Brecha digital: los que quedan rezagados

Ya sea que analicemos la producción de datos para el desarrollo de la inteligencia artificial y otros productos, o que consideremos el procesamiento, desarrollo o venta de productos digitales, para todos, es necesario estar conectados a la red. En otras palabras, participar en esta nueva cadena de valor global de una u otra manera requiere una ciudadanía conectada y aprovechar lo que Internet tiene para ofrecer.

Por supuesto, estar conectado no garantiza poder aprovechar este cambio productivo, pero sin duda es el primer paso para considerar una estrategia de industrialización digital. En la mayoría de los países, cualquiera que no esté correctamente conectado a Internet hoy en día pierde la capacidad de obtener un buen empleo, consumir a precios competitivos, obtener información y acceder a servicios públicos esenciales, entre otras cosas.

Por eso es importante analizar las brechas digitales existentes, resumidas en cuatro categorías:

    Acceso a Internet

Hoy en día, Internet se puede acceder a través de una multiplicidad de formas: módem de cable, fibra óptica, satélite, entre otros. No todos son iguales, ni tienen la misma velocidad y estabilidad. Hay países que ya tienen una red 5G operativa y hay otros que están lejos de tener esta actualización de telecomunicaciones. La red física de Internet también puede variar dentro de los países. Lo siguiente es de 2020 del Banco Mundial:

Región	Individuals using the Internet (% of population)
World	60
Arab World	69
Caribbean small states	58
Central Europe and the Baltic	82
East Asia & Pacific	69
European Union	85
Fragile and conflict affected situations	28
Heavily indebted poor countries (HIPC)	25
Latin America & Caribbean	74
Least developed countries: UN classification	24
Middle East & North Africa	78
North America	92
OECD members	86
Pacific island small states	39
South Asia	39
Sub-Saharan Africa	30
High income	90
Low & middle income	54
Low income	21
Lower middle income	45
Middle income	57
Upper middle income	73

Fuente: Banco Mundial. Disponible en: https://data.worldbank.org/indicator/IT.NET.USER.ZS

La tabla anterior muestra claramente diferencias significativas entre regiones, con las naciones más pobres teniendo menos de un tercio del acceso de las más ricas.

Gráfico

    Acceso a dispositivos

Los dispositivos móviles cubren cada vez más actividades, por lo que los requisitos para su uso también están aumentando. Hoy en día, para muchos trabajos, no solo se necesita un buen ancho de banda, sino también un buen dispositivo que admita el procesamiento de datos, tenga la capacidad para almacenar los datos requeridos, cuente con una buena cámara y procesador, así como buenos niveles de seguridad, entre otros aspectos. Simplemente acceder a un aula virtual a través de una plataforma de videoconferencia requiere una capacidad tecnológica mínima para que la llamada se vea correctamente y se escuche sin inconvenientes. Esto se agrava cuanto más aplicaciones y programas hay en el dispositivo y más se utiliza.

Gráfico

El gráfico a continuación muestra cómo los dispositivos son más inaccesibles en las regiones más pobres.

Gráfico

Fuente: Alianza para un Internet asequible. Disponible en https://a4ai.org/research/device-pricing-2022/

Los trabajadores de entrega a través de plataformas han denunciado la dependencia de teléfonos costosos en innumerables ocasiones: tener una de estas aplicaciones funcionando en el teléfono durante horas requiere un buen dispositivo con una buena batería, procesador y un buen plan de datos. Todos estos requisitos son costosos. Además, los trabajadores de entrega están constantemente expuestos a la vigilancia desde los mismos dispositivos.

    Herramientas digitales, sus usos y su conocimiento

Tener acceso a Internet y un buen dispositivo es importante, ¿pero qué sucede si no se conoce su potencial y cómo usarlo? Las habilidades necesarias para aprovechar Internet son cada vez más complejas y menos enseñadas. Desde buscar información, hasta resolver problemas cotidianos, hasta usar herramientas existentes, todas estas son habilidades que son cada vez más necesarias en el entorno digital. La UIT (Unión Internacional de Telecomunicaciones) estima que en 40 países de todo el mundo, el 50% de las personas no saben cómo adjuntar un archivo a un correo electrónico.

La mayoría de los estudios que existen sobre el déficit de habilidades se centran en la empleabilidad de las personas para ingresar al mundo laboral. Pero se necesitan muchas otras habilidades que tienen que ver con una nueva agenda de alfabetizaciones aumentadas. Internet no es solo el lugar donde conseguimos trabajos, es el lugar donde obtenemos información, accedemos a servicios públicos fundamentales como la salud y la educación, nos comunicamos, resolvemos problemas cotidianos, nos convertimos en consumidores e incluso ejercemos la democracia. Además de conocimientos prácticos, las habilidades necesarias también incluyen sensibilidad social, didáctica, cívica, expresiva, recreativa, de datos e informativa. Para usar, crear y construir mundos virtuales de manera efectiva, se requiere una estrategia de formación e instrucción exhaustiva.

