⏱️ Lectura: 13 min
Amazon Mechanical Turk, el mercado de microtareas que ayudó a anotar las imágenes que dieron origen a ImageNet y a buena parte del machine learning moderno, cierra el 30 de septiembre de 2026. La empresa lo confirmó en la propia página del servicio, sin anunciar un reemplazo directo.
📑 En este artículo
La noticia marca el fin de una plataforma que durante más de dos décadas conectó a empresas y desarrolladores (Requesters) con un ejército global de trabajadores remotos (Workers) dispuestos a resolver tareas que las máquinas todavía no podían hacer solas.
TL;DR
- Amazon confirmó el cierre de Mechanical Turk para el 30 de septiembre de 2026, sin dar motivos detallados.
- MTurk se lanzó en 2005 y lleva 21 años conectando Requesters con Workers para microtareas remotas.
- El nombre viene del autómata ajedrecista de 1770 que escondía a un operador humano adentro.
- Buena parte del etiquetado manual detrás de ImageNet se hizo con Workers de Mechanical Turk.
- El Allen Institute for AI (AI2) usó MTurk para construir datasets de sentido común para sus modelos.
- Food Genius (US Foods Data Science) usaba MTurk para extraer datos de menús y detectar tendencias.
- Amazon SageMaker Ground Truth pierde a MTurk como una de sus tres opciones de workforce humano.
- Amazon no anunció un servicio de reemplazo directo y remite a su página de FAQ para prepararse.
Qué pasó
Amazon publicó un aviso breve y directo en mturk.com: «Mechanical Turk will close September 30, 2026». El comunicado agrega que la compañía «evalúa regularmente sus programas, herramientas y servicios y hace ajustes según esas evaluaciones», y que tras esa evaluación decidió cerrar Mechanical Turk de forma permanente.
Amazon no explicó públicamente las razones puntuales del cierre ni anunció un servicio sustituto. Sí dirigió tanto a Workers como a Requesters que usan la plataforma hoy a una página de preguntas frecuentes para prepararse ante el cierre, sin precisar todavía qué pasa con las tareas (HITs) en curso ni con los fondos pendientes de pago en las cuentas de Requesters.
El aviso es escueto a propósito: no hay cifras de usuarios activos, ni volumen de tareas procesadas, ni motivos de negocio detallados. Es, en ese sentido, un cierre discreto para un servicio que en su momento fue pionero.
Contexto e historia: de un autómata del siglo XVIII a la IA moderna
Amazon lanzó Mechanical Turk en 2005 como un mercado de crowdsourcing que permitía a empresas y desarrolladores tercerizar procesos y trabajos hacia una fuerza laboral distribuida que ejecutaba las tareas de forma virtual. El nombre es un guiño histórico: el Turco Mecánico fue un supuesto autómata ajedrecista construido en 1770 que en realidad escondía a un operador humano dentro del mueble, haciéndose pasar por una máquina inteligente. Amazon invirtió la broma: llamó así a un servicio donde, detrás de una interfaz que parecía automatizada, siempre había personas reales resolviendo el trabajo.
📌 Nota: El nombre Mechanical Turk es una referencia directa al autómata de 1770 que fascinó a Europa haciendo creer que una máquina jugaba ajedrez, cuando en realidad un jugador humano operaba el mecanismo desde adentro.
Durante sus primeros años, MTurk se convirtió en una pieza clave de la investigación en visión por computadora. Gran parte del trabajo de etiquetado manual detrás de ImageNet, el dataset que impulsó el resurgimiento del deep learning a partir de 2012, se hizo con Workers de Mechanical Turk dibujando cajas delimitadoras y asignando categorías a millones de fotografías. Ese patrón, usar humanos para producir datos de entrenamiento a gran escala y bajo costo, se repitió después en cientos de papers académicos y productos comerciales de machine learning.
Con el tiempo, MTurk también se volvió una herramienta habitual en ciencias sociales y psicología experimental: investigadores universitarios reclutaban Workers como participantes de encuestas y experimentos, atraídos por el bajo costo y la velocidad de reclutamiento frente a los paneles tradicionales de laboratorio.
Detalles técnicos: cómo funciona (funcionó) Mechanical Turk
El modelo operativo de MTurk se organiza en tres piezas: el Requester publica una tarea llamada HIT (Human Intelligence Task), el Worker la completa a cambio de un pago por unidad, y Amazon actúa de intermediario cobrando una comisión sobre cada HIT pagado. Las tareas típicas incluyen validación de datos, transcripción, moderación de contenido, encuestas, categorización de productos y, sobre todo, anotación de datos para entrenar modelos de machine learning.
