LOS OBREROS DE LA IA | Milagros Miceli en TODO ES FAKE

[música] [música] Milagros Micheli es una socióloga e informática argentina.

[música] Investiga cómo se generan los datos de referencia para el aprendizaje automático. Su trabajo se centra en las condiciones laborales y la dinámica de poder en el trabajo con datos. Desde 2018 colabora de forma continua con comunidades de trabajadores de datos a nivel mundial. Este año fue destacada por revista Time como una de las 100 personas más influyentes sobre inteligencia artificial en el mundo. En este episodio vamos a hablar de los verdaderos trabajadores de la inteligencia artificial. ¿Quiénes son los que curan el contenido que muestra Chachi PT? ¿Qué tareas realizan? ¿Cuánto cobran? ¿Qué derechos reclaman?

[música] Todo es fake, un podcast sobre lo que viene y lo que ya es. Milagros, gracias por participar de todo de fake. Bienvenida.

Gracias, gracias por invitarme. Bueno, tenemos mucho para conversar hoy. Me gustaría empezar por por ahí algo que ya contaste muchas veces, pero que, bueno, la audiencia siempre se renueva, que es eh cómo te llegó la noticia o cómo fue que te enteraste eh de que haya sido destacada entre las 100 personalidades más influyentes de la inteligencia artificial por revista Time, que yo vi la tapa no más, sinceramente.

[risas] Bueno, ¿cómo cómo me enteré? Me enteré. Eh, sí, te llega un mail, digamos, un mail donde te dicen, bueno, es raro porque te dicen, "Te estamos considerando, pero te queremos entrevistar y te hacen, ¿no?, todo el photoshooot y todo eso." Pero dicen, "Pero te estamos considerando." Y yo que conocía un poco al editor, porque ya habíamos trabajado juntos en algún, él se dedica a hacer mucho trabajo sobre el trabajo de datos o reportó un par de veces, un par de veces fue etapa de time, eh, estos reportes de él. Eh, el editor me dijo en confidencia, él fue el que me entrevistó y me dijo en confidencia, "Estás en la lista, no es que no te estamos considerando, pero no te lo puedo decir hasta el último minuto porque, bueno, como toda decisión editorial puede cambiar, eh, así que bueno, así fue. Llegó la entrevista, llegaron las fotos que fueron las que salieron por ahí y bueno, así fue que después se publicó y saliste en los medios al lado de Elon Mask,

[risas] está mal, con ellos en ese listado de 100 personas superinluyentes. Y más allá de esas personas, eh, hay más gente interesante. Yo la verdad que no revisé toda la lista y hay muchos nombres, no los conozco, pero hay más gente interesante. La verdad que sí, hay gente, hay gente muy muy valiosa o que yo considero muy muy valiosa en este campo. Bueno, una de ellas es, por ahí soy imparcial porque es una querida amiga y colega, Paola Ricaburte, que hace trabajo sobre territorios y e inteligencia artificial, sobre el impacto ecosocial de estas tecnologías. Eh, bueno, está Kareno que escribió este libro tan eh tan eh de tanto tanto renombre en el último tiempo, ¿no? Tan famoso Empire of AI sobre eh Open AI. Eh, bueno, sí, gente, la verdad muy famosa. Me gusta destacar sobre todo a las mujeres que no mucho, mucho espacio en este lugar no tenemos. Eh, ¿cómo es el porcentaje de los de las que las personas de la 100? Ah, bueno, es una es una buena pregunta, la verdad que no lo sé. El otro día miraba e había un gráfico sobre el porcentaje geográfico de la distribución geográfica y sí, había una gran mayoría también en Estados Unidos, ¿no? Eh, creo que en Latinoamérica somos tres, eh, de los cuales soy la única mujer. Eh, hay una persona en Brasil y una persona en Uruguay. E y sí, digamos, la distribución geográfica es muy dispar, ¿no? Como todo en el mundo de la inteligencia artificial.

Eso te iba a decir que tiene bastante sentido o tiene coherencia con que la verdad es que el desarrollo más avanzado inteligencia artificial se está haciendo se está haciendo ahí. Nos guste o no, eh es muy probable que que haya muchas personas influyentes para distintas personas ahí. Bueno, y y ¿cuál es específicamente tu trabajo? ¿Qué digamos qué es lo que destacan?

Bueno, lo que ellos destacan destacan es el último proyecto que hicimos que se llama Data Workers Inquiry, que sería en español eh la investigación obrera de los trabajadores de datos, ¿no? Esto de la investigación obrera o de la encuesta obrera es un eh es una metodología que tiene una historia, ¿no? Ya tiene un siglo y medio de de historia. Lo que pasa que, bueno, hasta ahora nadie lo había aplicado al mundo del trabajo de datos, al mundo de la inteligencia artificial. También otra cosa es que nadie lo había sistematizado como una metodología, ¿no? Se hablaba, bueno, de sí, de un principio, el principio de esta encuesta obrera es que los y las trabajadoras son los expertos, ¿no? ni los analistas, ni los investigadores, ni los sociólogos, ni los filósofos son los expertos, sino que estas personas tienen una, digamos, un un capital de conocimiento que nadie más lo tiene y son ellos y ellas las que tendrían que estar contando y hablando sobre las condiciones de trabajo, ¿no? sin mediadores, sin e entonces, bueno, de esto se trata este este esta aproximación a la encuesta obrera y nosotros lo que hacemos es sistematizar eso y buscar trabajadores y trabajadoras de datos alrededor del mundo. Ahora ya estamos en cinco continentes donde eh eh bueno, ellos vengan se nos unan y hagan investigaciones propias en sus lugares de trabajo, eh contando sobre o reportando sobre las condiciones laborales en esos lugares, sobre las tareas que hacen, eh sobre el tipo de contenido y datos que moderan, para quién lo hacen, etcétera. Y esto es un trabajo que implica para ellos y ellas, la verdad, muchísimo riesgo, ¿no? que eh esto a las a las grandes empresas tecnológicas no le gusta, a nadie les le gusta que debelen su receta secreta.

