Por Karen Hao y Andrea Paola Hernández en MIT Technoly Review
Esta historia es la segunda parte de la serie de MIT Technology Review sobre el colonialismo de la IA, la idea de que la inteligencia artificial está creando un nuevo orden mundial colonial. Fue apoyado por el Programa de Becas de Periodismo Científico Knight del MIT y el Centro Pulitzer.
Estaba destinado a ser un trabajo secundario temporal, una forma de ganar algo de dinero extra. Oskarina Fuentes Anaya se inscribió en Appen, una plataforma de etiquetado de datos de IA, cuando aún estaba en la universidad estudiando para conseguir un puesto bien remunerado en la industria petrolera.
Pero luego la economía se derrumbó en Venezuela. La inflación se disparó y un trabajo estable, una vez garantizado, ya no era una opción. Su trabajo paralelo ahora era a tiempo completo; el ahora temporal el futuro previsible.
Hoy Fuentes vive en Colombia, uno de los millones de venezolanos migrantes y refugiados que han dejado su país en busca de mejores oportunidades. Pero está atrapada en casa, tanto por una enfermedad crónica que se desarrolló después de un retraso en el acceso a la atención médica como por algoritmos opacos que dictan cuándo trabaja y cuánto gana.
A pesar de las amenazas de Appen de tomar represalias contra ella, ella optó por dejar constancia como fuente nombrada. Ella quiere que las personas entiendan cómo es su vida para ser una parte fundamental de la tubería de desarrollo global de IA, pero que los beneficiarios de su trabajo también la maltraten y la hagan invisible. Ella quiere que la gente que hace este trabajo sea vista.
Appen se encuentra entre docenas de empresas que ofrecen servicios de etiquetado de datos para la industria de la IA. Si ha comprado comestibles en Instacart o ha buscado un empleador en Glassdoor, se ha beneficiado de ese etiquetado detrás de escena. La mayoría de los algoritmos de maximización de ganancias, que sustentan los sitios de comercio electrónico, los asistentes de voz y los automóviles autónomos, se basan en el aprendizaje profundo, una técnica de IA que se basa en decenas de ejemplos etiquetados para ampliar sus capacidades.
La demanda insaciable ha creado la necesidad de una amplia base de mano de obra barata para etiquetar manualmente videos, clasificar fotos y transcribir audio. Se prevé que el valor de mercado de obtener y coordinar ese » trabajo fantasma «, como lo llamaron memorablemente la antropóloga Mary Gray y el científico social computacional Siddharth Suri, alcance los $ 13.7 mil millones para 2030.
Durante los últimos cinco años, Venezuela, asolada por la crisis, se ha convertido en una fuente principal de esta mano de obra. El país se sumergió en la peor catástrofe económica en tiempos de paz que enfrenta un país en casi 50 años justo cuando la demanda de etiquetado de datos estaba explotando. Multitudes de personas bien educadas que estaban conectadas a Internet comenzaron a unirse a las plataformas de trabajo colectivo como un medio de supervivencia.
“Fue como una extraña coincidencia”, dice Florian Alexander Schmidt, profesor de la Universidad de Ciencias Aplicadas HTW Dresden que ha estudiado el auge de la industria del etiquetado de datos.
La crisis de Venezuela ha sido una bendición para estas empresas, que de repente obtuvieron parte de la mano de obra más barata jamás disponible. Pero para venezolanos como Fuentes, el surgimiento de esta nueva industria de rápido crecimiento en su país ha sido una bendición a medias. Por un lado, ha sido un salvavidas para aquellos que no tienen otras opciones. Por el otro, los ha dejado vulnerables a la explotación ya que las corporaciones han reducido sus salarios, suspendido sus cuentas o descontinuado programas en una carrera en curso para ofrecer servicios cada vez más económicos a Silicon Valley.
“Hay enormes desequilibrios de poder”, dice Julian Posada, candidato a doctorado en la Universidad de Toronto que estudia anotadores de datos en América Latina. “Las plataformas deciden cómo se hacen las cosas. Ellos hacen las reglas del juego”.
Para un creciente coro de expertos, el arreglo hace eco de un pasado colonial cuando los imperios explotaban la mano de obra de los países más vulnerables y extraían ganancias de ellos, empobreciéndolos aún más de los recursos que necesitaban para crecer y desarrollarse.
Ahora, dado que algunas plataformas están dirigiendo su atención a otros países en busca de fuentes de trabajo aún más baratas, el modelo podría continuar extendiéndose. Lo que comenzó en Venezuela generó una expectativa entre los actores de la industria de la IA sobre lo poco que deberían pagar por dichos servicios, y creó un libro de jugadas sobre cómo cumplir con los precios en los que los clientes confían.
