Katya perdió su trabajo en marketing de contenidos cuando la IA automatizó gran parte de lo que hacía. Desesperada, terminó aceptando un empleo en Mercor, una empresa que contrata profesionales para entrenar los modelos de IA. La ironía es perfecta y brutal: estaba entrenando a la máquina que la había dejado sin trabajo. Y ella no es la única.
Una investigación de The Verge revela el funcionamiento interno de un ecosistema silencioso y en crecimiento: las empresas de datos de entrenamiento que contratan a abogados, científicos, periodistas, copywriters y toda clase de profesionales de cuello blanco para producir el conocimiento que alimenta a los grandes modelos de IA. Mercor, Scale AI, Surge AI. Juntas, están ejecutando lo que un veterano del sector llama “la cosecha de conocimiento humano experto más grande jamás intentada”.
¿Quién es Mercor y cómo llegó a valer $10.000 millones?
Mercor fue fundada en 2023 por tres jóvenes de 19 años de San Francisco: Brendan Foody, Adarsh Hiremath y Surya Midha. Empezaron como plataforma de matching laboral usando entrevistas con IA para conectar ingenieros con empresas tech. Pero recibieron tantas consultas de laboratorios de IA buscando profesionales para producir datos de entrenamiento que pivotaron.
El resultado: hoy Mercor gestiona alrededor de 30.000 profesionales activos por semana. OpenAI y Anthropic figuran entre sus clientes. Y la empresa fue valorada en $10.000 millones el año pasado, convirtiendo a su trío fundador en los billonarios más jóvenes hechos a sí mismos del mundo.
El modelo es simple en papel. Los profesionales:
- Escriben prompts que alguien podría hacerle a un chatbot
- Redactan la respuesta ideal de ese chatbot
- Crean criterios detallados de qué hace que esa respuesta sea perfecta
Cada tarea puede tomar varias horas. El pago empieza en $45 por hora. No está nada mal. Hasta que el proyecto se cancela sin previo aviso, como le pasó a Katya dos días después de empezar.
La contradicción central: cosechan tu experiencia para reemplazarte
Los laboratorios de IA llegaron a un problema: las métricas de benchmark mejoraban, pero los modelos seguían siendo demasiado poco confiables para trabajos reales. La excepción era programación, donde el código se puede verificar automáticamente: o compila o no. Para todo lo demás —análisis financiero, redacción legal, investigación científica— no había forma objetiva de medir “bueno”.
La solución fue contratar a los mejores expertos del mundo para que definieran esos criterios. Y el mercado de trabajo de los profesionales calificados estaba en el momento perfecto para que funcionara.
Según la plataforma Handshake, las ofertas de trabajo de inicio de carrera en EE. UU. cayeron más de un 16% en 2025 respecto al año anterior, y cada publicación recibe un 26% más de solicitudes. El desempleo en sectores de alto nivel intelectual —marketing, periodismo, análisis de datos— está en mínimos de décadas.
Las empresas de datos de entrenamiento no solo buscan profesionales calificados. Buscan a cualquier experto imaginable: chefs, científicos de conservación de vida silvestre, especialistas en derecho penal, instructores de manejo, incluso “expertos en humor adolescente norteamericano de principios de la década”. Si existe un dominio de conocimiento humano, hay un laboratorio de IA dispuesto a pagar por él.
Trabajo inestable con esteroides
La experiencia de los trabajadores tiene un patrón constante: proyectos que se cortan sin aviso, contratos de aceptación en 45 minutos (un domingo a las 6:30 PM, como le pasó a Katya), software de monitoreo que hay que instalar en el computador, sin saber para quién trabajas ni para qué sirve el proyecto. Los supervisores se refieren al cliente como “el cliente” sin más.
Es trabajo de plataforma —el modelo Uber— pero aplicado al trabajo cognitivo de alta especialización. Los mismos mecanismos de control y precariedad que afectaron a los conductores ahora llegan a los abogados y científicos.
Scale AI publicita su red de “más de 700.000 titulados universitarios, másters y doctorados”. Surge AI anuncia abogados litigantes de la Corte Suprema, principales de McKinsey y artistas con discos de platino. Es un ejército de talento de primer nivel trabajando por encargo, sin estabilidad, sin saber si mañana habrá proyecto.
La paradoja de las proyecciones
Aquí está la contradicción más profunda del momento: los mismos laboratorios que anuncian AGI inminente y el fin del trabajo intelectual humano están gastando miles de millones de dólares en contratar a humanos para producir datos, tarea por tarea, habilidad por habilidad. La narrativa de la automatización total y el gasto real en trabajo humano experto no cuadran.
Es la diferencia entre promesas de inteligencia general y el trabajo real de automatizar una tarea a la vez. Para automatizar análisis financiero, necesitas miles de analistas que definan qué es un buen análisis financiero. Para automatizar investigación científica, necesitas científicos que expliquen cómo piensan. La IA aprende de los mejores, y los mejores están ahí, disponibles, porque la misma IA les complicó encontrar trabajo convencional.
Por qué importa
El fenómeno Mercor muestra algo que rara vez aparece en las narrativas sobre IA y trabajo: la transición no es binaria. No es “humanos empleados” vs “humanos reemplazados”. Hay un estado intermedio, amplio e inestable, donde el conocimiento humano se convierte en materia prima para la automatización.
Los profesionales que hoy entrenan modelos pueden estar acelerando su propia obsolescencia. O pueden estar creando una dependencia permanente: la IA necesitará actualización constante, nuevos dominios, nuevas habilidades. Nadie lo sabe con certeza.
Lo que sí es cierto: mientras el debate público se centra en si la IA creará o destruirá empleos a gran escala, hay decenas de miles de personas altamente calificadas que ya viven en el nuevo presente. Entrenan al sistema. Lo alimentan con su expertise. Y esperan que el próximo proyecto no se cancele sin aviso.
Para más contexto sobre el impacto de la IA en el mercado laboral, revisa el análisis sobre los 92.000 empleos destruidos en EE.UU. en febrero de 2026 y la investigación de Anthropic sobre qué empleos están realmente expuestos a la IA. También vale la pena revisar cómo la IA está reconfigurando la cognición humana.
