Humanos que trabajan para automatizar el trabajo humano : la paradoja IA

Es indudable (a estas alturas!) que uno de los ganchos culturales de la épica del Silicon Valley ha sido la posibilidad de hacerse millonario siendo aún joven, un mantra nada original usado durante décadas  en sectores como la música pop para atraer talento 

Alexander Wang responde bien a este estereotipo: 26 años y cofundador de una empresa de IA valorada en 7300 millones dólares llamada Scale AI, una start up bien posicionada en el sector con mayor magnetismo para las inversiones actualmente 

Wang es un tipo avispado que se dio cuenta antes que muchos que aunque si bien la materia prima de los modelos de IA son los datos, estos no valían nada si antes no estaban previamente etiquetados describiendo que son 

A mediados de la pasada década las empresas con más necesidad de datos susceptibles de ser bien interpretados por sus sistemas de IA eran las de conducción autónoma (los Waymo, Apple y las marcas  establecidos de fabricación de coches)

Aunque como sabemos ese sector no llegó a ser, al menos en el tiempo estimado, lo que se esperaba, la experiencia etiquetando datos situó a Scale AI en una posición de privilegio para este último salto que estamos viendo de IA generativa (los OpenAI, Stable Diffusion, MidJourney y ahora un interminable etcétera) 

Lo curioso de este caso es que detrás de Scale AI no hay otra magia que un ejército distante de 240.000 personas que trabajan en países como Kenia, Venezuela o Kenia y que hacen esa labor de escribir sobre los datos que ven con ese tipo de ingresos que en Occidente juzgamos como de miseria (un dólar la hora según algunas fuentes)

Estudiando los sistemas de IA, sobre todos los machine learning, sabemos que solo un filtrado previo de los datos permite a los sistemas ser útiles para alguien, de modo que como en fases industriales precedentes esta ola de automatización empieza con la conocida fórmula Outsourcing y Bajo Coste, y probablemente con los mismos resultados: humanos que trabajan para crear sistemas que en algún momento van a sustituir el trabajo humano 

No soy apocalíptico, pero datos precisamente no faltan y cuando la cantidad de materia prima es tan abundante el primer proceso de transformación tiene que ser barato porque sino esta tecnología no podría ser masiva 

También sabemos que ha medida que los salarios de estos etiquetadores en el ROW empiecen a incrementarse, los márgenes empezarán a bajar y probablemente esta actividad termine en Occidente con menos datos a etiquetar pero más valor añadido de personas que los clasifican, pero para cuando llegue esta etapa el negocio estará en otra parte