“El ejemplo de Venezuela dejó muy claro cómo es una mezcla de pobreza y buena infraestructura lo que hace posible este tipo de fenómeno”, dice Schmidt. “A medida que las crisis avanzan, es muy probable que haya otro país que pueda cumplir ese papel”.
Fueron, entre todas las cosas, los gigantes automotrices de la vieja escuela los que hicieron explotar la industria del etiquetado de datos.
Los fabricantes de automóviles alemanes, como Volkswagen y BMW, entraron en pánico porque los Teslas y Ubers del mundo amenazaron con derribar sus negocios. Así que hicieron lo que hacen las empresas heredadas cuando se encuentran con una competencia nueva: escribieron cheques en blanco para mantenerse al día.
La innovación tecnológica elegida fue el automóvil autónomo. Los gigantes automotrices comenzaron a invertir miles de millones en su desarrollo, dice Schmidt, elevando las necesidades de anotación de datos a nuevos niveles.
Al igual que todos los modelos de IA basados en el aprendizaje profundo, los automóviles autónomos necesitan millones, si no miles de millones, de ejemplos etiquetados para aprender a «ver». Estos ejemplos se presentan en forma de horas de secuencias de video: cada cuadro se anota cuidadosamente para identificar marcas viales, vehículos, peatones, árboles y botes de basura para que el automóvil los siga o los evite. Pero a diferencia de los modelos de IA que pueden categorizar la ropa o recomendar artículos de noticias, los autos autónomos requieren los niveles más altos de precisión en las anotaciones. Demasiados marcos mal etiquetados pueden ser la diferencia entre la vida y la muerte.
Durante más de una década, la plataforma de trabajo colaborativo de Amazon Mechanical Turk, o MTurk, había reinado supremamente. Lanzado en 2005, era la forma de facto para que las empresas accedieran a mano de obra de bajo salario dispuesta a trabajar por partes. Pero MTurk también era una plataforma generalista: como tal, producía resultados variados y no podía garantizar una línea de base de calidad.
A medida que el aprendizaje profundo comenzó a despegar a principios de la década de 2010, surgió una nueva generación de plataformas de trabajo colaborativo de IA más especializadas, que buscan garantizar una mayor precisión con un enfoque más práctico tanto para los clientes como para los trabajadores. Cuando aparecieron los fabricantes de automóviles en 2017, no solo querían un mejor rendimiento, sino también una precisión del 99 % o más. MTurk cayó en desgracia y las plataformas especializadas se hicieron cargo. Otras plataformas más antiguas, como Appen, se adaptaron al nuevo enfoque.
Una de las empresas más destacadas entre las nuevas firmas especializadas fue (y sigue siendo) Scale AI. Fundada en 2016 por Alexandr Wang, en ese momento un estudiante de 19 años en el MIT, rápidamente acumuló decenas de miles de trabajadores de anotación y firmó clientes de renombre, que hoy incluyen Toyota Research, Lyft y OpenAI. Los inversionistas adularon: «Si pudiera estar tirando de un rickshaw o etiquetando datos en un cibercafé con aire acondicionado, este último es un mejor trabajo», dijo Mike Volpi, socio general de Index Ventures, a Bloomberg en 2019 después de unirse a varios otros en la entrega . la compañía un total de $ 100 millones. La escala ahora está valorada en $ 7.3 mil millones. En febrero, fue seleccionada entre varias empresas para brindar servicios al Departamento de Defensa de EE. UU. en virtud de un acuerdo de compra general de hasta $249 millones.
El crecimiento inicial de Scale se basó en su capacidad para proporcionar datos etiquetados de alta calidad de forma rápida y económica, gracias principalmente a la mano de obra. En 2017, lanzó una plataforma orientada a los trabajadores llamada Remotasks para crear un grupo global de contratistas baratos.
Para algunas tareas, Scale primero ejecuta los datos del cliente a través de sus propios sistemas de inteligencia artificial para producir etiquetas preliminares antes de publicar los resultados en Remotasks, donde los trabajadores humanos corrigen los errores. Para otros, según los materiales de capacitación de la empresa revisados por MIT Technology Review, la empresa envía los datos directamente a la plataforma. Por lo general, una capa de trabajadores humanos da un primer paso en el etiquetado; luego otro revisa el trabajo. El pago de cada trabajador está ligado a la velocidad y la precisión, lo que los incita a completar las tareas de manera más rápida pero meticulosa.
Inicialmente, Scale buscó contratistas en Filipinas y Kenia. Ambos encajaban naturalmente, con antecedentes de subcontratación, poblaciones que hablan un inglés excelente y, lo que es más importante, salarios bajos. Sin embargo, casi al mismo tiempo, competidores como Appen, Hive Micro y Spare5 de Mighty AI comenzaron a ver un aumento dramático en las suscripciones de Venezuela, según la investigación de Schmidt. A mediados de 2018, aproximadamente 200 000 venezolanos se habían registrado en Hive Micro y Spare5, lo que representa el 75 % de sus respectivas fuerzas laborales.
