Alexandr Wang se convirtió brevemente en el multimillonario hecho a sí mismo más joven del mundo a los 24 años al proporcionar a las empresas de inteligencia artificial lo único que todas necesitan: humanos. Cientos de miles de ellos. Ahora su startup Scale AI de US$ 7.3 mil millones está preparada para sacar provecho del mayor auge de la IA hasta el momento, a menos que alguien más pueda hacerlo mejor o más barato.
En 2018, en un viaje a su patria ancestral, Alexandr Wang escuchó a los ingenieros más brillantes de China dar impresionantes presentaciones sobre inteligencia artificial. Le pareció extraño que los investigadores evitaran conspicuamente cualquier mención de cómo se podría usar la IA. Wang, cuyos padres inmigrantes eran físicos nucleares en el Laboratorio Nacional de Los Álamos, donde se diseñaron las primeras bombas atómicas, estaba inquieto.
“Estaban realmente dudosos sobre cuáles eran los casos de uso. Se podría decir que no sirvió de nada”, recuerda Wang, el cofundador de Scale AI, que no tiene una segunda “e” en su nombre de pila, por lo que tiene ocho caracteres, un número asociado con la buena fortuna en la cultura china. Scale era entonces una startup emergente que brindaba servicios de datos principalmente a los fabricantes de automóviles autónomos. Pero a Wang le empezó a preocupar que la IA pudiera cambiar pronto un orden mundial que, salvo la caída de la Unión Soviética, se ha mantenido mayormente estable desde la Segunda Guerra Mundial. “Si piensas en la historia de la humanidad, en su mayoría ha estado marcada por la guerra, excepto los últimos 80 años, que han sido inusualmente pacíficos”, dice desde la sede del sexto piso de Scale en el centro de San Francisco, mientras ocasionalmente (parcialmente) El coche autónomo se cierra por debajo.
A primera vista, Wang, de 26 años, emana la energía asustadiza de un recién graduado universitario. Escucha a músicos de "chicas tristes" como Gracie Abrams y Billie Eilish y se viste "gorpcore", un estilo de moda de ropa para caminar. Publica fotos en Instagram con el actor Kiernan Shipka del famoso Mad Men y suelta pepitas concisas en Twitter: "Los mejores problemas solo se pueden resolver con sangre, sudor, lágrimas, espíritu y un abrumador sentido de propósito", escribió en un tuit de febrero. En los bares, todavía lo cardan regularmente.
Nada de eso importa en Silicon Valley y DC, donde ya es un jugador poderoso. Su ascenso comenzó con una apuesta que hizo en 2016 para "etiquetar" la gran cantidad de datos necesarios para potenciar la IA, principalmente para los automóviles autónomos. Alguien necesitaba entrenar a la IA para saber la diferencia 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 profético que lo ayudó a obtener una lista de clientes que incluye los nombres más importantes en IA y el gobierno de los EE.UU.
Joven y más joven | Wang tenía solo 19 años cuando comenzó Scale. Su cofundadora, Lucy Guo, tenía 21 años. “Definitivamente hizo que fuera más difícil contratar”, dice Wang. “Hubo alguien que me preguntó: 'Explícame por qué debo confiarte mi carrera'. ”
“Somos los picos y las palas en la fiebre del oro de la IA generativa”, dice. Se ha convertido rápidamente en un negocio lucrativo para Scale, que dice que obtuvo $ 250 millones en ingresos el año pasado, en un momento en que muchas nuevas empresas de inteligencia artificial aún no ganan un centavo. Su tecnología ha sido utilizada por el Departamento de Defensa para analizar imágenes satelitales en Ucrania y por OpenAI para crear ChatGPT, el bot que sacudió al mundo con su capacidad para responder trivia y escribir poesía. Bret Taylor, ex codirector ejecutivo del gigante de software en la nube Salesforce, compara el ascenso de Scale con el de los favoritos de la computación en la nube Snowflake y Datadog . El exjefe de consumidores de Amazon, Jeff Wilke, uno de los asesores más confiables de Wang, tiene una opinión aún más entusiasta: la escala podría convertirse en los servicios web de Amazon de la IA.
