Los trabajos que trae la IA: más poner el cuerpo, menos darle tareas a Claude

Hay un formulario de Google que circula por grupos de WhatsApp de toda Latinoamérica. Pide nombre completo, un mail personal, número de teléfono y país de residencia. Después pregunta si tenés un iPhone 12 o más nuevo, un Samsung S21 o más nuevo, o un Pixel 6 o más nuevo. Y después pregunta si tenés, o estás dispuesto a comprar, un arnés para sujetar ese teléfono a tu cabeza. Te sugiere que en Mercado Libre se consigue por diez dólares.

El formulario es para aplicar a un trabajo. El trabajo es filmarse lavando los platos, doblando la ropa, cocinando o haciendo otro tipo de quehaceres domésticos. Seis dólares la hora de video aprobado, veinte horas semanales como mínimo, sin fecha de vencimiento. La empresa que lo pide, Vintti AI, es clara en el porqué: esas horas de una persona común haciendo tareas comunes van a enseñarle a un robot a hacerlas. No es ciencia ficción ni es un caso aislado: es una convocatoria activa, ahora mismo, con Argentina en la lista de países elegibles.

Tampoco es un fenómeno de garage. En marzo de 2026, DoorDash —la empresa que domina más de la mitad del mercado de delivery en Estados Unidos— lanzó Tasks, una aplicación propia para su red de ocho millones de repartidores, con el mismo pedido exacto: filmarse cargando el lavarropas, revolviendo huevos, vertiendo cemento, a cambio de unos quince dólares la hora. A los hispanohablantes les piden, puntualmente, tener «una conversación natural, sin guion, con amigos o familia sobre temas cotidianos» y grabarla. 

Su cofundador y CTO, Andy Fang, anunció el lanzamiento en X sin ninguna vuelta: la apuesta es construir «la frontera de la inteligencia física». Un detalle no menor: la app bloquea a los repartidores de California, Nueva York, Seattle y Colorado, justo los estados con las leyes más duras de protección al trabajador de plataforma. La empresa sabe exactamente lo que está pidiendo, y sabe también dónde no puede pedirlo.

Esa charla grabada con amigos, casualmente, es el modelo de negocio entero de otra aplicación, Fluffle Voice Sessions: pagarle a la gente por sus llamadas de voz cotidianas y venderlas, bajo licencia, como datos de entrenamiento para IA conversacional. DoorDash pide el cuerpo. Fluffle, la voz: la conversación que ibas a tener de todos modos, ahora con un precio puesto encima.

Las millones y millones de horas de registro audiovisual son parte de un esfuerzo creciente de diferentes empresas para recopilar datos motrices de primera mano, información cada vez más valiosa en la carrera por automatizar el trabajo industrial. Las grabaciones captadas desde la perspectiva en primera persona se denominan datos egocéntricos y son vitales para el entrenamiento de máquinas que algún día podrían reemplazar a los humanos en la línea de producción: los robots humanoides se han convertido en la última frontera de la rápida evolución de la inteligencia artificial.

Ese arnés o esas llamadas son una buena forma de empezar a pensar el conflicto que trae la IA en el mundo laboral. Ambos resumen algo que ninguna estadística agregada logra transmitir del todo: el futuro (y presente) del trabajo con IA para los jóvenes es más parecido a esto que a grandes desarrollos tecnológicos prototipados con Claude, la herramienta estrella de la empresa Anthropic que impactó en el mercado del software en el último tiempo.

“Gran parte de los trabajos que están apareciendo con IA tienen que ver con la generación de datos a partir de la propia actividad, de la propia praxis, de la propia acción y del propio cuerpo. También en tareas de etiquetado, de interpretación o de verificación algorítmica en la interacción con los propios modelos. También a veces tareas que tienen que ver con la imitación, con hacerse pasar por una IA: personas que monitorean cámaras que supuestamente funcionan solas o que se hacen pasar por un chatbot cuando falla”, dice Milagros Miceli, socióloga y doctora en Ingeniería Informática que lidera Data Workers’ Inquiry, un proyecto de investigación que monitorea empleos en la industria de los datos en 35 países.

Jóvenes de Argentina

¿Quiénes llegan a este tipo de trabajos? En su mayoría, jóvenes que no encuentran alternativas en el empleo formal, en una dinámica similar a lo que fue la llegada de Rappi, PedidosYa o Uber en 2018.