En 2019, Scale siguió a sus competidores a Venezuela. Después de ver su propio aumento en las suscripciones del país, los ejecutivos de la empresa vieron la oportunidad de convertir uno de los mercados laborales más baratos del mundo en un centro para sus proyectos de anotación lidar más intensivos. Comenzó a reclutar agresivamente a trabajadores venezolanos, utilizando códigos de referencia y una campaña de marketing en las redes sociales que hizo creer a las personas que podían ganar mucho dinero.
El momento fue fortuito. Más tarde ese año, Uber adquirió Mighty AI y restringió el acceso a Spare5. Sus etiquetadores migraron a Remotasks en masa. Luego, a principios de 2020, en lo que dijo que era una forma de ayudar a los venezolanos que atravesaban una dificultad histórica, Scale creó una página de destino específica de Venezuela para Remotasks e instó a los usuarios a unirse a una nueva iniciativa llamada Remotasks Plus. El programa solo por invitación, que luego se implementó a nivel mundial, prometió a los participantes una nueva oportunidad de recibir más capacitación, aumentar sus ganancias a través de bonos y salarios mínimos por hora, y aparentemente avanzar dentro de la empresa.
En un mes, el inicio de la pandemia mundial comenzó a aumentar el número de miembros del programa. El nuevo esquema estableció firmemente el punto de apoyo de Scale en el país. La escala dominó como la opción preferida entre las nuevas empresas destacadas; Appen entre gigantes tecnológicos como Google, YouTube y Facebook; y Hive Micro entre clientes de gama baja con necesidades de calidad menos estrictas.
La ciudad donde vive Fuentes está enclavada en las montañas, a un sinuoso viaje de una hora al sur del incipiente centro tecnológico de Colombia, Medellín. La mujer de 32 años comparte un departamento con su esposo, mamá, tía, tío y abuela, así como con sus dos perros («mis hijos», dice).
El espacio funciona como la peluquería de su madre. Mientras Fuentes, una acérrima fanática del anime con cabello rosa y lavanda, instala su computadora portátil en la sala de estar, su madre le corta el cabello a una mujer en la cocina junto a otros tres miembros de la familia que preparan el almuerzo. El más pequeño de los dos perros, luciendo un tutú rosa y un collar a juego, se sienta a los pies de Fuentes. Flores de papel de colores decoran las paredes.
En su pantalla, un navegador muestra su cola de tareas en ejecución en Appen. Cada uno muestra un título y una identificación de cliente anonimizada, así como la cantidad de unidades en las que se divide y cuánto puede ganar, generalmente centavos, por unidad.
Las tareas varían ampliamente, desde el etiquetado de imágenes hasta la moderación de contenido y la categorización de productos (por ejemplo, determinar si un objeto en una foto se incluye en el título «joyería», «ropa» o «bolsos»). Este último tipo de tarea se ha vuelto tan familiar que Fuentes ya no necesita traducir el texto de inglés a español. Para otros, usa Google Translate para entender.
Para reclamar una tarea, hace clic y el sistema presenta las instrucciones del cliente. A veces son claros; a veces no lo son. A veces no hay ninguno en absoluto.
Una tarea resultó imposible: su pantalla se llena con una imagen satelital de un área densamente boscosa. No hay instrucciones, solo una tecla que dice «árbol» y «no árboles», y un cursor que sugiere que debería estar delineando las partes correspondientes de la imagen. No importa qué método intente, su respuesta siempre ha sido rechazada. Está convencida de que el cliente quiere que cada árbol, probablemente miles, se delinee individualmente.
A medida que completa algunas de las tareas más fáciles, un recuento de sus ganancias en la esquina superior derecha aumenta en centavos. No puede retirar el dinero hasta que alcance un mínimo de $10 y luego debe convertirlo a la moneda local. En Venezuela esto fue complicado: la mayoría de los lugares no aceptan pagos con monederos electrónicos y el mercado negro para cambiarlos por moneda local está lleno de estafas y altas comisiones. Ahora en Colombia, al menos puede usar PayPal.
Abre otra tarea que no ha podido completar, esta vez en la moderación de contenido, y no para un cliente sino como una evaluación. Si aprueba, su cola de tareas comenzará a recibir más trabajo de moderación de contenido, que suele ser mejor pagado.
“¿Estos [videos de redes sociales] contienen algún crimen o violación de los derechos humanos?” se lee. A continuación, una serie de reproductores de video con subtítulos tienen botones de radio de opción múltiple «sí» o «no».
