En 2018, en un viaje a su patria ancestral, Alexandr Wang escuchó cómo los ingenieros más brillantes de China daban impresionantes presentaciones sobre inteligencia artificial (IA). Le pareció extraño que los investigadores evitaran llamativamente cualquier mención a cómo podría utilizarse la IA. Wang, cuyos padres inmigrantes eran físicos nucleares del Laboratorio Nacional de Los Álamos, donde se diseñaron las primeras bombas atómicas, estaba inquieto.
«Eran muy escépticos sobre los casos de uso. Se notaba que no era para nada bueno», recuerda Wang, cofundador de Scale AI, que no tiene segunda «e» en su nombre de pila, por lo que tiene ocho caracteres, un número asociado a la buena fortuna en la cultura china. Scale era entonces una startup emergente que ofrecía servicios de datos principalmente a fabricantes de automóviles autónomos. Pero a Wang empezó a preocuparle que la IA pudiera alterar pronto un orden mundial que, salvo la caída de la Unión Soviética, ha permanecido estable desde la Segunda Guerra Mundial. «Si pensamos en la historia de la humanidad, la mayoría de las veces ha estado salpicada de guerras, excepto en los últimos ochenta años, que han sido inusualmente pacíficos», dice desde el sexto piso de la sede de Scale, en el centro de San Francisco, mientras un coche (parcialmente) autónomo pasa por debajo. «Gran parte de ello se ha debido al liderazgo estadounidense en el mundo».
A primera vista, Wang, de 26 años, desprende la energía nerviosa de un recién licenciado. Escucha a músicos «sad girl» como Gracie Abrams y Billie Eilish y viste «gorpcore», un estilo de ropa de senderismo a la moda. Publica fotos en Instagram con la actriz Kiernan Shipka, de Mad Men, y suelta frases concisas en Twitter: «Los mejores problemas sólo pueden resolverse con sangre, sudor, lágrimas, espíritu y un abrumador sentido del propósito», escribió en un tuit en febrero.
Nada de eso importa en Silicon Valley y Washington D.C., donde ya es una persona poderosa. Su ascenso comenzó con una apuesta que hizo en 2016 para «etiquetar» la gran cantidad de datos necesarios para impulsar la IA, principalmente para los coches de conducción autónoma. Alguien tenía que entrenar a la IA para que distinguiera entre una bolsa de papel y un peatón. Acaparó ese mercado y colocó a Scale en una buena posición en otro sector: la IA generativa. Fue un movimiento clarividente que le ayudó a conseguir una lista de clientes que incluye a los nombres más importantes de la IA y al gobierno de Estados Unidos.
«Somos el pico y la pala en la fiebre del oro de la IA generativa», afirma. Rápidamente se ha convertido en un negocio lucrativo para Scale, que afirma haber ingresado 250 millones de dólares el año pasado, en un momento en el que muchas startups de IA aún no ganan un céntimo. Su tecnología ha sido utilizada por el Gobierno para analizar imágenes por satélite en Ucrania y por OpenAI para crear ChatGPT, el bot que conmocionó al mundo con su capacidad para responder preguntas y escribir poesía. Bret Taylor, antiguo codirector ejecutivo del gigante del software en la nube Salesforce, compara el ascenso de Scale con el de Snowflake y Datadog, dos empresas de computación en la nube de gran éxito. Jeff Wilke, exjefe de consumo de Amazon y uno de los asesores de mayor confianza de Wang, tiene una opinión aún más entusiasta: Scale podría convertirse en el Amazon Web Services de la IA.
Los inversores concedieron a Scale una valoración de 7.300 millones de dólares en 2021, convirtiendo a Wang en el último multimillonario instantáneo de Silicon Valley. Pero su fortuna no se construyó enteramente con silicio. También lo hizo con una amplia mano de obra subcontratada que realiza una tarea rudimentaria crucial para la IA: etiquetar los datos utilizados para entrenarla. Esas personas –unas 240.000 en países como Kenia, Filipinas y Venezuela– trabajan para Remotasks, una filial que Scale no menciona en sus materiales de marketing públicos. En otras palabras, si algún día la IA libera a los humanos de las tareas mundanas del lugar de trabajo, lo habrá hecho utilizando una legión de trabajadores del Sur Global, muchos de los cuales cobran menos de un dólar la hora.
«Son muy, muy importantes para el proceso de creación de potentes sistemas de IA», afirma Wang sobre sus trabajadores de Remotasks.
