Externalizar el etiquetado de datos: anotaciones precisas, rápidas y baratas

Incluso los datasets más famosos contienen errores de etiquetado. Un equipo de investigadores del MIT encontró una media de al menos un 3.3% de etiquetas incorrectas en los conjuntos de prueba de 10 datasets populares, y al menos un 6% en el conjunto de validación de ImageNet (Fuente: Northcutt et al., 2021). Si los mayores proyectos académicos se equivocan, externalizar el etiquetado de datos sin un sistema de calidad casi garantiza todavía más errores.
Al mismo tiempo, que tus propios ingenieros de ML etiqueten datos es la opción más cara. Una hora de un ingeniero cuesta tanto como cientos de imágenes etiquetadas de forma externa, y el trabajo repetitivo agota al equipo más rápido de lo que agota el presupuesto. Por eso la pregunta no suele ser si externalizar, sino cómo hacerlo sin perder precisión.
Esta guía explica qué etiquetado puedes externalizar, cómo se compara una agencia con freelancers y con el crowdsourcing, cómo redactar las instrucciones, cómo mantener alta la precisión y cuánto cuesta todo. Para una visión más amplia sobre cómo conseguir datos de entrenamiento para IA, consulta nuestro artículo sobre recopilación de datos de entrenamiento para IA.
Qué etiquetado puedes externalizar y cuál no
Las tareas de etiquetado varían enormemente en dificultad. Casi cualquier persona atenta puede indicar si en una foto hay un gato. Solo un médico puede marcar un tumor en una resonancia magnética. Eso determina quién debe hacer el trabajo y cómo.
Tipo de etiquetado | Qué hace el anotador | Dificultad | A quién encargarlo |
|---|---|---|---|
Clasificación | Elige una categoría: "sauna barril / sin sauna barril" | Baja | Crowdsourcing |
Bounding boxes (cajas delimitadoras) | Dibuja un rectángulo alrededor de los objetos | De baja a media | Crowdsourcing, si tienes una herramienta de anotación |
Polígonos y segmentación | Traza un contorno exacto o pinta píxeles | De media a alta | Un equipo formado o una agencia |
Texto: sentimiento, tema, spam | Elige una etiqueta para una frase o un mensaje | Baja | Crowdsourcing con el idioma adecuado |
Transcripción de audio | Convierte la voz en texto | Media | Hablantes nativos mediante crowdsourcing |
Evaluación de respuestas de modelos | Compara dos respuestas y elige la mejor | De baja a alta | Crowdsourcing para temas cotidianos; expertos para código y medicina |
Anotación experta | Imágenes médicas, documentos legales | Alta | Especialistas del sector |
No envíes a un outsourcing abierto datos que no puedan mostrarse a terceros: conversaciones con clientes, documentos, historiales médicos con datos personales. Anonimízalos antes de compartirlos, o etiquétalos internamente o con un proveedor bajo un acuerdo de confidencialidad.
Nota: a menudo una tarea compleja se puede dividir en otras simples. En lugar de "etiqueta todos los objetos de esta foto de la calle", pregunta primero "¿hay peatones en esta foto?" y después "dibuja un recuadro alrededor de cada peatón". Cada paso es más fácil de explicar, revisar y pagar.
Agencia, freelancers o crowdsourcing: cuál elegir
Hay tres modelos principales de externalización. Se diferencian menos en el precio que en quién se responsabiliza de la calidad y en lo rápido que puedes empezar.
