Trabajo fantasma
Sinónimos: Ghost work
Definición ampliada
El trabajo fantasma (ghost work) es la labor humana no reconocida, sistemáticamente invisible o intencionalmente oscurecida que sostiene el funcionamiento de sistemas de IA presentados como autónomos. El término lo acuñaron Mary Gray y Siddharth Suri en 2019 para denominar la capa de trabajo cognitivo distribuido —etiquetado de datos, moderación de contenidos, verificación de salidas, comparación de respuestas para retroalimentación por preferencias— sin la cual los sistemas de IA contemporáneos no podrían construirse ni mantenerse [1].
Esta labor se externaliza con frecuencia mediante plataformas de microtareas, queda invisible en el producto final y contradice la narrativa de autonomía que rodea a la IA actual. No es un defecto accidental: en muchos sistemas es una condición de posibilidad de su construcción, alineación, evaluación continua y mantenimiento.
Contexto histórico
El antecedente simbólico es el Turco Mecánico (Wolfgang von Kempelen, 1770), autómata de ajedrez que ocultaba en su interior a un maestro humano. La versión contemporánea nació con Amazon Mechanical Turk (2005), plataforma que permite externalizar globalmente microtareas cognitivas a trabajadores distribuidos por precio unitario. Gray y Suri sistematizaron el fenómeno en Ghost Work (2019) [1], y este adquirió nueva urgencia con la expansión del aprendizaje por refuerzo a partir de retroalimentación humana (RLHF) desde 2022 [2]: los evaluadores humanos que puntúan las respuestas de un modelo son, en sentido literal, el trabajo fantasma que produce su alineación [1].
Importancia actual
A fecha de septiembre de 2026, la narrativa dominante sobre IA generativa suprime con frecuencia la visibilidad del trabajo fantasma: que un modelo «responda bien» es, en parte, que evaluadores humanos hayan señalado qué respuestas eran mejores, más seguras o más alineadas con valores humanos [2], en algunos casos documentados con baja remuneración [3]. Esta labor no se detiene con el lanzamiento del producto: la moderación continua, la corrección de errores y el re-etiquetado de casos nuevos persisten durante todo el ciclo de vida del sistema. La calidad del trabajo fantasma es, en sentido estricto, un determinante de la calidad del sistema: sus sesgos y sus errores sistemáticos heredan las condiciones de ese trabajo invisible.
Aplicaciones
Generales
- Las plataformas de datos para IA suministran datasets anotados para entrenar modelos de lenguaje, visión y voz a escala industrial, con cadenas de subcontratación que dificultan trazar quién anotó qué y con qué cualificación.
Sanitarias
- Los sistemas de apoyo a la decisión clínica requieren que radiólogos, patólogos o enfermeras especialistas hayan anotado los casos de entrenamiento, labor que no siempre consta en la documentación del producto. Quién anotó, con qué cualificación y con qué criterio de referencia condiciona la fiabilidad del sistema [4], y es una información que conviene pedir al proveedor.
Limitaciones
- Es estructuralmente difícil de regular porque ocurre en capas de subcontratación externas a la cadena de responsabilidad formal del fabricante del modelo.
- La falta de estándares de cualificación para anotadores en dominios especializados genera un riesgo de calidad silencioso: un clasificador de lesiones dermatológicas puede haberse entrenado con anotaciones de personal sin formación médica.
- El Reglamento de IA europeo refuerza la documentación de los datos de entrenamiento en sistemas de alto riesgo, pero eso no convierte automáticamente en transparente quién anotó, con qué cualificación y bajo qué condiciones.
Ejemplos
reCAPTCHA mostró otra forma de trabajo humano oculto: las palabras que los sistemas de reconocimiento óptico no podían leer se presentaban a usuarios y sus respuestas ayudaban a digitalizar impresos [5].
Un reportaje de la revista TIME documentó que trabajadores en Kenia cobraban menos de dos dólares por hora por revisar contenido extremadamente violento para entrenar los filtros de seguridad de ChatGPT, labor que causó daño psicológico documentado y que no figuraba en ningún material de comunicación del producto [3]. En retinopatía diabética, el voto mayoritario de oftalmólogos pasó por alto lesiones, sobre todo microaneurismas, que el consenso de retinólogos sí identificó. Al ajustar el algoritmo con una pequeña muestra de ese consenso, junto con imágenes de más resolución, su área bajo la curva subió de 0,934 a 0,986 [4]. Quién etiqueta entra en el modelo.