(MIT Technology Review optó por redactar el nombre de la plataforma de redes sociales después de que la portavoz de Appen, Christina Golden, dijera que la empresa podría castigar a Fuentes si el nombre de su cliente aparecía en esta historia).
El problema es que los reproductores de video están rotos y aparecen como rectángulos oscuros en blanco. Es claramente un error, pero sus experiencias pasadas con el servicio al cliente de Appen sugieren que no vale la pena alertarlos. «¿Te gustaría intentarlo?» pregunta ella, con la esperanza de que alguien con mejor inglés pueda entenderlo solo con los subtítulos. Pero son vagos y están plagados de jerga. La tarea es, una vez más, imposible.
En la universidad, Fuentes estudió ingeniería de petróleo y gas en un momento en que la compañía petrolera estatal de Venezuela generaba una riqueza significativa para el país. Era una buena estudiante y consiguió una pasantía, luego una oferta de regreso para un trabajo de tiempo completo. Estaba bien encaminada hacia el sueño venezolano.
Pero para el último año de su programa de maestría, la economía ya se estaba derrumbando. Los precios del petróleo estaban cayendo y la dependencia casi total del país de esos ingresos amenazaba con una caída dramática.
Fue entonces cuando Fuentes se enteró de las plataformas de microtrabajo y se unió a Appen, siguiendo el consejo de amigos de que “esta sí paga”. Durante los descansos de escribir su tesis, ahorró $ 10 a $ 15 por semana en previsión de la tensión financiera que se avecinaba. Como muchos, usó una computadora portátil educativa que el gobierno había entregado a los niños unos años antes. Tales programas eran de una era diferente; desde entonces, esas computadoras portátiles se han vendido y revendido entre adultos que intentan acceder a la economía digital.
Al graduarse, la crisis se había profundizado. Como resultado de la extraordinaria hiperinflación, su oferta de regreso ya no cubría los gastos básicos de subsistencia, pero no existían mejores trabajos para los estudiantes que salían de la universidad. Le preocupaba la seguridad de su familia si se quedaban en el país; ni siquiera estaba segura de que pudieran pagar la comida.
Entonces, a principios de 2019, con solo el dinero suficiente para una semana de compras, ella y su esposo cruzaron la frontera con Colombia, donde tenía doble ciudadanía. Una generación antes, en la misma búsqueda de estabilidad, su familia había hecho el camino opuesto, dejando Colombia rumbo a Venezuela para huir de una crisis diferente.
El plan ahora era empezar de nuevo. En cambio, se enfrentaron a implacables recordatorios de la precariedad de su situación. Un malentendido con el propietario casi les hace perder el apartamento. Luego, mientras su esposo luchaba por obtener la autorización de trabajo, el nuevo empleador de Fuentes, un centro de llamadas local, anunció que cerraría de manera inminente.
Bajo un estrés enorme, apenas lo pensó dos veces cuando comenzó a experimentar una intensa incomodidad física, creyendo que pasaría una vez que terminara la agitación. Pero días después de que comenzó otro trabajo en un centro de llamadas, terminó en el hospital durante cinco días.
El médico le diagnosticó diabetes aguda y le advirtió que la mataría sin un tratamiento inmediato. Durante un mes, sufrió calambres debilitantes y perdió la visión. Cuando volvió, su mente volvió instantáneamente a cómo pagarían sus medicamentos. Así que sacó su vieja computadora portátil educativa y comenzó a trabajar en Appen a tiempo completo.
Resultó que el dinero era aproximadamente la misma cantidad que ganaba en el centro de llamadas: Wilson Pang, CTO de Appen, dice que la compañía ajusta su pago por tarea al salario mínimo de la localidad de cada trabajador. Pero ahora podía quedarse en casa para descansar más y cuidarse mejor, lo que incluía adherirse a un régimen de tratamiento intensivo. Invirtió en una computadora portátil más potente para desbloquear tareas mejor pagadas, como el etiquetado lidar 3D para automóviles autónomos. Rápidamente recuperó los costos iniciales y algo más.
Fuentes sonríe al recordar esta parte de la historia. Con su esposo empleado y sus ganancias en Appen con un promedio de $70 a la semana, finalmente podía respirar sin preocuparse constantemente por el dinero. Esos fueron los buenos días, dice, cuando, por un momento fugaz, sintió que había llegado al final de un túnel largo y sin sol.
Para la mayoría de los demás venezolanos, salir del país era una imposibilidad. Aquellos que recurrieron a la anotación de datos lo hicieron no solo porque habían perdido otros trabajos, sino porque una ola de delincuencia por la creciente inestabilidad los atrapó dentro de sus hogares.
Trabajar en las plataformas se convirtió en el enfoque de tiempo completo de muchas familias, dice Posada. A veces, padres e hijos se turnaban en una computadora compartida; otras veces las mujeres se encargaban de las tareas del hogar para que los hombres de la casa pudieran trabajar las 24 horas.