Factor | Agencia de etiquetado | Freelancers | Crowdsourcing mediante microtareas |
|---|---|---|---|
Tiempo hasta empezar | Semanas: briefing, contrato, piloto | Días: encontrar y evaluar a las personas | Horas: puedes lanzar una tarea al momento |
Presupuesto mínimo | Normalmente miles de dólares | Depende de la tarifa por hora | Desde $20 (el depósito mínimo en RapidWorkers) |
Escala | Grande, pero según lo acordado | Limitada por el número de personas | Crece rápido con muchos trabajadores |
Control de calidad | Lo gestiona la agencia, a menudo con un nivel de precisión fijado por contrato | Corre de tu cuenta | Corre de tu cuenta: tareas de referencia, solapamiento, revisión |
Tareas complejas y expertas | Sí, si la agencia tiene especialistas | Sí, si encuentras a las personas adecuadas | No encaja bien |
Ideal para | Proyectos largos con requisitos claros | Tareas complejas pequeñas | Etiquetado sencillo de gran volumen, pilotos, datos multilingües |
La diferencia clave es quién redacta las reglas y aprueba el trabajo. Una agencia se encarga de ello y lo incluye en el precio. Según el proveedor de etiquetado CVAT, externalizar con una agencia suele costar más de 1.5 veces lo que cuesta un equipo de etiquetado interno (Fuente: CVAT). Con el crowdsourcing, tú mismo defines las reglas y el proceso de revisión: es más barato y más rápido, pero requiere unas horas de tu tiempo al principio.
Consejo: puedes combinar modelos. Envía el etiquetado sencillo de gran volumen al crowdsourcing, los casos dudosos a un experto interno y el trabajo experto a un proveedor especializado. Así, los especialistas caros solo dedican tiempo donde de verdad se les necesita.
Guía de anotación: tu principal herramienta de precisión
La mayoría de los errores de etiquetado no se deben a descuidos, sino a distintas interpretaciones de las reglas. ¿Cuenta una sauna medio oculta? ¿Y una sauna en una valla publicitaria? Si las instrucciones no lo dicen, cada anotador decide por su cuenta, y cada uno tiene razón a su manera.
Una buena guía de anotación tiene cinco partes:
- Para qué se necesita el etiquetado. Una frase sobre lo que hará el modelo. Un anotador que entiende el objetivo resuelve por sí mismo algunos casos dudosos.
- Definiciones precisas de las clases. No "sauna", sino "una sauna de madera independiente con forma de barril tumbado de lado".
- Ejemplos de cada clase. Al menos dos o tres ejemplos correctos.
- Casos límite. Una tabla "caso → decisión": un objeto parcialmente oculto, una imagen en una pantalla o un póster, una foto borrosa, varios objetos uno al lado del otro.
- Una opción "No estoy seguro". Deja que los anotadores marquen un caso dudoso. Es más honesto que una respuesta al azar y muestra qué reglas hay que añadir.
Este es un ejemplo de instrucciones breves para una microtarea:
Consejo: trata la guía como un documento vivo. Añade cada nuevo caso límite que salga en la revisión a la tabla de decisiones y numera las versiones. Así siempre sabrás con qué reglas se etiquetó cada lote.
Cómo mantener la precisión del etiquetado
Unas buenas instrucciones reducen los errores, pero no los eliminan. A partir de ahí entran en juego cuatro mecanismos de control. No se excluyen entre sí y normalmente se usan juntos.
Tareas de referencia (gold standard)
Mezcla entre un 5 y un 10% de elementos con respuestas correctas conocidas en el flujo de tareas. Los anotadores no saben cuáles son. La precisión en las tareas de referencia refleja la precisión en todo lo demás. Es la forma más barata de detectar enseguida a los trabajadores descuidados.
Solapamiento (consenso)
Dos o tres personas etiquetan el mismo elemento y la etiqueta final se decide por mayoría. Para la clasificación, normalmente bastan tres respuestas. El solapamiento multiplica el coste por dos o por tres, pero en un etiquetado sencillo sigue siendo bajo mientras la precisión mejora notablemente. Si los anotadores no coinciden, el elemento pasa a un experto para su revisión.
Acuerdo entre anotadores
La frecuencia con la que coinciden los anotadores (acuerdo entre anotadores) refleja más la calidad de las instrucciones que la de las personas. Suele medirse con el kappa de Cohen, y una referencia habitual para el etiquetado en producción es 0.8 o más (Fuente: Label Your Data). Si el acuerdo es bajo en todos los anotadores a la vez, el problema no es el equipo, sino unas reglas poco claras.
Revisiones puntuales de expertos
Durante el piloto, un experto lo revisa todo. Después, revisa entre un 10 y un 20% de elementos aleatorios de cada lote, más todos los marcados como "No estoy seguro".
