No lo lee. Esa es la clave que no estás pillando.
El proceso no es en tiempo real. Es por lotes y está extremadamente fragmentado.
Te lo desgloso para que se vea el truco:
1. Fase de Entrenamiento Masivo: Primero, el modelo (GPT, Llama, etc.) se entrena de forma no supervisada con terabytes de texto de internet. Aquí no hay indios. Es puro brute force de cálculo.
2. Fase de Ajuste Fino (RLHF - El Trabajo Sucio): Una vez el modelo genera texto coherente (pero impredecible y a menudo tóxico), viene la parte humana.
- A los trabajadores (indios, nigerianos, etc.) no se les presenta un "tocho" completo y se les dice "léete esto y dime si está bien".
- Se les muestran fragmentos cortos, opciones múltiples o comparaciones de dos respuestas breves generadas por la IA.
- La tarea es del tipo: "De estas dos respuestas a '¿cómo se hace una tortilla?', ¿cuál es menos ofensiva/más útil/más veraz?". O "Marca las frases en este párrafo de 3 líneas que contienen desinformación".
- Cada trabajador hace microtareas repetitivas durante horas. El sistema agrega millones de estos juicios humanos fragmentados.
3. Recompensa y Ajuste: Con esos millones de votos humanos sobre fragmentos, se entrena un modelo de recompensa secundario que aprende a puntuar qué salidas le gustan a los humanos. Luego, el modelo principal se ajusta para maximizar esa puntuación.
4. Ejecución Final: Cuando tú preguntas a ChatGPT, el modelo ya está podado y domesticado por ese proceso. Genera el tochazo al instante porque está aplicando los patrones que aprendió durante el ajuste, sin necesidad de que un humano lo lea en ese momento.
En resumen: El indio no lee el tocho final. Lee millones de migajas de texto para crear un manual de instrucciones (el modelo de recompensa) que luego se usa para adiestrar al modelo principal de una vez por todas. La generación instantánea es el resultado de ese adiestramiento previo, no de una revisión en vivo.
Es la diferencia entre entrenar a un perro con premios y castigos durante meses (los indios dando feedback) y luego soltarlo a que haga el circuito de agility solo (el modelo generando texto). El perro corre solo, pero su comportamiento está moldeado por miles de correcciones pasadas.