La IA Necesita Humanos para Aprender y Están Pagando Más que Nunca a Quienes Saben Demasiado

¿Aceptarías un trabajo bien pago que, al mismo tiempo, podría enseñarle a una máquina a hacer tu tarea? Para muchos profesionales, esa tensión ya no es una pregunta abstracta. Es una oportunidad concreta, con contrato corto, horario flexible y un engranaje nuevo en el centro de la economía.

El hallazgo lo revela una dinámica que crece alrededor de Mercor, una start-up fundada hace menos de tres años, que organiza a decenas de miles de especialistas para entrenar modelos de IA (programas que aprenden patrones) usados por compañías como OpenAI y Anthropic. Según datos citados por el Financial Times, la empresa paga unos 2 millones de dólares diarios a cerca de 30.000 colaboradores.

Así, el entrenamiento de la inteligencia artificial deja de apoyarse solo en tareas rutinarias mal remuneradas y suma una pieza clave: expertos de alto nivel que trasladan su oficio a sistemas que luego se comercializan. Es consultoría, derecho, filosofía y hasta radiología, pero con un detalle que inquieta: el alumno podría volverse competidor.

Sadiq Khan, alcalde de Londres, advirtió sobre el riesgo de “desempleo masivo” por el avance de la IA, con finanzas, servicios profesionales e industrias creativas entre los sectores más expuestos. Y el economista Anton Korinek, de la Universidad de Virginia, fue más directo: la relación maestro-alumno puede terminar con el alumno superando y reemplazando a quien lo formó.

Para entender el mecanismo, sirve una analogía doméstica. Entrenar una IA se parece menos a “crear un cerebro” y más a cablear una casa. La electricidad ya existe, pero si los cables están mal conectados, la luz titila, el horno no calienta o salta la térmica.

En este caso, los profesionales funcionan como electricistas del conocimiento: prueban circuitos, fuerzan situaciones, detectan fallas y vuelven a conectar. Su tarea incluye plantear desafíos a los algoritmos, evaluar respuestas y refinar procesos. Mercor arma equipos que pueden ir de unos pocos a cientos de personas para iterar ese ajuste fino.

Por ejemplo, el consultor Jay Katoch explicó que somete al modelo a problemas similares a los de una empresa tras un accidente: control de daños y gestión de partes interesadas. La clave no es “halagar” a la IA, sino incomodarla. Que tropiece, y que el equipo marque dónde y por qué.

¿Cuánto se paga por “enseñar” a una IA?

Los números son el interruptor que explica por qué tantos se suman. El salario medio supera los 95 dólares por hora. Y en profesiones muy demandadas, como radiología, puede llegar a 375 dólares por hora, según los datos citados por el Financial Times. Por eso atrae a quienes buscan ingresos altos en poco tiempo.

Ahora bien, el cableado tiene letra chica. Los proyectos suelen durar semanas y no garantizan continuidad. Un estudio encargado por Scale AI a Oxford Economics indicó que el 41% de quienes forman IA tiene máster o doctorado y que el 94% combina esta actividad con otros trabajos o estudios. Es decir: para la mayoría, no reemplaza su empleo principal. Lo rodea.

Brendan Foody, director ejecutivo de Mercor y reconocido por Forbes como uno de los milmillonarios más jóvenes de San Francisco a los 22 años, sostiene que se está creando una nueva “categoría de trabajo”: entrenar agentes de IA (programas que ejecutan tareas por cuenta propia). Su apuesta es que, en el futuro, las personas gestionen decenas o cientos de estos agentes como quien coordina un equipo.

La oportunidad y el miedo en el mismo contrato

Entre los colaboradores aparece una postura pragmática: aprovechar el momento. Algunos valoran la flexibilidad y el entorno estimulante. Otros dicen disfrutar estar “en primera fila” y creen que la IA asistirá más que reemplazará. Pero el temor persiste: transferir conocimiento puede reducir el poder de negociación del propio trabajador.

La economista laboral Zoe Cullen, de Harvard Business School, advierte que la temporalidad deja a estos entrenadores sin mecanismos de protección frente a modelos que podrían reemplazarlos. Y propone una idea incómoda pero central: que mantengan participación en los ingresos generados por los sistemas que se alimentan de su experiencia.

En 2024, la industria estadounidense de anotación de datos aportó 5.700 millones de dólares al PIB de Estados Unidos y se proyecta que alcance 19.200 millones en 2030. Pero la pregunta cotidiana sigue siendo la misma: ¿quién se queda con el valor cuando el oficio se vuelve software?

Quizás la salida no sea apagar la luz, sino decidir cómo se instala el tablero: con reglas claras, para que el nuevo cableado de la IA ilumine más trabajos de los que deja a oscuras.