Claro. Y el laburo es es quanti o es, o sea, ustedes entrevistan gente, ¿no?

Nosotros no los entrevistamos. En general el laburo es cualitativo, eh, pero los y las investigadoras son ellos, son los y las trabajadoras. Nosotros lo que hacemos es eh entrenarlos, darles las herramientas, ¿no?, que necesitan, crear una plataforma y un espacio donde ellos y ellas puedan hacer las investigaciones y ellos crean las preguntas de investigación. Ellos son los que deciden, por supuesto, con nosotros y con y con eh nuestro digamos consejo y ayuda eh cuáles son cuál es el método más apropiado para para investigar esto. A grandes rasgos eh o en en gran medida se han decidido por por eh por métodos cualitativos, ¿no? Hacer entrevistas, hacer observaciones, eh etcétera. Eh, hemos descubierto un par de grandes etnógrafos en dentro de este de este de esta gente que que se nos ha unido. Hay gente que ha hecho encuestas cuantitativas, mapeo, trabajo de mapeo, pero en general es un trabajo más cualitativo.

Claro, bien, ¿no? Y es algo que me interesa muchísimo, digamos, porque en este ciclo hemos hablado muchísimo de inteligencia artificial, muchísimo de los lenguajes LLM, digamos, estos sistemas y bueno, por ahí uno siempre se engancha con la parte de la automatización, o sea, siempre creemos que son computadoras, eh, pero finalmente hay un montón de trabajadores que están haciendo ese trabajo, que lo hemos hablado en algún episodio sobre el fine tuneo y todo la este la curaduría de datos que se hace, eh, pero bueno, o sea, O sea, es qué tipo de trabajadores son, o sea, ¿qué son? ¿Es gente que estudió? ¿Es gente que salió de un colegio secundario y empezó a hacer eso, ¿cómo es?

Bueno, es eh acá vale la pena diferenciar entre la fantasía y la realidad, ¿no? La fantasía es que son gente que eh digamos no tiene estudios, que son gente que no sabe hacer otra cosa, que bueno, más que nada es es una caridad darles este trabajo para que hagan algo. Claro, esto es un poco la lo que nos cuentan y es un poco el relato y el discurso que vienen de muchas de estas empresas, ¿no? Vamos a darle trabajo a estas personas que si no no tendrían nada para hacer. Miren qué buenos que somos. De hecho, em la realidad muestra otra cosa. Yo, la verdad es que en todos estos años, incluso antes de este pro de hacer este proyecto por el cual se nos reconoce, vengo haciendo trabajo etnográfico con eh personas trabajadoras de datos eh desde hace muchos años, hace casi una década te diría. Y la verdad es que en todas esas instancias siempre me encontré con una mayoría de trabajadores y trabajadoras que tienen estudios universitarios. Eh, algunas veces gente con maestrías, algunas veces gente haciendo doctorados o o ya habiendo hecho un doctorado. Eh, realmente son gente muy preparada. Y más allá de eso, más allá digamos de la del título formal, ¿no? Eh, hay una sí hay un tipo de expertiz que tienen que es el del trabajo de datos que no es eh no es cualquier cosa y no es no es no esto de que nos venden que se trata de un trabajo a veces cuando incluso nosotros los investigadores llamándolo a esto microtrabajo o trabajo del click, qué sé yo, uno da la impresión de que esto fuera un trabajo menor, ¿no? Pequeño, fácil, eh, sí, de clasificar si esto es un gato, un perro, tal. Sí, la verdad es que no. es que requiere una un grado de atención muy grande, requiere un grado de precisión muy grande y requiere un conocimiento específico de los conjuntos de datos con los que tratan estas personas que no cualquiera tiene. Y eso es también es muy importante destacarlo, ¿no? Que muchas veces ni siquiera los clientes, que son estos científicos de datos, ingenieros, que ellos no lo tienen porque no están en contacto con esos datos de en de primera mano, digamos.

Y eso se eso se aprende in situ o o es algo que o sea son formadas personas formadas en eso, no sé, en ciencias de edad, en programación.

Bueno, hay mucho hay mucho de eso. Mucha gente lo ve como, ¿no?, la primera aproximación al mundo de la tecnología, mi primer trabajo en una empresa de tecnología. Eh, lo cual, bueno, por ahí después te voy a contar que es una también es algo engañoso dentro de esta industria, pero eh pero si no hay otras personas que por ahí tienen formación en otras cosas, no sé, médicos, eh terapeutas, psicólogos, sociólogos, etcétera, que terminan haciendo este trabajo, no sé, esto se da mucho, por ejemplo, entre poblaciones de refugiados en Europa. No llegan refugiados, no les dan trabajo en otros lugares, no pueden ejercer sus profesiones, terminan haciendo esto. Pero las empresas los entrenan, les dan un entrenamiento, bueno, que entre paréntesis en general es no pago, ¿no? Pasan meses entrenándose para hacer esto y también pasan meses entrenándose para, digamos, en el mismo trabajo dentro de los proyectos respectivos para realizar tareas muy muy específicas.

