La inteligencia artificial artificial, la vieja broma de Amazon sobre trabajo humano que se hace pasar por software, ahora está siendo presionada por la IA real. Mechanical Turk dejará de aceptar nuevos clientes el 30 de julio de 2026, mientras que los usuarios existentes podrán permanecer. La historia más amplia es más contundente: los humanos que entrenaron y verificaron sistemas de IA compiten cada vez más con las herramientas que ayudaron a hacer útiles.
La Inteligencia Artificial Artificial se encuentra con su reemplazo
Amazon Mechanical Turk se lanzó en 2005 como un mercado para pequeñas tareas en línea: etiquetar imágenes, moderar contenido, recopilar datos, realizar estudios de comportamiento y juzgar casos límite desordenados que el software no podía gestionar limpiamente. Pew Research Center señaló en 2016 que Jeff Bezos describió el modelo como «inteligencia artificial artificial», una expresión que hacía gracia porque era precisa.
La máquina parecía automatizada desde fuera. Dentro, una fuerza laboral distribuida hacía clic, leía, clasificaba, transcribía y comprobaba. Los solicitantes compraban juicio humano por tarea, a menudo por céntimos o dólares, mientras Amazon proporcionaba la infraestructura del mercado.
En 2026, Amazon sigue describiendo MTurk como útil para flujos de trabajo de aprendizaje automático, incluida la recopilación de datos de entrenamiento, la anotación, la validación con intervención humana y el reentrenamiento. Eso suena moderno. Pero el cambio de estado cuenta una historia distinta: Amazon dice que Mechanical Turk se cerrará a nuevos clientes a partir del 30 de julio de 2026, y la documentación de AWS dice que los servicios en “mantenimiento” no incorporan clientes, no reciben mejoras ni obtienen funcionalidad adicional.
Así que el servicio no está muerto. Todavía no. Los solicitantes existentes pueden seguir utilizándolo, y Amazon dice que no se verán afectados por el cierre a nuevos clientes. Aun así, cuando una plataforma deja de aceptar nuevos clientes y deja de añadir funciones, no hace falta una elegía para entender la dirección que lleva.
Por qué Amazon Mechanical Turk importó para la IA
Mechanical Turk pasó a formar parte de la infraestructura oculta del aprendizaje automático porque los sistemas de IA necesitan ejemplos. Muchísimos. Un clasificador no entiende por arte de magia si una foto de producto contiene una silla, un arma o una imagen que infringe las políticas; alguien tiene que definir categorías y proporcionar casos etiquetados.
Durante años, MTurk ofreció algo que empresas e investigadores deseaban enormemente: juicio humano flexible a escala. Podías publicar miles de HITs, el término de Amazon para Human Intelligence Tasks, fijar la recompensa del trabajador y recopilar etiquetas o respuestas a encuestas de una multitud bajo demanda. Para los académicos, era más rápido que reclutar en el campus. Para las empresas, era más barato que contratar a un equipo interno de datos.
Su influencia también alcanzó la calidad del producto. Desde hace tiempo se ha utilizado a evaluadores humanos para comparar resultados de búsqueda, anotar contenido, evaluar respuestas de chatbots y detectar fallos de las políticas. Si sigues cómo las herramientas de IA están cambiando el trabajo de calidad, MTurk es uno de los ejemplos más antiguos de la misma tensión: se pide a las personas que inspeccionen sistemas que más tarde pueden reducir la demanda de su inspección.
Aquí siempre hubo un acuerdo incómodo. Los solicitantes querían cognición de bajo coste. Los trabajadores querían ingresos, flexibilidad o ambas cosas. Amazon proporcionaba el intercambio y cobraba una comisión. La Inteligencia Artificial Artificial nunca fue solo una expresión ingeniosa; fue un modelo de negocio para empaquetar la atención humana como infraestructura.
El cambio de 2026: mantenimiento, no un cierre repentino
El banner público de MTurk de Amazon, visible el 6 de julio de 2026, dice que el servicio se cerrará a nuevos clientes con efecto a partir del 30 de julio de 2026, y que los usuarios existentes no se verán afectados. La documentación sobre mantenimiento de servicios de AWS en 2026 define claramente el estado de mantenimiento: los clientes no pueden incorporarse, los clientes actuales pueden continuar, AWS sigue operando y dando soporte al servicio, y AWS no lo mejorará ni añadirá funcionalidad.
