OpenAI Le Está Pagando a Miles de Freelancers para Entrenar a ChatGPT en Sus Propios Trabajos
Una iniciativa interna de OpenAI, ‘Project Stagecraft’, está pagando a entre 3,000 y 4,000 freelancers al menos $50 por hora — y hasta $500 para expertos en áreas específicas — para construir datos de entrenamiento especializados por ocupación para ChatGPT en más de 400 títulos de trabajo distintos (Fuente: Business Insider). El proyecto se lleva a cabo a través de la startup de etiquetado de datos Handshake AI, con contratistas que abarcan campos desde la aviación comercial y la medicina de emergencias hasta la ciencia de plantas, la farmacología y la gestión agrícola (Fuente: Startup Fortune).
Se instruye a los contratistas a desarrollar personas detalladas y simular flujos de trabajo reales, proporcionando 'contexto, objetivos, referencias y entregables' para ayudar a entrenar los modelos con experiencia humana especializada. Una guía de entrenamiento de Handshake revisada por los reporteros indica que el enfoque está en 'trabajo del conocimiento, no trabajo manual’, con los datos recopilados destinados a 'mapear tareas económicamente relevantes y evaluar las capacidades del modelo.'
Un contratista que participó le dijo a los reporteros: 'Todos éramos conscientes de que, básicamente, estábamos entrenando a la IA para reemplazarnos' (Fuente: Business Insider).
La revelación llega mientras OpenAI simultáneamente ha comenzado a redactar documentos de política sobre disrupción económica y 'repensar el contrato social' en una era de desplazamiento laboral impulsado por la IA (Fuente: Vanity Fair).
La empresa recientemente cerró una ronda de financiamiento récord de $122 mil millones a una valuación de $852 mil millones, con los ingresos empresariales representando ahora más del 40% de su tasa de ejecución de $2 mil millones mensuales (Fuente: OpenAI).
Stagecraft sugiere que las ambiciones de OpenAI se extienden mucho más allá de la generación de código hacia un catálogo sistemático del conocimiento profesional — campo por campo, tarea por tarea.