Pero como pronto descubriría Fuentes, la ventana de oportunidad se estaba reduciendo. Poco después del cierre de Spare5 y el golpe de la pandemia, la cantidad de tareas en Appen comenzó a disminuir a medida que más y más trabajadores se unían a la plataforma. Anteriormente, la cola de tareas se completaba de manera confiable las 24 horas del día, dice ella. Ahora estaba cada vez más vacío, con trabajo que llegaba de manera errática y en horarios extraños.
Mientras que todavía era suficiente para mantenerla, los usuarios que se unieron más tarde no tuvieron tanta suerte. Appen dividió sus cuentas en cuatro niveles. Los usuarios necesitaban completar tareas en los niveles 0 y 1 con un estándar consistente antes de poder acceder a trabajos adicionales en los niveles 2 y 3.
Con el tiempo, las tareas de nivel inferior se volvieron casi inexistentes, lo que significó que los creadores de nuevas cuentas recibieron cantidades insignificantes de dinero. La única forma de entrar era comprar una cuenta existente de alto nivel en un mercado clandestino, pero aquellos que lo hacían corrían el riesgo de que les cerraran las cuentas por violar la política de la empresa.
Golden dice que desde entonces se alejó de este modelo basado en niveles, pero sus proyectos aún «tienen calificaciones específicas y, por lo tanto, no están abiertos a todos». “Nos enorgullecemos de pagar por encima del salario mínimo y nos adherimos a nuestro Código de ética de multitudes”, agrega. “Esperamos que nuestra plataforma pueda ser una luz para los venezolanos durante la crisis y ofrecer trabajo a quienes lo necesitan”.
Esto dejó a Remotasks como la siguiente mejor opción. (Si bien Hive Micro es el servicio más fácil para unirse, ofrece el trabajo más inquietante, como etiquetar imágenes terroristas, por el pago más lamentable). Pero tan pronto como se lanzó Remotasks Plus, el sistema comenzó a mostrar sus grietas. Muchos usuarios se dieron cuenta rápidamente de que sus horas no se estaban contando, lo que redujo sus ganancias semanales. También estaban sujetos a estándares más altos, con un mayor riesgo de suspensión por no ser lo suficientemente rápidos o precisos.
Matt Park, vicepresidente senior de operaciones de Scale, dice que Remotasks «invierte mucho en capacitación y soporte para todos los trabajadores», incluido un equipo de soporte de habla hispana las 24 horas, los 7 días de la semana, cursos de capacitación, sesiones de capacitación en vivo y canales de discusión comunitarios. “Los trabajadores de Remotasks Plus recibieron capacitación y apoyo adicionales a través de un programa de capacitación de campo de entrenamiento especializado”, dice. Sin embargo, los trabajadores descubrieron que no había un apoyo adecuado para ayudar a las personas a cumplir con los estándares requeridos.
Unos meses después, Remo Plus limitó las ganancias: a cualquiera que trabajara más de 60 horas a la semana no se le pagaría por tiempo extra. Mientras tanto, Scale continuó con su campaña publicitaria, publicando videos en YouTube, Facebook e Instagram con testimonios y material de archivo atractivo que muestra montones de dólares estadounidenses.
“Prometen estabilidad, te venden esto como un trabajo a largo plazo y mienten”, dice un estudiante universitario que trabajó en Remo Plus y pidió permanecer en el anonimato por temor a represalias.
Pero cuando los trabajadores experimentaron frustraciones, se encontraron incapaces de abordarlas. Sus principales canales de comunicación con la empresa eran a través de formadores, community managers y reclutadores, que a menudo también eran contratistas de la empresa.
Como resultado, esas personas no tenían ni la capacidad ni el incentivo para abogar en su nombre. Los trabajadores que hicieron preguntas obtuvieron silencio, excusas y maltrato. Ricardo Huggines, un ex ingeniero informático que comenzó a trabajar en Remo Plus para mantener a su esposa e hijos, dice que lo expulsaron del programa después de hablar demasiado sobre la reducción de los pagos y el aumento de la carga de trabajo.
“Tomamos en serio todas las quejas de los trabajadores e investigamos las denuncias”, dice Park. “El acceso puede ser revocado en casos como bajo rendimiento constante o cometer fraude o spam”.
A medida que pasaba el tiempo, el programa se volvió más desorganizado. La plataforma estaba plagada de errores y podía colapsar, dejando a las personas con tareas incompletas por las que luego eran castigados. Scale también tuvo problemas para mover dinero a Venezuela, y en un momento cambió de PayPal a la billetera digital AirTM, que admitía mejor los bolívares, la moneda local. En el servidor de Discord que Scale originalmente configuró exclusivamente para los participantes venezolanos, al que MIT Technology Review tuvo acceso, los trabajadores a menudo se quejaban de que los pagos se retrasaban durante semanas o incluso meses.
