248/365

Entrenando a la máquina que podría reemplazarte

8 min de lectura

Se les pide a los profesionales creativos que transfieran años de experiencia a modelos generativos. ¿Quién conservará el valor del conocimiento que aportan a la IA?

Una mano artificial aprende un gesto creativo de una figura humana.
TRANSFERRED
KNOWLEDGE
Imagen elaborada a partir del archivo fotográfico de Claudio Napoli

Detrás de un sistema capaz de reconocer una buena toma, evaluar diálogos o distinguir un montaje eficaz de uno confuso, hay personas. Directores, guionistas, productores, ilustradores, editores y animadores clasifican los resultados, corrigen errores, crean ejemplos y explican qué decisiones hacen que una obra sea convincente. Están enseñando a la inteligencia artificial un oficio aprendido a lo largo de años de práctica.

Aunque el trabajo de formación pueda recibir nombres tranquilizadores —evaluación, alineación, consultoría o anotación—, a menudo descompone una habilidad en miles de microdecisiones. Un profesional compara resultados, asigna puntuaciones, identifica una toma incoherente o reescribe una escena. Cada acción parece insignificante; combinada con el trabajo de muchos expertos, crea un mapa de gustos y criterios que un modelo puede aplicar sin revelar el origen de esas reglas.

Esto difiere de simplemente incorporar obras terminadas a un conjunto de datos. El trabajador transfiere un criterio: por qué falla una escena, cuándo un personaje pierde coherencia, por qué una pausa genera tensión o dónde debería producirse un corte. El conocimiento tácito, acumulado en los platós y en las salas de edición, se transforma en instrucciones y valoraciones que un modelo puede reproducir a gran escala.

Por lo tanto, los contratos son decisivos. Deben diferenciar el pago por el tiempo invertido del valor otorgado para usos futuros, indicar si las evaluaciones respaldarán un producto comercial y aclarar si permiten capacitar a versiones posteriores. El consentimiento genérico puede abarcar destinos que ningún trabajador podría prever. La duración, la exclusividad, la atribución y la revocación no son meras notas legales en un campo en constante evolución. Determinan cuánta experiencia profesional se transfiere realmente.

El encargo puede ofrecer ingresos y la oportunidad de influir en las nuevas tecnologías. Pero la contradicción es evidente. El conocimiento absorbido por un modelo puede multiplicarse globalmente, mientras que quien lo proporciona suele cobrar una sola vez. La atribución desaparece, y ese mismo conocimiento puede ayudar a automatizar la actividad de la que proviene.

Hay una diferencia entre capacitar a un asistente y crear un reemplazo. Un sistema que ayude a un editor a encontrar tomas o a un ilustrador a probar variaciones puede aumentar el valor de su experiencia. Un modelo diseñado para entregar el trabajo completo sin ellos cambia la distribución del trabajo. Ambas funciones pueden coexistir en el mismo producto, y esa ambigüedad es la razón por la que es necesario discutir el propósito antes de que el conocimiento ya esté asimilado.

La tecnología siempre ha incorporado la habilidad, pero los modelos generativos intentan reproducir no solo un gesto técnico, sino también el juicio que lo precede. No se limitan a ejecutar un corte; proponen dónde debería realizarse. Por eso, el debate no puede reducirse al entusiasmo o al temor. La IA puede ampliar el acceso y eliminar el trabajo repetitivo, pero la democratización no puede depender de hacer invisibles a los formadores.

La calidad puede verse afectada cuando se descontextualiza la experiencia. Una regla que funciona en la comedia puede fallar en el documental; un montaje comercial efectivo puede arruinar la duración de una película reflexiva. Los profesionales conocen excepciones, culturas de producción e historias que rara vez se ajustan a una calificación binaria. Cuando los modelos solo aprenden lo que se puede medir rápidamente, corren el riesgo de confundir la experiencia con la preferencia promedio.

Una política más justa haría visible la cadena de suministro del conocimiento. Los conjuntos de datos, las evaluaciones profesionales y los ciclos de revisión podrían documentarse como cualquier otra contribución a la producción. Esto no implica necesariamente acreditar cada anotación individualmente, sino que debería reconocer las categorías de trabajo, los estándares de compensación y los derechos colectivos. Si la IA se convierte en infraestructura creativa, quienes la hicieron posible deben formar parte de su historia económica y cultural.

Se necesitan contratos transparentes, limitaciones en el uso posterior, derechos sobre los materiales suministrados y formas de participación en el valor futuro. La cuestión no es solo si la IA reemplazará a un director, escritor o ilustrador, sino qué parte de su conocimiento ya se está convirtiendo en infraestructura industrial y bajo qué condiciones.

Se les pide a los profesionales creativos que transfieran años de experiencia a modelos generativos. ¿Quién conservará el valor del conocimiento que aportan a la IA?

Palabras claveTrabajo creativoentrenamiento de IACine e IAconjuntos de datosAutomatizaciónDerechos de autor
Fuente 01The Guardian — Creativos de Hollywood entrenan a la IA para que haga su trabajo↗Fuente 02Sindicato de Escritores de América — Inteligencia artificial↗
← Volver a la página de inicio