Claro. Y y ¿dónde se hace estos trabajos? O sea, hay oficinas, galpones en home office.

Bueno, hay eh este lo importante para decir primero es que es un trabajo que está eh altamente tercerizado. Nadie que haga, digamos, que cree IA a escala o que grandes proyectos de IA va a tener eh trabajadores y trabajadoras de datos dentro de las mismas empresas o dentro de las mismas oficinas, porque lo que se necesita son cientos de millones de trabajadores de datos para los modelos que estamos viendo hoy en día y que son, ¿no?, que se están comercializando. Entonces, esto se terceriza, se terceriza a grandes rasgos a través de dos modalidades. Una son las plataformas donde los trabajadores están en su casa, digamos, trabajan desde su casa, no ven a otra gente, se loguean en una plataforma, esperan o buscan a ver si les sale una tarea, les pagan por tarea, eh, no es como, imagínate, como el Uber, ¿no? Vos te logueas a la a la aplicación, esperás que te salga un viaje, te pagan por el viaje. Esto y ¿cuál es la tarea específica? tomar este paquetito de datos y limpiar tal, ¿no? O eh sí, las tareas específicas son varían mucho, ¿no? Pueden ser desde lo que vos decías, ¿no? Clasificame los gatitos hasta subime fotos de tus pies y buscame entre tus vecinos gente que quiera donar fotos de sus pies. Eh, puede ser también cuestiones con respecto, bueno, a modelos de lenguaje, ¿no? Donde hay que clasificar textos. Pueden ser, léeme este texto en voz alta con tu acento particular de tu región específica. Entonces, bueno, leo en voz alta. Eh, a veces no se buscan gente en esas mismas plataformas hay avisos donde buscan gente eh con estudios muy específicos, por ejemplo, escritores, periodistas, gente que que formada en letras. Y la tarea es escribirme una historia corta, escribirme una crónica eh sobre un hecho particular, ¿no?

Y y si quiero aplicar alguno de esos trabajos, como por dónde sería

No, tenés que primero registrarte en una de estas plataformas, eh, y después ahí, bueno, tener esperar a tener suerte y que salga alguna tarea que puedas hacer, que pague lo suficiente que te convenga hacer y que seas el primero en llegar a agarrar esa como el viaje de Uber, ¿no? El primero que llega es el que hace el viaje. Eh, esto lo mismo, ¿no? hay un hay un cupo limitado y también esto de las calificaciones, ¿no? La mayoría o las tareas que pagan mejor tienen lo que se conoce como pretest, ¿no? Como tienen que hacer como una prueba antes para que los acepten para hacer esa tarea. Todo esto que te estoy contando, salvo la tarea en sí, es trabajo no pago. Digamos, el tiempo que a vos te toma, busca encontrar la tarea, entenderla, leer las instrucciones. Yo a veces he visto instrucciones que eran, no es un PDF, son 60 páginas. e condiciones.

Claro, 60 páginas e en inglés, no todos los trabajadores, ¿no? Porque esto también se terceriza a cualquier lugar del mundo, especialmente a lugares eh de lo que se conoce como el sur global. Entonces, bueno, eh no todo el mundo habla habla inglés e al nivel de que lo pueden leer fluidamente y rápidamente. Entonces, bueno, todo ese tiempo hacer este pretest y todo eso es tiempo no pago.

Y en esa instancia es donde empiezan, pues leí algunas historias de que en esa instancia por ahí aparecen, empiezan a meterse en los lenguajes eh que utilizan estas estos sistemas, palabras que por ahí no son eh que por ahí son nativas de un país específico, ¿no? Entonces, había una historia que era de la palabra Tof de Nigeria que en Kenia. En Kenya. Ah, eso es así. O sea, que se empiezan eh a incorporar palabras, digamos, a nuestro cotidiano por ahí de quien está trabajando esos datos.

Es es totalmente así la historia que vos decías, ¿no?, del verbo del eh que no es eh no es un verbo, digamos, es un verbo muy específico de Kenia, donde obviamente que obviamente se usa en inglés coloquial, pero digamos no con la frecuencia con la que aparece, por ejemplo, en Chat GPT. Eso es totalmente así. Eh, si vos a mí me preguntás si eso es malo o bueno, yo te digo eso es fantástico. Digamos que haya un rastro humano de esas personas específicamente en esa región que tuvieron eh a quienes se les encomendaron esa tarea específica. A mí me parece que es fantas, es hermoso que pas Claro. Y es medio hacer la como la revolución desde adentro, meter palabras.

Claro, claro, claro. Imagínate que Chat GPT en España les hablara a todos de che, sería porque se entrenó acá. Sería fantástico, sería lindísimo. Mira, eh, no se borra, es un rasgo, es es eh es una señal de que no todo rasgo de de humanidad se borró de ese sistema y eso está bueno.

Okay. No, sí estaba bueno. Y eran dos o tres palabras. Las otras, la verdad que no me las acuerdo ahora, pero eran palabras que como que no se entendía por qué empezaban a aparecer tanto en de repente en artículos o en papers. Y era porque, bueno, gente laburando con Chachipt que que le tira esa palabra, eh, y suena es en inglés, o sea, tiene sentido, digamos. Eh, bueno, entonces estas personas están están terciarizadas, pero también existe la situación este grandes eh oficinas o mucha mucha gente computadoras una al lado de la otra o eso también es ciencia ficción.