A principios de 2021, Scale recortó sus bonificaciones y redujo aún más los ingresos de los trabajadores. En abril, finalmente cerró Remo Plus por completo, migrando a todos a la plataforma Remotasks estándar. Muchos trabajadores dicen que nunca recibieron su pago final, aunque Park dice que los registros de la empresa muestran que «no hay pagos pendientes ni consultas de apoyo relacionadas con el pago de este programa». Un trabajador mostró capturas de pantalla de MIT Technology Review de una disputa de pago de ocho meses con el servicio al cliente que el agente finalmente marcó como resuelta sin que ella haya recibido su dinero.
Algunos trabajadores escucharon rumores de que la empresa había cerrado el programa como castigo a las personas que se habían aprovechado del sistema. En Discord, Scale les dijo oficialmente a los trabajadores que el programa había sido un experimento y que el experimento ya había terminado.
Para muchos, el latigazo cervical interrumpió su sustento y los medios de supervivencia de su familia. “Por la forma en que nos trataron, me di cuenta de que su enfoque era drenar a cada usuario tanto como fuera posible”, dice Huggines, “y luego deshacerse de ellos y traer nuevos usuarios”.
En estos días, Fuentes espera ansiosa junto a su computadora, lista para comenzar a realizar tareas en cualquier momento. Algunas semanas, su hipervigilancia no conduce a nada; otros, ella trae $ 6 a $ 8 pésimos, por debajo del umbral para retirar su dinero. En ocasiones, aparece una tarea bien remunerada y gana $300 en unas pocas horas.
Las ganancias inesperadas llegan con la frecuencia suficiente para que su ingreso promedio sea sostenible. Pero también son lo suficientemente raros como para mantenerla atada a su computadora. Si aparece una buena tarea, solo hay unos segundos para reclamarla y no puede permitirse perder la oportunidad. Una vez, mientras daba un paseo, se perdió una tarea que le habría hecho ganar $100. Ahora restringe sus caminatas a los fines de semana, ya que se enteró de que los clientes suelen publicar tareas durante sus horas de trabajo.
Da rienda suelta a sus frustraciones en grupos de Telegram y Discord de otros venezolanos en Appen. Los miembros intercambian estrategias y trucos para aumentar sus ganancias. También comparten herramientas desarrolladas por la comunidad para facilitar el trabajo. Fuentes utiliza varias de estas herramientas, incluida una extensión del navegador que hace sonar una alarma cuando aparece una nueva tarea. Lo mantiene alto incluso cuando duerme, para despertarla en medio de la noche.
Un grupo en particular la ha ayudado a aumentar significativamente sus ganancias. Appen envía diferentes trabajos a diferentes trabajadores, basando la distribución en una serie de señales que incluyen su ubicación, velocidad y competencia. Si bien los miembros del grupo no conocen el mecanismo exacto, saben que cada uno recibe tareas diferentes. Y a medida que el trabajo en Appen comenzó a disminuir, se dieron cuenta de que podían acceder al de los demás.
El grupo ahora agrupa tareas juntas. Cada vez que aparece una tarea en la cola de un miembro, esa persona copia la URL específica de la tarea para todos los demás. Cualquiera que haga clic puede reclamar la tarea como propia, incluso si nunca apareció en su propia cola. El sistema no es perfecto. Cada tarea tiene una cantidad limitada de unidades, como la cantidad de imágenes que deben etiquetarse, que desaparecen más rápido cuando varios miembros reclaman la misma tarea en paralelo. Pero Fuentes dice que siempre que haga clic en el enlace antes de que desaparezca, la plataforma le permitirá completar las unidades que queden y Appen pagará. “Todos nos ayudamos unos a otros”, dice ella.
El grupo también realiza un seguimiento de las identificaciones de los clientes que deben evitarse. Algunos clientes son particularmente severos al calificar el desempeño de las tareas, lo que puede provocar una suspensión devastadora de la cuenta. Casi todos los miembros del grupo han experimentado al menos uno, dice Fuentes. Cuando sucede, pierde el acceso no solo a las tareas nuevas, sino también a las ganancias que no se hayan retirado.
La vez que le sucedió a Fuentes, recibió un correo electrónico que decía que había completado una tarea con “respuestas deshonestas”. Cuando apeló, el servicio de atención al cliente confirmó que se trataba de un error administrativo. Pero aún tomó meses de súplicas, usando Google Translate para escribir mensajes en inglés, antes de que se restableciera su cuenta, según las comunicaciones revisadas por MIT Technology Review. («Nosotros… tenemos varias iniciativas para aumentar el tiempo de respuesta», dice Golden. «La realidad es que tenemos miles de solicitudes al día y respondemos según la prioridad»).