Esta brecha se extiende a todos los países, pero se está ampliando en aquellos con menor penetración de Internet y menor calidad educativa.

    Género

La brecha digital de género comprende las anteriores pero diferenciando entre hombres y mujeres, lo que agrega nuevos aspectos al debate. La brecha digital de género muestra cómo las mujeres en algunas regiones del mundo tienen dispositivos de menor calidad, menos acceso a Internet y menos conocimiento sobre sus usos. Esto denota una clara brecha en términos de conocimiento en el desarrollo tecnológico. A esto se suma la discriminación digital que sufren las mujeres tanto en los espacios virtuales como en la estereotipación de las mujeres a través de dispositivos tecnológicos como asistentes de voz en productos (por ejemplo, voz en GPS, Alexa que reproducen sesgos de género). Esta desigualdad es pronunciada en países periféricos. Se puede ver en la tabla a continuación cómo la brecha de acceso a Internet por género aumenta en países menos desarrollados en comparación con los más desarrollados.

Fuente: UIT. Disponible en https://www.itu.int/en/ITU-D/Statistics/Documents/facts/FactsFigures2021.pdf

Asimismo, en cuanto a los usos, se documenta que las mujeres utilizan las tecnologías digitales mucho más para la comunicación, mientras que los hombres las utilizan para resolver problemas y entretenimiento. Sin embargo, estudios recientes muestran que esta brecha se está reduciendo a medida que cambia el rango de edad de la población: las mujeres más jóvenes son más dinámicas y tienen más probabilidades de estar en línea que los hombres.

Finalmente, la brecha más amplia se puede observar en los servicios relacionados con el desarrollo y la programación. A nivel mundial, se estima que solo el 26.7% de los empleos en la industria tecnológica son ocupados por mujeres. Esto genera sesgos en la producción y desarrollo de herramientas tecnológicas que no se producen con una perspectiva de género, automatizando el machismo y los estereotipos patriarcales en los desarrollos tecnológicos.

Notes

    International Telecommunication Union (2021). Digital Skills Insights. Available at: https://academy.itu.int/sites/default/files/media2/file/21-00668_Digital-Skill-Insight-210831_CSD%20Edits%206_Accessible-HD.pdf ↩︎

    Ferrarelii, M. (2021). Alfabetismos aumentados: producir, expresarse y colaborar en la cultura digital. Austral Comunicación. vol. 10, no.2, pp. 395-411. DOI: https://doi.org/10.26422/aucom.2021.1002.fer ↩︎

    Fallows, D. (2005). How women and men use the Internet. Available at: https://www.pewresearch.org/internet/2005/12/28/how-women-and-men-use-the-internet/ ↩︎

    Howarth, J. (2022). 74+ Shocking Women In Tech Statistics. Available at: https://explodingtopics.com/blog/women-in-tech  ↩︎

La UE en el sector tecnológico

En cuanto a legislación, la UE es la región que está trabajando más arduamente para desarrollar nuevas regulaciones. Su objetivo declarado es establecer reglas básicas para las empresas tecnológicas para que la población no resulte perjudicada por la economía digital. En los últimos años, la UE ha intentado poner orden en un mercado no regulado con iniciativas que incluyen la auditoría de algoritmos, la tributación, la protección de datos y las fracturas monopolísticas.

Sin embargo, estas regulaciones aún no logran el objetivo de la UE de convertir la industria digital en un mercado competitivo para empresas no monopolísticas. Esto se debe en parte a que no es solo responsabilidad de la UE; las mayores empresas tecnológicas son principalmente chinas y norteamericanas. Pero también se debe a la creciente influencia del lobby de las Grandes Tecnológicas en Europa, que ha impedido que algunas regulaciones importantes moldeen la economía digital a favor de una estructura alternativa del sistema.

Pero esto no significa que Europa haya decidido ser espectadora en la lucha por la hegemonía digital entre Estados Unidos y China. La estrategia de la UE parece ser mejorar su industria local a través de la inteligencia de datos integrada en objetos cotidianos, comúnmente conocida como el internet de las cosas (IoT). Un automóvil necesita mapas y sistemas inteligentes para conducirse solo. Un refrigerador "inteligente" necesita saber qué contiene y qué consume la familia para sugerir compras. Un software de gestión del tráfico necesita conocer el estado de la movilidad urbana en tiempo real, y así sucesivamente. Y esta parece ser la apuesta principal de la UE, mejorar su ecosistema de empresas tecnológicas e industria pesada.

