Hay algo casi vertiginoso en la escena. Una arquitecta formada durante años termina su jornada, abre una plataforma en línea y explica a una máquina, paso a paso, cómo preparar una propuesta de edificio o realizar un análisis de rentabilidad. No es un ejercicio académico. Recurre a su trabajo real, a sus hábitos profesionales, a esa parte de la experiencia que rara vez se aprende en un manual.

La arquitecta se llama Cuicui y vive en Shenzhen. En cinco años, sus ingresos se han reducido a la mitad en un contexto de descenso del gasto público en infraestructuras. Por la noche, trabaja para TalentsAI con el fin de pagar su hipoteca y las actividades extraescolares de su hijo. Ahí está la paradoja: a corto plazo monetiza un conocimiento que, a más largo plazo, podría contribuir a reducir la escasez de su propia profesión.

Para seguir siendo solventes hoy, algunos profesionales enseñan a la máquina aquello que mañana podría hacer menos indispensable su trabajo.

Ya no es anotación: es transferencia de oficio

La palabra «anotación» todavía evoca pequeñas tareas repetitivas: clasificar una foto, comprobar una frase, hacer clic en una categoría. Aquí cambia la escala. Las plataformas buscan personas capaces de transmitir razonamiento profesional, métodos, criterios de decisión e incluso, en ocasiones, una forma de reconocer una buena respuesta sin poder explicarla mediante una regla sencilla.

ByteDance lanzó Xpert en 2025 y asegura haber reclutado a más de 50.000 expertos, desde escritores hasta terapeutas. Alibaba, con Siriser, contrata entre otros a docentes, ingenieros mecánicos y compositores. TalentsAI y MeetChances también se dirigen a periodistas, fiscalistas o cazatalentos. En Estados Unidos, Mercor, Surge AI y Handshake ya reclutan abogados, científicos y profesionales del cine para entrenar modelos en tareas de oficina cualificadas.

El cambio es importante: la materia prima ya no es solo el dato, sino el juicio humano. En estos encargos, lo que se busca es la manera en que un experto pasa de un problema incompleto a una decisión útil. En junio, la Administración Nacional de Datos de China también pidió desarrollar conjuntos de datos de alta calidad y animó a los graduados universitarios a considerar la anotación como un empleo flexible.

Se espera que el mercado chino de datos de entrenamiento para IA alcance los 1.100 millones de dólares en 2026, un 25% más que en 2025. Al mismo tiempo, el consumo diario de tokens en China pasó de unos 100.000 millones a principios de 2024 a 500 billones a mediados de 2026. Estas cifras no dicen que los expertos vayan a desaparecer. Sí muestran hasta qué punto el ecosistema necesita un combustible más sofisticado: ejemplos de razonamiento que los modelos puedan utilizar.

¿Por qué aceptar formar a un competidor potencial?

La respuesta más sencilla es también la menos cómoda: porque un principio moral rara vez pesa tanto como una cuota hipotecaria que vence. En China, los trabajadores entrevistados describen este empleo como exigente, precario y peor pagado que en Estados Unidos. Algunas tareas pagan entre 100 y 500 yuanes, unos 15 a 74 dólares, aunque requieren varias horas. Los equipos de calidad pueden rechazar trabajos y estos pueden quedar sin pagar.

El contexto económico desempeña, por tanto, un papel central. El desempleo juvenil en China se sitúa en el 17,9%. MeetChances incluso utilizó en RedNote un argumento publicitario muy directo: tras un despido en la madurez, convertirse en formador de IA puede ser una opción. La promesa no es una carrera prestigiosa. Es disponer de ingresos ahora.

El mismo conflicto aparece en otros lugares. En Sudáfrica, James Maisiri, doctor en sociología industrial, rechazó una tarea en la que debía transferir a una IA lo que había aprendido durante diez años sobre diseño de evaluaciones, enseñanza y corrección. El puesto pagaba 600 rands por hora, unos 37 dólares, muy por encima del salario mínimo nacional de 30,23 rands. Sin embargo, consideró que la remuneración no compensaba el problema de fondo: contribuir a crear una herramienta capaz de competir con la profesión que había tardado años en dominar.