Un HIT se define con una plantilla, un pago por unidad, un número de asignaciones y un límite de tiempo. El acceso programático se hace vía una API REST, con SDKs oficiales como boto3 para Python. Así se ve, a alto nivel, el flujo de una tarea:
sequenceDiagram
participant R as Requester
participant M as Mechanical Turk
participant W as Worker
R->>M: publica un HIT (tarea + pago + plazo)
M->>W: muestra el HIT disponible
W->>M: envia la asignacion completada
M->>R: entrega el resultado para revision
R-->>M: aprueba o rechaza el pago
M-->>W: acredita el pago si fue aprobadoEse ciclo, publicar, resolver, revisar, pagar, es el que sostuvo, durante 21 años, tanto el etiquetado de datos para machine learning como el business process outsourcing de tareas repetitivas: moderación de contenido, deduplicación de bases de datos, o extracción de información de menús y sitios web, como describía Food Genius (parte de US Foods Data Science) en el propio material de Amazon.
Cómo prepararse para el cierre (o exportar tus datos hoy)
Si hoy administrás una cuenta de Requester o Worker en Mechanical Turk, conviene actuar antes del 30 de septiembre de 2026 en lugar de esperar al último mes. Estos son los pasos técnicos concretos para Requesters que usan la API:
# instalar el SDK oficial de AWS para Python
pip install boto3Con las credenciales de tu cuenta de AWS configuradas (AWS_ACCESS_KEY_ID, AWS_SECRET_ACCESS_KEY, AWS_DEFAULT_REGION), un script mínimo para listar los HITs pendientes y exportar sus resultados antes del cierre se ve así:
import boto3
mturk = boto3.client(
"mturk",
endpoint_url="https://mturk-requester.us-east-1.amazonaws.com",
region_name="us-east-1",
)
# listar HITs activos en la cuenta
respuesta = mturk.list_hits(MaxResults=100)
for hit in respuesta["HITs"]:
hit_id = hit["HITId"]
asignaciones = mturk.list_assignments_for_hit(
HITId=hit_id,
AssignmentStatuses=["Submitted", "Approved"],
)
for asignacion in asignaciones["Assignments"]:
print(hit_id, asignacion["WorkerId"], asignacion["Answer"])Este script recorre los HITs de la cuenta y descarga las respuestas (Answer) de cada Worker, el paso previo indispensable a exportarlas a un CSV o base de datos propia antes de que la API deje de responder. Para Workers, la recomendación de Amazon es revisar el saldo pendiente y las asignaciones aprobadas desde el dashboard antes de la fecha de cierre.
⚠️ Ojo: Amazon no precisó qué pasa con los balances de Requesters ni con los pagos de Workers que queden sin procesar después del 30 de septiembre de 2026. La única guía oficial disponible es la página de FAQ enlazada desde mturk.com.
Para quienes dependen de MTurk como fuente de workforce humano dentro de flujos de machine learning, el reemplazo más directo dentro del propio ecosistema de AWS es Amazon SageMaker Ground Truth, que hasta ahora ofrecía precisamente a MTurk como una de sus tres opciones de workforce, junto a un workforce privado o uno provisto por un proveedor externo. Con el cierre, esa opción específica dentro de Ground Truth deja de tener sentido y los equipos deberán migrar a un workforce privado o a un proveedor.
| Alternativa | Cuándo usarla | Ventaja | Limitación |
|---|---|---|---|
| SageMaker Ground Truth (workforce privado) | Ya usás AWS y necesitás control sobre quién anota | Se integra directo con tu pipeline de ML en AWS | Vos armás y gestionás el equipo de anotadores |
| Proveedores gestionados (Scale AI, Appen, Surge AI) | Necesitás anotación a gran escala con SLA | Workforce entrenado y gestionado por el proveedor | Costo por tarea más alto que MTurk |
| Prolific | Investigación académica o encuestas con muestra controlada | Mejor control demográfico que MTurk | Pensado para estudios, no para BPO ni etiquetado masivo |
| Workforce interno o freelancers | Volumen bajo o tareas muy específicas del dominio | Control total sobre calidad y capacitación | No escala igual de rápido que un marketplace |
Impacto y análisis
El material que Amazon mantiene publicado sobre MTurk incluye testimonios que explican por qué la plataforma importó tanto para la industria de la inteligencia artificial. Michael Schmitz, Director de Ingeniería del Allen Institute for AI (AI2), señaló: «usamos plataformas de crowdsourcing como Amazon Mechanical Turk para construir datasets que ayudan a nuestros modelos a aprender conocimiento de sentido común, algo que suele ser necesario para responder preguntas básicas que son fáciles para humanos pero todavía difíciles para máquinas».
David Falck, Executive Director de Food Genius (parte de US Foods Data Science), la describió desde otro ángulo, el del business process outsourcing: «los Workers en Amazon Mechanical Turk responden a nuestras solicitudes para recopilar información de menús, sitios web y otros canales. Podemos aprovechar esos conocimientos colectivos humanos para entender mejor las necesidades de los clientes y descubrir tendencias de mercado importantes».