Esa distinción importa. Si ya ejecutas encuestas, colas de moderación o trabajos de anotación en Mechanical Turk, no te están obligando a abandonarlo en la fecha anunciada. Si estás planeando una nueva canalización de etiquetado de datos, deberías tratar MTurk como una dependencia heredada. Sinceramente, construir un flujo de trabajo nuevo en 2026 en torno a un servicio que no recibirá nuevas funciones solo tiene sentido si tienes un motivo de compatibilidad muy concreto.
TechCrunch informó el 5 de julio de 2026 de que Amazon dejaría de aceptar nuevos clientes de MTurk y describió el servicio como “con soporte vital”. Esa expresión es un comentario, no la formulación de Amazon, pero capta el riesgo práctico. Un servicio puede seguir disponible y aun así convertirse en una apuesta estratégica equivocada.
El escollo más silencioso es la inercia de aprovisionamiento. Los equipos suelen mantener una herramienta porque ya existen aprobaciones, scripts, códigos contables y paneles antiguos. En las operaciones de IA, eso es peligroso: las necesidades de evaluación de modelos, las expectativas de privacidad y los controles de calidad de la anotación cambian rápido, mientras que un servicio en mantenimiento permanece inmóvil.
Lo que dicen las matemáticas de costes en 2026
La tarificación de MTurk es sencilla sobre el papel. En 2026, los solicitantes fijan la recompensa del trabajador, y Amazon cobra una comisión del 20% sobre la recompensa y la bonificación. Los HITs con 10 o más asignaciones tienen una comisión adicional del 20%. También hay una comisión mínima de $0.01 por asignación o pago de bonificación.
Sencillo no significa barato. Si pagas a un trabajador $0.10 por una anotación y necesitas una asignación, la comisión del 20% de Amazon hace que el coste de la plataforma sea de $0.12 antes de cualquier sobrecoste de revisión. Si necesitas 10 trabajadores por elemento para lograr acuerdo, se aplica la comisión adicional del 20%, por lo que la comisión de la plataforma pasa a ser del 40% de las recompensas; diez valoraciones de $0.10 cuestan $1.40 para ese elemento.
Compáralo ahora con un artículo de PNAS de 2023, “ChatGPT outperforms crowd workers for text-annotation tasks”, resumido en PubMed como un informe de un coste por anotación de ChatGPT inferior a $0.003 y unas 30 veces más barato que MTurk. La economía exacta depende del modelo, la longitud del prompt, los reintentos y los controles de calidad, pero lo importante es el orden de magnitud. Para muchas etiquetas de texto, la IA no es simplemente más rápida. Es estructuralmente más barata.
| Opción | Señal de costes observada entre 2023 y 2026 | Lo que obtienes | Principal debilidad |
|---|---|---|---|
| MTurk, una asignación de $0.10 | Aproximadamente $0.12 en 2026 tras la comisión del 20% de Amazon | Un juicio humano | Calidad y velocidad del trabajador variables |
| MTurk, diez asignaciones de $0.10 | Aproximadamente $1.40 en 2026 con una comisión total del 40% | Consenso entre diez personas | El coste aumenta rápido con la redundancia |
| ChatGPT para anotación de texto | Por debajo de $0.003 por anotación en el resumen de PNAS de 2023 | Etiquetas automáticas rápidas a escala | Sensibilidad al prompt y errores ocultos |
| Flujo de trabajo de IA con supervisión humana | Muy variable en 2026 | Primera pasada con IA, revisión humana para los casos difíciles | Necesita un diseño cuidadoso del enrutamiento y de la auditoría |
Un ejemplo concreto deja clara la presión. Supongamos que necesitas 100,000 anotaciones básicas de texto. A $0.12 por juicio de MTurk, estarías en torno a $12,000 antes de los costes internos de gestión. A $0.003 por anotación de IA, el mismo volumen ronda $300. Incluso si gastas otros cuantos miles de dólares en revisión humana, muestreo, ingeniería de prompts y repeticiones, la vía asistida por IA puede seguir saliendo ganando.
