Etiquetado de datos para principiantes: cómo las imágenes entrenan la IA

El etiquetado de datos es el punto de partida de la IA moderna. ImageNet, el conjunto de datos detrás del gran avance en el reconocimiento de imágenes, fue etiquetado por unos 49.000 trabajadores de 167 países a través de una plataforma de microtareas. Revisaron más de 160 millones de imágenes candidatas y clasificaron y etiquetaron más de 14 millones. Dicho de otro modo, uno de los conjuntos de datos más famosos de la historia de la IA lo construyeron personas comunes haciendo tareas sencillas.
Si nunca has etiquetado datos, la idea es esta: te muestran una imagen y tú marcas lo que aparece en ella. Eliges una categoría, dibujas un recuadro alrededor de un objeto o colocas puntos en las articulaciones de una mano. A partir de miles de etiquetas así, un modelo de IA aprende a encontrar por sí solo coches en una carretera, productos en una estantería o gestos en un vídeo.
El etiquetado es una de las formas más accesibles de empezar a ganar dinero con tareas de IA: no necesitas cámara, ni una habitación silenciosa, ni salir de casa. Pero tiene sus propias reglas, y son la principal razón por la que se rechaza el trabajo de los principiantes. A continuación verás los tipos de etiquetado, las reglas y los errores, además de cómo practicar y por dónde empezar.
Tipos de tareas de etiquetado de imágenes
Las tareas se diferencian en la precisión con la que tienes que marcar un objeto. Cuanta más precisión, más larga es la tarea y, normalmente, mejor se paga. Los dos primeros tipos son los más fáciles para empezar.
Tipo de etiquetado | Qué haces | Ejemplo | Dificultad |
|---|---|---|---|
Clasificación (etiquetas) | Eliges una o varias categorías para toda la imagen | "¿Hay un perro en la foto?" Sí / no | Baja |
Revisión de etiquetas ajenas | Compruebas si una etiqueta o un recuadro es correcto | "¿El recuadro cubre todo el coche?" | Baja |
Recuadros delimitadores (bounding boxes) | Dibujas un rectángulo alrededor de cada objeto | Cada peatón en una foto de una calle | Media |
Polígonos | Trazas el contorno del objeto con puntos | El contorno exacto de un árbol o de un charco en la carretera | Alta |
Puntos clave (keypoints) | Colocas puntos en lugares indicados | Articulaciones de los dedos, comisuras de los ojos | Alta |
Hay tareas parecidas para otros tipos de datos: elegir el sentimiento de una reseña, indicar en qué idioma habla alguien en una grabación o revisar la transcripción de una frase. El principio es el mismo: añades una etiqueta a los datos y el modelo aprende de ella.
Consejo: empieza por la clasificación y la revisión de etiquetas ajenas. Así aprenderás más rápido cómo redactan las instrucciones los empleadores y qué se considera un error, y después podrás pasar a los recuadros delimitadores.
Cómo es una tarea de etiquetado: un ejemplo práctico
Para verlo con algo concreto, repasemos una tarea típica de recuadros delimitadores. Un empleador está entrenando un modelo que cuenta coches en aparcamientos. Recibes 10 fotos y estas instrucciones: "Dibuja un recuadro alrededor de cada coche de pasajeros. No etiquetes autobuses ni camiones. Si se ve menos de la mitad de un coche, omítelo".
La primera foto ya reúne todas las situaciones típicas:
- Dos coches en primer plano. Fácil: un recuadro para cada uno, con los bordes pegados a la carrocería, incluidos los retrovisores y las ruedas.
- Un coche medio tapado por un árbol. Las instrucciones dicen que omitas los coches de los que se ve menos de la mitad. Aquí se ve más o menos la mitad, así que es un caso dudoso. Si la tarea no lo aclara, etiqueta los casos así de la misma manera en todo el lote.
- Un coche cortado por el borde de la foto. El recuadro llega hasta el borde del encuadre; no se extiende para cubrir la parte que no se ve.
- Un monovolumen. ¿Es un coche de pasajeros o no? Justo este tipo de dudas es lo que resuelven los ejemplos de las instrucciones. Si no lo hacen, es mejor preguntar al empleador que adivinar.
- Un coche reflejado en el escaparate de una tienda. No es un coche del aparcamiento, así que no lo etiquetes salvo que las instrucciones digan lo contrario.
Son cinco decisiones en una sola foto, y solo dos son obvias. Las demás son justo las que le permiten al empleador distinguir a un trabajador cuidadoso de uno descuidado.
Reglas para un buen etiquetado
Los errores de etiquetado salen caros a los modelos, porque una red neuronal aprende exactamente lo que tú marcaste. Incluso los conjuntos de datos más conocidos tienen muchos: un estudio de Northcutt et al. (2021) encontró de media un 3,3 % de etiquetas incorrectas en los conjuntos de prueba de 10 conjuntos de datos populares, y al menos un 6 % en ImageNet. Por eso los empleadores revisan el trabajo con atención, y esto es lo que distingue un etiquetado que se aprueba.