Sin embargo, la expansión de estas empresas europeas parece haberse estancado.

Fuente: Statista

En el gráfico anterior podemos ver cómo la tasa de crecimiento de las empresas más valiosas de Europa se ha estancado en comparación con China o Estados Unidos, y esto se debe a que estas empresas tecnológicas están cada vez más convirtiéndose en plataformas de plataformas. ¿Qué significa esto? Las grandes empresas tecnológicas se han vuelto tan monopolísticas y han concentrado tantos datos que es difícil desarrollar sistemas para reemplazarlas sin incurrir en costos elevados. Como resultado, las empresas industriales, incapaces de desarrollar sistemas eficientes y competitivos, dependen de los servicios de empresas más grandes para esta actualización.

En otras palabras, el software puede desarrollarse para ayudar a los automóviles europeos a navegar mejor por el tráfico en las ciudades, pero debe desarrollarse utilizando Google Maps, por mencionar solo un ejemplo. Así, la presencia de gigantes tecnológicos estadounidenses en Europa está creciendo progresivamente. No solo proporcionan servicios a empresas europeas, sino que también hacen lobby ante los gobiernos, especialmente para obtener acuerdos que los beneficien en términos de regulaciones supranacionales, como veremos en la próxima unidad sobre comercio.

China vs Estados Unidos

El mito del origen de Internet afirma que la economía digital comenzó a tomar forma en los garajes estadounidenses de familias adineradas durante la década de 1990. En ese momento, China no contribuyó significativamente al PIB global. ¿Qué sucedió luego? China tomó la decisión de seguir el mismo método de industrialización digital, pero a puerta cerrada. Con una población de 1.3 mil millones y una sólida infraestructura pública, China prometió proteger a las empresas tecnológicas de la competencia internacional. Así es como el gobierno chino, en colaboración con empresas regionales, introdujo el modelo corporativo técnico norteamericano en el mercado chino.

Lo que surgió fue una alianza estratégica entre corporaciones y el gobierno chino, ya que estimuló a las empresas nacionales con una gran cantidad de consumidores. Además, los datos recopilados por estas empresas no solo les pertenecían a ellas, sino también al Estado. Esto permitió al sector público diseñar incentivos para vigilar y dar forma a la sociedad china según las demandas del Partido Comunista. Por lo tanto, la vigilancia y la pérdida de privacidad se convirtieron en problemas tanto para los ciudadanos chinos como para los ciudadanos en los Estados Unidos.

Aunque China inicialmente construyó su propio monopolio interno y autoridad dentro de sus fronteras nacionales, gradualmente expandió sus fronteras tecnológicas para poder competir a escala global en una amplia gama de mercados y dentro de economías emergentes.

Graph 3.1a United States and China’s main trade partners 2000-2020

Fuente: The Pioneer. Disponible en: https://www.statista.com/topics/4698/sino-us-trading-relationship/#editorsPicks

Otros factores también impulsaron la determinación de China de ampliar sus límites comerciales. En primer lugar, debido al crecimiento del consumo, realizó grandes inversiones en las industrias mineras y energéticas, que son los principales recursos de la economía digital. En segundo lugar, China se convirtió en un actor importante en el ámbito de las telecomunicaciones a nivel mundial. La inversión en materias primas y energía, junto con la expansión en telecomunicaciones, llevó a China a expandirse por todo el mundo intentando capturar y controlar el mercado de las telecomunicaciones. De hecho, el conflicto estratégico actual entre Estados Unidos y China sobre el control de los próximos protocolos de comunicación depende en parte de la implementación de la red global 5G, donde Estados Unidos desea un sistema basado en código abierto, mientras que China promueve un sistema cerrado de las redes 5G.

El progreso de China es bien conocido en un mundo que antes estaba dominado por una sola potencia, Estados Unidos. Muchos argumentan que estamos abandonando el mundo de la unipolaridad y pasando a uno que podríamos categorizar como bipolar o multipolar.

Impactos en los derechos, el desarrollo y el medio ambiente

 La constante captura de datos por parte de las grandes tecnológicas y sus países anfitriones tiene importantes implicaciones para el desarrollo, la justicia, la equidad global y el medio ambiente. Las disparidades en el control sobre los datos y su valor económico han ampliado la brecha entre países desarrollados y en desarrollo, y entre el capital y el trabajo. La UNCTAD en su Informe sobre la Economía Digital de 2021 destaca una "brecha de datos" entre países del Sur y del Norte global en lo que respecta a la capacidad de poseer, controlar y aprovechar los recursos de datos en valiosa inteligencia, y traducir lo mismo en oportunidades para el desarrollo.