Ambos casos resumen el doble rol que jugó MTurk: por un lado, infraestructura de datos para entrenar y evaluar modelos de machine learning, desde anotación de imágenes hasta validación humana en bucle; por otro, una forma barata y flexible de tercerizar procesos de negocio que antes requerían contratar y escalar un equipo temporal propio, algo costoso y lento según describe el propio material de Amazon.
El cierre también deja en evidencia un cambio de época. Cuando MTurk se lanzó en 2005, la única forma de producir a escala datasets etiquetados era pagar a personas para que los etiquetaran a mano, un HIT a la vez. Dos décadas después, buena parte de ese trabajo de anotación se automatiza parcialmente con modelos de IA que preetiquetan datos y dejan a los humanos solo la revisión final, reduciendo la necesidad de un marketplace masivo y genérico de microtareas como MTurk.
💭 Clave: MTurk nació para resolver con humanos lo que las máquinas no podían hacer. Su cierre coincide con una etapa en la que los propios modelos de IA hacen buena parte de ese trabajo, dejando a los humanos como revisores en vez de ejecutores primarios.
Qué sigue
Hasta el 30 de septiembre de 2026, Requesters y Workers pueden seguir usando la plataforma con normalidad, según el aviso publicado en mturk.com. Amazon no adelantó un cronograma de apagado gradual, por ejemplo dejar de aceptar HITs nuevos antes de esa fecha, ni confirmó si la API quedará inhabilitada el mismo día o si habrá una ventana adicional solo para exportar datos históricos.
Tampoco hay, por ahora, un anuncio de un servicio de reemplazo directo dentro del catálogo de AWS. Lo más cercano es reforzar las otras dos opciones de workforce de SageMaker Ground Truth, privado y por proveedor, aunque ninguna reproduce exactamente el modelo abierto de marketplace que hizo popular a MTurk entre investigadores académicos y pequeñas startups con presupuestos ajustados.
Para el ecosistema más amplio de anotación de datos, el cierre acelera una migración que ya venía en marcha hacia proveedores especializados y hacia pipelines híbridos donde un modelo de IA hace un primer etiquetado y un humano solo corrige los casos dudosos.
📖 Resumen en Telegram: Ver resumen
Probalo vos: si tenés una cuenta de Requester activa, corré hoy mismo el script de list_hits de boto3 contra tu cuenta y confirmá cuántas asignaciones te quedan por exportar antes de septiembre de 2026.
Preguntas frecuentes
¿Cuándo cierra exactamente Amazon Mechanical Turk?
El 30 de septiembre de 2026. Amazon lo confirmó en un aviso publicado directamente en la página de inicio de mturk.com.
¿Por qué se llama Mechanical Turk?
En referencia al autómata ajedrecista de 1770 que aparentaba jugar solo, pero escondía a un operador humano adentro. Amazon usó el nombre para describir un servicio donde, detrás de tareas que parecen automatizadas, siempre hay personas reales resolviéndolas.
¿Qué pasa con las tareas y pagos pendientes?
Amazon no lo detalló públicamente más allá de remitir a Workers y Requesters a su página de preguntas frecuentes para prepararse ante el cierre.
¿Hay un reemplazo oficial de Amazon?
No se anunció un servicio sustituto directo. Amazon SageMaker Ground Truth sigue disponible con workforce privado o de proveedores externos, pero deja de ofrecer a MTurk como una de sus opciones de workforce.
¿Para qué se usaba principalmente MTurk en machine learning?
Sobre todo para anotación de datos a gran escala: etiquetar imágenes, dibujar bounding boxes, validar resultados de modelos y recolectar datos de encuestas o investigación.
¿Qué alternativas existen hoy para anotación de datos?
Proveedores gestionados como Scale AI, Appen o Surge AI, plataformas de investigación como Prolific, o un workforce privado propio gestionado a través de SageMaker Ground Truth.
Referencias
- mturk.com: aviso oficial de Amazon sobre el cierre de Mechanical Turk el 30 de septiembre de 2026.
- Documentación de Amazon SageMaker Ground Truth: opciones de workforce para anotación de datos dentro de AWS.
- Documentación de boto3 para el cliente de MTurk: referencia de la API usada para listar HITs y asignaciones.
- Wikipedia: Amazon Mechanical Turk: historia y contexto del servicio desde su lanzamiento en 2005.
- Wikipedia: The Turk (autómata): historia del autómata ajedrecista de 1770 que inspiró el nombre.
📱 ¿Te gusta este contenido? Únete a nuestro canal de Telegram @programacion donde publicamos a diario lo más relevante de tecnología, IA y desarrollo. Resúmenes rápidos, contenido fresco todos los días.
Imagen destacada: Foto de Campaign Creators en Unsplash
0 Comentarios