La prueba que rompió la ilusión
En 2023, un equipo de investigación de la EPFL en Lausana hizo un experimento discreto con trabajadores de crowdsourcing que había contratado a través de Amazon Mechanical Turk para resumir textos. Con registro de pulsaciones y un clasificador entrenado para detectar prosa escrita por máquinas, el equipo, dirigido por Veselovsky, estimó que entre el 33 y el 46 por ciento de los trabajadores había usado un gran modelo de lenguaje para producir sus respuestas 'humanas'.
El hallazgo no era un escándalo sobre trabajadores perezosos. Era un aviso sobre la procedencia. El mercado vendía criterio humano por tarea, y entre un tercio y la mitad de ese criterio ya era una máquina tras el usuario de otra persona. Quien compraba datos etiquetados, decisiones de moderación o respuestas de encuesta al precio de la pieza compraba una mezcla que no podía ver.
Lo que Amazon hizo en realidad
El 30 de julio de 2026, AWS deja de aceptar nuevos clientes para Mechanical Turk. Los clientes actuales pueden seguir usándolo, pero el servicio está ahora en mantenimiento: AWS dice que invertirá en seguridad y disponibilidad, pero no añadirá nuevas funciones. En lenguaje de la nube, ese es el camino a la retirada, no una pausa.
Mechanical Turk nació en 2005 y toma su nombre de una máquina de ajedrez del siglo XVIII que escondía a una persona dentro de un autómata falso. El nombre era la broma y el modelo: software que parecía automático pero funcionaba con personas. Dos décadas después, las personas funcionaban en silencio con software, y las cuentas que hacían útil la plataforma dejaron de cuadrar.
Por qué esto llega a su mesa
La historia no es el cierre de un servicio. Es cada paso de su sistema que da por hecho que un humano revisó algo. Colas de moderación, etiquetado de datos para un modelo que ajusta, puntuación de pruebas, controles de cumplimiento con 'revisión humana', paneles de encuesta tras un panel de investigación de mercado: muchos pasan por mercados baratos de tareas humanas, y el resultado de 2023 dice que esa capa humana ya era porosa hace años.
Para un operador europeo no es solo una cuestión de eficiencia. El Reglamento de IA exige gobernanza y trazabilidad de los datos para los sistemas de mayor riesgo, y 'una persona revisó el conjunto de entrenamiento' es justo el tipo de afirmación que un auditor le pedirá demostrar. Si no puede mostrar quién produjo una etiqueta, no puede mostrar que la etiqueta esté limpia.
La decisión, no la nostalgia
La instrucción es concreta y tiene fecha. Antes del 30 de julio, enumere cada flujo de trabajo que llegue a un mercado de tareas humanas, marque cuáles alimentan un modelo, un registro de cumplimiento o una decisión de cara al cliente, y decida para cada uno si lo mueve, lo verifica o lo sustituye. Trate 'eso lo externalizamos a humanos' como una afirmación por probar, no como un control que funciona.
La tasa base es la lección. Quien compra verificación por pieza recibe del proveedor más barato la letra de la tarea con la herramienta más rápida, y hoy esa herramienta es un modelo de lenguaje. Pague por la prueba de la procedencia, no solo por una respuesta, y el cierre de un mercado deja de ser su problema.
Leer a continuación: Cuatro nubes de EE. UU. responden ya ante Londres | El 24 de julio, deepseek-chat deja de responder