Ah, bueno, es eso, en eso habíamos quedado, ¿no? Yo te decía, hay dos formas de tercerización. unas estas plataformas, la otra son lo que se conoce como BPOs, que es una sigla en inglés que es equivaldría a decir empresas tercerizadoras de servicios. Entonces, bueno, eso es muy amplio, ¿no? Puede ser un call center, puede ser servicios, es muy amplio, pero en el mundo de la inteligencia artificial, cuando hablamos de estas BPO, nos referimos a empresas que tercerizan este servicio de trabajo de datos. Y para explicarte más o menos cómo es, estamos hablando, sí, de grandes galpones, ¿no?, donde están unos sentados al lado de otro. Y eso lo he visto tanto acá en Buenos Aires como en Nairobi, Kenya, eh como en Bulgaria, eh en distintos lugares del mundo, en Alemania también, en Esen.

¿Dónde está en Buenos Aires?

Eh, bueno, ahora me avisaron que están en Parque Patricios, pero eh antes cuando yo hice trabajo de campo ahí estaban en eh Abasto.

Mira. Sí. Y eso es, o sea, en en una empresa tercerizada que trabaja para algunas de estas empresas, para grandes empresas tecnológicas, ¿no? Por ejemplo, acá en Argentina, bueno, había mucho trabajo, ahora, no sé, cuando yo hice campo, te digo, en 2019 e trabajaba mucho para Mercadolibres, fueron la fue la empresa que creó eh todo esto de la el reconocimiento facial para Mercadolibbre y Mercado Pago.

Bueno, ellos y cuánto se paga ese aguro más o menos depende del lugar, ¿no? Y esto también hay que decirlo, ¿no? mucha sí discriminación salarial con respecto a la locación de de los y las trabajadoras. E pero en general no son salarios altos y no son salarios que puedan sacar a alguien de la pobreza para decírtelo a grandes rasgos. Estamos hablando, no sé, yo, por ejemplo, te decía recién cuando hice campo acá en Buenos Aires, en ese momento era el equivalente a 70 a la hora 2019. e era eh era sí un poquito más que el sueldo mínimo, pero en en el contexto de inflación eh no sacaba las personas no no estaban sobre la línea uy, perdón, sobre la línea de la pobreza. E en eh Kenia estamos hablando de sueldos de y medio la hora. Eh, en Alemania es justo el sueldo mínimo que son 12 € con algo. Eh, entonces, bueno, no uno y la otra cosa es, a veces a mí me preguntan, bueno, pero 50 en Kenia es un debe ser un montón de plata. No, no, no lo es. No lo es. Sí, alguien puede decir lo mismo de Argentina y la verdad que Sí, claro. Exacto. Como 70 a la hora en Argentina. No sé quién vive con eso. Entonces, bueno, no es un montón de plata. En ningún lado donde yo fui te puede decir, "Uy, acá les pagan algo que que es un montón de plata en este lugar." Nunca. Es siempre lo justo para que estas personas sobrevivan, pero nunca lo suficiente para que salgan eh de la situación en la que están.

Y hay algo así como una especie de carrera dentro de la industria de los datos, o sea, uno podría apuntar a que en 10 años estar en una posición mejor.

Es es una excelente pregunta y la respuesta sintetizada es no. Hm. Eh, y esto es muy muy importante nombrarlo también porque a los trabajadores en general cuando se los atrae se les vende otra cosa, ¿no? Nosotros en el proyecto tenemos varios videos creados por trabajadores donde el el sí, el lugar común es a mí me vendieron otra cosa. A mí me dijeron, "No, yo estudiaba, no sé, estaba haciendo informática o estaba haciendo ingeniería en sistemas, eh, y yo dije, esta es mi entrada al mundo de la tecnología, eh, no y al final no fue." o estas eh bueno, como lo dice una una persona, uno de los trabajadores de Brasil, ¿no? Lo dice en un video, algo así como nos atraen con calurosas promesas de eh de ay, ¿cómo lo dice? Perdón, se me fue la palabra. Calurosas promesas de e Sí. Ah, bueno, nos atraen con calurosas promesas de libertad y flexibilidad, ¿no? Es como, bueno, voy a ser dueño de mi tiempo, voy a trabajar en esto que es recopado, se tu propio jefe. Exacto. El espíritu emprendedor. E y al final no es verdad. E lo que lo que pasa y esto es algo que también tematizan mucho los trabajadores que trabajan con nosotros en Alemania es que no hay un futuro para estas personas, ¿no? Vos podés entrar como trabajador, trabajadora de datos, depende de la tarea, te van a llamar etiquetador, te van a llamar eh eh Sí. No sé, qué sé yo, muchas cosas. Puede ser chat agent, puede ser moderador de contenido si estás trabajando para para redes sociales, bueno, distintas denominaciones a esto, ¿no? Em vas a entrar como eso, vas a estar por ahí un par de años haciendo eso hasta que te quema, porque el trabajo también quema a las personas. E y ahora vamos a hablar de eso después. Sí. Y después no hay posibilidad de ascender porque lo máximo a lo que puedo llegar es ser como reviewer, que es como bueno, vas a controlar el trabajo de otro, si te queda tiempo, te van a dar entre medio alguna tareita de de etiquetado o algo parecido y vas a hacer como el control de calidad de los que de los otros, pero no mucho más, no hay fuera de eso algo, un incentivo para crecer.