No todo el mundo puede permitirse rechazar una oferta así. En Sudáfrica, el desempleo juvenil alcanzó el 47,4% en el segundo trimestre de 2026. Es ahí donde el dilema deja de ser tan filosófico. Cuanto más se deteriora el mercado laboral, más difícil resulta mantener la frontera entre «protejo mi experiencia» y «vendo lo que pueda vender».

Una experiencia mejor pagada no elimina la paradoja

En Estados Unidos, el modelo puede ser mucho más lucrativo. Mercor, valorada en 10.000 millones de dólares, cuenta con más de 30.000 contratistas de cuello blanco que trabajan para laboratorios como OpenAI o Anthropic. Allí, abogados y médicos ganarían de media entre 85 y 200 dólares por hora, mientras que algunas especialidades, como la psiquiatría o el capital riesgo, pueden alcanzar entre 350 y 1.000 dólares por hora.

Pero una tarifa elevada no cambia la naturaleza del intercambio. El experto vende menos una hora de producción que una parte de su ventaja comparativa. Precisamente por eso, este nuevo mercado merece ser observado como algo más que un simple «trabajo extra de IA».

Lo que China anuncia — y lo que no anuncia — para Europa

Hay que ser precisos: ninguno de los casos documentados aquí permite afirmar que este fenómeno ya esté implantado en Francia o en Europa. China, Estados Unidos, Sudáfrica e India muestran, sin embargo, que el mecanismo no pertenece a un único sistema económico. Aparece tanto en mercados donde la experiencia se paga muy bien como en países donde la necesidad empuja a aceptar trabajos precarios.

Lo que puede trasladarse a Europa no es necesariamente el nivel de remuneración, ni el estatus jurídico, ni siquiera la forma exacta de las plataformas. Es el mecanismo: cuando un sector contrata menos, una empresa de IA busca una competencia escasa y un profesional posee esa competencia pero carece de oportunidades, puede surgir un mercado para transformar su conocimiento tácito en material de entrenamiento.

Esta posibilidad merece aún más atención porque, según Datasumi, las ofertas de entrada para algunos trabajadores de cuello blanco — jóvenes abogados, analistas financieros, investigadores — ya habrían caído un 50% desde 2019. Sería abusivo deducir de ello que la IA es la única causa o que Europa seguirá mecánicamente la misma trayectoria. Pero la secuencia es lo bastante coherente como para plantear una pregunta seria: ¿qué ocurre cuando los primeros empleos que permitían adquirir experiencia se vuelven más escasos, mientras las máquinas aprenden precisamente a ejecutar una parte de esas tareas?

El conocimiento humano quizá valga más como materia prima que como puesto de trabajo

Este es, a mi juicio, el punto más inquietante. Durante mucho tiempo, se supuso que las profesiones complejas estarían protegidas porque se basan en años de experiencia, contexto, excepciones y juicio. Sin embargo, es precisamente esa complejidad la que se está volviendo valiosa para las empresas de IA.

El saber hacer humano no se ha vuelto inútil. Casi ocurre lo contrario: es lo bastante valioso como para pagar a expertos con el fin de capturarlo. La cuestión es saber quién conservará el valor una vez que ese conocimiento se convierta en una capacidad de software reproducible.

  • Para el profesional, la tarea aporta ingresos inmediatos.
  • Para la plataforma, transforma una experiencia escasa en ejemplos reutilizables a gran escala.
  • Para la empresa cliente, puede reducir mañana la necesidad de recurrir a un experto para cada tarea similar.

No hay que concluir que cada abogado, arquitecto o ingeniero esté programando su propio despido. Nada en los casos documentados permite una conclusión tan mecánica. Sin embargo, esta dinámica merece algo mejor que el tópico del «robot que roba empleos».

El verdadero cambio es más discreto: los profesionales en dificultades pueden convertirse en proveedores temporales del conocimiento que automatizará una parte de su propia cadena de valor. China nos muestra sobre todo en qué se convierte este mercado cuando la presión económica es fuerte. Para Europa, la advertencia no es una profecía. Es una cuestión que conviene resolver antes de que la necesidad decida en lugar de los profesionales: ¿cuánto vale una experiencia cuando se vende una vez, pero después puede reproducirse casi sin límite?