Uber despide a dos altos directivos de su división de etiquetado de datos para IA

El 1 de julio de 2026, Uber Technologies despidió a dos líderes técnicos de su división de etiquetado de datos para inteligencia artificial, un negocio que la compañía había presentado como uno de sus principales motores de crecimiento.

Por qué Uber se metió en el etiquetado de datos para IA

El etiquetado de datos, la anotación manual y semiautomática de textos, imágenes, vídeo y audio, es la base del entrenamiento de los grandes modelos de lenguaje y multimodales. Ningún LLM moderno existe sin miles de millones de ejemplos etiquetados: datos para el aprendizaje por refuerzo con retroalimentación humana (RLHF), conjuntos de entrenamiento estructurados y valoraciones humanas de las respuestas del modelo en precisión y seguridad. A medida que los laboratorios de IA aceleran la producción de nuevas generaciones de modelos, la demanda de etiquetado de calidad sigue creciendo.

Uber entró en este mercado apostando por una ventaja de infraestructura: ya sabe captar, coordinar y pagar el trabajo de millones de colaboradores independientes en todo el mundo. Una plataforma perfeccionada con el taxi y el reparto a domicilio debería, en teoría, adaptarse bien al crowdsourcing masivo de tareas de anotación, y esa es la lógica que la dirección transmitió a los inversores. El negocio de etiquetado se presentó como una fuente de ingresos diversificada a largo plazo, más allá del núcleo de transporte.

Por qué los despidos simultáneos son una señal de alarma

Bloomberg informa del despido de dos líderes técnicos, sin revelar sus nombres ni los motivos oficiales de las decisiones. La salida simultánea de dos personas clave de una división incipiente es una situación atípica que, en la práctica corporativa, suele preceder a cambios estratégicos relevantes.

Estos movimientos pueden apuntar a varios escenarios: un cambio de rumbo estratégico por un crecimiento de ingresos decepcionante, presión del consejo de administración para acelerar la monetización, un giro hacia otro segmento de clientes o la llegada de una nueva dirección con una visión radicalmente distinta. Para Uber, a la que los inversores ven tradicionalmente a través del prisma del transporte y el reparto, justificar el valor de un negocio de etiquetado para IA es objetivamente más difícil que para las empresas especializadas cuyo negocio principal es el etiquetado.

• Han sido despedidos dos líderes técnicos de la división de etiquetado de datos para IA
• No se han revelado los nombres de los despedidos ni los motivos oficiales de los cambios
• Bloomberg describe la división como «naciente» (nascent), es decir, aún en fase de formación
• Uber presentó este negocio como una fuente clave de crecimiento de la compañía
• El hecho ocurrió el 1 de julio de 2026; la fuente es Bloomberg

Quién ocupa este mercado

El mercado de etiquetado de datos para IA lleva tiempo en manos de actores especializados. Scale AI, Labelbox, Appen y Surge AI trabajan con los principales laboratorios de IA desde hace años, han construido procesos especializados y se han ganado fama de proveedores fiables. Entrar en ese grupo es una tarea nada trivial para un recién llegado, porque la competencia no se libra solo en precio, sino también en calidad del etiquetado, rapidez de entrega y confianza acumulada de los clientes.

Uber entró en el nicho como un jugador nuevo, compensando la falta de especialización en IA con la escala de su red de colaboradores. Si ese modelo resultó lo bastante competitivo para atraer a grandes clientes de IA es ahora una incógnita. Los cambios de personal sugieren que el desarrollo de la división fue más complicado de lo que se esperaba.

Entrar en el mercado del etiquetado desde la economía de plataformas parece lógico, pero en la práctica exige herramientas especializadas, sistemas de control de calidad y un conocimiento profundo de los tipos de datos que usan los laboratorios de IA. Esa complejidad operativa es lo que distingue este mercado de la economía gig convencional.

Qué significa

La sacudida en la división de IA de Uber refleja una tendencia más amplia: grandes tecnológicas de sectores afines están entrando con fuerza en la infraestructura de IA y a menudo descubren que competir con especialistas es mucho más difícil de lo que parecía al anunciarlo. Sin comentarios oficiales de Uber, las consecuencias estratégicas de los despidos siguen sin estar claras, pero cambios de personal como estos rara vez ocurren sin una revisión del rumbo.