Pasó 8 horas al día mirando contenido para adultos para entrenar una IA y le costó su salud mental

La historia de Michael Geoffrey Asia expone el costado menos visible y más duro del desarrollo de la inteligencia artificial. Durante meses, este trabajador en Kenia dedicó sus jornadas laborales a tareas que pocos asocian con los sistemas avanzados de IA: analizar y describir contenido para adultos para entrenar algoritmos, y más tarde, simular conversaciones íntimas haciéndose pasar por un chatbot de compañía.

Su ingreso a este mundo fue por necesidad. Tras graduarse en gestión de carga aérea, la falta de oportunidades en un sector golpeado por la pandemia y el diagnóstico de cáncer linfático de su hijo lo forzaron a buscar ingresos inmediatos. Para financiar los tratamientos médicos, contrajo una deuda de 17 mil USD y, sin alternativas, aceptó empleos en empresas de etiquetado de datos. Pagando todo con su salud mental.

Cómo es el etiquetado de contenido para adultos: la realidad oculta tras la IA

Cada día, Michael pasaba ocho horas frente a la pantalla, expuesto a material para adultos que debía clasificar y describir con detalle. Esta tarea era fundamental para que los modelos de inteligencia artificial aprendieran a identificar y categorizar imágenes, aunque la carga emocional resultaba abrumadora.

El proceso exigía que el etiquetador pensara en las posibles búsquedas y preferencias de millones de usuarios a nivel mundial. Por ejemplo, debía anticipar qué etiquetas usaría una persona en Cuba para encontrar determinado tipo de material, o cómo clasificar escenas específicas según criterios internacionales.

Así, cada fragmento visual era analizado minuciosamente, alimentando sin pausa los sistemas de IA de las principales empresas tecnológicas.

La exposición no se limitaba a contenido para adultos. Michael y muchos de sus colegas también debían procesar imágenes de violencia extrema y situaciones de abuso, materiales imprescindibles para que los algoritmos aprendieran a detectar y bloquear ese tipo de escenas en plataformas digitales.

La remuneración por estas tareas era mínima: la empresa Sama, contratista de gigantes como Meta y OpenAI, ofrecía entre 1,3 y 2 USD netos por hora, según un reporte de 404 Media.

Cómo era su trabajo detrás del chatbot de compañía

Al terminar su turno de etiquetado, Michael comenzaba un segundo empleo. En esta función debía adoptar diferentes perfiles y responder mensajes íntimos en tiempo real, haciéndose pasar por bots de compañía para usuarios que, en su mayoría, residían en Estados Unidos. El algoritmo que coordinaba su labor alternaba su rol según los requerimientos del cliente: podía simular ser hombre, mujer, heterosexual, homosexual, o cualquier otra identidad solicitada.

Estas interacciones iban mucho más allá de la simulación conversacional básica. Michael debía fingir conexiones afectivas con personas que buscaban compañía y cercanía en línea, adaptando su discurso y personalidad a cada caso. Aunque el usuario creyera estar interactuando con un programa avanzado, en muchos casos la respuesta provenía de trabajadores humanos que, día tras día, construían una ilusión de intimidad para alimentar y perfeccionar los sistemas automáticos del futuro.

Además de su función instantánea, las conversaciones eran almacenadas y reutilizadas como material de entrenamiento para chatbots automáticos. Así, el trabajo humano no solo resolvía necesidades en tiempo real, sino que sentaba las bases para que las máquinas aprendieran a replicar patrones de conexión emocional y deseo.

Cuál fue el impacto en la salud mental y física de los trabajadores

El coste personal de este trabajo fue devastador para Michael. Tras meses de exposición constante a material para adultos y escenas de violencia, desarrolló insomnio, estrés agudo y síntomas de trastorno por estrés postraumático.

Experimentó una pérdida total de deseo y dificultades para relacionarse con su esposa. “Llegó un punto en el que mi cuerpo ya no respondía. Cuando veía a alguien desnudo, ni siquiera sentía nada”, relató en su testimonio.

Estas consecuencias no se limitaron a la esfera íntima. Michael soportó jornadas de hasta dieciocho horas diarias sumando ambos empleos, lo que le llevó a una desregulación extrema del sueño y agotamiento físico. En ocasiones llegó a pasar hasta tres días sin dormir, incapaz de reorganizar su ritmo vital tras meses de rutina extenuante.

La mayoría de trabajadores no accede a servicios de salud mental y, cuando los recibe, suele ser por vías externas al entorno laboral. En el caso de Michael, fue el centro oncológico donde trataban a su hijo el que le ofreció terapia psicológica, que luego se enfocó en el trauma laboral derivado de su trabajo diario frente a la pantalla.

Grandes empresas detrás de estos trabajos

Este fenómeno trasciende el caso individual de Michael. Miles de trabajadores kenianos sostienen la base de datos y los sistemas de control de las principales firmas tecnológicas globales, como Meta, OpenAI y Apple.

Subcontratistas como Sama y Remotasks gestionan la fuerza laboral local, imponiendo normas estrictas y, a menudo, obligando a sus empleados a firmar acuerdos de confidencialidad inflexibles. Estas condiciones generan miedo y dificultan la denuncia de abusos laborales.

La relación desigual entre los gigantes tecnológicos y la fuerza laboral africana se reproduce en todo el sector. El trabajo de etiquetado y moderación permanece invisible para los usuarios y apenas se reconoce en los discursos empresariales.

Uno de los líderes sindicales lo expresó así: “La IA nunca puede ser IA sin humanos. No es inteligencia artificial, es inteligencia africana”.

La brecha salarial y el trato discriminatorio aumentan la sensación de injusticia. Michael cuestiona abiertamente por qué las mismas tareas, si se realizaran en Estados Unidos, recibirían un pago y un trato mucho más dignos. En Kenia, cada tarea puede pagarse a razón de un céntimo de dólar, mientras las empresas matrices logran valoraciones millonarias en los mercados internacionales.