Golden dice que Appen ha visto un aumento en los trabajadores que participan en actos que considera «fraude», como el uso de VPN para ubicarse en países con salarios más altos, razón por la cual la empresa busca de manera proactiva estos comportamientos y cierra las cuentas consideradas ilegítimas. “Nuestro equipo de soporte está trabajando activamente con cada colaborador en su situación para rectificar cualquier malentendido”, dice ella. Pero los trabajadores dicen que son precisamente las expectativas poco realistas de la plataforma y las políticas de gatillo fácil las que los empujan a encontrar soluciones alternativas creativas.
Desde el cierre de Remo Plus, las condiciones en Remotasks también han empeorado. Los trabajadores dicen que la plataforma sigue teniendo errores y, a veces, es engañosa, mientras que los pagos se han vuelto menos confiables. Algunos pueden pasar horas completando tareas para descubrir que recibieron solo una fracción de la cantidad total indicada en cada trabajo. Otros dicen que los apagones repentinos en medio de una tarea pueden borrar su trabajo y costarles el salario que habrían ganado. («La plataforma está diseñada para guardar automáticamente el trabajo del tasker durante todo el proceso», dice Park).
A medida que Remotasks ha continuado su expansión global, los anotadores en Venezuela también sospechan cada vez más que están siendo tratados de manera diferente a sus contrapartes en países de ingresos más altos. Anotadores en el norte de África, donde la plataforma se ha expandido en los últimos dos años, dicen lo mismo: Scale ha reducido su salario en más de un tercio en cuestión de meses y ha retenido o incluso quitado ganancias, dejando a algunos trabajadores con pagos pendientes negativos. (en otras palabras, le deben dinero a Scale), según las capturas de pantalla proporcionadas a MIT Technology Review.
Los trabajadores en Venezuela y el norte de África dicen que los anotadores filipinos y europeos con los que hablan nunca han experimentado el mismo maltrato. «Los pagos se determinan en función del proyecto, no de una base geográfica», dice Park, y agrega que «en casos excepcionales, Remotasks ha encontrado errores que dieron como resultado que se mostraran estimaciones de pago inexactas».
Scale también trató de evitar que los trabajadores se resistieran a estos cambios. Recientemente, cuando un grupo de comentaristas del norte de África trató de luchar contra los drásticos recortes salariales, se enfrentaron a represalias. La compañía amenazó con prohibir a cualquiera que participe en «revoluciones y protestas», según capturas de pantalla del Discord específico del proyecto y ocho trabajadores que se arriesgaron a que cerraran sus cuentas de Remotasks para hablar sobre sus experiencias. Los trabajadores dicen que Scale también creó un nuevo sistema de cuotas que elimina a los trabajadores del proyecto si no completan una cierta cantidad de tareas dentro de un tiempo determinado. Los trabajadores estiman que alrededor de 20 de ellos ya han sido botados.
“Nos tratan como si no fuéramos humanos”, dice Hossam Ashraf Esmael, ex gerente de la comunidad en Remotasks, hablando en nombre de los ocho trabajadores, “como si no merecieramos ganar suficiente dinero”.
“En febrero, las tasas de pago de este proyecto se actualizaron para alinearlas con los pagos promedio de otros proyectos de Remotasks similares”, dice Park. «Remotasks se compromete a pagar salarios justos en todas las regiones en las que operamos… Realizamos evaluaciones y actualizaciones periódicas de nuestro salario».
MIT Technology Review creó nuestra propia cuenta de Remotasks con sede en Venezuela para corroborar los testimonios de los trabajadores. La experiencia fue confusa e implacable. Las instrucciones de la tarea eran difíciles de entender, con páginas y páginas de información técnica. Un cronómetro avanzaba en la parte superior izquierda de la pantalla, sin una fecha límite clara o una forma aparente de pausarlo para ir al baño. (Parks dice que este es un temporizador de inactividad que devuelve una tarea al grupo para que otra persona la reclame si un trabajador la deja incompleta durante demasiado tiempo). Tres errores parecieron enviarnos de vuelta a la página de instrucciones. A veces, la plataforma no se cargaba.
Durante la capacitación, los materiales mostraban un GIF de una mujer bañada en billetes de dólar. Arriba, decía en español: “Si haces anotaciones de alta calidad y sigues cuidadosamente las reglas del proyecto, puedes obtener una compensación alta”. Después de dos horas de trabajo, que incluyeron completar un tutorial y 20 tareas por un centavo cada una, Andrea Paola Hernández, la reportera de este artículo en Venezuela, ganó 0,11 dólares estadounidenses. Park dice que los trabajadores en Venezuela ganan un promedio de poco más de 90 centavos por hora.