También son, cada vez más, una preocupación ética, ya que surgen inquietudes sobre las condiciones de trabajo deficientes y los bajos salarios. Mientras tanto, los competidores ven Scale como un castillo de naipes que ha sufrido despidos y un descenso de valor en los mercados secundarios en el último año que ha despojado a Wang de su condición de multimillonario. (Esos mercados valoran ahora su participación del 15% en 630 millones de dólares. Scale argumenta que está más cerca de los 890 millones de dólares). «Scale se comercializa como una empresa tecnológica», afirma Manu Sharma, cofundador de Labelbox, una compañía rival. «Para nosotros, no son diferentes de cualquier sociedad de externalización de procesos empresariales». Las nuevas empresas tecnológicas creen que pueden hacer mejor lo que hace Scale, mientras que las subcontratas tradicionales piensan que pueden hacerlo más barato.
«Yo diría que llevamos más tiempo trabajando en este problema y hemos desarrollado más tecnología que nadie», replica Wang. Intenta seguir el ejemplo de Amazon y gestionar toda la cadena, desde los almacenes hasta los envíos. Para Scale, eso significa tanto las máquinas –que cada vez automatizan más el trabajo de datos– como el ejército humano, cada vez más numeroso. «Siempre vamos a querer a un humano en el circuito», afirma.
Antes de ir a la universidad, Wang se trasladó al Área de la Bahía de San Francisco para trabajar en Quora, una empresa emergente de Internet, donde su director general, Adam D’Angelo, le dio un consejo crucial: cuatro años de universidad están sobrevalorados, dos están infravalorados». Al final, Wang pasó sólo un año en el MIT antes de entrar en la famosa aceleradora de empresas Y Combinator. Allí se asoció con Lucy Guo, exalumna de Quora que también abandonó los estudios, para fundar Scale en 2016. Recuerda que entonces era «ridículamente joven», solo tenía 19 años. «Pero yo estaba como, ‘Sí, sé cómo codificar. Vamos a hacer esto».
Tal y como se concibió en un principio, Scale iba a ser una ventanilla única para el suministro de mano de obra humana para realizar tareas que no podían ser realizadas por algoritmos –esencialmente, la antítesis de la IA–. Dan Levine, socio de Accel, fue uno de los primeros en ver su potencial y ofreció a la pareja una inversión inicial de 4,5 millones de dólares (y su sótano como sede temporal) en julio de 2016. En cuestión de meses, Wang y Guo se dieron cuenta de que Scale era una solución viable a un problema que aquejaba a las empresas de coches autónomos en la entonces frontera de la IA: tenían millones de kilómetros de imágenes de conducción en carretera con las que entrenar la IA de sus vehículos autónomos, pero no suficientes personas para revisarlas y etiquetarlas. Scale podría cubrir esa necesidad.
En 2018, Wang y Guo fueron incluidos en la lista 30 Under 30 de Forbes en el segmento tecnología empresarial. Guo dejó posteriormente la empresa «debido a diferencias en la visión del producto y la hoja de ruta», dice. «Creo que Alex ha hecho un gran trabajo al seguir dirigiendo la empresa». Por lo demás, Guo declinó hacer comentarios para este reportaje, y Wang no quiso hablar de su separación.
El inversor Mike Volpi escuchó por primera vez el nombre de Scale durante una reunión de la junta de 2018 para la startup de vehículos autónomos (AV) Aurora. «¿Quién?», recuerda haber preguntado. El servicio de etiquetado de datos de Scale se había vuelto crucial para Aurora, al igual que lo había sido para Uber y para Cruise, la subsidiaria de vehículos autónomos de General Motors. Volpi convenció a su empresa, Index Ventures, para que liderara una inversión de 18 millones de dólares en Scale en agosto, cuando sus ingresos aún no llegaban a los tres millones de dólares.
La apuesta audiovisual se estaba convirtiendo en una fuente de ingresos. La lista de clientes de Scale ahora incluía a los principales fabricantes internacionales de automóviles como Toyota y Honda, así como a gigantes de Silicon Valley como la filial de Google AV Waymo, según un lanzamiento de recaudación de fondos de junio de 2019 visto por Forbes. Solo una cuenta con la unidad de autoconducción secreta de Apple estaba trayendo más de diez millones de dólares, decía el documento, colocando los ingresos anuales en camino de superar los cuarenta millones de dólares. (Scale declinó hacer comentarios sobre el documento).
