Trabajadores del gig economy en Nigeria e India graban sus tareas domésticas para entrenar robots humanoides

El artículo de MIT Technology Review, publicado el 1 de abril de 2026 y firmado por Michelle Kim, ofrece una radiografía detallada de una nueva y peculiar forma de economía colaborativa que está emergiendo a escala global: trabajadores freelance en países como Nigeria, India y Argentina que se colocan un iPhone en la frente con un arnés, encienden el aro de luz y se graban a sí mismos haciendo las tareas del hogar —doblar ropa, lavar platos, planchar, tender la cama— para que esas grabaciones sirvan como datos de entrenamiento para robots humanoides.

El personaje central con el que arranca la historia es Zeus, estudiante de medicina en una ciudad nigeriana, que tras sus largas jornadas hospitalarias transforma su diminuto apartamento en un plató de grabación improvisado. Camina con los brazos extendidos al frente, como un sonámbulo, para asegurarse de que sus manos permanezcan dentro del encuadre de la cámara montada en su cabeza. Zeus trabaja para Micro1, una empresa estadounidense con sede en Palo Alto (California) que recopila datos del mundo real para venderlos a compañías robóticas. Cobra 15 dólares por hora, una retribución considerada buena en el contexto de la economía nigeriana, marcada por el desempleo elevado. Aun así, confiesa que la monotonía de planchar ropa durante horas le resulta tediosa: «Soy el tipo de persona que necesita un trabajo técnico, que me exija pensar», declara.

La razón de fondo que explica este fenómeno es el auge de los robots humanoides —máquinas diseñadas para moverse y parecerse a los seres humanos— y la dificultad técnica intrínseca de enseñarles a manipular objetos físicos. Empresas como Tesla, Figure AI y Agility Robotics están en plena carrera por desarrollar humanoides capaces de trabajar en fábricas y hogares. El problema es que, a diferencia de los grandes modelos de lenguaje (LLMs) que aprendieron a generar texto entrenándose con enormes volúmenes de información rastreada en internet, los robots necesitan datos sobre el mundo físico: movimientos, fuerzas, texturas, posiciones. Y ese tipo de datos es mucho más escaso, caro y difícil de conseguir.

Las simulaciones virtuales permiten entrenar robots para realizar acrobacias, pero fallan a la hora de enseñarles a agarrar y mover objetos con precisión, porque los simuladores no modelan la física con exactitud suficiente. Eso ha disparado la demanda de datos reales, captados en entornos auténticos, con objetos reales y personas reales moviéndose de forma natural. Ahí es donde entran en juego los trabajadores del gig economy.

Micro1 tiene contratados a miles de trabajadores independientes en más de 50 países. El proceso de selección comienza con una entrevista realizada por un agente de inteligencia artificial llamado Zara, que también revisa muestras de vídeos de tareas domésticas. Cada semana, los trabajadores aceptados envían nuevas grabaciones siguiendo un protocolo estricto: manos siempre visibles, velocidad de movimiento natural, sin mostrar el rostro ni revelar información personal como nombres, números de teléfono o fechas de nacimiento. Los vídeos son revisados por una combinación de IA y revisores humanos, y posteriormente anotados —es decir, etiquetados con descripciones de las acciones que aparecen— por equipos de cientos de personas.

Ali Ansari, CEO de Micro1, estima que las empresas robóticas gastan actualmente más de 100 millones de dólares anuales para adquirir datos del mundo real a su empresa y a otras similares. En 2025, los inversores destinaron más de 6.000 millones de dólares al sector de los robots humanoides, lo que ilustra el ritmo frenético al que se está desarrollando esta industria. Micro1 no es la única compañía en este espacio: Scale AI y Encord también están reclutando sus propios ejércitos de grabadores de datos. Incluso DoorDash, la plataforma de reparto a domicilio, paga a sus repartidores para que se filmen realizando tareas en casa. En China, el modelo es diferente pero igualmente intensivo: trabajadores en decenas de centros estatales de entrenamiento robótico llevan cascos de realidad virtual y exoesqueletos para enseñar a los humanoides a abrir un microondas o limpiar una mesa.

Desde el punto de vista de los trabajadores, el artículo recoge varios testimonios que ilustran tanto las oportunidades como las dificultades de este empleo. Arjun, tutor de Delhi, tarda una hora en preparar un vídeo de 15 minutos, porque dedica la mayor parte del tiempo a pensar en qué nueva tarea doméstica puede grabar: «¿Cuánto contenido puede hacerse en casa? ¿Cuánto contenido?», se pregunta frustrado. Además, es padre de dos hijas y tiene que mantener constantemente a su hija de dos años fuera del encuadre, lo que convierte cada grabación en una pequeña logística familiar. Sasha, una exbanquera reconvertida en grabadora de datos en Nigeria, tiene que moverse con sigilo cuando tiende la ropa en el patio comunitario de su edificio, para no capturar en cámara a sus vecinos, que la observan con perplejidad. Dattu, estudiante de ingeniería en India, llega a casa tras un día de clases, se salta la cena y se va directo a su pequeño balcón —abarrotado de macetas y mancuernas— a grabarse doblando la misma ropa una y otra vez. Su familia le mira sin entender nada. «Para ellos es como tecnología espacial», dice.