Diez economías representan el 90 por ciento de todas las patentes globales y el 70 por ciento de todas las exportaciones directamente asociadas con tecnologías avanzadas de producción digital, incluyendo la Inteligencia Artificial (IA), análisis de grandes datos, computación en la nube, internet de las cosas (IoT), robótica avanzada y fabricación aditiva.

En una economía donde la inteligencia digital es cada vez más central para la producción, los países y comunidades del Sur Global que carecen de capacidades de procesamiento de datos e inteligencia artificial no podrán optimizar sus recursos de datos. Obligados a renunciar al control de sus propios datos, extraídos y encerrados dentro de sistemas de inteligencia artificial del capital transnacional, tienen medios limitados para obtener una parte justa de los beneficios. Esto resulta en una injusticia económica flagrante en la economía digital global y una "colonialidad algorítmica".

La falta de un régimen de gobernanza global aceptado para regular las aplicaciones sociales y económicas de los datos solo perpetúa este statu quo de concentración económica y profundiza las desigualdades en el paradigma de la inteligencia artificial. Complicando esta inequidad, está el impulso agresivo de flujos de datos transfronterizos en la economía global, que benefician a unos pocos países poderosos cuyas corporaciones encierran datos y afirman la propiedad de facto sobre los mismos.

Además, a medida que la datificación altera cómo se cuenta y distribuye el valor y, por lo tanto, da forma a las estructuras de elección en la economía, la sustancia de los derechos de las personas también se redefine en el proceso. Una ilustración visceral de esto es la forma en que el capital utiliza los datos como una manera de ejercer control y retener valor sobre el trabajo. A través de sistemas de asignación de trabajo basados en datos, incentivos y diversos otros estímulos conductuales, así como la vigilancia, el modelo de plataforma puede controlar reservas interminables de mano de obra barata, convirtiéndolos en engranajes atomizados para la "rueda algorítmica". Por lo tanto, los datos no solo son monopolizados por las plataformas, sino que también se utilizan como arma contra los trabajadores y se utilizan para imponer nuevas formas de control y disciplina.

Otro ámbito en el que se ve esto es en el sector crucial del bienestar. Los sistemas basados en datos se han integrado cada vez más con las funciones de bienestar y gobierno. Sin principios de diseño reflexivos y marcos tecnológico-legales que salvaguarden los derechos de los ciudadanos, el potencial de exclusión y negación de derechos es alto. Por ejemplo, el esquema Robodebt de Australia implementó una evaluación y recuperación automatizada de deudas profundamente defectuosa en los beneficiarios del bienestar. A través de un sistema automatizado de emparejamiento de datos que comparaba los registros de Centrelink con datos de ingresos promediados de la Oficina de Impuestos de Australia, el sistema emitía avisos de deuda falsos o calculados incorrectamente a cientos de ciudadanos.

Y detrás de todas las plataformas digitales hay una infraestructura material: cables submarinos, torres móviles y cada vez más centros de datos. Gran parte de esta infraestructura replica las desigualdades globales y el control corporativo, con EE. UU. y China controlando el 49% de los centros de datos del mundo en 2020, por ejemplo, y Google poseyendo más de 100.000 kilómetros de cables submarinos. Pero también tiene un impacto ambiental creciente, con la inteligencia artificial global estimada para 2027 consumiendo la misma cantidad de energía que los Países Bajos y con retiros de agua de 4 a 6 veces los de Dinamarca para proporcionar electricidad y enfriar los centros de datos. Como argumenta Maximilian Jung en un excelente ensayo sobre los impactos ambientales y sociales ocultos de los centros de datos, "el capitalismo digital es una mina, no una nube".

El capitalismo digital es una realidad hoy en día. Comprender su arquitectura, sus herramientas principales y cómo nos afecta es esencial para construir un mundo diferente que sea más igualitario y justo, y menos explotador y alienante, y que se ajuste a los límites ambientales del planeta. Este curso tiene como objetivo proporcionarnos a todos algunas herramientas para entender y diseñar estrategias para contrarrestar el poder que tienen los capitalistas en esta era digital.