“Lo que vemos en la estructura laboral actual es una tendencia importante de crecimiento del trabajo independiente frente al quiebre del trabajo asalariado. Se acumulan en este momento 12 meses consecutivos de caída del empleo privado registrado, según SIPA. La IA tiene capilaridad en varios sectores pero creemos que va a profundizar esta tendencia, ya que habilita a la sintetización de herramientas y habilidades y a la reducción de necesidades en equipos y empresas”, dice Candelaria Rueda, coordinadora del área de Trabajo y condiciones de vida del Instituto Argentina Grande.

Nuestro país parecería estar bien posicionado para adoptar el uso de la IA en el área laboral. Como sucedió con el mercado de las criptomonedas o la industria del conocimiento, los argentinos son propensos a experimentar e incorporar recursos tech con velocidad. Según el Anthropic Economic Index, el uso de la tecnología en Argentina es 48% mayor al esperado según el tamaño de su población. Y los sectores donde más se usa son: Analistas de datos, programadores y desarrolladores de software; Educación e investigación; Arte, diseño, entretenimiento y medios.

De acuerdo a los datos del último Atlas de trabajo de Sur Futuro, Argentina es el país con el porcentaje de «trabajos del futuro» más alto de LATAM y el tercero con mayor porcentaje de científicos e ingenieros. La encuesta realizada en 2025 por NadIA sobre adopción de la IA, ya demostraba que el 27,5% de la población ocupada la usaba para fines laborales, y el 36,2% de quienes aún no la usaban, planeaban incorporarla en el corto plazo.

Sin embargo, el uso expandido de inteligencia artificial no se traduce en nuevos puestos de trabajo, más bien todo lo contrario. «Hay informes, sobre todo en Estados Unidos, que demuestran un quiebre muy importante entre la democratización de este tipo de tecnologías y la reducción de apertura de nuevos puestos de trabajo», dice Diego López Yse, Investigador en IA de la UTN que sigue de cerca cómo se está reconfigurando el trabajo técnico.

La lógica que describe López Yse es simple: cuanto más digitalizada está una industria, más rápido la atraviesa la IA. En roles de atención al cliente, finanzas o administración el impacto ya está sucediendo. “El puesto de pasante o el de ingresante está en declinación total en múltiples industrias, mucho más en las vinculadas a servicios», explica. El mundo físico, como la construcción, el petróleo o el agro todavía tiene margen porque implica otra serie de complejidades que este tipo de tecnologías todavía no han podido resolver. Pero el margen es temporal, no estructural. López Yse pone el ejemplo de YPF, una empresa identificada claramente con lo físico, con la perforación de pozos, con lo presencial, y que tiene múltiples búsquedas activas para perfiles de data analítica que puedan cruzar información del sector con modelos potentes. Una digitalización para predecir consumos, atender al cliente, calcular precios, vender más, mejorar los shops.

Vibe coding

En marzo de 2025, el diccionario Merriam-Webster sumó “vibe coding” a su lista de términos de jerga y tendencia. Más tarde, el Collins English Dictionary la eligió como Palabra del Año 2025. ¿De qué se trata? Programar software a través del lenguaje natural, casi conversacional, prompteando. Tal como indica su nombre, se codea por las vibes que uno siente, programar a puro feeling. Lo acuñó Andrej Karpathy —cofundador de OpenAI, ex director de IA de Tesla— en un tuit de febrero de 2025 que se hizo viral: «te entregás por completo a las vibes, abrazás el exponencial, y te olvidás de que el código existe». El tuit continúa con una honestidad brutal: «pido las cosas más tontas porque tengo fiaca de buscarlas yo. Siempre acepto todo, ya no leo los cambios que hace la IA”. 

Algunas de las herramientas más conocidas son Claude Code, Cursor, v0 o GitHub Copilot. Este tipo de soluciones permiten prototipar cualquier cosa muy rápidamente a perfiles no técnicos. Personas sin conocimiento específico que diseñan un chatbot de atención al cliente o una automatización de datos para una pequeña empresa. Todas cuestiones para las que antes se requería contratar, o por lo menos acercarse, a un especialista técnico. Hoy alguien con una idea y una tarde libre puede pedirle a Claude que le arme un tablero, un chatbot que tome pedidos o un sistema que cruce tres planillas. Y va a funcionar, se va a ver lindo, va a cumplir el objetivo. Es un éxito.