Claro, sí, lo comparo con nosotros hace unos años hicimos una serie documental sobre trabajadores de plataforma, muy focalizado en ese momento en lo que era rapi pedido ya globo y lo comparo bastante con esa situación en la que digamos no había una posibilidad, bueno, sí había alguno que otro que pasaba a la oficina, digamos, de una de estas empresas en Argentina o lo que hay ahora que son como empresas que distribuyen, ¿no? Y entonces hay un montón de trabajadores también tercerizados en eso. Y un tema que estaba interesante en ese momento que que después yo lo seguí un tiempo, ahora realmente no sé cuál es la en la última en la que están, pero era la organización sindical, ¿no? Que era un gran tema en ese momento, que era cómo organizar personas que no se ven o se ven muy poco diariamente. Entonces, bueno, ahí había unas ideas de crear una plataforma que los una, bueno, un pero se les infiltraban. con un lío bárbaro. Eh, igual algunos logros entiendo que se lograron, ¿no? Como que ahora tienen monotributo y tienen algunas cositas que antes ni siquiera tenían o seguridad si los chocan y demás. Acá, ¿cómo es? ¿Cómo se hay alguna iniciativa de organización sindical?

Eh, bueno, hay muchas eh, y sí, la digamos la pelea es un poco parecida a la de los rapid, digamos locales, de las plataformas que que se localizan en lugares específicos como un RAP, como un Uber, eh la gente se puede llegar a ver en las calles. Vos te podés encontrar en una esquina con otro rap, ¿no? No, digo, sucede. En el caso de los trabajadores y trabajadoras de datos, esto no, y esta es la gran dificultad, esto no se da, no se, digamos, vos no sabés si el vecino trabaja en lo mismo que vos, vos estás en tu casa, en tu cuarto haciendo esto, e, salvo que trabajes en uno de estos galpones en los que te digo, pero ahí también está penalizada el hablar con el compañero, ¿no? Hay mucho, digamos, hay mucho secretismo, todos firman acuerdos de confidencialidad, entonces no podés ir, digamos, básicamente hablarle al compañero y preguntarle cómo la está pasando. Entonces, bueno, se da esto. Por otro lado, hay, digamos, hay un montón de de cuestiones que no están bien en las condiciones laborales de estas personas. Entonces, hay una necesidad de organizarse. ¿Cómo se organizan? Bueno, hay mucha organización en foros de Redit, en Reddit, hay mucha organización en grupos de Sí, no, en grupos de Facebook, muy típicamente en Latinoamérica, muy mucha organización en grupos de WhatsApp e así que o de Telegram, eh ahí se están organizando eso por un lado. Y por otro lado hay organización que sucede en los propios lugares, ¿no? Como en estos calpones en los que te digo, eh, pasan cosas. Por ejemplo, en Kenia se formó eh el primer sindicato de moderadores eh de contenido y lo consideraron que no era solamente en Kenya, sino que era un asunto eh cuasi panafricano. Entonces, bueno, lo extendieron porque sí hay lugares en Gana, hay lugares en Uganda también donde estas condiciones eh son iguales o peor a las de Kenia, Madagascar también.

Eh, ¿y cuáles son los tres reclamos que más se escuchan?

Bueno, los tres reclamos te diría que son eh mejores mejores salarios para empezar. Ese es el primero top cero es primer eh mejores salarios. La el segundo reclamo tiene que ver con menos presión, porque no es solamente a veces los salarios, sino la presión para alcanzar ciertos targets por día, ¿no? Que eso que les rompe realmente la cabeza, sobre todo si estás trabajando con contenido que eh sí que es difícil de de ver, ¿no? Contenido que tiene que ver con abuso, con violencia, etcétera. Bueno, sí, que te pidan que hagas que que veas una pieza de contenido cada 50 segundos y que tomes una decisión con respecto a esa pieza dentro de esos 50 segundos. te recompongas y pases a la siguiente es un montón. Entonces, bueno, esa es la segunda y la tercera y muy difundida es el tema de la salud mental, ¿no? Mejor protección para la salud mental de estos trabajadores. Por ahí en otras en otras en otros trabajadores o en otras poblaciones trabajadoras dentro de las plataformas vemos otras cuestiones eh laborales con respecto a la salud, no sé, bueno, que tienen que ver más con lo físico, ¿no? Por ahí un rapi necesita otro tipo de atención. En el caso de la gente que trabaja con datos es la salud mental. realmente están muy afectados.

¿Por qué?

Porque, bueno, tres cosas eh que son un poco las que nombraba recién. el contenido. Eh, en muchos casos no conozco, uno piensa que esto del contenido eh que te puede afectar es solamente una cuestión de la gente, por ejemplo, haciendo eh haciendo moderación de contenido para redes sociales, ¿no? Pero no solamente, digamos, toda la gente, también la gente que hace etiquetado de datos, también la gente que hace eh generación de datos, eh la gente que hace fine tuning y todo eso siempre tiene algo que ver con contenido que les hace mal. Eh, entonces digo, esto es más normal y más eh más común y más frecuente de lo que se piensa. Eh, porque hay una misión que puede ser eh no sé, estamos subiendo contenido de Brasil y hay que no sé este bajar contenido que no se puede, no sé, ligado a abusos o o a asesinatos y demás. Entonces, te exponen ahí a leer relatos o no sé a cosas así.