Los inversores otorgaron a Scale una valoración de 7.300 millones de dólares en 2021, lo que convirtió a Wang en el último multimillonario instantáneo de Silicon Valley. Pero su fortuna no se basó completamente en el silicio. También se construyó con una gran fuerza de trabajo subcontratada que realiza una tarea rudimentaria crucial para la IA: etiquetar los datos utilizados para entrenarla. Esas personas, unas 240.000 de ellas en países como Kenia, Filipinas y Venezuela, trabajan para Remotasks, una subsidiaria que Scale no menciona en los materiales de marketing públicos. En otras palabras, si la IA algún día libera a los humanos de las tareas mundanas del lugar de trabajo, lo habrá hecho utilizando una legión de trabajadores en el Sur Global, muchos de los cuales ganan menos de US$ 1 por hora.
“Son muy, muy importantes para el proceso de creación de potentes sistemas de IA”, dice Wang sobre sus trabajadores de Remotasks.
Scale se concibió como una ventanilla única para suministrar mano de obra humana para realizar tareas que los algoritmos no podían realizar, esencialmente, la antítesis de la IA.
También son, cada vez más, una preocupación ética, con preocupaciones emergentes sobre condiciones de trabajo deficientes y salarios bajos. Mientras tanto, los competidores ven a Scale como un castillo de naipes que ha sufrido despidos y una disminución del valor en los mercados secundarios en el último año que ha despojado a Wang del estatus de multimillonario. (Esos mercados ahora valoran su participación del 15% en $630 millones. Scale argumenta que vale más de $890 millones) . “Para nosotros, no son diferentes a cualquier empresa de subcontratación de procesos comerciales”. Los advenedizos tecnológicos creen que pueden hacer mejor lo que Scale hace, mientras que los subcontratistas tradicionales creen que pueden hacerlo más barato.
“Diría que llevamos más tiempo trabajando en este problema y que hemos creado más tecnología que nadie”, responde Wang. Está tratando de seguir el libro de jugadas de Amazon de administrar toda la cadena, desde los almacenes hasta el envío. Para Scale, eso significa tanto las máquinas, que están automatizando cada vez más el trabajo de datos, como el ejército humano, que es cada vez más grande. “Siempre vamos a querer un ser humano en el circuito”, dice.
ANTES DE LA UNIVERSIDAD, Wang se mudó al Área de la Bahía para trabajar para la startup de Internet Quora, donde el CEO Adam D'Angelo le dio un consejo crucial: cuatro años de universidad están sobrevalorados, dos están subestimados. Al final, Wang pasó solo un año en el MIT antes de dirigirse a la aceleradora de startups Y Combinator. Allí se asoció con la alumna de Quora Lucy Guo, otra desertora, para comenzar Scale en 2016. Recuerda que era "ridículamente joven" en ese momento, solo 19. "Pero yo estaba como, 'Sí, sé cómo codificar. Vamos a ir a hacer esto”.
Tal como se concibió por primera vez, Scale iba a ser una ventanilla única para el suministro de mano de obra humana para realizar tareas que los algoritmos no podían realizar, esencialmente, la antítesis de la IA. El socio de Accel, Dan Levine, no tardó en ver su potencial y ofreció a la pareja una inversión inicial de $ 4,5 millones (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 para un problema que aquejaba a la propia -Empresas de automóviles de conducción en la frontera de la IA en ese momento: tenían millones de millas de imágenes de conducción en la carretera con las que entrenar su IA de vehículos autónomos, y no había suficientes personas para revisarlo y etiquetarlo. La escala podría llenar esa necesidad.
En 2018, Wang y Guo fueron incluidos en la lista 30 Under 30 de Forbes en tecnología empresarial. Posteriormente, Guo dejó la empresa “debido a las 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”. De lo contrario, Guo se negó a comentar para esta historia y Wang se negó a hablar sobre su separación.
El inversionista Mike Volpi escuchó por primera vez el nombre de Scale durante una reunión de la junta directiva de 2018 para la startup de vehículos autónomos (AV) Aurora. "¿OMS?" recuerda haber preguntado. Se enteró de que 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 persuadió a su firma, Index Ventures, para que realizara una inversión de $18 millones en Scale ese agosto, cuando sus ingresos aún no llegaban a los US$ 3 millones.
