabajos locales. Algunos de ellos luchan por conseguir trabajos de nivel inicial y hacen entrenamiento de IA por necesidad. Incluso en naciones más ricas, el creciente costo de vida ha convertido la venta de uno mismo en un pivote financiero lógico.
Sin embargo, las trampas del entrenamiento de IA de trabajos esporádicos pueden ser invisibles. En algunos mercados de IA, los entrenadores de datos otorgan licencias irrevocables y libres de regalías que permiten a las empresas crear "obras derivadas", lo que significa que una grabación de voz de 20 minutos hoy podría potenciar un bot de servicio al cliente de IA durante los próximos años, sin que el entrenador reciba un centavo más. Además, debido a la falta de transparencia en estos mercados, la cara de un usuario podría terminar en una base de datos de reconocimiento facial o en un anuncio depredador al otro lado del mundo, con prácticamente ningún recurso legal.
Los datos humanos, por ahora, son el estándar de oro para muestrear fuera de la distribución del modelo
Louw, el entrenador de IA en Ciudad del Cabo, es consciente de las concesiones de privacidad. Y aunque los ingresos son erráticos y no suficientes para cubrir sus gastos mensuales completos, está dispuesto a aceptar estas condiciones para ganar dinero. Luchó con un trastorno nervioso durante años y no pudo conseguir un trabajo, pero el dinero ganado en los mercados de IA, incluido Kled AI, le permitió ahorrar para un curso de capacitación de masajista de $500.
"Como sudafricano, que te paguen en USD vale más de lo que la gente piensa", dijo Louw.
Mark Graham, profesor de geografía de internet en la Universidad de Oxford y autor de Feeding the Machine, reconoció que para las personas en países en desarrollo, el dinero puede ser significativo a corto plazo, pero advirtió que "estructuralmente este trabajo es precario, no progresivo y efectivamente un callejón sin salida".
Los mercados de IA se basan en una "carrera hacia el abismo en los salarios", agregó Graham, y una "demanda temporal de datos humanos". Una vez que esta demanda cambie, "los trabajadores se quedan sin protecciones, sin habilidades transferibles y sin red de seguridad".
El único ganador que emerge, dijo Graham, son "las plataformas del norte global [que] capturan todo el valor duradero".
Permisos en blanco
Hill, el entrenador de IA con sede en Chicago, tenía sentimientos encontrados acerca de vender sus llamadas telefónicas privadas a Neon Mobile. Por aproximadamente 11 horas de llamadas, ganó $200, pero dijo que la aplicación se desconectaba con frecuencia y no liberaba los pagos atrasados. "Neon siempre me pareció sospechoso, pero seguí usándolo para obtener algo de dinero extra y fácil para facturas y otros gastos varios", dijo Hill.
Ahora está reconsiderando lo fácil que fue ese dinero. En septiembre, pocas semanas después de su lanzamiento, Neon Mobile se desconectó después de que TechCrunch descubriera una falla de seguridad que permitía a cualquiera acceder a los números de teléfono, grabaciones de llamadas y transcripciones de los usuarios. Hill dijo que Neon Mobile nunca le informó sobre esto, y ahora le preocupa cómo su voz podría ser mal utilizada en internet.
Lo que Jennifer King, investigadora de privacidad de datos en el Instituto Stanford para la Inteligencia Artificial Centrada en el Ser Humano, considera preocupante es que los mercados de IA no son claros sobre cómo y dónde se desplegarán los datos de los usuarios. Sin negociar o conocer sus derechos, agregó, "los consumidores corren el riesgo de que sus datos se reutilicen de maneras que no les gustan o que no entendieron o anticiparon, y tendrán pocos recursos si es así".
Cuando los entrenadores de IA comparten sus datos en Neon Mobile y Kled AI, otorgan una licencia en blanco (mundial, exclusiva, irrevocable, transferible y libre de regalías) para vender, usar, mostrar públicamente y almacenar su imagen, e incluso crear obras derivadas de ellas.
Avi Patel, fundador de Kled AI, dijo que los acuerdos de datos de su empresa limitan el uso a fines de entrenamiento e investigación de IA. "Todo el negocio depende de la confianza del usuario. Si los contribuyentes creen que sus datos podrían ser mal utilizados, la plataforma deja de funcionar". Dijo que su empresa evalúa a las empresas antes de vender conjuntos de datos, para evitar trabajar con aquellas con "intenciones cuestionables", como la pornografía, y "organismos gubernamentales" que creen que podrían usar los datos de maneras que entren en conflicto con esa confianza.
Como sudafricano, que te paguen en USD vale más de lo que la gente piensa
Neon Mobile no respondió a una solicitud de comentarios.
Según Enrico Bonadio, profesor de derecho en City St George's, University of London, los términos de estos acuerdos permiten a las plataformas, así como a sus clientes, hacer "casi cualquier cosa con ese material, para siempre, sin pago adicional y sin una forma realista para que el contribuyente retire el consentimiento o renegocie de manera significativa".
Los riesgos más preocupantes incluyen que los datos de los entrenadores se utilicen para deepfakes e suplantación de identidad. A pesar de que los mercados de datos afirman eliminar la identificación de los datos, como el nombre y la ubicación, antes de venderlos, los patrones biométricos son, por naturaleza, difíciles de anonimizar de manera sólida, agregó Bonadio.
Arrepentimiento del vendedor
Incluso cuando los entrenadores de IA logran negociar protecciones más matizadas sobre cómo se utilizarán sus datos, aún pueden sentir arrepentimiento. Cuando Adam Coy, un actor de Nueva York, vendió su imagen en 2024 por $1,000 a Captions, un editor de video impulsado por IA que ahora se llama Mirage, su acuerdo aseguró que su identidad no se usaría para fines políticos ni para vender alcohol, tabaco o pornografía, y que la licencia expiraría en un año.
Captions no respondió a una solicitud de comentarios.
No mucho después, los amigos de Adam comenzaron a enviarle videos que habían encontrado en línea con su rostro y voz acumulando millones de visitas. En uno de estos videos, un reel de Instagram, la réplica de IA de Adam se presenta como una "doctora de vaginas" y promociona suplementos médicos no probados para mujeres embarazadas y posparto.
"Me sentí avergonzado de explicárselo a la gente", dijo Coy.
"Los comentarios son extraños de leer porque comentan mi apariencia física, pero en realidad no soy yo", agregó Coy. "Mi sentimiento [al decidir vender mi imagen] era que la mayoría de los modelos iban a buscar en internet datos e imagen de todos modos, así que mejor me pagaran por ello".
Coy dijo que no se ha inscrito en ningún trabajo de datos de IA desde entonces. Solo lo consideraría, dijo, si una empresa ofreciera una compensación importante.