Uno de los aspectos más delicados que aborda el artículo es el de la privacidad y el consentimiento informado. Aunque Micro1 instruye a sus trabajadores para que no muestren sus caras ni revelen datos personales, los vídeos capturan inevitablemente una porción íntima de sus vidas: el interior de sus hogares, sus pertenencias, sus rutinas cotidianas. Los filtros de IA y los revisores humanos pueden no detectar toda la información sensible que se cuela inadvertidamente en las grabaciones. Yasmine Kotturi, profesora de computación centrada en el ser humano en la Universidad de Maryland, Baltimore County, señala que es fundamental que las empresas informen a los trabajadores sobre las intenciones detrás de los proyectos en los que participan, sobre adónde puede ir esa tecnología y cómo podría afectarles a largo plazo.

El problema se agrava por la opacidad de la cadena de uso de los datos. Aunque los trabajadores saben en términos generales que sus grabaciones se usarán para entrenar robots, ninguno de los entrevistados sabe exactamente cómo se utilizarán, almacenarán o compartirán sus datos con terceros —es decir, con las empresas robóticas que Micro1 les vende—. Por razones de confidencialidad, Micro1 no revela el nombre de sus clientes ni la naturaleza específica de los proyectos a los que cada trabajador contribuye. El artículo menciona además que en el canal de Slack interno de la empresa han aparecido trabajadores preguntando si es posible eliminar sus datos, pero Micro1 se negó a comentar si esas solicitudes de borrado se atienden.

Otro frente de debate es la calidad y la fiabilidad de los datos recogidos. Aaron Prather, roboticista de ASTM International, advierte que la forma en que la gente realiza las tareas en casa no siempre es segura ni correcta, y que si los trabajadores enseñan malos hábitos a los robots, esos datos pueden ser contraproducentes o incluso peligrosos. La escala del problema también es significativa: revisar con suficiente criterio decenas de miles de horas de vídeo es un reto logístico mayúsculo. Micro1 responde que rechaza los vídeos que muestran formas inseguras de realizar una tarea y que los movimientos torpes también tienen valor, porque sirven para enseñar a los robots lo que no deben hacer.

En cuanto a las perspectivas a largo plazo, el roboticista Ken Goldberg, de la Universidad de California en Berkeley, ofrece una nota de cautela. Los grandes modelos de lenguaje se entrenaron con cantidades de texto y de imágenes que un ser humano tardaría 100.000 años en leer. Los robots humanoides pueden necesitar volúmenes aún mayores de datos, porque controlar las articulaciones robóticas es aún más complejo que generar texto. «Va a llevar más tiempo del que la gente cree», advierte Goldberg. Micro1 afirma disponer ya de decenas de miles de horas de grabación, mientras que Scale AI ha anunciado haber acumulado más de 100.000 horas. Pero nadie sabe todavía con certeza cuántos datos serán necesarios ni qué características deben tener para que el entrenamiento funcione a la escala requerida.

Desde una perspectiva macroeconómica y geopolítica, el fenómeno descrito en el artículo reproduce de manera bastante literal dinámicas ya conocidas de la economía de datos: los trabajadores que realizan las tareas más repetitivas, mal reconocidas y con menor protección legal se concentran en países en desarrollo —Nigeria, India, Argentina—, mientras el valor económico generado fluye hacia empresas tecnológicas ubicadas en Silicon Valley. Los 15 dólares por hora que cobra Zeus son «buenos ingresos» en Nigeria, pero representarían un salario muy modesto en California. Esta asimetría plantea preguntas sobre la equidad del modelo, aunque el artículo no profundiza demasiado en ese ángulo crítico.

El artículo señala también que el MIT Technology Review incluyó los robots humanoides como el undécimo «avance tecnológico» de su lista de 2026 (la lista habitual tiene diez), lo que refleja el creciente interés del sector y del público general en esta tecnología.

En síntesis, el reportaje de Michelle Kim pinta un cuadro fascinante y a la vez inquietante del ecosistema que está creciendo en las sombras de la carrera robótica: miles de personas anónimas en todo el mundo, con iPhones en la cabeza y habitaciones pequeñas, contribuyendo con sus movimientos cotidianos a construir los robots del futuro, sin saber exactamente para qué empresa trabajan en última instancia, sin garantías claras sobre qué pasará con sus datos, y con escasa protección laboral o contractual. La tecnología está en su infancia, los estándares de calidad de los datos aún no están definidos, las preguntas éticas sobre privacidad y consentimiento siguen sin respuesta satisfactoria, y el horizonte temporal real para que los humanoides sean operativos en hogares y fábricas es mucho más largo de lo que prometen los comunicados de prensa. Pero la maquinaria —humana y robótica— ya está en marcha.