Absolutamente y especialmente contenidos, ¿no? Eh, cuando se dan, por ejemplo, no sé, eh, tiroteos en Estados Unidos, ¿no? La gente que tiene que moderar eso, ¿no? Porque enseguida se empiezan a subir videos, etcétera, cuando se dan eh bueno, en tiempos de guerra, de genocidio, digo, esto se da todo el tiempo. Eh, nosotros tenemos, por ejemplo, gente eh que venía de de Etiopía, ¿no? Donde hace entre el 2020 y el 2022 continúa, pero hubo un gran genocidio en esa región. venía de Etiopía escapando de ese genocidio para eh y y terminan trabajando en Kenia como moderadores de contenido y terminan moderando contenido que provenía del genocidio que estaba matando a su gente, ¿no? El caso, por ejemplo, de una persona que trabaja con nosotros que eh haciendo ese trabajo de de moderación de contenido descubre el cadáver de su primo que estaba desaparecido hacía un tiempo, lo descubre en unas de esas de esas eh de esos videos que estaba que estaba revisando, ¿no? Y bueno, es eh inimaginable el daño psicológico de estas personas, pero reducirlo solamente al contenido sería un error, ¿no? Nosotros eh también o lo que lo que dicen los trabajadores es es el contenido, pero también eh combinado con estas con estos targets que les ponen que son totalmente irreales, ¿no? Y que les producen un estrés enorme porque otra vez, ¿no? dentro de 50 segundos es el tiempo que les dan para ver uno de estos videos, no sé, ver a tu primo muerto, eh tomar la decisión de que esto hay que moderarlo y sacarlo de de la plataforma, eh reponerte y pasar a la siguiente pieza de contenido, que es igual o peor eh que la que viste recién. Digo, es es terrible.

¿Por qué son 50 segundos?

Bueno, porque así está estipulado el sistema, ¿no? Porque son así es como un sistema de tickets donde van pasando y si vos en 50 segundos no no hiciste nada, queda como que no lo trabajaste ese esa pieza de contenido, no lo cobrás, eh, te baja además, ¿no? Tu tu performance, ¿no?, la tus métricas de performance y bueno, y eso también tiene un impacto en tu sueldo, te pueden echar o te pueden sacar del proyecto, etcétera. Digo, tiene un montón de consecuencias eh para él o la trabajadora. Y finalmente, la el último factor, ¿no?, que afecta mucho a la salud mental de estas personas es eh el aislamiento. Como te decía antes, todos eh prácticamente todos firman acuerdos de confidencialidad con las empresas que les prohíben básicamente hablar de lo que hacen. No pueden decir nada. No pueden decir, "Yo trabajo para tal empresa." Eh, no pueden decir, "Yo trabajo con tal contenido. Mi trabajo consiste en lo siguiente." No pueden decir nada, absolutamente nada. Nosotros hemos tenido gente que tenía estaba seriamente afectada, ¿no? Y esa persona misma lo reconocía que tenía estrés postraumático, que tenía depresión severa y eh estaba cuando nosotros empezamos a trabajar con ella, empezó un tratamiento psicológico, pero decía que un más de un año estuvo sin tratamiento de salud mental porque tenía miedo de ir a un terapeuta y decir algo sobre su trabajo que rompiera el acuerdo de confidencialidad, porque las empresas los viven amenazando con esto. No es solamente una fantasía. Es todo el tiempo está la amenaza de no vayas a decir nada porque si no eh te exponés no solamente a que te echen sino a que te demanden a una demanda legal, digamos, por parte de un gigante tecnológico, lo cual lo cual es s digamos a mí me daría mucho miedo eso. Entonces, eh bueno, esto esto es lo que los afecta.

Y cómo podríamos pasar a a digamos a un a que cambien las condiciones y digamos que el que se un sistema acopado, digamos, ¿no? O sea, un trabajo que que empieza a cambiar. Tendría que ser con modelos más chicos, con más tiempo de trabajo.

Lo que pasa que también tenés la carrera de Silicon Valley que es insoportable, que es a ver quién es el que saca el número más potente. Entonces, ¿cómo podríamos pensar un esquema mejor? Bueno, es que sí es que un poco de que eso, o sea, lo si tuviera que que ir bien atrás y decir cuál es el problema fundamental, sí es lo que vos decís, ¿no? Esto de la carrera de Silicon Valley, que no esto de dejar de medírsela, chicos, son cinco tipos que realmente están viendo a ver quién la tiene más grande y y con esto nos están arrastrando a todos y a todas. Entonces, bueno, es un poco eso. Ese sería como el problema original. Eh, y si me preguntas con respecto al trabajo de datos, mira, creo que hay varias cosas para hacer. La primera es esto de darle al trabajador, a la trabajadora un poco el valor que tienen, ¿no? Y el reconocimiento que tienen los sistemas que tenemos hoy en día y como está planteada la IA eh de esta manera y viene planteada hace años, no funciona sin la contribución de esta gente, de estos trabajadores. Estamos hablando, son números del Banco Mundial, pero estamos hablando de cientos de millones de trabajadores alrededor del mundo haciendo esto, ¿no? Es una tarea fundamental. Eh, entonces, bueno, darles el reconocimiento que que merecen, no estar todo el tiempo pensando en eh a ver cuánto menos, a ver a qué país podemos ir, donde les podamos pagar menos, donde consigamos mano de obra por menos precios y no estar pensando, bueno, esta gente nos está generando billones eh en ganancia, a ver cuánto más le podemos pagar. Ese tiene que ser el pensamiento.

Claro, tal vez como la industria del petróleo, digamos, que digamos todo aquel que trabaja en esa industria, bueno, pro contra la gente puede estar a favor o no, pero bueno, siempre se dice que cobra muy bien.