Notes

•     Cruz, T. (n.d.). Escándalo Facebook-Cambridge Analytica. Wikipedia. https://es.wikipedia.org/wiki/Esc%C3%A1ndalo_Facebook-Cambridge_Analytica ;↩︎
•     UNCTAD. (2021). Digital Economy Report 2021. Cross-border data flows and development: For whom the data flow. UNCTAD. https://unctad.org/system/files/official-document/der2021_en.pdf ;↩︎
•     UNIDO. (2020). Industrial Development Report.UNIDO. https://www.unido.org/resources-publications-flagship-publications-industrial-development-report-series/idr2020 ;↩︎
•     Paris Peace Forum. (2021). Beyond the North-South Fork on the Road to AI Governance: An Action Plan for Democratic and Distributive Integrity. https://digitalrights.ai/report/ ;↩︎
•     Gurumurthy, A., Bharthur, D., Korjan, A. (2022). The future of work we seek- a global, cross-sectoral agenda for philanthropy on workers and the digital economy. IT for Change; Athreya, B. (2021). Social Relations under Surveillance Capitalism: Is Solidarity Still Possible? Bot Populi. https://botpopuli.net/social-relations-under-surveillance-capitalism-is-solidarity-still-possible/ ;↩︎
•     Ren, S. (2023), How much water does AI consume? The public deserves to know, OECD.AI Policy Observatory. https://oecd.ai/en/wonk/how-much-water-does-ai-consume; Kleinman, Z and Vallance, C (2023), Warning AI industry could use as much energy as the Netherlands, BBC https://www.bbc.com/news/technology-67053139 ;↩︎
•     Jung, M. (2023), Digital capitalism is a mine not a cloud, State of Power 2023, TNI. https://www.tni.org/en/article/digital-capitalism-is-a-mine-not-a-cloud  ↩︎

Alienación del trabajador

 La alienación en el trabajo que una vez fue fordista, continúa profundizándose a través de los mismos compartimentos estancos en la cadena de producción. El trabajador de fábrica no comprendía la importancia de su tarea porque no tenía una dimensión o una visión completa del producto final, pero sabía que era parte de una línea de ensamblaje. Esta asimetría de información permitía al empleador tener más poder al negociar las condiciones laborales.

Esta misma alienación está presente hoy a través de la fragmentación de la cadena de valor mediante la intermediación tecnológica. Una vez más, en lugar de una revolución, lo que vemos es un profundización cada vez mayor de un sistema económico que promueve la desigualdad y subsume más y más aspectos de la vida humana.

En el capitalismo digital, el trabajador piensa que es un repartidor y que la empresa para la que trabaja proporciona servicios de entrega, pero esto está lejos de la realidad. Lo que realmente hace una plataforma de entrega es controlar los mercados minoristas en las ciudades, creando un monopolio de la venta en pequeñas tiendas y restaurantes, controlando el circuito financiero y extrayendo datos de las interacciones sociales que pueden ser utilizados para el negocio y vendidos. La entrega es solo una pequeña parte del negocio y ni siquiera es la parte principal.

Esta es la alienación: la profundización de la asimetría de información entre los trabajadores y la empresa donde los trabajadores no saben exactamente dónde trabajan, el significado de su trabajo y qué significa para la empresa.

De la persuasión a la predicción

Esta nueva fase capitalista modifica las formas de producción y consumo, elementos básicos del sistema económico. En la primera etapa, el capitalismo digital logró esta ingeniería industrial explicando nuestros hábitos de consumo y persuadiendo al consumidor para que compre este o aquel producto.

Por ejemplo, si estábamos pensando en comprar un par de jeans, es posible que recibamos un anuncio de una empresa cuya tienda está cerca de la casa de nuestro mejor amigo. Tal vez haya otra empresa con una tienda cerca de nuestra casa, pero aquí es otro actor que concentra la información y decide cómo influir en nuestro comportamiento. O por ejemplo, si buscamos irnos de vacaciones a la playa, probablemente recibiremos toneladas de anuncios al día siguiente diciéndonos que solo quedan unos pocos billetes en una determinada plataforma o que un hotel en nuestro destino tiene un descuento especial.

En la segunda etapa del capitalismo digital, tanto los actores corporativos como políticos llegaron a comprender que si podían predecir e influir en nosotros como consumidores, también podían hacer lo mismo con los ciudadanos. A través de las redes sociales, comenzaron a experimentar con sistemas de incentivos para motivar los votos de ciertos tipos de votantes y la expansión de noticias falsas como combustible para estos incentivos. De hecho, solo veíamos las noticias que las compañías de redes sociales querían que viéramos, impulsadas por historias que buscaban clics a través de la movilización de nuestras emociones, en particular la ira y el enojo.

El escándalo de Cambridge Analytica no tardó en llegar. Esta fue una empresa que accedió a inmensas cantidades de datos de Facebook y luego intentó influir en el comportamiento de voto. Las revelaciones públicas descubrieron cómo la empresa motivó a los votantes de Trump en EE. UU., Bolsonaro en Brasil y Macri en Argentina (por nombrar algunos) para ir a votar, mientras desalentaba a otros votantes a ir a las urnas. Se estima que la empresa fue responsable del 1% del resultado electoral en EE. UU.