- El recuadro se ajusta bien al objeto. La guía de Ultralytics lo dice claramente: no debe quedar espacio entre un objeto y su recuadro delimitador.
- Se etiquetan todos los objetos de la clase indicada. Según la misma fuente, el etiquetado parcial no sirve. Si hay cinco coches en una foto y enmarcas cuatro, el modelo aprenderá que el quinto es fondo.
- Todo se hace de la misma manera. Si en tu primera tarea incluiste los retrovisores del coche en el recuadro, inclúyelos también en la número cien.
- Los casos dudosos siguen las instrucciones. ¿Qué haces con un objeto medio tapado, un reflejo en una ventana o un coche en una valla publicitaria? La respuesta siempre está en las instrucciones, no en tu propia lógica. Cada empleador tiene sus propias reglas.
- La duda no es motivo para adivinar. Si la tarea ofrece la opción "no se puede saber", elígela. Un error cometido con seguridad es peor que un "no lo sé" sincero.
Errores comunes de los principiantes
Error | Por qué es un problema | Cómo evitarlo |
|---|---|---|
Un recuadro "con algo de margen" | El modelo aprende a tratar el fondo como parte del objeto | Haz zoom y ajusta los bordes |
Pasar por alto objetos pequeños | El modelo deja de detectar objetos lejanos | Revisa toda la imagen antes de enviar |
Un solo recuadro para un grupo de objetos | El modelo no aprende a distinguir objetos individuales | Un objeto, un recuadro, salvo que las instrucciones digan lo contrario |
Trabajar demasiado rápido | Diez tareas rápidas con errores dan menos dinero que cinco precisas | Primero la precisión; la velocidad llegará sola |
Leer las instrucciones por encima | Todas las tareas del lote repiten el mismo error | Vuelve a leer la sección de excepciones antes de cada lote nuevo |
Nota: muchos empleadores mezclan en un lote tareas cuya respuesta ya conocen. Parecen tareas normales, pero el empleador las usa para evaluar tu precisión. Por eso cada tarea cuenta, aunque parezca que nadie la va a revisar.
Cómo leer las instrucciones de etiquetado
Las instrucciones son el documento más importante del etiquetado, y la mayoría de los empleadores las organizan de forma parecida. Cuando conoces la estructura, encuentras antes lo importante:
- La lista de clases: qué hay que etiquetar exactamente: "coche de pasajeros", "peatón", "ciclista".
- Definiciones: qué cuenta como cada clase y qué no. ¿Una persona en patinete es peatón o ciclista?
- Ejemplos de etiquetado correcto e incorrecto: normalmente en forma de imágenes. Estúdialos con más atención que cualquier texto.
- Excepciones y casos dudosos: objetos tapados, reflejos, imágenes en vallas publicitarias, objetos demasiado pequeños. Aquí es donde más errores se cometen.
- Qué no etiquetar: una lista aparte que los principiantes suelen saltarse.
Lee las instrucciones completas antes de tu primera tarea. Antes de cada lote nuevo, repasa otra vez las excepciones y los ejemplos: a veces los empleadores actualizan las reglas cuando ven errores frecuentes de los trabajadores.
Cómo trabajar más rápido sin perder precisión
La velocidad en el etiquetado viene de los hábitos, no de las prisas. Esto es lo que de verdad ahorra tiempo:
- Atajos de teclado. En muchas herramientas de etiquetado eliges la clase con una tecla numérica y pasas a la siguiente imagen con una sola tecla. Eso ahorra segundos en cada acción y minutos en un lote de cien imágenes.
- Zoom. Es más fácil colocar un recuadro con precisión en una imagen ampliada que corregirlo después de un rechazo.
- Un tipo de tarea cada vez. Cambiar entre instrucciones distintas te frena y hace que confundas las reglas.
- Descansos. El etiquetado es repetitivo y, al final de una hora, la atención baja. Un descanso corto cuesta menos que un lote rechazado.
- Una revisión antes de enviar. Dedicar cinco segundos a recorrer de nuevo toda la imagen te ayuda a detectar objetos que se te escaparon.
Cuánto se paga por etiquetar datos
Las plataformas de microtareas pagan por tarea, no por hora. En RapidWorkers, el empleador fija la tarifa, con un mínimo de $0.05. Por eso conviene calcular cuánto ganas tú por hora. Por ejemplo (las tarifas y los tiempos son ilustrativos):
Tarea | Tarifa | Tiempo de principiante | Por hora | Tiempo con experiencia | Por hora |
|---|---|---|---|---|---|
20 imágenes: "¿Hay un animal en la foto?" | $0.10 | 3 min | $2.00 | 1,5 min | $4.00 |
Recuadros en 10 fotos de calles | $0.30 | 10 min | $1.80 | 5 min | $3.60 |
Revisar 30 recuadros dibujados por otros | $0.15 | 4 min | $2.25 | 2 min | $4.50 |
La tabla muestra que en el etiquetado los ingresos crecen con la experiencia: la misma tarifa rinde el doble por hora cuando dejas de consultar las instrucciones a cada paso. Pero solo si mantienes la precisión: una tarea rechazada no se paga.
