Una startup alemana ofrece limpiar hogares en Nueva York sin costo alguno. Los trabajadores llevan cámaras montadas en la cabeza que graban cada rincón mientras realizan las tareas. Esas grabaciones alimentan laboratorios de inteligencia artificial. Algunos las usan internamente. Otros las venden a terceros.
MicroAGI presentó su aplicación Shift con este esquema. El servicio gratuito genera video en primera persona de tareas domésticas. Los modelos que aspiran a moverse de forma autónoma en el mundo físico requieren millones de esas horas. Limpiar una cocina o doblar una sábana siguen siendo movimientos caros de capturar de otra forma. Esta mecánica convierte la privacidad en moneda de cambio.
Lo que surge aquí sigue una tendencia conocida: localizar una laguna normativa y organizar un modelo completo alrededor de ella. Los datos de comportamiento humano en espacios íntimos valen fortunas para entrenar robots. Proyectos anteriores invirtieron sumas elevadas buscando exactamente eso. Pagar con una limpieza gratis oculta la verdadera escala del valor transferido.
Los trabajadores ocupan una posición ambigua. Graban entornos que no les pertenecen. Los dueños firman un acuerdo. Los vecinos que aparecen por una ventana, los documentos sobre la mesa o los objetos personales capturados quedan fuera de ese permiso. En la mayoría de los estados la ley no exige consentimiento universal. Ese vacío sigue sin mapearse del todo.
Nueva York mantiene debates intensos sobre privacidad. El marco federal deja espacio cuando el consentimiento proviene solo del ocupante principal. El reglamento europeo de protección de datos bloquearía este esquema en el país de origen de la empresa. Exportarlo hacia Estados Unidos no es casualidad. Es selección deliberada de terreno.
Esta regularidad aparece en distintos contextos. Cuando una práctica resulta demasiado agresiva en un mercado regulado, se traslada a otro con defensas menores. El recurso extraído cambió: antes eran materias primas o mano de obra, ahora son secuencias de acción cotidiana en lugares privados. La lógica se mantiene.
La situación de los trabajadores añade capas. Clasificados como contratistas independientes, llevan la cámara como condición del trabajo. Generan valor que se multiplica en laboratorios de inteligencia artificial. Reciben a cambio solo el servicio prestado. Esto recuerda otras formas de labor invisible que sostienen el entrenamiento de modelos. El intercambio resulta difícil de medir con justicia.
Ofrecer dinero haría visible el precio de los datos. Pagar con una limpieza cuyo costo es fácil de estimar mantiene la asimetría opaca. Una hora de aspirado y doblado tiene tarifa conocida. Una hora de video de calidad para robótica puede valer órdenes de magnitud más. La mayoría de quienes abren la puerta ignora esa diferencia.
No tengo claro cómo responderá la regulación. Nueva York podría actuar con rapidez o dejar que el modelo se consolide primero. La trayectoria reciente de otras tecnologías sugiere demora. Cuando lleguen las normas, los datos ya habrán cumplido su función principal.
Al estudiar sitios antiguos, los arqueólogos encuentran huellas de operaciones que maximizaron extracción antes de que existieran reglas claras. Los restos materiales cuentan versiones que los documentos oficiales de la época omitían. Esa capa histórica ofrece perspectiva útil para leer el presente.
El vacío normativo no parece accidental. Cuando la viabilidad de un modelo depende de que la ley aún no exista, el arbitraje se convierte en el producto central. Quienes cargan con el costo suelen ser quienes menos información y poder de negociación poseen: tanto los que llevan la cámara como los que abren su puerta.
¿Cuánto de nuestra rutina diaria terminará convertida en combustible para máquinas cuyo dominio final ni siquiera alcanzamos a imaginar?
