La inteligencia que usas la sostiene alguien peor pagado que tú

Esta semana no hay un lanzamiento espectacular que cambie tu semestre. Hay algo más incómodo: una serie de noticias que, leídas juntas, revelan que la palabra “inteligencia” en “inteligencia artificial” oculta una cadena de trabajo humano precario. Alguien etiqueta los datos, alguien modera el contenido tóxico, alguien transcribe audio por centavos. Y esa cadena ya pasa por América Latina.

Para ti, que estás en la licenciatura o el posgrado y usas estas herramientas casi todos los días, esto no es una curiosidad ética abstracta. Es la estructura misma de lo que consumes cuando abres un chatbot para pulir un ensayo, cuando un agente navega por ti, cuando aplicas a un empleo y un algoritmo te clasifica antes de que un humano lea tu nombre. La misma lógica que precariza al etiquetador keniata o al moderador latinoamericano subcontratado es la que te va a evaluar cuando salgas al mercado laboral. Conviene entenderla desde adentro.

El trabajo invisible no llega a la región: ya está aquí

Empecemos por lo que sostiene todo lo demás. Los modelos que usas no “piensan solos”. Detrás de cada respuesta fluida hay años de trabajo humano de anotación, corrección y moderación. Ese trabajo se subcontrata donde la mano de obra es barata, y América Latina lleva años dentro de esa cadena: centros de etiquetado, moderación de contenido y transcripción que sirven a las grandes plataformas, casi siempre sin nombre ni país en la prensa tecnológica.

Aplica las cinco lentes LATAM y el cuadro se vuelve nítido. En disponibilidad, esto no es un futuro que llegará: opera hoy. En accesibilidad, para el trabajador latinoamericano estos empleos son reales y hasta deseables frente al desempleo local, pero llegan bajo la forma de pago por tarea, sin prestaciones, sin contrato estable, con jerga contractual importada que difumina deliberadamente la relación laboral. En aplicabilidad, las industrias regionales que consumen estos modelos —banca, retail, medios, salud, gobierno— financian una cadena de suministro que no auditan y cuyos abusos heredarán como riesgo reputacional.

Aquí es útil el marco de Néstor García Canclini en Ciudadanos reemplazados por algoritmos: la asimetría entre la opacidad del algoritmo y la transparencia de nuestros datos convierte el vínculo laboral en algo estructuralmente desigual. El trabajador de datos entrega todo —sus clics, su tiempo, su juicio— y no recibe casi nada de vuelta, ni siquiera visibilidad. Tú, como estudiante que usará estas herramientas para producir trabajo académico, estás en el otro extremo de la misma cadena: consumes el producto sin ver a quien lo hizo posible.

Nuestra publicación ya sostuvo, el 30 de agosto, que cuando la IA causa daño el mercado vende protección individual en lugar de cambiar el sistema que lo produce. El delta de esta semana es hacia arriba en la cadena: no se trata solo de que a ti te vendan protección, sino de que la producción misma de la IA descansa sobre trabajo que nadie protege. La transferencia de responsabilidad al individuo empieza mucho antes de que el producto llegue a tus manos.

Tu formación en IA dura 90 minutos; tu responsabilidad, todo el semestre

Pasemos a lo que te toca directamente en la universidad. La semana trae un contraste brutal entre lo que la institución te enseña sobre IA y lo que te exige. El caso de Nueva York es ilustrativo: la formación formal en IA puede reducirse a dos módulos de 45 minutos, mientras la institución que te evalúa decide no usar detectores y, en cambio, te pide que te documentes a ti mismo —que registres cómo usaste la herramienta, qué le pediste, qué modificaste.

Suena razonable hasta que lo miras de cerca. Ese régimen de auto-documentación te convierte en tu propio fiscal sin darte el código penal. ¿Qué cuenta como uso legítimo? ¿Pedirle a un modelo que reorganice tus ideas es distinto de pedirle que las genere? ¿Corregir gramática es distinto de reescribir un párrafo entero? La institución rara vez lo especifica. Te transfiere la carga del juicio sin transferirte el criterio.