Mecanismo | Qué detecta | Coste |
|---|---|---|
Tareas de referencia | Anotadores descuidados o que responden al azar | +5–10% del volumen |
Solapamiento | Errores puntuales de anotadores individuales | ×2–3 el coste |
Acuerdo | Reglas poco claras en las instrucciones | Gratis si usas solapamiento |
Revisión experta | Errores sistemáticos y casos dudosos | El tiempo de tu especialista |
Nota: rechaza un trabajo solo si incumple una regla que esté en las instrucciones. Si un anotador se equivocó en un caso que las reglas no cubrían, aprueba el trabajo y actualiza las instrucciones. Tu reputación como empleador influye en quién aceptará tus próximas tareas.
Cuánto cuesta el etiquetado de datos y en cuánto tiempo puedes tenerlo
Referencias habituales del mercado según los proveedores de etiquetado: una bounding box cuesta alrededor de $0.02–0.04 por objeto, y una etiqueta de polígono o segmentación parte de $0.06. Las tarifas por hora de los anotadores van desde $4–6 en las regiones de menor coste hasta $30 o más para expertos del sector en Norteamérica y Europa. Un proyecto típico de una agencia mediana parte de $5,000–10,000 (referencias de la misma guía de Label Your Data).
Con el crowdsourcing no hay compromiso mínimo: en RapidWorkers, el empleador fija la tarifa por tarea (desde $0.05), se añade una comisión del 15% y no pagas por los envíos rechazados. Lo mejor es agrupar entre 1 y 5 minutos de trabajo en una sola tarea. Cálculos de ejemplo:
Tarea | Una tarea | Volumen y solapamiento | Total con comisión del 15% | Por elemento |
|---|---|---|---|---|
Clasificación de imágenes | 10 fotos, ~1 minuto, $0.10 | 10,000 fotos, ×3 | $345 | ≈ $0.035 |
Bounding boxes | 5 fotos, ~3 minutos, $0.30 | 2,000 fotos, ×2 | $276 | ≈ $0.14 |
Sentimiento de textos | 20 mensajes, ~2 minutos, $0.20 | 5,000 mensajes, ×3 | $172.50 | ≈ $0.035 |
Transcripción de audio | 1 minuto de audio, ~5 minutos, $0.40 | 1,000 clips, sin solapamiento | $460 | ≈ $0.46 |
Las tarifas de la tabla son ejemplos: cuanto más difícil y larga sea la tarea, mayor debe ser el pago. La cuenta es sencilla: número de tareas × solapamiento × tarifa + 15%. Por ejemplo, para la clasificación: 1,000 tareas × 3 × $0.10 = $300 + 15% = $345.
La velocidad del crowdsourcing depende de tres cosas: la tarifa, el número de trabajadores disponibles en los países que selecciones y la dificultad de la tarea. El etiquetado sencillo sin restricciones de país se reparte en paralelo entre muchas personas, así que los lotes suelen terminarse en horas y no en semanas.
Advertencia: el error más caro es recortar el solapamiento y las tareas de referencia. Etiquetar sin ellos es dos o tres veces más barato, pero nadie detecta los errores, y van directos a tu modelo. Encontrarlos y corregirlos después cuesta más.
Cómo acelerar el etiquetado con modelos
En 2026, rara vez se etiqueta desde cero. Lo más habitual es que un modelo aplique etiquetas preliminares y que las personas las revisen y corrijan. Este enfoque se llama human-in-the-loop y combina muy bien con las microtareas.
Tres flujos de trabajo que funcionan:
- Preetiquetado + revisión. Un modelo dibuja los recuadros o asigna las clases, y un trabajador responde "correcto / incorrecto" y corrige los errores. Revisar es varias veces más rápido que etiquetar desde cero.
- Aprendizaje activo. Solo llegan a las personas los elementos sobre los que el modelo tiene dudas. Según Label Your Data, esto puede reducir el volumen de etiquetado manual entre un 30 y un 70%.
- Revisión de discrepancias. Si la etiqueta de un anotador contradice una predicción segura del modelo, el elemento vuelve para una segunda revisión. Así se detectan tanto los errores humanos como los del modelo.
