El legado del Turco Mecánico: de engaño humano a sustitución por IA

Durante más de ocho décadas, entre finales del siglo XVIII y principios del XIX, el Turco Mecánico fascinó al público al parecer jugar al ajedrez de forma autónoma. Su secreto, sin embargo, era sencillo: un jugador humano oculto en su interior. Este engaño aprovechó el entusiasmo de la época por las innovaciones de la Revolución Industrial, donde el rápido cambio tecnológico creó, según el historiador Charles Michael Carroll, una 'oportunidad para la mistificación y el charlatanismo'.

En el siglo XXI, el nombre resurgió con Amazon Mechanical Turk (AMT), una plataforma lanzada en la década de 2010. AMT dependía de trabajadores humanos para realizar microtareas como transcribir audio, anotar datos humanos reales, una plataforma de trabajo colaborativo que externalizaba pequeñas tareas mal remuneradas a trabajadores autónomos. Durante la década de 2010, AMT se utilizó ampliamente para cubrir las limitaciones de los primeros sistemas de IA, realizando actividades como la transcripción de audio y la anotación de datos, esenciales para entrenar modelos de aprendizaje automático.

A mediados de esa década, trabajadores en almacenes estadounidenses reportaron ingresos de entre US$5 y US$7 por hora realizando estas tareas en su tiempo libre. El trabajo en plataformas como AMT no solo incluía labores rutinarias, sino también la preparación de datos para mejorar la capacidad de los sistemas de IA.

Sin embargo, la segunda etapa del Turco Mecánico está llegando a su fin. Los grandes modelos de lenguaje (LLM) han alcanzado un nivel de sofisticación que les permite realizar muchas de esas tareas informáticas sin intervención humana. En respuesta, Amazon anunció que AMT dejará de aceptar nuevos clientes a partir del 30 de julio de 2026. Un trabajador expresó en Reddit: 'Al entrenar a esas IA, cavamos nuestra propia tumba'.

La demanda de trabajo humano no ha desaparecido, sino que se ha trasladado. Ahora se centra en actividades que requieren presencia física o conocimientos especializados. En India, trabajadores de fábrica usan cámaras acopladas a la cabeza para generar datos visuales. Plataformas como Mercor pagan entre US$80 y US$120 por hora a 'evaluadores' de periodismo y finanzas, quienes deben identificar errores factuales, estéticos y de presentación en documentos para calificar los resultados de la IA.

Algunas plataformas de microtareas persisten, pero ahora se enfocan en áreas donde la percepción humana sigue siendo esencial, como estudios de preferencia o encuestas. Curiosamente, muchos trabajadores están empezando a usar herramientas de IA para completar estas tareas más rápido, incluso recurriendo a agentes de IA que se hacen pasar por humanos.

Para contrarrestar esta tendencia, empresas como Prolific han experimentado con métodos para detectar agentes de IA, incluyendo el seguimiento de movimientos del cursor (los humanos son más erráticos) y la inclusión de preguntas 'shibboleth' inversas, cuyas respuestas solo conocerían los humanos.

Paralelamente, ha surgido una nueva industria: el 'muestreo sintético', en la que se utilizan LLM para simular respuestas humanas con características demográficas diversas. Aunque este método es más rápido y barato que encuestar a personas reales, algunos investigadores advierten que podría perderse información valiosa sobre la complejidad del comportamiento humano.

El ciclo parece cerrarse: primero, humanos fingieron ser máquinas; luego, entrenaron máquinas; ahora, las máquinas intentan pasar por humanos. Como advierte el autor, esta nueva fase podría volver a generar oportunidades para la mistificación y el charlatanismo, marcando el comienzo de una era en la que la línea entre lo humano y lo artificial se vuelve cada vez más difusa.