El supermercado sin empleados de Amazon fracasa y recuerda la cara oculta de la tecnología

¿Qué tienen en común el supermercado sin cajeros de carne y hueso de Amazon, ChatGPT o una Roomba que es capaz de esquivar los cables por casa o no estrellarse contra el regalo que tu mascota ha dejado en medio del salón? Lo primero de todo, que todos ellos prometen hacer cosas fabulosas sin ningún tipo de intermediación humana gracias a ese cajón de sastre tecnológico llamado inteligencia artificial. O al menos aparentemente. Porque a la hora de la verdad no es que necesiten una persona que les haga de muleta, sino cientos o incluso miles de ellas. Trabajadores que suelen operar en la sombra, de forma invisible para el público general, y que lo hacen por norma en subcontratas situadas en países en vías de desarrollo, lo que les permite ofrecer un salario más bajo.

El último ejemplo que ha servido para poner esto de relieve ha sido precisamente el gigante del comercio electrónico. Esta semana se ha conocido que Amazon va a desconectar gradualmente sus supermercados más futuristas, esos en los que cualquier cliente registrado podía acceder escaneando la palma de su mano o un código QR en su móvil para identificarse, coger lo que quisiese de los lineales y salir por la puerta sin pasar por caja. La factura aparecía milagrosamente en el teléfono y el cargo en la cuenta minutos después.

En primer término los de Seattle lo instalaron en locales creados específicamente para este sistema, en una línea de establecimientos más pequeños llamados Amazon Go. Pero posteriormente también empezó a implementar en supermercados tradicionales, como los de su línea Fresh. Aunque la compañía es conocida por vender en internet más que por otra cosa, tiene un pie metido en la distribución física desde 2017 cuando gastó 13.700 millones para adquirir el minorista Whole Foods.

La mayoría de veces estos despliegues se han hecho en Estados Unidos, aunque también ha habido experiencias en Canadá y, a este lado del Atlántico, en Reino Unido. Incluso se comercializó a terceros. Este periódico pudo entrar en uno de los Amazon Go a finales de 2022, concretamente en un establecimiento que había instalado en el centro de Nueva York.

TE PUEDE INTERESAR

Estas tiendas son un peligro para el negocio de Google y nadie se está fijando en ellas

M. Mcloughlin

Tras identificar y poder toquetear varios productos, sacarlos y colocarlos en su lugar, optamos por llevarnos un par de cosas y quedaron perfectamente reflejadas en nuestra cuenta. El único empleado que había en la tienda era la joven que se dedicaba a reponer lo que había en los estantes. El resto del trabajo dependía de un puñado de sensores y cámaras que poblaban el techo. Pues bien, todo esto tiene los días contados. Ya se sabía que el proyecto no terminaba de carburar cuando no se cumplían los plazos de expansión a nuevos mercados, pero es que ahora el proyecto ha recibido la puntilla definitiva.

Tal y como han revelado varios medios, Amazon va a mandar a la nevera este desarrollo de forma indefinida. No se sabe qué pasará con las tiendas Go exactamente, específicamente creadas para experimentar con este compra automatizada, pero en los supermercados más tradicionales todo esto se cambiará por unos carritos de la compra que detectará lo que se pone en el carrito, gracias a sensores RFID.

Esto es algo que en nuestro país ya hemos visto en cadenas como Decathlon, que ha sustituido los tradicionales puntos de cobro por unos cajones donde se depositan los diferentes productos para ser detectados sin que nadie haga nada más. Los carritos de Amazon tendrán una pantalla donde el usuario podrá hacer el pago con la tarjeta que tiene guardada en su cuenta de Prime. En el caso de que no sea usuario registrado, unas cajas de autocobro como las que ya se pueden ver en otras cadenas de alimentación en España.

¿Un gran experimento fallido?

En resumen, que los cajeros humanos no van a volver. Pero no es que Amazon no vaya a tener que contratar más personal, es que va a poder ahorrar mano de obra con esta decisión. Aunque el sistema se vendiera como automatizado e inteligente, en realidad no lo era tanto. Dependía, según The Information, de un ejército de 1.000 revisores que escrutaban cada clip para etiquetar lo que se veía en las imágenes.

Según fuentes conocedoras consultadas por dicha web, hasta un 70% de las compras tenían que ser chequeadas por esta vía y cotejar que los algoritmos habían detectado todo bien. En declaraciones ofrecidas a Gizmodo, la empresa ha afirmado que "solo un pequeño porcentaje" de las operaciones no podían ser validadas por inteligencia artificial. Sin embargo, cuando los estadounidenses echaron a rodar el sistema en 2016, esperaban que, a medio plazo, la intervención humana solo fuese necesaria en 5 de cada 100 compras. Han pasado ocho años y su precipitado adiós es un reconocimiento tácito de que no habían logrado su objetivo, a pesar de los enormes avances

Lo que sí han reconocido, sin embargo, es la utilización de ese ejército de revisores para etiquetar los videos, "algo necesario para la constante mejora de la modelo de aprendizaje profundo". Esa tarea, la del etiquetado de imágenes, es un trabajo muy voluminoso, muy rutinario y mecánico y de poca cualificación. En definitiva, carne de cañón para deslocalizar esta actividad en un rincón del sudeste asiático.