Sin embargo, dice López Yse, son soluciones con fronteras muy marcadas: «En la medida en que yo quiera empezar a escalar eso, llegar a más usuarios, consumir más datos, agrandarlo, ampliar a otros países, ya no me va a alcanzar con seguir prompteando a la IA: voy a tener que pasarme a un espacio técnico. Hoy no existe una forma de crear software de calidad, escalable, con vibe coding». El prototipo no es el producto. Es, en el mejor de los casos, la maqueta de una conversación que todavía falta tener con alguien que sepa programar de verdad.

La segunda frontera que tiene este modelo de programación de software con IA es la aparición de problemas de seguridad. «En la medida en la cual vos te ponés a construir tecnología sin conocer cómo hacerlo de manera sólida, vas abriendo vectores de vulnerabilidad, puertas de entrada a posibles ataques. Hoy hay ataques que usan la IA para atacar productos hechos con IA. Estamos en un ciclo recursivo en el cual los usuarios van creando cosas cada vez más grandes y van abriendo puertas de inseguridad cada vez más grandes”, explica López Yse.

A la par de estas fronteras crece otra cosa, menos visible que un agujero de seguridad pero igual de estructural: la dependencia que se genera de los gigantes tecnológicos. Los desarrollos de software montados sobre la base de Claude, Cursor o GitHub Copilot tienen un riesgo: aumentar cada vez más el “impuesto tecnológico”. El costo que una empresa tiene que pagar para mantener nubes, herramientas, innovaciones de las aplicaciones. Si el día de mañana una de ellas decide multiplicar por diez su costo, la empresa (o el trabajador independiente) va a tener que asumirlo porque está atrapada. De hecho, esto ya sucedió y tiene su nombre: Tokenmaxxing. Empresas que habían fomentado el uso indiscriminado de IA (tokens) entre sus empleados para “obtener innovaciones”, ahora están preocupadas por el incremento en el costo de las herramientas. GitHub Copilot introdujo cambios en el modo en que cobra en junio y los costos se dispararon. Algo parecido pasa con los modelos de frontera más nuevos (Fable 5, Opus 5 y Sonnet 5 de Anthropic, GPT 5.6 Sol de OpenAI) e incluso con modelos chinos de muy bajo costo (en agosto DeepSeek aumentó sus precios entre un 50% a un 1114% (mil por ciento). «Hay un interés corporativo en Google, Apple, Microsoft para que cada vez más gente use sus herramientas. No les preocupa qué tipo de soluciones estamos generando», argumenta López Yse. 

Apropiación artesanal de la IA

¿Existe entonces una apropiación artesanal de la inteligencia artificial para generar ingresos en esta Argentina en crisis? Candelaria Rueda dice: «Hay una población reducida que tiene la posibilidad de apoyarse en estas herramientas para darle otro alcance a la productividad de su trabajo, cambiando completamente su escala. Pero en el caso del universo creciente de trabajadores independientes o sector de autoempleo, genera un uso más superficial, asociado a la generación de flyers, o de mensajes para circular en redes sociales de compra y venta».

Dos economías conviviendo bajo la misma palabra. Para unos pocos, quienes pueden costear las suscripciones de las aplicaciones y tienen cierta formación, la IA funciona como un multiplicador de escala de sus negocios. Para la capa cada vez más ancha del «autoempleo», es una herramienta para resolver cuestiones domésticas o acelerar procesos que antes demandaban más tiempo. Y por último, el tercer escalafón, que crece a pasos agigantados: los que ni siquiera usan la herramienta, sino que la alimentan y la entrenan. El que se filma doblando ropa, el que modera contenidos para ChatGPT o el que deja grabar sus conversaciones telefónicas.

Este tercer escalafón genera la pregunta más incómoda sobre la incorporación de IA en el trabajo. Sobre todo porque aún no tiene respuesta. Entrenamos a los robots para que hagan las cosas que hoy hacemos las personas en el mundo físico. Y cuando lo repitan a la perfección, ¿qué vamos a hacer? Mejor dicho, ¿a qué nos vamos a dedicar?