Volver al repositorio MIT
6. Socioeconómico y Ambiental1 - Pre-despliegue

Explotación en el desarrollo de IA

La externalización de tareas esenciales para la IA, como el etiquetado de datos, a naciones de bajos ingresos es un riesgo que puede exacerbar y perpetuar las desigualdades socioeconómicas a nivel global

Fuente: MIT AI Risk Repositorymit947

ENTIDAD

1 - Humano

INTENCIÓN

3 - Otro

TIEMPO

1 - Pre-despliegue

ID del riesgo

mit947

Linea de dominio

6. Socioeconómico y Ambiental

262 riesgos mapeados

6.2 > Aumento de la desigualdad y disminución de la calidad del empleo

Estrategia de mitigacion

1. Establecimiento de un Marco Riguroso de Debida Diligencia Laboral (Prioridad Alta) Implementar y exigir políticas de abastecimiento ético y cumplimiento normativo que obliguen a los subcontratistas de etiquetado de datos a garantizar salarios justos, condiciones de trabajo seguras y la adhesión a las normas internacionales del trabajo para todos los colaboradores. La verificación de este cumplimiento debe ser ejecutada mediante auditorías éticas periódicas e independientes, asegurando que el costo de la externalización no se base en la explotación. 2. Inversión Estratégica en Capacitación y Movilidad Profesional (Prioridad Media-Alta) Desarrollar e implementar programas de mejora y reconversión de habilidades (Upskilling y Reskilling) para los trabajadores de etiquetado de datos. El objetivo es facilitar la transición de estos empleados hacia roles técnicos de mayor valor, complejidad y remuneración dentro de la cadena de valor de la IA, lo cual contrarresta directamente la tendencia a la disminución de la calidad del empleo y la perpetuación de las desigualdades socioeconómicas. 3. Adopción de Mecanismos de Transparencia Integral de la Cadena de Suministro (Prioridad Media) Implementar sistemas avanzados de trazabilidad y mapeo para hacer visible toda la red de subcontratación de datos, incluidos los proveedores de nivel 2 y posteriores. Esta transparencia debe facilitar la divulgación abierta de las condiciones laborales y la procedencia del trabajo, permitiendo a las partes interesadas verificar el cumplimiento ético y la responsabilidad social corporativa a lo largo de todo el ciclo de vida del desarrollo de la IA.