La asimetría es real y merece nombrarse sin eufemismos: respondes por un estándar que no ayudaste a definir, con una alfabetización que no cubre lo que se te exige. La alfabetización formal que recibes —cuando la recibes— suele ser instrumental: cómo escribir un prompt, cómo abrir la app. Pero el problema no es el manejo de la herramienta. Es la autoridad de la respuesta: cómo saber si lo que el modelo te devolvió es correcto, de dónde viene, qué sesgo arrastra.

El 30 de agosto argumentamos que la universidad vigila al estudiante con detectores mientras ignora amenazas institucionales mayores como la fuga de talento. El delta de esta semana es que algunas instituciones abandonan los detectores —lo cual celebramos— pero sustituyen la vigilancia externa por auto-vigilancia. No es liberación: es tercerización del control hacia ti. El detector, con todos sus falsos positivos, al menos era responsabilidad de la institución. La auto-documentación te hace responsable a ti de probar tu propia inocencia, cada tarea, todo el semestre.

Qué hacer con esto esta semana, en concreto: si tu curso te pide auto-documentar el uso de IA sin definir qué es legítimo, pregunta por escrito. Pide al docente que especifique en el sílabo qué usos considera aceptables. No lo hagas como confrontación: hazlo como quien exige las reglas del juego antes de jugar. Si la respuesta es vaga, guarda esa vaguedad —es tu protección si después te acusan de algo que nunca te definieron. La autonomía universitaria que enmarca estas decisiones no te exime de exigir claridad procedimental.

El trabajador universal de la homilía y el trabajador concreto del algoritmo

El bloque social de la semana tiene una ironía que te concierne directamente porque estás a punto de entrar al mercado laboral. Los discursos sobre la dignidad del trabajo —el tipo de retórica que se despliega en fechas simbólicas como el Día del Trabajo— invocan a un trabajador universal, abstracto, que no es nadie en particular. Es dignidad sin dirección: nadie sale nombrado, nadie sale protegido.

Mientras tanto, los algoritmos sí nombran. Sí clasifican. Sí deciden a individuos concretos con nombre y apellido. La IA de reclutamiento ya opera obligaciones que el empleador puede desactivar pero no siempre desactiva: filtros que descartan currículos antes de que un humano los lea, sistemas de scoring que penalizan trayectorias no lineales —justo el tipo de trayectoria que tiene un estudiante latinoamericano que trabajó mientras estudiaba, que cambió de carrera, que tuvo lagunas por razones económicas.

Aquí conviene la lectura de Marta Peirano en El enemigo conoce el sistema: cuando la institución diseñada para proteger la integridad del mercado de trabajo se fusiona con la lógica de recursos humanos orientada a la eficiencia, la protección se disuelve en gestión. El Ministerio de Trabajo se vuelve, en su formulación, un ministerio de recursos humanos. La dignidad se predica; la clasificación se ejecuta.

La consecuencia para ti es que la vigilancia laboral se hereda como norma, no se discute como excepción. Vas a entrar a un mercado donde ser monitoreado —tus clics, tu tiempo frente a la pantalla, tu productividad medida algorítmicamente— es la condición de partida, no una violación que se negocia. La generación anterior tuvo que aceptar la vigilancia; la tuya la recibe como paisaje.

El 30 de agosto advertimos que el vocabulario de la eficiencia coloniza el de los aspectos sociales, convirtiendo daños estructurales en bugs técnicos o desafíos individuales. Y dijimos que no basta con denunciarlo: hay que mostrar dónde opera en instituciones concretas o proponer contra-vocabularios. El contra-vocabulario aquí es preciso: cuando un sistema de reclutamiento te descarta, no es un “problema de compatibilidad de perfil”. Es una decisión, tomada por alguien que configuró un umbral, sobre una persona concreta. Nombrar al decisor —no al algoritmo— es el primer acto de resistencia.

Usas la herramienta; nadie te enseñó a leer su respuesta

Este es el corazón del asunto para tu franja de edad. Los datos de la semana muestran a la gente de 18 a 25 años usando IA de forma masiva —consultándola para decisiones, incluso para posicionamientos políticos— mientras se le dice, con una mano, que la herramienta “no puede decidir por ti”. El uso ya está normalizado. El juicio crítico sobre la salida, no.

