ensad en la primera imagen que os venga a la cabeza hablando de las cadenas de fabricación de prendas de ropa o de artículos de electrónica. Puedo fácilmente imaginar que os vendrán recuerdos de alguna fábrica en Bangladesh o las zonas más empobrecidas de China o Vietnam. Sin embargo, si hago la misma pregunta hablando de la industria de la inteligencia artificial, quizás os vengan más a la cabeza jóvenes ingenieros e ingenieras sentadas en su oficina (o casa) de San Francisco, California. ¿Esta industria no tiene entonces su cara B? Es decir, ¿esta industria no construye ciertas dependencias económicas con países en vías de desarrollo que facilita el empleo de niños y niñas -entre otros-?

La semántica, el lenguaje, ya saben que además de poderoso, es muy posicional. Fija mucho los constructos que hacemos de su significado en el cerebro. Si os digo "inteligencia artificial", todos pensamos en magos, que son capaces de crear algo de manera artificial usando tecnologías realmente avanzadas. Lo cierto es que, por detrás, hay mucha, muchísima, labor humana. Mucha de ella, en condiciones realmente malas. Pongamos algún ejemplo para entenderlo desde la concreción.

En mayo de 2019, The Guardian publicó un reportaje sobre Google Assistant. Ese maravilloso dispositivo es capaz de hablar más de cincuenta idiomas. Pygmalion, el equipo responsable de producir los conjuntos de datos lingüísticos para que dicho asistente sea capaz de traducir, se nutre fundamentalmente de empleados subcontratados que se dedican a obtener datos. Un algoritmo no es más que un programa informático que aprende de los datos. Cuantos más datos, y más variados, mejor aprende. Por lo tanto, es necesario tener conductores que saquen fotos para Google Maps Street View, personas que lean contenidos para etiquetarlos manualmente para que algún día lo hagan de manera automática los filtros de YouTube, personas que escaneen los libros en papel para la gran biblioteca de Google Books, etc. En el caso del asistente de voz que decíamos, se necesitan personas que procesen manualmente grandes bloques de texto, y etiqueten sus partes gramaticales para expresar las relaciones sintácticas. Un algoritmo, con grandes conjuntos de datos así entrenados, luego será capaz de inferir patrones en los mismos. Es lo que se llama en el sector, anotación de texto. Que, nuevamente, son trabajos rutinarios pero muy necesarios. Y, claro, es Google. Decirle que no, pese a la baja calidad del trabajo, es difícil. Evidentemente, esto no solo es algo propio de Google. Facebook también tiene miles de moderadores de contenidos contratados a bajo coste. Amazon Alexa tiene un equipo de traductores realmente grande.

La antropóloga Mary Gray, junto con Siddharth Suri, ha escrito un libro realmente interesante a este respecto: Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass. Cómo evitar que Silicon Valley, vulgarización de marca que viene a describir al mundo tecnológico, cree una nueva subclase de trabajadores a nivel mundial. Introducen un concepto que me parece muy elocuente para lo que venimos narrando: trabajo fantasma. Un concepto que viene a describir trabajos que pasan desapercibidos, pero que sin ellos, no funcionaría lo que realmente se ve y percibe. Y, sobre todo, que genera unos desequilibrios salariales propios de las relaciones de dependencia existentes con marcas tan atractivas como las grandes empresas multimillonarias de nuestra era. Decir en Bangladesh que trabajas para Zara o Facebook, seguro que es un aspecto social valorado. Trabajos con mucha rotación, bajo coste, pero donde el procedimiento y buenos gestores de proyectos hacen rentable que así se mantenga.

Y sé que muchos diréis que "el mercado es así". Pero creo que los mercados también necesitan intervenciones cuando no funcionan. Y si tanto hablamos de la dignidad en el trabajo, entiendo yo, debemos ser coherentes y llevarlo a todos los sectores, no solo a los más visibles y a los que mejor se entienden.

La inteligencia artificial es más humana que artificial.