La mano oculta de la máquina

I. La pregunta de la semana

Cada vez que un modelo de lenguaje devuelve una respuesta pulida en menos de un segundo, la escena parece limpia: una consulta, una máquina, un resultado. La palabra que usamos para describir esa fluidez —“inteligencia”— sugiere autonomía, un sistema que aprende solo y decide solo. Pero la fluidez tiene un costo laboral, y ese costo está deliberadamente fuera de cuadro. La pregunta de esta semana es quién sostiene, con sus horas y su cuerpo, la ilusión de que la máquina se sostiene sola.

No es una pregunta retórica ni reciente. Ya en diciembre de 2024, expertos de la Organización Internacional del Trabajo titularon un informe, sin metáfora, La ilusión de la inteligencia artificial, para nombrar a la fuerza laboral invisible que etiqueta datos, modera contenido y corrige salidas defectuosas por sumas mínimas. Un año y medio más tarde, un reportaje sobre etiquetadores documentaba que estas personas reciben centavos de dólar por horas de trabajo y quedan expuestas a imágenes perturbadoras sin ninguna contención psicológica.

El arco que recorremos hoy tiene una forma nítida. Durante 2025, la conversación regional celebró la IA en clave de talento, productividad y oportunidad: el encuadre optimista dominó de manera abrumadora —siete a uno en el primer trimestre, diez a cuatro en el segundo—. Pero para el tercer trimestre de 2026 la proporción se había dado vuelta por completo: nueve encuadres críticos contra dos. Algo, en el medio, se rompió. No fue la tecnología: fue el relato. Lo que hemos venido diciendo sobre el trabajo y la IA y lo que ha venido pasando con quienes efectivamente trabajan para la IA describieron durante dos años dos curvas distintas, hasta que la realidad forzó la corrección. Esta es la crónica de ese desencuentro.

II. Lo que hemos venido diciendo

El vocabulario con que la región habló de la IA y el trabajo durante 2025 fue, casi sin excepción, un vocabulario de ascenso. La figura protagónica no era la trabajadora precarizada sino el “talento”. En la lectura de La carrera por el talento en Inteligencia Artificial, el recurso más escaso de la competencia mundial no eran los chips ni la energía sino las personas capaces de diseñar los sistemas —una definición que, por construcción, dejaba fuera del retrato a todos los que hacen funcionar el sistema sin diseñarlo—. El trabajador de la IA que importaba era el ingeniero, y su escasez era motivo de celebración, no de alarma.

Ese fue el tono dominante. Cuando la conversación tocaba el empleo, lo hacía en modo de oportunidad gestionable: se trataba de capacitarse para la verdadera batalla por el futuro del trabajo, de responder a la pregunta de qué trabajo tendríamos en cinco años. La respuesta rara vez era “moderador de contenido en Nairobi”. La respuesta era ascendente: sumar habilidades blandas, porque la IA redefine la productividad mientras la empatía y el liderazgo aseguran el equilibrio humano-tecnológico. El humano quedaba reservado para lo cálido y lo estratégico; lo tedioso y lo doloroso se suponía delegado a la máquina.

La consigna se volvió casi imperativa moral: no compitas contra ella, dirige mejor con su apoyo. El trabajador ideal de este relato no ejecuta microtareas; orquesta, supervisa desde arriba, monta la locomotora. Incluso la agenda de equidad —legítima y necesaria— se inscribió en esta gramática ascendente: se habló de romper el techo digital y de cómo la brecha de género en la adopción de herramientas como ChatGPT limita la innovación y la productividad. El problema, en este marco, era acceder a la herramienta, no las condiciones de quien la construye del otro lado del mundo. La inclusión se pensaba como inclusión en el uso, nunca como justicia en la cadena de producción.

Hubo, desde temprano, una corriente disidente, minoritaria pero persistente. Ya en diciembre de 2024, un análisis sobre el control algorítmico de los derechos fundamentales advertía que la forma en que los algoritmos condicionan nuestras vidas era una materia extremadamente novedosa para el común de los ciudadanos. En febrero de 2025, cuando el coro optimista alcanzaba su volumen máximo, una voz señalaba que las nuevas herramientas de IA también tienen impacto social y que los costos ocultos del desarrollo van más allá de lo económico y lo medioambiental. La palabra “ocultos” ya estaba ahí, esperando. Y para mediados de 2025, investigadores de la Universidad Nacional de La Plata denunciaban la degradación del pensamiento científico, la educación y el pensamiento crítico que la IA generativa venía produciendo.