Hoy nos enfrentamos a una tercera etapa del capitalismo digital donde esta ingeniería de comportamiento se está realizando en nosotros como trabajadores. La pandemia la exacerbó y la habilitó, sumergiéndonos en entornos tecnológicos en el trabajo, de modo que la vida privada y la vida laboral se fusionaron. Plataformas, teletrabajo, software de vigilancia en nuestras computadoras y la constante revisión de nuestras redes sociales para extraer datos de nuestras vidas, entre otros factores, son ahora habituales en la vida de millones de trabajadores en todo el mundo. Todos estos datos se utilizan para moldear el comportamiento de los trabajadores.

Imagina a un repartidor de una plataforma de entrega que le dicen que es su propio jefe y que puede rechazar pedidos si quiere. Ahora imagina por un momento que este trabajador decide rechazar un pedido porque no es conveniente. Es probable que al día siguiente sea 'castigado' por la plataforma, bajando su estatus o recibiendo menos pedidos, por lo que ajustará su comportamiento al día siguiente para mejorar nuevamente. El diseño de incentivos se realizó a partir de los datos recopilados y los trabajadores no saben exactamente cómo los juzga la plataforma. Lo mismo se puede decir de un trabajador que tiene un sistema de vigilancia en la computadora que usa todos los días.

Notes

•     Data USA. (2023, March 14). https://datausa.io/profile/soc/computer-programmers?redirect=true  ↩︎

Algoritmos y sesgo

Ahora, ¿qué es un algoritmo? En esta era, parece que estamos hablando de esta palabra poco comprendida todo el tiempo. Se menciona "el algoritmo" y se señala como el culpable de ordenar nuestras vidas y la información que vemos en Internet.

Un algoritmo es un conjunto de pasos ordenados que determina cómo y con qué grado de valoración se procesarán los datos. Si entendemos que esta decisión no es arbitraria, sino que busca un objetivo a menudo determinado por una empresa multinacional, no es difícil entender las implicaciones: quieren aumentar las ganancias, sin importar si esta decisión nos beneficia o no.

Para entender qué es un algoritmo y los problemas que puede tener, Cathy O'Neil escribió un libro llamado "Armas de Destrucción Matemática". En él explica con ejemplos los problemas derivados del diseño de algoritmos de procesamiento de datos. Ella dice una gran verdad: ¿cuál es el objetivo en el análisis? ¿Quién decide? ¿Quién diseña los algoritmos y cuáles son sus suposiciones? ¿Y quién se beneficia?

Cathy O'Neil ofrece un ejemplo muy claro de cómo los algoritmos están moldeados por quienes los controlan. Ella plantea que tiene un algoritmo en su cabeza que decide cada noche qué cocinar para cenar. Las variables que utiliza son el valor nutricional, qué ingredientes tiene en la nevera, cuánto tiempo tiene para cocinar y si tiene ganas de hacerlo, lo que comió al mediodía, los gustos de su familia, etc. Su cabeza procesa todo esto y decide qué cocinar ese día en particular. ¿Qué pasaría si su hijo tomara el control del algoritmo? La nutrición ciertamente sería una consideración secundaria y el sabor tendría prioridad, resultando en papas fritas en lugar de pescado a la parrilla.

Los sesgos son numerosos y tienen un gran impacto en la sociedad. Si a esto le sumamos el hecho de que la mayoría de los algoritmos que usamos todos los días están programados en países industrializados por hombres blancos con cierto estatus socioeconómico y nivel educativo, corremos el riesgo de que las minorías, los disidentes y las mujeres nunca sean tenidos en cuenta. De hecho, solo el 22% de los programadores en todo el mundo son mujeres. En los Estados Unidos, la mayor economía en la industria, el 67.7% de los programadores son blancos, el 19.5% son asiáticos y menos del 13% son negros o tienen otras identidades étnicas. Ni siquiera se cuentan los latinos en las estadísticas. Los resultados de esto han sido casos frecuentes donde se ha demostrado que los algoritmos refuerzan sesgos raciales, de género y anti LGBTQ.

Notes

•     Morozov, E. (2011). The Net Delusion: How Not to Liberate The World. Penguin Books Limited. ↩︎
•     O'Neil, C. (2016). Weapons of Math Destruction: How Big Data Increases Inequality and Threatens Democracy. Crown.  ↩︎

Problemas del solucionismo tecnológico

Respaldando los procesos de dataficación y el capitalismo monopolista, yace una ideología de 'solucionismo tecnológico'. Esta es la idea de que la tecnología basada en datos es imparcial y perfecta, ya que juzga basándose en miles de millones de datos. Una especie de Dios omnisciente que puede tomar una decisión informada que nos beneficie a todos. Así, las tecnologías basadas en el procesamiento de datos disfrutan de una especie de "virtud" en el sentido de que no son cuestionadas o solo parcialmente cuestionadas por nuestras sociedades. También pueden ocultar sistemas subyacentes de injusticia que crean los problemas a los cuales la tecnología se presenta como respuesta.