Exacto. Bueno, es que sí. Y y como y algo algo para rescatar, ¿no? Porque la otra vez esto me lo preguntaba una periodista eh dice que de izquierda me decía eh bueno, pero entonces hay que abolir este trabajo porque si este trabajo hace mal, le hace mal a la gente, entonces no tendría que existir. Y yo le decía, bueno, sí, pero a ver, preguntémosle a los trabajadores, porque digo, de eso también se trata el proyecto, ¿no? Pensé, a ver, ¿qué dicen ellos? ¿No qué decís vos? Y no y no quería entender que los trabajadores, ningún trabajador, y esto te lo digo también con respecto a los cientos que entrevisté antes, nunca nadie a mí me dijo, "Esto hay que abolirlo, esto hay que cerremos, bajemos la persiana allá, esto", no. Todos te dicen, "Che, yo podría hacer este laburo, pero necesito una red de contención, necesito eh, no sé, una obra social que me cubra el psicólogo, necesito eh descansos, necesito que no me estén presionando tanto." Entonces, bueno, eso con respecto a las condiciones y con respecto a la cuestión de los modelos eh que vemos y sí hay que estar pensando, hay que pensar en modelos más chicos, porque realmente cuando no cuando hablamos de esta carrera, ¿no?, en Silicon Valley y estos cinco tipos eh realmente están haciendo están están creando tecnologías malas, ¿no? No están buenas las cosas que están creando desde el punto de vista tecnológico. No sé, la gente es como que se se quedan todos deslumbrados, no están buenos. Funcionarían mucho mejor estas estas tecnologías si pensáramos en modelos más chicos aplicados a necesidades específicas. No todo necesita inteligencia artificial y esa es una pregunta que ni siquiera nos estamos planteando o no nos permiten plantearnos. Necesitamos inteligencia artificial para todos y cada uno de los problemas que se nos plantean en el día a día. Y la respuesta es no. No, no.

Sí. Es que es claramente una moda es que si no tenés hoy tu industria, tu producto, tu empresa está atrasada, digamos. No es como hay algo de esa de esa idea. Eh, pero bueno, así estamos. Y bueno, y y acá en Argentina hubo una noticia la semana pasada, la anterior, de que una de estas grandes empresas, Open AI, va a ser un desarrollo de un data center, o sea, en realidad no es inteligencia artificial, sino son un poner un data center acá en Argentina y te vi también comentando sobre el tema y me parece como algo interesante para pensar eh no solo un tema que hemos tocado acá, que es la soberanía tecnológica o o hacia dónde quiere ir Argentina con la con la industria de la tecnología y de la inteligencia artificial. sino pensar, bueno, ¿qué tipos de trabajos también van a ofrecer? ¿Qué qué va a pasar con eso? O sea, ¿qué qué pensás?

Bueno, sí, sí, el tema este lo vimos, ¿no? Todos. El viernes salió este video de de mi compañero de lista Samman, eh, un poco ahí leyendo, leyendo con mucha dificultad también, ¿no? Eso me llamó la atención, ¿no? Leyendo con mucha dificultad este comunicado donde anunciaba daba pocas precisiones, ¿no? No no no no había mucha precisión en lo que decía, o sea, decía anunciaba Sí, en un momento se creía que era una, o sea, yo cuando lo primero lo vi dije, me indigné, obvio, pues lo primero que uno hace es indignarse. F. Dije, "No, para no voy a postear nada. Esperé, esperé 12 horas para postear porque dije, "Che, esto me parece que es un tip fake." No, o sea, no, no puedo creer que lo dejaron, o sea, queó, que el tipo salió, dejó salir esto. Pero bueno, la cosa es que parece que no, que no era, que era real. Eh, por lo menos el video era real. Lo que no sabemos si es real es de lo que hablaba el video, ¿no? Y y que me arriesgo a pensar que no, porque no hablaba de esta inversión de creo que eran 25000 millones eh de dólares en un mega data center, pero sin mucha más precisión de dónde va a estar ubicado, más que decían en la Patagonia, pero no se dice dónde. E qué va a ser, cómo lo van a cómo lo van a alimentar, ¿no? Porque también hay que decir que estos lugares, estos data center, son devoradores de energía y estamos hablando de un país con una red energética estresada. Entonces, bueno, ¿dónde quién cómo lo van a alimentar? Van a crear eh van a crear plantas de energía especialmente para alimentar este data center. ¿Qué clase de energía? ¿Es energía fósil? ¿Va a va a ser una energía altamente contaminante o están pensando en soluciones innovadoras? Hablan de una empresa Sur Energy que no la conoce nadie, nadie. ni siquiera en el mundo de de la digamos de los productores de energéticos no la conoce nadie. Entonces digo, eh es todo muy misterioso y lo único que decían, ¿no?, con bombos y platillos es esto va a poner a la IA en manos de los argentinos, ¿no? Entonces, bueno, eso eso era es no es como otra vez el esto del vende humo, ¿no? Que es tan típico de de la industria de la inteligencia artificial. esto de vender humo y es increíble que la gente que gente que gente que profesionales, colega, gente en este mundo, eso lo compra, se alegran y salen a festejar algo que es un espejito de color que te están vendiendo y es raro.

Claro, ¿no? Y además hablamos específicamente porque a inicios de años también se habló de esto cuando eh Ridel había comentado esto que quería convertir Argentina en un hub de inteligencia artificial. Sí. Y y bueno, en en una entrevista que yo le hice a Daniel Jankelevich, él me decía que la como que el data center no es malo per sé, digamos, en el sentido de fuente de trabajo. Digo, qué sé yo, es uno más de una gran cadena de la tecnología, pero que son pocos los trabajos una vez que se instala que da, o sea, no es como de vuelta vos abriendo la industria del petróleo, v decí Neuken, bueno, qué s yo, hay 5000 familias que dependen por ahí de de un yacimiento. Acá son hay 200 personas, o sea, no es que cambia la provincia o o lo demás.