El coste no lo es todo. Yo no usaría la salida de un modelo barato como verdad final para etiquetas sensibles de tipo médico, legal, de seguridad o laborales sin revisión. Pero para el etiquetado de primera pasada, la deduplicación, la codificación de sentimiento o la limpieza de taxonomías, la economía se ha vuelto brutal para el trabajo genérico de crowdsourcing.
El giro incómodo: los trabajadores también pueden usar IA
La investigación más reveladora sobre Artificial Artificial Intelligence no es solo que la IA pueda sustituir a algunos trabajadores de crowdsourcing. Es que los trabajadores de crowdsourcing pueden usar IA para hacer las tareas. Un artículo de arXiv de 2023 vinculado a EPFL titulado “Artificial Artificial Artificial Intelligence” estimó que entre el 33% y el 46% de los trabajadores de crowdsourcing de MTurk usaron modelos de lenguaje de gran tamaño para una tarea de resumen de abstracts.
The Register informó en junio de 2023 de que los investigadores reclutaron a 44 trabajadores de MTurk para resumir 16 abstracts de artículos médicos. Eso no es un censo gigante del mercado laboral, y no deberías tomarlo como prueba de que la mitad de todo el trabajo de MTurk está generado por IA. Aun así, como caso límite, importa enormemente: un solicitante que paga por resúmenes “humanos” podría estar comprando resúmenes de IA filtrados a través de una cuenta humana.
El control de calidad se complica rápido. Si un investigador usa MTurk para comparar resúmenes humanos con resúmenes de modelos, pero una parte de los resúmenes “humanos” está asistida por modelos, la referencia queda contaminada. La prueba ya no es humano frente a IA. Es IA frente a IA con una insignia humana.
Cualquiera que compre trabajo de crowdsourcing en 2026 tiene que tener esto en cuenta. Puedes prohibir el uso de IA en las instrucciones, pero la detección es poco fiable y adversarial. Puedes diseñar tareas que requieran experiencia vivida, interacción cronometrada o razonamiento específico del dominio, pero cada salvaguarda añade fricción y coste. La antigua suposición de que una cuenta de marketplace equivale a una salida solo humana ha desaparecido.
Dónde las multitudes humanas siguen superando a los modelos
La IA se ha comido primero la parte media del mercado: etiquetas repetitivas, clasificación de textos cortos, extracción simple y cualquier cosa en la que un modelo pueda verificarse de forma barata. Eso no hace inútiles a las multitudes humanas. Reduce los casos en los que merece la pena pagar por ellas.
Las personas reales siguen importando cuando la tarea depende de la percepción en el mundo físico, la cultura local, la jerga actual, la experiencia personal o el juicio moral bajo ambigüedad. También importan cuando necesitas responsabilidad: un proceso documentado de revisión humana puede ser exigido por un cliente, un regulador, una revista o un equipo interno de riesgos.
Las buenas operaciones de IA en 2026 se parecen cada vez más a sistemas de enrutamiento que a automatización pura. El modelo se ocupa de los casos evidentes. Los humanos se ocupan de las disputas, las categorías raras, las actualizaciones de políticas y las auditorías por muestreo. Si intentas controlar el gasto en modelos a escala, la misma lógica se aplica al cómputo: los equipos más inteligentes hacen un seguimiento de dónde se necesita realmente la inteligencia cara, igual que hacen un seguimiento de formas de recortar los costes de la API de IA sin perder calidad.
- Usa IA para etiquetas de primera pasada de gran volumen y bajo riesgo, donde los errores sean fáciles de muestrear y corregir.
- Usa humanos para los casos ambiguos, los juicios sensibles a las políticas y los ejemplos que se convertirán en datos de evaluación de referencia.
- Mantén un conjunto de auditoría separado creado con reglas más estrictas, especialmente si los trabajadores de crowdsourcing podrían usar herramientas de IA.
- Mide la concordancia, la reelaboración y el rendimiento posterior del modelo, no solo el precio de la anotación.
- Evita iniciar un nuevo flujo de trabajo en un servicio que esté cerrado a nuevos clientes, a menos que tengas un plan de salida claro.