Néstor García Canclini había anticipado la trampa de este vocabulario. En Ciudadanos reemplazados por algoritmos (2019) recogía una pregunta incómoda: si acaso necesitaríamos “luchar contra la irrelevancia en lugar de hacerlo contra la explotación”. El relato dominante de 2025 hizo exactamente eso: nos organizó el miedo alrededor de la irrelevancia —¿qué trabajo tendré en cinco años?, ¿me reemplazará?— y desvió la atención de la explotación que ya estaba ocurriendo, en tiempo presente, sobre quienes sí tienen trabajo en la cadena de la IA. El mismo autor advertía que el acompañamiento algorítmico de nuestra existencia funciona como “una forma de superyó” que orienta nuestras acciones “hacia el mejor de los mundos posibles”; el optimismo no era una casualidad de tono, era parte del diseño.

La inversión, cuando llegó, fue brusca. Para el tercer trimestre de 2026 el encuadre crítico se había vuelto mayoritario por un margen de nueve a dos, y ya no venía de los márgenes académicos sino de la crónica laboral. La retórica del talento no fue refutada por un argumento mejor. Fue desbordada por los hechos.

III. Lo que ha venido pasando

Mientras hablábamos de talento, esto es lo que sucedía. La fuerza laboral que el informe de la OIT llamó invisible no era una abstracción: eran personas etiquetando millones de imágenes, transcribiendo audios, marcando lo que es y no es contenido aceptable para que un modelo aprenda a distinguirlo. El reportaje sobre etiquetadores lo puso en cifras que no admiten eufemismo: trabajadores que reciben pagos mínimos y se exponen a contenido perturbador, centavos por hora, sin acompañamiento frente a imágenes sensibles vistas de manera constante. La empatía y el liderazgo que el relato reservaba para el trabajador humano no llegaron hasta ellos; a ellos les tocó la exposición sin red.

Esta no es una anomalía de un eslabón, sino el diseño de toda la cadena. En The Atlas of AI, Kate Crawford describe cómo el trabajo no visto que hace funcionar a estos sistemas “toma muchas formas —trabajo de cadena de suministro, crowdwork bajo demanda y empleos tradicionales de la industria de servicios—” y cómo existen “formas explotadoras de trabajo en todas las etapas del pipeline de la IA, desde el sector minero, donde se extraen los recursos, hasta el lado del software, donde fuerzas laborales distribuidas son pagadas centavos por microtarea”. La geografía de esa fuerza laboral es explícita: “desde los mineros que extraen estaño en Indonesia hasta los crowdworkers en India que completan tareas en Amazon Mechanical Turk y los obreros de las fábricas de iPhone en Foxconn en China”. El estruendo de la palabra “inteligencia” tapa un ruido más antiguo, el de la extracción.

Es el ruido que Eduardo Galeano describió hace medio siglo. Su lección en Las venas abiertas de América Latina —que la riqueza de unos se construye sobre el vaciamiento de otros, y que la periferia entrega materia prima barata para que el centro fabrique valor— no envejeció; se digitalizó. El cobalto y el estaño siguen saliendo del Sur, y ahora también sale de allí el trabajo cognitivo más barato: la anotación, la moderación, la corrección. La IA no inauguró una lógica nueva. Le puso una interfaz reluciente a una vieja.

Sobre esa base extractiva, las condiciones se endurecieron a la vista de todos. En julio de 2025 la conversación regional registró la amenaza del modelo laboral 996 en los derechos de los trabajadores: la jornada de nueve de la mañana a nueve de la noche, seis días por semana, importada desde las empresas tecnológicas asiáticas como norma del sector. Marta Peirano ya había señalado hacia dónde apunta esta reingeniería en El enemigo conoce el sistema (2019), al observar que en China “el Ministerio de Trabajo se ha convertido en el Ministerio de Recursos Humanos y Seguridad Social, uniendo la institución creada para proteger la integridad del mercado de trabajo con la empresa diseñada específicamente para destruirlos”. La protección y su desmantelamiento fundidos en un mismo membrete: esa es la dirección del viento.

Y luego el reflujo llegó incluso a los trabajadores que el relato prometía elevar. Para agosto de 2026, la crónica describía el desgaste oculto de la IA: empleados atrapados supervisando bots. El trabajador que “dirige mejor con su apoyo” resultó ser, en muchos casos, alguien condenado a revisar, corregir y estabilizar sin descanso un sistema para que su producto sea utilizable. La supervisión no era ascenso; era una nueva línea de montaje, tan repetitiva como la que se prometía abolir. A esto se sumó un costo que ni siquiera los optimistas previeron: las empresas ya detectan pérdida de habilidades por el uso frecuente de IA, con más del 60% considerándolo una amenaza material para los próximos tres a cinco años. La herramienta que iba a potenciar al trabajador empezó a atrofiarlo.

