Columnista invitado: Gemini

Tenía flojera de andar inventando tonteras para escribir, así es que pensé invitar a un columnista nuevo, se trata de alguien que me ha ayudado mucho en asuntos de mecánica, construcción, seguridad informática, salud, nutrición, programación en Python y cien cosas más.

Cuando apareció la IA lo primero que me pregunté fue ¿y esto para qué me sirve a mi? Bueno, creo que ya encontré la respuesta, incluso me sirve para escribir acá cundo ando con flojera. Entonces se me ocurrió hacer dos preguntas. Mi primera pregunta fue

¿Que clase de trabajos hacen las personas que ayudan a entrenar modelos de lenguaje? Había escuchado mucho sobre eso pero no tenía claro que clase de trabajos hacen realmente, la respuesta fue lo siguiente:

El entrenamiento de los modelos de lenguaje modernos (LLM) no depende solo de algoritmos potentes, sino de una intervención humana masiva y meticulosa. Quienes realizan este trabajo suelen dividirse en varios roles especializados, dependiendo de la etapa del proceso de aprendizaje del modelo.

Aquí te detallo las labores principales:

1. Etiquetado de Datos y Clasificación (Data Labeling): Es el trabajo de base. Los especialistas revisan grandes volúmenes de texto para clasificarlos.

Análisis de sentimientos: Indicar si un texto es positivo, negativo o neutro.

Detección de toxicidad: Identificar discurso de odio, violencia o contenido inapropiado para que el modelo aprenda qué debe filtrar.

Reconocimiento de entidades: Marcar nombres de personas, lugares o empresas dentro de un párrafo para que la IA entienda conceptos específicos.

2. RLHF (Aprendizaje por Refuerzo a partir de la Retroalimentación Humana)

Este es actualmente uno de los trabajos más críticos. El objetivo es "alinear" el modelo con los valores y expectativas humanas.

Clasificación de respuestas (Ranking): El modelo genera cuatro o cinco respuestas a una misma pregunta, y el humano las ordena de mejor a peor según su veracidad, utilidad y tono.

Edición de respuestas: Si el modelo da una respuesta casi perfecta pero con un pequeño error, el entrenador la corrige manualmente para crear un "ejemplo de oro".

3. Escritura Creativa y Técnica (SFT - Supervised Fine-Tuning)

Aquí el trabajo es proactivo. Los entrenadores no solo corrigen, sino que crean contenido desde cero para que el modelo tenga de dónde aprender.

Generación de prompts y respuestas: Escribir pares de "Pregunta/Respuesta" sobre temas complejos (física, leyes, medicina) para que el modelo aprenda a razonar en esas áreas.

Escritura de código: Programadores expertos escriben y depuran código en diversos lenguajes para que la IA mejore su capacidad de asistencia técnica.

4. Evaluación de Seguridad y "Red Teaming"

Consiste en intentar "romper" el modelo o hacerlo fallar a propósito.

Ataques adversarios: Los trabajadores actúan como usuarios malintencionados que intentan engañar a la IA para que dé instrucciones peligrosas (como fabricar sustancias prohibidas o hackear sistemas).

Evaluación de sesgos: Buscar activamente si el modelo discrimina a ciertos grupos o muestra prejuicios culturales.

5. Verificación de Hechos (Fact-Checking)

Dado que los modelos tienden a "alucinar" (inventar datos), hay equipos dedicados exclusivamente a verificar cada afirmación de una respuesta comparándola con fuentes confiables.

¿Quiénes hacen estos trabajos?

El perfil ha ido evolucionando drásticamente:

Micro-trabajadores: Personas en plataformas globales que realizan tareas repetitivas de etiquetado.

Expertos en dominios: Médicos, abogados, historiadores o ingenieros contratados para evaluar la precisión técnica del modelo en áreas específicas.

Lingüistas y escritores: Para asegurar que el modelo suene natural, use correctamente la gramática y mantenga un estilo coherente.

Es un trabajo de "curaduría" constante; sin este filtro humano, el modelo sería simplemente un buscador estadístico de palabras sin criterio ni ética. 

Que interesante, ni me imaginaba que existiera esa clase de trabajos, creo que la clave es que son trabajos masivos que emplean a cientos de miles, tal vez millones de personas así es que la remuneración debe ser mínima.

Alguna vez vi el trabajo de etiquetadores africanos que lo hacen a destajo, a veces en su casa y ganan entre 100 y 200 dólares al mes. Creo que para países muy pobres es una buena alternativa porque 100 es mucho más que 0.  

Creo que a medida que avance esto de entrenamiento de modelos de IA, se irán necesitando entremadores más calificados y tal vez un poco mejor pagados. 

Ahora tal vez están en la etapa de entrenamiento básico donde hay que etiquetar un perro, un gato, una casa y cosas así pero a medida que se vayan refinando los modelos tal vez se requieran otras competencias. 