Simala Leonard, estudiante de informática de la Universidad de Nairobi que estudia IA y trabajó varios meses en Remotasks, dice que el pago de los anotadores de datos es «totalmente injusto». Los programas de autos sin conductor de Google y Tesla valen miles de millones, dice, y los desarrolladores de algoritmos que trabajan en la tecnología son recompensados con salarios de seis cifras.
Mientras tanto, a las personas que hacen «la parte más fundamental del aprendizaje automático» se les paga una miseria, dice. «Sin los datos bien etiquetados, los modelos no pueden predecir correctamente».
Paralelamente al auge de plataformas como Scale, las empresas de etiquetado de datos más nuevas han buscado establecer un estándar más alto para las condiciones de trabajo. Se anuncian a sí mismos como alternativas éticas , que ofrecen salarios y beneficios estables, buena capacitación en el trabajo y oportunidades de crecimiento y promoción profesional.
Pero este modelo aún representa solo una pequeña porción del mercado. “Tal vez mejore la vida de 50 trabajadores”, dice Milagros Miceli, candidata a doctorado en la Universidad Técnica de Berlín que estudia dos empresas de este tipo, “pero eso no significa que este tipo de economía, tal como está estructurada, funcione a largo plazo. .”
Estas empresas también están limitadas por jugadores dispuestos a competir hasta el fondo. Para mantener sus precios competitivos, las empresas contratan trabajadores de manera similar entre las poblaciones empobrecidas y marginadas (jóvenes de bajos ingresos, refugiados, personas con discapacidades) que siguen siendo igual de vulnerables a la explotación, dice Miceli.
Esto ha sido particularmente evidente durante la pandemia, cuando algunas de estas empresas comenzaron a relajar sus estándares. Redujeron sus salarios y alargaron las horas de trabajo a medida que los clientes ajustaban los presupuestos y el repentino exceso de oferta de mano de obra del mercado redujo el costo promedio de la anotación de datos. Ha afectado a empleados como Jana, una trabajadora de Kenia que nos pidió que no usáramos su nombre real y dice que sus ingresos decrecientes ya no mantienen a su hijo. Ahora hace malabares con dos trabajos. De día, trabaja a tiempo completo en una empresa considerada pionera en el etiquetado de datos éticos. Por la noche, inicia sesión en Remotasks y trabaja desde las 3 am hasta la mañana. “Debido a la corona, no tienes opción. Solo esperas días mejores”, dice ella.
Pero esos días mejores no llegarán sin una defensa y regulación internacional coordinada para limitar cuán bajo puede llegar la industria, dice Posada: “Las plataformas pueden moverse. Si no Filipinas, entonces Venezuela. Si no es Venezuela, entonces en otro lugar”.
De hecho, Scale ha seguido expandiéndose mucho más allá de Venezuela. Durante la pandemia, ofreció campos de entrenamiento virtuales en Asia, América Latina, África subsahariana y los países de habla árabe. Según los datos de tráfico web del analizador de tráfico Semrush, la proporción de inicios de sesión en Remotasks desde Venezuela está disminuyendo.
Los datos de la publicidad web muestran que también se está dirigiendo específicamente a Kenia con anuncios pagados y ha estado realizando campamentos de entrenamiento en persona en Nairobi. “Supongo que saben que la gente aquí está pasando apuros”, dice Calvin Otieno, un trabajador de Kenia que abandonó la plataforma después de cuatro meses porque el salario era “muy desmoralizador”.
Fuentes teme un día en que Appen también pueda abandonarla. A pesar del estrés y las dificultades que ha causado, sigue estando abrumadoramente agradecida. “He sobrevivido gracias a esta plataforma”, dice en su sala de estar. “Otras plataformas han dejado de pagar, pero Appen siempre ha estado ahí”.
Al mismo tiempo, desea que el liderazgo de Appen pueda ver cuán dedicados son sus trabajadores y hacer más para cuidarlos. “Espero que en cuatro o cinco años, Appen pueda convertirse en un empleador más tradicional”, dice. “Saben que existimos, que podemos enfermarnos, que necesitamos seguridad y atención médica”.
“Estamos orgullosos de nuestros colaboradores y estamos trabajando arduamente para mejorar los procesos internos para que sea una mejor experiencia para ellos”, dice Golden. “Queremos que sepa que la reconocemos y nos identificamos con su situación”.
Cuando el sol comienza a ponerse, Fuentes le pide a su tío que tome una foto. Su sonrisa brilla a través de su máscara mientras abraza a su perro. Después de tantos años sirviendo a la plataforma y a sus clientes como una trabajadora anónima, quiere que la gente vea su rostro y sepa su nombre.
Unas semanas después, envía la foto con un mensaje: “No nos olvides”, dice.