La apuesta AV se estaba convirtiendo en una fuente de ingresos. La lista de clientes de Scale ahora incluía a los principales fabricantes de automóviles internacionales como Toyota y Honda, así como gigantes de Silicon Valley como Waymo, la subsidiaria de AV de Google, según un lanzamiento de recaudación de fondos de junio de 2019 visto por Forbes . Solo una cuenta con la unidad secreta de conducción autónoma de Apple estaba generando más de US$ 10 millones, según el documento, lo que coloca los ingresos anuales en camino de superar los US$ 40 millones. (Scale se negó a comentar sobre la baraja).
Cuando el Founders Fund de Peter Thiel hizo una inversión de 100 millones de dólares que convirtió a Scale en un unicornio de Silicon Valley en agosto de 2019, dio inicio a una ola de recaudación de fondos de 580 millones de dólares durante 20 meses, cuya ronda final valoró a la empresa en más de 7.000 millones de dólares. A Wang, que entonces tenía 24 años, le tomó solo cinco años convertirse en el multimillonario hecho a sí mismo más joven del mundo.
“Hay prácticamente cero responsabilidad por esas condiciones de trabajo”.
PORTHE TIME Scale dominaba el mercado de etiquetado de datos para las empresas de automóviles autónomos, su nombre se había convertido en algo irónico. Cuanto más escalaba, más difícil se volvía mantenerse al día con la demanda de mano de obra humana. Wang primero recurrió a agencias de subcontratación para llenar los vacíos, pero los costos se dispararon rápidamente. Los márgenes brutos, que rondaban el 65 % a principios de 2018, se acercaron a apenas el 30 % en el cuarto trimestre. Wang necesitaba detener la hemorragia sin dejar de capturar tanto el lado humano como el de la máquina de la cadena de suministro de capacitación de datos de IA.
Ingrese a Remotasks, la agencia de subcontratación interna de Scale. Creado en 2017, Remotasks pronto se convirtió en una prioridad a medida que el negocio AV de la empresa se disparó. Al necesitar mano de obra barata, Scale instaló 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 al 69%, según la plataforma.
Scale ha tenido cuidado de posicionar a Remotasks como una marca separada. Su sitio web no menciona a 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 proteger a la empresa del escrutinio. Scale le dijoa Forbes que separó las dos marcas por confidencialidad del cliente.
En un estudio de 2022 sobre las condiciones de trabajo en 15 plataformas laborales digitales, los investigadores de la Universidad de Oxford concluyeron que Remotasks cumplió con los "estándares mínimos de trabajo justo" en solo dos de 10 criterios, reprobando el pago equitativo, que los primeros empleados dicen que son centavos por hora en promedio. y representación justa. Señalaron que la “ofuscación” de su asociación con Scale crea confusión que “puede contribuir a la vulnerabilidad de los trabajadores a la explotación”. La investigadora principal, Kelle Howson, comparó a los etiquetadores de datos en servicios laborales digitales como Remotasks con trabajadores de fábricas de ropa en muchos de los mismos países. “Hay prácticamente cero responsabilidad por esas condiciones de trabajo”, agregó. Scale dice que se compromete a pagar a los trabajadores “un salario digno”.
Más allá de las consideraciones éticas, también existen cuestiones comerciales. Lo que Scale está haciendo con Remotasks no es difícil de replicar. Kevin Guo, cofundador de Hive, una startup que alguna vez presentó a su propio rival Remotasks antes de cerrarlo debido a márgenes difíciles, sostiene que el tipo de etiquetado de datos que hace Scale es un negocio de productos básicos. “Cualquiera que forme un equipo puede competir contigo, y el precio se reduce muy rápido”, dice.
La enorme mano de obra extranjera de HILE REMOTASKS es fundamental para el éxito del sector privado de Scale, no es un buen comienzo para el otro enfoque de la empresa: los contratos de defensa con el gobierno de EE. UU., que es poco probable que comparta datos clasificados con etiquetadores extranjeros. Por lo tanto, Wang está construyendo un ejército de IA doméstico mucho más costoso. El año pasado, Scale abrió una oficina en St. Louis y anunció planes para contratar a 200 personas, muchas de ellas como etiquetadoras de datos.
“Hay dos cosas en las que creo profundamente”, dice Wang. “Uno, la IA es una gran fuerza para el bien y debe aplicarse de la manera más amplia posible. Dos, debemos asegurarnos de que Estados Unidos esté en una posición de liderazgo”.