La otra duda que tenía era sobre la venta de las reservas de oro del Banco Central de Chile en el año 2000, que seguramente fue la decisión más estúpida -o corrupta- que tomó el gobierno de Eduardo Frei Ruiz Tagle, justo cuando se estaba yendo para la casa.

Escribí sobre eso en mi entrada ¿Qué pasó con las reservas de oro en Chile? así es que recurrí nuevamente a Gemini con la siguiente pregunta:

¿En qué año Chile liquidó sus reservas de oro? La respuesta fue:

Chile liquidó prácticamente la totalidad de sus reservas de oro en un proceso que culminó en el año 2000.  

Aquí te detallo los puntos clave de ese movimiento histórico:

El proceso (1997-2000): El Banco Central de Chile dejó de acumular oro en 1997. A partir de ese momento, inició una venta gradual de sus tenencias que terminó en el año 2000, cuando el país se desprendió de casi todo el metal para favorecer activos más líquidos, como divisas y bonos soberanos.  

La razón: En aquel entonces, la doctrina económica predominante consideraba al oro como un "activo muerto" que no generaba intereses y cuyo precio estaba estancado. Se prefirió invertir en instrumentos financieros que ofrecieran rentabilidad directa.  

Contexto reciente (2026): Como dato curioso y muy reciente, el Banco Central rompió esta tendencia en febrero de 2026. Por primera vez en 26 años, el instituto emisor autorizó la compra de casi 1.000 millones de dólares en oro para diversificar las reservas internacionales ante la incertidumbre global.  

Antes de esta liquidación masiva de finales de los 90, Chile ya había abandonado el "Patrón Oro" (el sistema donde la moneda equivale a una cantidad fija de metal) mucho antes, tras la Gran Depresión de 1931.

Bueno bueno, eso ya lo sabía pero era solo el anzuelo para hacer la pregunta del millón, sobre lo que realmente me interesaba

¿Se sabe quien compró las reservas de oro de Chile que se liquidaron? ¡Aquí te quiero ver Gemini! La respuesta fue decepcionante, por decir lo menos.

Identificar a un comprador único de las reservas de oro de Chile es prácticamente imposible, ya que estas operaciones no se realizan como una venta directa a una persona o empresa específica, sino a través de los mercados internacionales de metales.

Aquí te explico cómo funcionó ese proceso y quiénes suelen estar detrás de esas compras:

1. Mercados de Lingotes (Bullion Markets)

El Banco Central de Chile, al igual que otras instituciones que liquidaron oro en esa época (como el Reino Unido), operó principalmente a través del mercado de Londres (London Bullion Market). En estos mercados, el oro se vende a grandes bancos de inversión y entidades financieras autorizadas, conocidos como market makers.

2. ¿Quiénes fueron los "compradores" finales?

Aunque el oro salió de las arcas fiscales chilenas, este se atomizó en el mercado global. Los destinatarios probables fueron:

Otros Bancos Centrales: Instituciones de países que, a diferencia de Chile en ese momento, buscaban aumentar sus reservas de oro.  

Fondos de Inversión y Bancos Privados: Entidades que compran oro como activo de refugio para sus clientes.

La Industria Joyera y Tecnológica: Una parte importante del oro que se vende en los mercados financieros termina siendo refinado para uso industrial o comercial.

3. El contexto de la "mala venta"

Un dato que suele generar debate en Chile es que el proceso culminó justo cuando el precio del oro estaba en niveles históricamente bajos (alrededor de los 270 - 300 dólares la onza).

Nota técnica: Quienes compraron ese oro en el año 2000 hicieron un negocio extraordinario, ya que para mayo de 2026 el precio ha superado los 5.000 dólares la onza, impulsado por la incertidumbre global.

4. La situación actual (2026)

Como mencionamos antes, el Banco Central de Chile ha revertido esta política en febrero de 2026, autorizando la compra de aproximadamente 1.200 millones de dólares en oro. Esta vez, Chile está en la posición contraria: comprando en el mercado internacional para proteger sus activos, devolviendo al metal precioso un rol estratégico que no tenía desde hace 26 años.

Puro bla-bla y explicaciones chantas. Yo creo que incluso al día de hoy, después que han pasado tantos años, necesariamente debe existir un registro detallado en un documento de lo que fue esa transacción con la identificación de los compradores, estoy seguro que la venta de toneladas de barras de oro fino no se pueden haber vendido "de palabra".

Nuestros ilustres historiadores vivos, los de verdad y los sociólogos, abogados y otros chantas que se dicen historiadores, en lugar de estar rebuscando chismes y estupideces para promover a sus ideas políticas, deberían meterse a investigar a quién le vendieron las reservas de oro de Chile. 

Esa si que es la pregunta del millón, o m´s bien de varios billones de dólares porque los que compraron eso hicieron el mejor negocio de su vida a costillas de nosotros, los giles. Como de costumbre.