Dónde practicar gratis
Antes de tus primeras tareas pagadas, vale la pena practicar un poco. Para eso hay herramientas gratuitas y de código abierto que también usan los equipos profesionales:
- CVAT: recuadros, polígonos y puntos clave para imágenes y vídeo.
- Label Studio: imágenes, texto y audio en una sola interfaz.
Sube 20–30 fotos tuyas e intenta etiquetar personas y coches en ellas siguiendo las reglas de arriba. Tras una hora de práctica así, los recuadros ajustados y la atención a los objetos pequeños empiezan a salir solos.
Cómo empezar a etiquetar datos en RapidWorkers
- Regístrate como trabajador en https://www.rapidworkers.io/es/.
- Abre la sección AI Tasks (por ahora en beta, así que los formatos y las tarifas pueden cambiar) y busca tareas de clasificación o de revisión.
- Lee las instrucciones completas, sobre todo la sección de casos dudosos.
- Haz una o dos tareas y espera la revisión antes de aceptar un lote grande.
- Pasa a los recuadros y a tipos más complejos cuando las tareas sencillas se te aprueben de forma constante.
Hacia dónde va el etiquetado: la IA propone y las personas revisan
El etiquetado está cambiando. Cada vez más a menudo, el propio modelo hace una primera pasada de etiquetas y una persona las revisa y corrige. La guía de Ultralytics sobre recopilación y anotación de datos describe este enfoque: las herramientas generan automáticamente anotaciones iniciales que luego una persona perfecciona.
Para los trabajadores, esto significa dos cosas. Primero, el etiquetado sencillo desde cero va dejando paso poco a poco a la revisión y corrección de etiquetas hechas por otros. Segundo, la capacidad de detectar errores es cada vez más valiosa: los modelos se equivocan justo en los casos difíciles, y se necesitan personas donde hace falta pensar.
Por eso las reglas de este artículo no pierden vigencia: para revisar los recuadros de un modelo tienes que saber cómo es un recuadro correcto. Un trabajador que ha aprendido a etiquetar con precisión pasa sin problemas a las tareas de revisión.
Preguntas frecuentes sobre el etiquetado de datos
¿Qué es el etiquetado de datos, en pocas palabras?
Es añadir etiquetas a los datos: indicas qué se ve en una foto o dónde está un objeto. A partir de estas etiquetas, un modelo de IA aprende a hacer lo mismo por sí solo.
¿Hace falta experiencia para etiquetar datos?
No para tareas sencillas como la clasificación y la revisión de etiquetas ajenas. Necesitas atención al detalle y ganas de leer las instrucciones. Los polígonos y los puntos clave requieren práctica y, a veces, una prueba antes de que te admitan.
¿Se pueden etiquetar datos desde el móvil?
La clasificación sencilla, sí. Los recuadros y los polígonos son mucho más fáciles en un ordenador o una tableta, donde es más sencillo hacer zoom y ajustar los bordes con precisión.
¿Cuánto se puede ganar etiquetando datos?
Las microtareas se pagan por tarea: en RapidWorkers, el empleador fija la tarifa, desde $0.05. Lo que ganes por hora depende de tu velocidad y de tu tasa de aprobación, y suele crecer con la experiencia. Para la mayoría de la gente es un ingreso extra, no un sueldo completo.
¿Por qué me rechazaron el etiquetado?
Lo más habitual es por recuadros poco ajustados, objetos pasados por alto o casos dudosos resueltos de forma distinta a lo que indican las instrucciones. Vuelve a leer el motivo del rechazo y las instrucciones antes de aceptar tu siguiente tarea.
El etiquetado es un comienzo fácil si eres cuidadoso
El etiquetado no exige formación ni equipo especial, pero premia a quienes leen las instrucciones hasta el final y no se apresuran en sus primeras tareas. Empieza por la clasificación y las revisiones, practica con una herramienta gratuita y pasa a los recuadros delimitadores cuando las tareas sencillas superen la revisión de forma constante.
¿Quieres probarlo? Regístrate en RapidWorkers, abre la sección AI Tasks y acepta tu primera tarea de etiquetado.
¿Listo para empezar?
Únete a miles de trabajadores y empleadores que ya usan RapidWorkers para completar tareas rápido.
- Sin suscripción
- Cancela cuando quieras
- Disponible 24/7
- Resolución de disputas