Cuando el Founders Fund de Peter Thiel realizó una inversión de cien millones de dólares que acuñó a Scale como unicornio de Silicon Valley en agosto de 2019, dio inicio a una racha de recaudación de fondos de 20 meses y 580 millones de dólares, cuya ronda final valoró a la compañía por encima de los 7.000 millones de dólares. Wang, que entonces tenía 24 años, había tardado solo cinco años en convertirse en el multimillonario más joven del mundo hecho a sí mismo.
Para cuando Scale dominaba el mercado del etiquetado de datos para las empresas de automóviles autónomos, su nombre se había convertido en una especie de ironía. Cuanto más se ampliaba, más difícil resultaba satisfacer la demanda de mano de obra humana. Wang recurrió primero a agencias de subcontratación para cubrir las carencias, pero los costes no tardaron en dispararse. Los márgenes brutos, que rondaban el 65% a principios de 2018, se acercaron a un mero 30% en el cuarto trimestre. Wang necesitaba detenerlo sin dejar de capturar los lados humano y mecánico de la cadena de suministro de capacitación de datos de IA.
Entra Remotasks, la agencia de subcontratación interna de Scale. Creada en 2017, Remotasks pronto se convirtió en una prioridad a medida que el negocio audiovisual de la compañía se disparaba. Con la necesidad de mano de obra barata, Scale estableció más de una docena de instalaciones en el sudeste asiático y África para capacitar a miles de etiquetadores de datos. A mediados de 2019, los márgenes de Scale se habían recuperado hasta el 69%, según la plataforma.
Scale ha tenido cuidado de posicionar Remotasks como una marca separada. Su sitio web no menciona Remotasks; lo contrario también es cierto. Los primeros empleados dicen que esto se hizo para que la estrategia de Scale fuera menos obvia para los competidores y para proteger a la empresa del escrutinio. Scale dijo a Forbes que separó las dos marcas por confidencialidad con el cliente.
En un estudio realizado en 2022 sobre las condiciones de trabajo en quince plataformas laborales digitales, investigadores de la Universidad de Oxford concluyeron que Remotasks cumplía las «normas mínimas de un trabajo justo» en sólo dos de los diez criterios, suspendiendo la remuneración equitativa –que, según los primeros empleados, es de unos céntimos por hora de media– y la representación justa. Señalaron que la «ofuscación» de su asociación con Scale crea una confusión que «puede contribuir a la vulnerabilidad de los trabajadores a la explotación». La investigadora principal, Kelle Howson, comparó a los etiquetadores de datos de servicios laborales digitales como Remotasks con los trabajadores de las fábricas de confección de muchos de los mismos países. «Las condiciones de trabajo son prácticamente inexistentes», añade. Scale dice que se compromete a pagar a los trabajadores «un salario digno».
Más allá de las consideraciones éticas, también hay cuestiones empresariales. Lo que Scale está haciendo con Remotasks no es difícil de reproducir. Kevin Guo, cofundador de Hive, una startup que llegó a tener su propio rival de Remotasks antes de cerrarlo debido a los estrechos márgenes, sostiene que el tipo de etiquetado de datos que hace Scale es un negocio básico. «Cualquiera que forme un equipo puede competir contigo, y todo se reduce al precio muy rápidamente», afirma.
Aunque la enorme plantilla de Remotasks en el extranjero es fundamental para el éxito de Scale en el sector privado, no lo es para el otro objetivo de la empresa: los contratos de defensa con el gobierno estadounidense, que probablemente no comparta datos clasificados con etiquetadores extranjeros. Por ello, Wang está construyendo un ejército nacional de IA mucho más costoso. El año pasado, Scale abrió una oficina en San Luis y anunció planes para contratar a 200 personas, muchas como etiquetadores de datos.
«Creo profundamente en dos cosas», afirma Wang. «Una, la IA es una enorme fuerza para el bien, y debe aplicarse lo más ampliamente posible. Dos, tenemos que asegurarnos de que Estados Unidos esté en una posición de liderazgo».
Hasta ahora, Scale ha ganado 60,6 millones de dólares con este tipo de contratos, según una base de datos gubernamental. El año pasado, la empresa anunció en un comunicado de prensa una adjudicación de 249 millones de dólares, pero el Departamento de Defensa dijo a Forbes que era una de las más de setenta empresas que podían optar a ese dinero. Hasta la fecha, Scale ha recibido un contrato por un importe máximo de 15 millones de dólares y aún no se ha materializado ningún pago. La mayor parte del gasto público en inteligencia artificial sigue yendo a parar a empresas como Northrop Grumman y Lockheed Martin, no a las advenedizas de Silicon Valley.