Entrene un modelo de IA personalizado con datos en vivo de los 1,3 millones de personal de servicio activo de Estados Unidos y podría cambiar la naturaleza de la guerra
Hasta ahora, Scale ha ganado us$ 60,6 millones con dichos contratos, según una base de datos del gobierno. La compañía promocionó un premio de US$ 249 millones en un comunicado de prensa el año pasado, pero lea la letra pequeña y el límite máximo de pagos potenciales de Scale es de us$ 15 millones. La mayor parte del gasto público en IA todavía se destina a empresas como Northrop Grumman y Lockheed Martin, no a los advenedizos de Silicon Valley.
“Esas empresas, realmente no son tan vanguardistas cuando se trata de comprender la IA generativa”, dice Wang. Para él, la asociación gubernamental es un juego largo. El Departamento de Defensa ya ha utilizado la experiencia de Scale para dar sentido estratégico a las imágenes satelitales en Ucrania. Y eso es solo el comienzo. La IA generativa, dice, algún día podría usarse de manera más integral. Entrene un modelo de IA personalizado con datos en vivo de los 1.3 millones de personal de servicio activo de Estados Unidos y podría cambiar la naturaleza de la guerra.
Pero no será fácil llegar allí. Los modelos generativos de IA requieren un entrenamiento mucho más complejo que sus precursores. Ellos también necesitan ayuda humana adicional, pero en lugar de simplemente etiquetar los datos recopilados de Internet, las personas deben crearlos. Para que la IA explique por qué los cachorros son lindos de una manera que suena bien para el oído humano, necesita que la gente lo entrene usando frases naturales. “Los datos anotados por humanos resultan tener un impacto extraordinario en el rendimiento del modelo”, dice 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 todas las empresas de IA se venden a escala. OpenAI, por ejemplo, se basa en los etiquetadores humanos de Scale, pero opta por usar su propio software para administrar los datos, dice el cofundador Wojciech Zaremba. Tres líderes de ingeniería que usaron Scale en destacadas empresas emergentes de IA le dijeron a Forbes de manera confidencial que les preocupa la calidad de sus datos de entrenamiento de IA creados por humanos. Uno describió un modelo de IA generativo basado en texto que se vio obstaculizado por el inglés deficiente de los etiquetadores. “La calidad de sus datos puede ser alta, pero tampoco es un hecho”, dijo otro. Dijo un portavoz de Scale: "Respaldamos nuestros productos y [sus] resultados".
“Wang no llegó a donde está porque es un niño genio: el MIT genera muchos abandonos escolares. Tiene una ética de trabajo absolutamente loca”.
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 las empresas de IA. OpenAI, junto con los próximos pesos pesados de la IA, Cohere y Adept, usan tanto Scale como Surge. Luego están las nuevas empresas de etiquetado del Área de la Bahía de miles de millones de dólares, Labelbox y Snorkel AI , que se enfocan en llevar la IA a empresas no tecnológicas.
En enero, Scale recortó el 20% de su personal de tiempo completo. Wang citó la "incertidumbre" en las condiciones del mercado. “Aumentamos el número de empleados asumiendo que el crecimiento masivo continuaría”, escribió en una publicación de blog. Las acciones de la empresa cotizan actualmente en mercados secundarios privados con un descuento del 42 % con respecto a la última ronda de financiación en julio de 2021.
Las partes interesadas de Scale siguen confiando en que Wang puede mantener a la empresa por delante de sus rivales. “No llegó a donde está porque es un niño genio: el MIT expulsa a muchos adolescentes que abandonan los estudios”, dice William Hockey, cofundador multimillonario de la fintech Plaid de US$ 13.000 millones y miembro del directorio de Scale . "Tiene una ética de trabajo absolutamente loca como nadie que haya conocido".
Escala Accenture, el gigante consultor recientemente firmado, 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 objetivo final de Scale: desempeñar un papel en el mantenimiento de la supremacía de la IA de Estados Unidos.
“Estamos en una era de gran competencia de poder”, dice. “El liderazgo estadounidense, no quiero decir que esté en riesgo, pero nunca ha sido más importante para nosotros retener eso”.
*Nota publicada originalmente en Forbes EE.UU.