La alfabetización que falta no es la del manejo de la app. Eso ya lo sabes hacer mejor que tus profesores. Lo que falta es leer la autoridad de la respuesta: cuando un modelo te da una afirmación con tono seguro, ¿de dónde viene? ¿tiene fuente? ¿la fuente existe o la inventó? Aprender a preguntar por la fuente concreta es mucho más útil que aprender a desconfiar en general. La desconfianza genérica te paraliza o te vuelve cínico; la pregunta específica —”¿de dónde sacaste esto?”— te da una herramienta operativa.

Y hay un riesgo económico directo que golpea antes a quien tiene menos margen. El fraude con deepfake ya es un problema de miles de millones de dólares, y su lógica es cruel: golpea primero a quien tiene menos capacidad de absorber la pérdida. Un estudiante latinoamericano que cae en una estafa de suplantación de voz o video —un supuesto familiar pidiendo dinero, un supuesto reclutador cobrando por un empleo falso— no tiene el colchón financiero para recuperarse que sí tiene quien vive en un contexto de mayor ingreso.

Aplicando la lente de accesibilidad: las herramientas de verificación robustas suelen estar en inglés, requieren suscripción, y asumen infraestructura que no todo estudiante de la región tiene. La alternativa que funciona hoy no es una app mágica sino un hábito: verificar por un segundo canal antes de actuar. Si “tu banco” te escribe, no respondes al mensaje; llamas al número que ya tenías guardado. Si “un reclutador” te contacta, buscas la empresa por tu cuenta. Es rudimentario y funciona mejor que cualquier detector de deepfakes que puedas costear.

El agente que actúa en tu nombre no responde por lo que hace

La categoría de herramientas trae esta semana la promesa del agente: software que navega por ti, hace tus mandados digitales, escribe con tu estilo. Suena a liberación de tareas tediosas. La letra chica es donde vive el riesgo.

Primero: el agente que maneja tu navegador opera con tu credencial y sin tu supervisión continua. Se loguea como tú, actúa como tú, y si comete un error —hace una compra equivocada, envía un mensaje que no querías, acepta términos que no leíste— lo hace con tu identidad. La herramienta que te representa no responde por lo que hace en tu nombre. La responsabilidad, otra vez, se queda contigo.

Segundo, y esto conecta directamente con el bloque académico: la personalización del estilo aumenta la dependencia y la detectabilidad al mismo tiempo. Cuanto más entrenas a un modelo para que escriba como tú, más dependes de él y más reconocible se vuelve su huella. Los mismos clasificadores que las instituciones podrían usar para detectar texto generado se alimentan de patrones estilísticos. Personalizar el estilo no te hace más indetectable: te da una firma que un clasificador puede aprender.

Tercero, un punto práctico y regional: la caída del servicio no se compensa con un plan de respaldo. Si dependes de una herramienta que se cae la noche antes de una entrega, pagas la suscripción igual y entregas tarde igual. Aplicando la lente de anticipación: nunca tengas un flujo de trabajo con un solo punto de falla. Ten siempre una vía de producir tu trabajo sin la herramienta —aunque sea más lenta— porque la infraestructura en la región es menos redundante y las caídas te afectan más.

Aquí el marco de García Canclini vuelve a ser pertinente: el agente que actúa por ti profundiza la asimetría. Tú entregas tu credencial, tu estilo, tu identidad digital; la empresa que provee el agente conserva la opacidad sobre cómo procesa todo eso. Delegar en el agente no es solo delegar tareas: es delegar tu capacidad de dar cuenta de tus propias acciones.

Qué significa esto para estudiantes esta semana

No te dejo con diagnósticos. Estas son decisiones concretas para los próximos siete días.

Sobre las herramientas que usas. Antes de suscribirte a un agente que “hace todo por ti”, pregúntate qué pasa el día que se caiga y qué pasa si actúa mal con tu credencial. Si no puedes responder ambas cosas, no le des acceso a tus cuentas sensibles —correo institucional, banca, plataforma de la universidad. Usa las herramientas para borradores y exploración, no para acciones irreversibles en tu nombre.