Ex. Claro. Quizás vale la pena explicar bien que qué hace un data center. Un data center es una colección de eh computadoras de servidores que lo que hacen es alojar datos, ¿no? Es como si tuvieras, no sé, un una colección de garage de garages donde vos metés de cocheras donde metés autos. Estos que va a curar la los trabajadores. Claro. Estos que van a curar o han curado los trabajadores de datos. digo, esto es un lugar donde se almacenan cosas, no es un lugar con escritorios donde va a trabajar gente, eh donde haya una industria donde se necesitan manos, no es realmente y lo que tenés es uno que pasa que

Se fija que no se prenda fuego ninguno de estos servidores, que pasa que estén todos a la correcta temperatura, gente, pero son como vos decís, son un par de cientos de empleos. Obviamente no quiero hacer futurología, no sé la magnitud de este lugar otra vez porque no nos dieron ninguna precisión.

Pero eh típicamente no son lugares que den un montón de trabajo. En un principio sí, cuando se está construyendo hay un montón un surgimiento del empleo en estos lugares por la construcción de de estos data center, pero una vez que ya están instalados, no pasa demasiado más.

Claro, no plantea un debate interesante. Yo también siempre trato de no caer como en fundamentalismos y digo, bueno, hay un discurso que es el mundo avanza, no te puedes quedar atrás, ¿no? Como está es esa idea. Pero bueno, avanza cómo no. O sea, después destrozando todo. Digo, yo creo que está bueno, no sé, que venga una empresa a invertir, pero tiene que haber buenos controles y regulaciones y Argentina no se caracteriza históricamente por eso y especialmente en este momento menos que menos. Entonces es como que da la sensación de que no se va a formar un no va a haber algo un hub.

Bueno, sí, es que es que este este es el punto, ¿no? Esto era lo que yo planteaba también en en mis posteos, que esto no nos convierte en hub de nada, no nos convierte en ningún polo de la inteligencia artificial. Esto es bueno, nosotros estamos cediendo tierras, cediendo eh bienes naturales, ¿no? Porque también hay que decir que estos lugares, además de necesitar mucha energía, que otra vez hay que ver de dónde se sacan, también necesitan de mucha agua limpia, fresca, dulce para enfriar para los sistemas de refrigeración que estos eh servidores necesitan. Entonces, bueno, digo, todo eso eh son los bienes naturales de nuestro país.

Eh generan una incomodidad enorme para las y estoy hablando, digo, no es no es mi opinión, estoy hablando de las experiencias en otros países. Invito a todos a que vayan y busquen esas experiencias porque está internet está repleto de ellas. Eh, generan mucha incomodidad para la gente que vive en las poblaciones de alrededor porque generan mucho ruido también. Eh, yo siendo una persona muy sensible al ruido, creo que es la peor tortura que me pueden ofrecer es vivir cerca de unos de estos lugares que generan un ruido continuo y que se escucha a kilómetros de distancia.

Eh generan una contaminación visual, porque si vos vivís en la Patagonia, en contacto con la naturaleza y con vista eh no sé, a la naturaleza y de repente te ponen ahí un socotroco a falta de una palabra mejor eh delante de tu ventana y no es no es lo más lindo, ¿no? Entonces digo, generan un montón de problemas y yo me pregunto, ¿a quién le están le están preguntando? Porque además ni siquiera nos dicen dónde, ¿no? Esto le puede tocar a cualquiera, ¿eh? Y estaría bueno que a esas comunidades que que donde a quienes les va a tocar convivir con esto, que se les pregunte a ellos y a ellas a ver si lo quieren, pero digo con con números reales, ¿no? Esto va a generar tantos empleos para gente con características X. Eh, por otro lado, va a generar esta y esta y esta molestia. ¿Qué les parece?

No, y digo, esto también sería importante porque si no es todo una imposición esto también pensando que esto es verdad, ¿no?, que estos 25,000 millones de dólares realmente los van a desembolsar. Eh, eso también me atrevo a a ponerle un eh signo de pregunta detrás. Sí, total.

Bueno, eh si te venís a vivir acá Argentina, pod levantar esa bandera y y acompañar la lucha de por por nuestra soberanía tecnológica. Me encantaría. Bueno, sí, en un año y medio me tendrán acá definitivamente ahora por unos meses, pero después o sea, sigue el trabajo del el que comentaste, el que te destacaron por la revista Times. Sigue, sigue, sigue ese trabajo. Seguimos con ese trabajo.

Eh, ahora estamos ya incorporando, ya tenemos 28 personas haciendo investigaciones con nosotros dentro del proyecto. pensamos extender esa misma metodología que creamos para el para trabajar con trabajadores de datos, extenderla a otros a otros grupos de trabajadores, entre ellos, por ejemplo, trabajadores de data centers, eh trabajadores que trabajan en la minería de eh de los no no la minería real. Ah, [risas] okay. La minería de minerales reales eh que se necesitan para la industria de la inteligencia artificial, ¿no? Eh, elementos raros de la tierra, etcétera, e litio y y bueno, y a otros grupos de trabajadores que dentro de esta cadena de producción de la inteligencia artificial están un poco ninguados, están están invisibilizados y sobre todo están precarizados.

Buenísimo. Muchas gracias, Milagros por participar todo de fake. Bueno, Tomás, gracias. Gracias a ustedes.