Un ejemplo de solucionismo tecnológico es el uso de tecnología 'inteligente' para abordar problemas urbanos como la congestión del tráfico. Los semáforos inteligentes, por ejemplo, utilizan sensores y algoritmos para ajustar el flujo de tráfico en función de datos en tiempo real. Si bien esta tecnología puede mejorar el flujo de tráfico a corto plazo, no aborda las causas subyacentes de la congestión, como las políticas de planificación urbana que priorizan los automóviles sobre el transporte público o la falta de vivienda asequible en los centros urbanos que obliga a las personas a viajar largas distancias.

Según Morozov, el solucionismo tecnológico puede llevar a un enfoque estrecho en soluciones técnicas, en lugar de abordar los complejos problemas sociales, económicos y políticos que subyacen a muchos de los problemas a los que nos enfrentamos hoy en día. Por ejemplo, imaginemos una empresa que crea un tenedor inteligente que utiliza sensores y algoritmos para monitorear qué tan rápido comes y te alerta si estás comiendo demasiado rápido. Si bien esto puede parecer una forma útil de fomentar hábitos alimenticios saludables, ignora el hecho de que comer rápidamente puede ser un síntoma de problemas más profundos, como el estrés o la ansiedad, que no pueden resolverse simplemente ralentizando el ritmo de comer. En otras palabras, el tenedor inteligente aborda un síntoma superficial de un problema sin abordar las causas subyacentes.

Notes

•     UNCTAD. (2019). Digital Economy Report 2019. Value Creation and Capture: Implications for Developing Countries._ UNCTAD_. https://unctad.org/system/files/official-document/der2019_en.pdf  ↩︎

Dataficación

Los datos son el recurso fundamental de la economía moderna que impulsa todo, desde el hogar inteligente hasta la ciudad inteligente. Sustenta sectores críticos como finanzas, educación y salud, así como procesos centrales de la sociedad y la economía como la producción y la gobernanza.

Los datos son más que simplemente conocimiento sobre el mundo. Son fragmentos discretos de información: recopilados/grabados digitalmente, procesables por máquinas, fácilmente aglomerables y altamente móviles. Los datos no están ahí afuera esperando ser descubiertos como si ya existieran en el mundo, como el petróleo crudo y el mineral sin procesar. Más bien, son una abstracción registrada del mundo, creada a través de sistemas tecnológicos y lentes sociales, políticos y económicos. Este proceso, también conocido como 'dataficación', ocurre a través de infraestructuras de información interconectadas y convergentes que incluyen dispositivos inteligentes, plataformas basadas en la nube, análisis de datos, cables de red y granjas de servidores, todos los cuales permiten la captura y circulación continua de datos.

Si bien existen muchos enfoques y marcos para conceptualizar los datos, enmarcar los datos como una forma de capital nos permite entender las formas en que se puede derivar valor de los datos, ayudándonos así a desentrañar los motivos detrás de su uso por parte de las corporaciones y por qué la extracción de datos se ha vuelto central para la economía. Los datos como forma de capital son distintos, pero tienen raíces en el capital económico. Al igual que el capital social y cultural, el capital de datos es convertible, bajo ciertas condiciones, en capital económico.

Recuadro 1.1a.

Los datos como fuerza impulsora del capitalismo contemporáneo. En el centro de la actual 'transformación' económica se encuentra los datos, con proyecciones de la UNCTAD de 2019 que sugieren que las empresas intensivas en datos representarán el 70 por ciento del nuevo valor generado en la economía global en la próxima década.

Lo que indican los números:

Estados Unidos y China dominan la economía global de la inteligencia artificial, con estos dos países representando: - El 94 por ciento de toda la financiación de startups de inteligencia artificial en los últimos cinco años - El 70 por ciento de los principales investigadores en inteligencia artificial del mundo - El 90 por ciento del valor de capitalización de mercado de las 70 mayores empresas de plataformas digitales del mundo

Ver también: Infografías de la Geopolítica de los Datos en el informe Estado del Poder del TNI: https://www.tni.org/en/geopolitics-of-digital-power

Notes

    Kitchin, R. (2014). Big Data, new epistemologies and paradigm shifts. Big data & society. ↩︎

    Gitelman (2013) "Raw Data" Is an Oxymoron ↩︎

    Sadowski, J. (2019). When data is capital: Datafication, accumulation, and extraction. Big data & society. https://journals.sagepub.com/doi/full/10.1177/2053951718820549 ↩︎

    Op cit, Sadowsi (2019)  ↩︎

 

Diferentes concepciones del capitalismo digital

 El sistema capitalista ha estado profundizándose durante años. Constantemente busca nuevas fronteras, nuevas formas de subsumir y transformar en dinero o capital aquellas cosas que nos rodean. Los viajes espaciales y la minería en alta mar son ejemplos de estas nuevas fronteras. Este proceso de acumulación capitalista explota el trabajo y saquea los recursos de la tierra. Ha creado un sistema económico donde parece no haber límite para la capacidad de generar ganancias, y donde ni siquiera una pandemia que dejó un saldo destructivo de millones de muertes ha detenido el proceso. De hecho, muchas empresas vieron aumentar sus ganancias como resultado de la pandemia y la crisis.