Hay una dimensión que el relato del talento nunca miró de frente: quién queda en cada eslabón. Tarcízio Silva argumenta en Racismo algorítmico (2022) que las plataformas y buscadores son espacios donde determinados perfiles y contenidos son sistemáticamente postergados. La misma jerarquía racial y geográfica que organiza qué contenido circula organiza quién hace el trabajo sucio para que circule. El etiquetador del Sur global no es un accidente de la cadena; es su condición de posibilidad.

IV. Donde se encuentran, donde se pierden

Retórica y realidad se cruzaron una sola vez con claridad, y fue en el punto de inversión: cuando el peso de las crónicas laborales volvió insostenible seguir hablando solo de talento y productividad. El relato optimista no fue derrotado en un debate; fue superado por la acumulación de evidencia. Nueve a dos: esa es la proporción con que, para el tercer trimestre de 2026, el encuadre crítico se impuso sobre el celebratorio. La perspectiva histórica nos permite ver que no cambió la tecnología entre un extremo y otro del arco —la IA de 2026 hace lo mismo que la de 2025, solo que mejor—; cambió nuestra disposición a mirar su costo humano.

Donde retórica y realidad se perdieron una a la otra es más revelador. Durante dos años, el vocabulario del talento y la realidad de la mano de obra describieron a personas distintas que jamás se encontraban en la misma frase. El ingeniero escaso y bien pagado y el etiquetador abundante y mal pagado son ambos “trabajadores de la IA”, pero el relato solo tenía lengua para uno. Esa es la mistificación central que esta columna se propone despejar: llamar “inteligencia autónoma” a un sistema que depende, en cada etapa, de trabajo humano barato y oculto. La autonomía de la máquina es una función de la invisibilidad de sus trabajadores. Cuanto menos los vemos, más inteligente nos parece ella.

García Canclini nos dejó la brújula para no perdernos: nos hicieron luchar contra la irrelevancia en lugar de hacerlo contra la explotación. El miedo al reemplazo —¿qué trabajo tendré en cinco años?— es un miedo real, pero funcionó también como una cortina. Mientras el profesional universitario latinoamericano se preguntaba si la IA lo dejaría sin empleo, la IA ya empleaba a millones en condiciones que ningún convenio colectivo de la región toleraría. La pregunta correcta nunca fue solo “¿me reemplazará?”, sino “¿sobre el trabajo precario de quién se sostiene la herramienta que me promete reemplazarme?”.

Aquí la columna toma partido sin ambigüedad, en favor del lector y en contra de la mistificación. La narrativa de la inteligencia autónoma no es un error técnico de comunicación; es un dispositivo que beneficia a quien vende el sistema, porque un producto que “aprende solo” se cobra más caro y se regula menos que una operación de trabajo intensivo tercerizado al Sur global. Reconocer la mano oculta no es nostalgia antitecnológica: es la condición para regular con justicia, para exigir contención psicológica a los moderadores, pisos salariales a los etiquetadores, y transparencia sobre la cadena a las empresas que facturan en dólares lo que pagan en centavos. Lo que se disputa no es si la IA sirve. Es si su prodigio seguirá construyéndose sobre trabajadores a los que decidimos no ver.

V. La perspectiva histórica

El arco de estos dos años es, en el fondo, la historia de una palabra que se cae. “Autónoma” fue el adjetivo con que se vendió la máquina, y fue lo primero que la realidad desmintió. Cada trimestre que pasó agregó un nombre concreto a un relato que prefería las abstracciones: el etiquetador que cobra centavos por hora, el moderador expuesto sin red a lo peor de internet, el empleado atrapado corrigiendo bots, el minero del que salen los metales. La región tardó en nombrarlos porque el vocabulario disponible —talento, productividad, oportunidad— estaba diseñado para no verlos.

Galeano escribió que la división internacional del trabajo consiste en que unos países se especializan en ganar y otros en perder. La inteligencia artificial no vino a corregir esa vieja geografía; vino a operarla a la velocidad del cálculo, con la ventaja añadida de que ahora la extracción se disfraza de milagro cognitivo. La tarea del lector que no quiere ser administrado es sencilla de enunciar y difícil de sostener: cada vez que un sistema le devuelva una respuesta que parece salida de la nada, preguntarse de qué mano salió realmente.