Sobre tus clases. Si un docente te pide auto-documentar el uso de IA sin definir qué es legítimo, exige la definición por escrito. No es rebeldía: es pedir las reglas antes del examen. Y documenta tu proceso aunque no te lo pidan —guarda borradores, versiones, historial de prompts. En un régimen donde tú eres tu propio fiscal, la evidencia de tu proceso es tu defensa.

Sobre la fuente. Cada vez que un modelo te dé una afirmación factual para un trabajo, verifícala en una fuente que puedas citar. No cites al chatbot: cita lo que el chatbot dice haber leído, después de comprobar que existe. Los modelos inventan referencias con total seguridad. Un proceso de evaluación por pares real no perdona una cita fabricada, y tu credibilidad académica tampoco.

Sobre el mercado laboral. Asume que un algoritmo leerá tu currículo antes que una persona. Eso no significa optimizar para la máquina hasta volverte irreconocible; significa que tu trayectoria no lineal —si trabajaste mientras estudiabas, si cambiaste de rumbo— necesita una narrativa humana que la explique, porque el filtro automático no la va a entender. Y cuando entres a un empleo, pregunta explícitamente qué se monitorea. La vigilancia que no discutes es la que aceptas por defecto.

Sobre las estafas. Instala el hábito del segundo canal. Ningún mensaje urgente que pida dinero o datos merece respuesta inmediata por el mismo canal en que llegó. Verifica por una vía que ya tenías. Este hábito te protege más que cualquier suscripción de seguridad que puedas pagar.

Sobre la cadena de trabajo que sostiene todo esto. No te pido que dejes de usar IA por culpa —eso no ayuda a nadie. Te pido que no compres el relato de la “máquina que piensa sola”. Cuando alguien te venda la autonomía de la IA como magia de ingeniería, recuerda que hay un etiquetador, un moderador, un transcriptor —posiblemente en tu región— sosteniendo esa magia por un salario sin prestaciones. Si algún día trabajas en una universidad, una empresa o un gobierno que compre sistemas de IA, esa memoria te sirve: exige trazabilidad laboral del proveedor. Es un estándar que hoy fijan cooperativas de datos pequeñas y compras públicas responsables, y que mañana podría ser norma si tu generación lo exige.

Lo que viene

La conversación de esta semana marca un desplazamiento que conviene anticipar. Durante años, el debate sobre IA en la universidad giró en torno a la honestidad académica del estudiante: ¿copió o no copió? Ese marco está agotándose. El nuevo eje es la responsabilidad delegada: instituciones que te transfieren el juicio sin el criterio, herramientas que actúan en tu nombre sin responder por ello, empleadores que te clasifican con sistemas que no controlas, y una cadena de trabajo invisible que produce todo esto sin que nadie la audite.

Para la región, la anticipación relevante es institucional antes que individual. América Latina necesita registros públicos de la cadena de suministro laboral de la IA, cláusulas de derechos del trabajador en la contratación estatal de sistemas, y una conversación sindical sobre moderación de contenido —antes de que la subcontratación precaria se consolide como norma irreversible. Nada de eso lo resuelves tú solo la semana que viene. Pero tú eres quien, dentro de unos años, va a estar en las mesas donde esas decisiones se toman —como docente con régimen de dedicación que diseñe un sílabo, como funcionario que redacte un pliego de compra pública, como profesional que configure un sistema de reclutamiento.

La pregunta que te dejo no es si usar IA —ya la usas, y está bien. Es si vas a usarla entendiendo la relación laboral que la produce y la asimetría que reproduce, o si vas a comprar el cuento de la inteligencia que piensa sola. La diferencia entre esas dos posturas es, exactamente, la alfabetización que la institución no te dio y que vas a tener que construir tú, con tus compañeros, esta semana y las que siguen. No como fiscal de ti mismo, sino como alguien que aprendió a preguntar quién decide, quién responde, y quién cobra miseria para que la respuesta se vea impecable.