Un plan piloto
Haz una pequeña ronda de etiquetado antes de la grande. Lleva un día y cuesta entre unos pocos dólares y unas pocas decenas.
- Toma entre 100 y 200 elementos y etiquétalos tú mismo: serán tus respuestas de referencia.
- Lanza una tarea con esos mismos elementos y un solapamiento ×3.
- Compara la precisión frente a tus respuestas, el acuerdo entre anotadores y el tiempo por tarea.
- Revisa cada discrepancia y añade los casos límite a las instrucciones.
- Si la precisión y el acuerdo alcanzan tu nivel de exigencia, guarda algunos elementos del piloto como tareas de referencia y lanza el volumen principal por lotes.
Consejo: si primero recopilas datos y los etiquetas después, incorpora en la fase de recopilación los metadatos que necesitarás para el etiquetado. Explicamos cómo hacerlo con vídeo y voz en nuestras guías sobre recopilación de datos de vídeo y recopilación de datos de voz.
Preguntas frecuentes sobre la externalización del etiquetado de datos
¿Cuánto cuesta el etiquetado de datos?
Con proveedores, una bounding box suele costar alrededor de $0.02–0.04 por objeto, la segmentación parte de $0.06 por etiqueta y los proyectos medianos parten de $5,000–10,000. Con el crowdsourcing no hay compromiso mínimo: en nuestros ejemplos, la clasificación con triple solapamiento sale a unos $0.035 por imagen, y las bounding boxes con doble solapamiento a unos $0.14.
¿Vale la pena externalizar el etiquetado de datos?
Para el etiquetado sencillo de gran volumen, casi siempre: el tiempo de los ingenieros de ML es demasiado caro para dedicarlo a trabajo repetitivo. El etiquetado experto y los datos confidenciales es mejor mantenerlos internamente o con un proveedor especializado bajo contrato.
¿Cómo se garantiza la calidad de la anotación de datos?
Cuatro herramientas funcionan juntas: una guía detallada con casos límite, tareas de referencia con respuestas conocidas, solapamiento con voto por mayoría y revisiones puntuales de expertos. Empieza con un piloto de 100–200 elementos.
¿Qué es un buen acuerdo entre anotadores?
Una referencia habitual para el etiquetado en producción es un kappa de 0.8 o más. Si es más bajo en todos los anotadores a la vez, lo más probable es que el problema esté en la guía, no en las personas.
Crowdsourcing o empresa de anotación de datos: ¿qué es mejor?
El crowdsourcing gana en el etiquetado sencillo de gran volumen, los pilotos y los datos multilingües: puedes empezar en cuestión de horas y no hay compromiso mínimo. Una empresa gana en proyectos largos, complejos y confidenciales en los que necesitas un contrato con precisión garantizada.
¿Cómo se redacta una guía de anotación?
Explica para qué es el etiquetado, da definiciones precisas de las clases con ejemplos, describe los casos límite como "caso → decisión" y añade una opción "No estoy seguro". En una microtarea, la guía debería caber en una sola pantalla.
Un etiquetado preciso sale de un sistema, no de un proveedor
Mucha gente cree que externalizar el etiquetado consiste solo en encontrar "buenos anotadores". En la práctica, la precisión sale de las instrucciones, las tareas de referencia y el solapamiento, y eso funciona con cualquier modelo de externalización.
Las conclusiones clave:
- envía el etiquetado sencillo de gran volumen al crowdsourcing, y el trabajo experto o confidencial a especialistas;
- divide las tareas complejas en pasos simples;
- el núcleo de una buena guía son los casos límite y una opción "No estoy seguro";
- no escatimes en tareas de referencia ni en solapamiento: cuestan menos que los errores en tu modelo;
- empieza con un piloto de 100–200 elementos y tus propias respuestas de referencia.
Si quieres probar este enfoque con tus propios datos, haz un pequeño piloto en la sección AI Tasks de RapidWorkers: define tus instrucciones, la tarifa y el solapamiento, y obtén los primeros resultados el mismo día.
¿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