TE PUEDE INTERESAR

Una Roomba graba a una mujer en el váter y las imágenes terminan en Facebook

Teknautas

Este solo es un eslabón más de una industria fantasma, que mueve millones de dólares cada año entre bambalinas, sin que los usuarios sean conscientes de su trabajo ni de que están colaborando con ellas. De vez en cuando, una controversia destapa algunas piezas del engranaje y revela una realidad poco conocida. La más reciente involucró a Amazon, pero antes fue OpenAI, la responsable de ChatGPT, que empleó a trabajadores en Kenia con salarios inferiores a dos dólares por hora para supervisar y controlar el contenido tóxico de la inteligencia artificial. "La meta era reducir la cantidad de contenido violento y sexual en los datos de entrenamiento", admitió públicamente la empresa de Sam Altman y respaldada económicamente por Microsoft.

Antes de eso, surgió el caso de una Roomba que tomó fotos de una joven en el baño, las cuales acabaron en Facebook. La filtración no fue culpa del electrodoméstico con cámara para detectar y fotografiar lo que se cruza en su camino, sino de un empleado de una subcontrata situado en Venezuela, encargado de etiquetar y clasificar imágenes para mejorar el reconocimiento de objetos y la navegación de las máquinas. La empresa estadounidense aseguró que se trataba de una unidad de prueba y que el problema no afectó a ningún producto final. La tarea fue realizada por Scale AI, una startup valorada en 13.000 millones de dólares en 2023, siete años después de su fundación y con inversores como Tiger Global. Inicialmente, trabajaron en imágenes para sistemas de conducción autónoma y luego se expandieron a otros menesteres.

La IA depende del juicio humano

El auge de la inteligencia artificial generativa no solo concierne a empresas que ofrecen soluciones para mejorar la cadena logística o calcular la huella de carbono. Los robots aspiradores, las lámparas conectadas, los sistemas de calefacción que aprenden de nuestros hábitos y los asistentes como Siri o Alexa también requieren minería y limpieza de datos. Incluso TikTok, con su algoritmo aparentemente invencible, necesita que sus trabajadores identifiquen manualmente algunos videos para incluirlos en las tendencias. Durante años, las empresas han acumulado enormes cantidades de datos sin saber qué hacer con ellos, y la informática en la nube solo ha exacerbado esta situación. Antes de poder utilizar y explotar esta información con sistemas autónomos, es necesario limpiarla y validarla.

En España, empresas como Google validaban grabaciones de audio sus asistentes a través de compañías externas de esta naturaleza. Trabajadores contactados por este periódico en su momento explicaban que era un trabajo "muy monótono", en el que simplemente se limitaban a ver si la máquina había entendido bien lo que le pedía el usuario de forma completamente anonimizada y, si no era así, se apuntaba en un excel para mejorar el rendimiento del sistema.

"En informática tenemos un dicho: 'si entra basura, sale basura' que viene a decir que un sistema de aprendizaje automático es tan bueno como buenos son sus datos de entrada. Y son difíciles de conseguir", explicaba a Teknautas el investigador Sebastian Raschka en un reportaje sobre este tipo de empresas. "No me sorprende lo más mínimo que etiquetar datos sea un trabajo tan precario. Es una tarea aburrida, no muy emocionante y repetitiva. Siempre me resulta difícil convencer a los colaboradores de que dediquen algunas horas o días a mejorar los conjuntos de datos".

"Los trabajadores humanos son fundamentales para cualquier inteligencia artificial, porque deben examinar los datos de capacitación, eliminando los que son incorrectos, incompletos o simplemente no necesarios", aseguraba a este medio Mary L. Gray, investigadora de Microsoft Research, antropóloga y coautora de Ghost Work: How to Stop Silicon Valley from Building a New Global Underclass (en castellano, Trabajo Fantasma: cómo evitar que Silicon Valley construya una subclase global), un libro que analiza los tejidos empresariales, muchas veces precarios, que han surgido al abrigo de estas y otras revoluciones tecnológicas. "La razón por la que el juicio humano es tan necesario es que hay muchos casos en los que no hay una respuesta fácil o binaria a qué tiene que hacer a continuación. Las personas ayudan a estos sistemas a imaginar cuáles son las respuestas más acertadas y probables a esa pregunta".