Hay un contraargumento que merece tomarse en serio: los sistemas de IA se entrenan con etiquetas hechas por humanos y siguen necesitando corrección humana. Cierto. Pero eso no garantiza una demanda amplia de marketplaces abiertos de crowdsourcing. Puede desplazar la demanda hacia paneles más pequeños de expertos, revisores internos, proveedores gestionados de anotación y especialistas de dominio.
Qué debes hacer si dependes de MTurk
Empieza por separar la continuidad operativa de la planificación estratégica. Los usuarios actuales pueden seguir usando Mechanical Turk después del 30 de julio de 2026, según el aviso de Amazon. Pero un servicio en estado de mantenimiento debería tratarse como una base de datos antigua o una herramienta interna: lo bastante estable por ahora, pero arriesgado como base para el crecimiento.
Clasifica tus tareas en tres grupos: tareas que la IA ya puede hacer, tareas que la IA puede redactar pero que los humanos deben revisar, y tareas que deberían seguir estando lideradas por humanos. No lo supongas. Realiza una prueba piloto de 500 elementos con tus propios datos, mide la precisión frente a un conjunto de referencia fiable e incluye el coste real del trabajo rechazado, el tiempo de revisión, la iteración de prompts y la gestión de proveedores.
La seguridad y la gobernanza de los datos merecen más atención de la que les dan la mayoría de las retrospectivas sobre MTurk. Enviar texto bruto de clientes, imágenes privadas o documentos sensibles a cualquier canal de anotación puede generar riesgos, tanto si el trabajador es humano como si la primera pasada la hace un LLM. Para los equipos que exponen sistemas internos a herramientas agentic, la misma cautela aparece en prácticas de seguridad del servidor MCP: los límites de acceso importan antes de que la automatización escale.
Observa el cambio de competencias dentro de tu equipo. El trabajo anterior solía ser “conseguir etiquetas”. El nuevo trabajo consiste en diseñar conjuntos de evaluación, redactar directrices de anotación que tanto los modelos como los humanos puedan seguir, detectar trabajo contaminado por IA y decidir qué errores importan. Las empresas que traten esto solo como una cuestión de costes laborales pasarán por alto la cuestión de la calidad.
Artificial Artificial Intelligence tenía un extraño tipo de honestidad. Admitía que la máquina era en parte personas. La siguiente fase es menos honesta, a menos que la diseñes con cuidado, porque puede que las personas estén usando máquinas, que las máquinas estén juzgando a las personas y que tu hoja de cálculo llame a ambos resultados “anotaciones”.
Preguntas frecuentes
¿Qué significa Artificial Artificial Intelligence?
La Inteligencia Artificial Artificial se refiere a humanos que realizan tareas que parecen automatizadas para quien las solicita o para el usuario final. Jeff Bezos utilizó la expresión para describir el modelo de Amazon Mechanical Turk de dirigir a personas las tareas demasiado difíciles para el software.
¿Amazon Mechanical Turk cerrará en 2026?
Amazon dice que Mechanical Turk se cerrará para nuevos clientes el 30 de julio de 2026, mientras que los usuarios existentes no se verán afectados. La documentación de mantenimiento de AWS indica que estos servicios siguen funcionando, pero no reciben nuevas funciones ni mejoras.
¿Por qué la IA es una amenaza para Mechanical Turk?
Los modelos de IA ahora pueden realizar muchas tareas de etiquetado de texto y clasificación más rápido y más barato que el trabajo colaborativo abierto. Un artículo de PNAS de 2023 informó de costes de anotación con ChatGPT inferiores a $0.003 y de un coste aproximadamente 30 veces menor que MTurk para las tareas estudiadas.
¿Pueden los trabajadores de MTurk usar ChatGPT para tareas remuneradas?
Técnicamente, pueden utilizar herramientas de IA a menos que quien lo solicite lo impida o lo detecte, y la detección es difícil. Un estudio de arXiv de 2023 vinculado a EPFL estimó que entre 33% y 46% de los trabajadores de MTurk utilizaron LLMs en un experimento de resumen de abstracts.
¿Deberían las empresas seguir utilizando anotadores humanos?
Sí, pero de forma más selectiva. Los revisores humanos siguen siendo valiosos para juicios ambiguos, delicados, locales o de alto riesgo, especialmente cuando su trabajo se utiliza para auditar o corregir sistemas de IA.
ES 
EN 
FR