«Esas empresas no están a la vanguardia en lo que respecta a la comprensión de la IA generativa», afirma Wang. Para él, la colaboración gubernamental es un juego a largo plazo. El gobierno estadounidense ya ha utilizado la experiencia de Scale para dar sentido estratégico a las imágenes por satélite en Ucrania. Y eso es sólo el principio. La IA generativa, afirma, podría utilizarse algún día de forma más exhaustiva. Entrene un modelo de IA personalizado con datos en tiempo real de 1,3 millones de personas en activo en Estados Unidos y podría cambiar la naturaleza de la guerra.
Pero no será fácil conseguirlo. Los modelos generativos de IA requieren un entrenamiento mucho más complejo que sus precursores. También necesitan ayuda humana adicional, pero en lugar de limitarse a etiquetar datos recogidos de Internet, las personas tienen que crearlos. Para que la IA explique por qué los cachorros son lindos de una forma que suene bien al oído humano, es necesario que la gente la entrene utilizando frases naturales. «Los datos anotados por humanos tienen un impacto extraordinario en el rendimiento de los modelos», afirma Aidan Gomez, cofundador de Cohere, un competidor de OpenAI con sede en Toronto que cuenta con Scale como su principal proveedor de datos personalizados.
No a todas las empresas de IA les convence Scale. OpenAI, por ejemplo, confía en los etiquetadores humanos de Scale, pero opta por utilizar su propio software para gestionar los datos, afirma el cofundador Wojciech Zaremba. Tres responsables de ingeniería que utilizaron Scale en destacadas startups de IA dijeron confidencialmente a Forbes que les preocupa la calidad de sus datos de entrenamiento de IA hechos por humanos. Uno de ellos describió un modelo de IA generativa basado en texto que se vio obstaculizado por el mal inglés de los etiquetadores. «La calidad de sus datos puede ser alta, pero eso tampoco es seguro», aseguró otro. Un portavoz de Scale subrayó: «Respaldamos nuestros productos y [sus] resultados».
Están surgiendo alternativas. Surge AI, con sede en San Francisco, que debutó en 2020, ofrece herramientas de etiquetado de datos y se dirige específicamente a empresas de IA. OpenAI, junto con los próximos pesos pesados de la IA, Cohere y Adept, utilizan tanto Scale como Surge. También están las startups de etiquetado Labelbox y Snorkel AI, con sede en la zona de la Bahía de San Francisco y valoradas en mil millones de dólares, que se centran en llevar la IA a empresas no tecnológicas.
En enero, Scale recortó un 20% de su plantilla a tiempo completo. Wang aludió a la «incertidumbre» del mercado. «Aumentamos el número de empleados asumiendo que el crecimiento masivo continuaría», escribió en una entrada de blog. Las acciones de la empresa cotizan actualmente en mercados secundarios privados con un descuento del 42% respecto a la última ronda de financiación, en julio de 2021.
Los accionistas de Scale siguen confiando en que Wang pueda mantener a la empresa por delante de sus rivales. «No ha llegado donde está porque sea un niño genio: el MIT produce muchos adolescentes que abandonan los estudios», afirma William Hockey, cofundador multimillonario de Plaid, una fintech de 13.000 millones de dólares que forma parte del consejo de Scale. «Tiene una ética de trabajo absolutamente loca, como nadie que haya conocido».
Scale firmó recientemente una alianza estratégica con el gigante de la consultoría Accenture, que planea utilizar sus servicios para ayudar a cientos de empresas a crear aplicaciones y modelos de IA personalizados. Y con casi un cuarto de millón de etiquetadores humanos, Remotasks sigue creciendo, confirma Wang. Todo este crecimiento se reduce a lo que él considera el propósito último de Scale: desempeñar un papel en el mantenimiento de la supremacía estadounidense en IA.
«Estamos en una era de competencia entre grandes potencias», afirma. «El liderazgo estadounidense no quiero decir que esté en peligro, pero nunca ha sido tan importante para nosotros conservarlo».
*Actualización: Esta historia se ha actualizado para aclarar la naturaleza del uso de Scale en Ucrania y con detalles de un contrato gubernamental del Departamento de Defensa.