En el sistema capitalista, nuestra función principal consiste en proporcionar trabajo o consumir bienes o servicios. Entonces, las grandes empresas tenían el enfoque en cómo hacernos elegir sus productos, o cómo hacernos consumir más. La adopción generalizada de Internet desde la década de 1990 abrió todo un nuevo mercado a empresas que ofrecían servicios y productos. Comenzamos a abrir la puerta a las corporaciones para que virtualmente ingresaran a nuestros hogares, les mostramos cada paso que dábamos, nuestros gustos y preferencias. Todo esto a cambio de lo que parecían servicios 'gratuitos', como "tu cronología mensual de visitas en Google Maps" o algoritmos de Instagram que prometían más contenido que nos gusta. Si bien muchos pensaban que veíamos videos o consumíamos estos servicios sin costo alguno, la realidad es que al hacerlo proporcionamos enormes cantidades de datos valiosos a estos gigantes tecnológicos que cada vez les permite predecir nuestro comportamiento.

Hoy en día existen una amplia diversidad de autores que han dado diferentes etiquetas y explicaciones al mundo en el que vivimos. Capitalismo de Vigilancia, Capitalismo Digital, Capitalismo de Plataforma, Colonialismo Digital y tecnofeudalismo, por nombrar algunos. Todas estas definiciones buscan crear conciencia sobre el impacto que las empresas tecnológicas han tenido en los últimos años en el sistema capitalista y comprender cómo lo han cambiado. Cada una de estas definiciones trata de explicar un punto particular con respecto a esta nueva realidad. Cada una muestra una cara diferente del sistema. Pero todas convergen en lo mismo: los gigantes tecnológicos o las empresas de "big tech" son los protagonistas y impulsores de este cambio, y por lo tanto, los grandes ganadores.

Los llamados gurús del Foro Económico Mundial en Davos enfatizan este cambio como una "cuarta revolución industrial", y muestran diversas imágenes de robots interactuando con seres humanos como si eso fuera la diferencia y el motor del cambio. La verdad es que hemos estado interactuando con robots desde mediados del siglo pasado. No hay nada nuevo en eso. Lo que es nuevo y significativo es la emergencia de una nueva materia prima en la economía: los datos, o "big data" como se le llama. Estos datos, correctamente analizados a través de algoritmos, son los que explican y muestran nuestro comportamiento y nuestros procesos productivos. Y si un comportamiento puede ser sistemáticamente explicado, puede ser predicho. Y si puede ser predicho, se pueden generar incentivos para modificarlo. Por ejemplo, imagina que te desplazas al trabajo todos los días y eliges tomar el metro a menos que esté lloviendo. Cuando llueve prefieres tomar un Uber o un Lyft al trabajo. Para cuando hagas eso consistentemente, tu teléfono ya habrá recopilado esos datos a través de Google Maps, Uber, Lyft y quizás la aplicación del clima. Ahora imagina que Uber o Lyft quieren que los elijas: ¿qué tan difícil sería para ellos enviarte un pequeño descuento una vez que revisas tu Instagram en un día lluvioso? De esta manera te animan a elegirlos entre otras plataformas sin que ni siquiera lo notes.

Esto es lo que la autora Shoshana Zuboff ha llamado Capitalismo de Vigilancia. Por su parte, el autor Nick Snircek ha hablado de Capitalismo de Plataforma, refiriéndose al poder de mercado que tienen estas empresas tecnológicas al controlar plataformas clave que usamos para nuestros servicios básicos de internet. De hecho, las plataformas que usamos todos los días se han convertido en organizadores del mercado a su conveniencia, posicionándose como monopolios y cambiando las reglas del juego del capitalismo.

El caso más emblemático de gamificación es Pokemon Go. Este juego requiere que te muevas físicamente para poder encontrar monstruos y obtener más beneficios. Por lo tanto, dejarlo encendido mientras te mueves puede ser ventajoso. Esto resulta en una forma lúdica de compartir los datos de nuestros movimientos con empresas. Estas empresas lo consideran clave, ya que pueden conocer nuestra ruta y hacer sugerencias basadas en ella. Estas sugerencias pueden variar desde resaltar lugares que están en nuestro camino, o incluso sugerir rutas a otros lugares que han invertido más en nuestros datos. Imagina que te encanta el café y a menudo vas a diferentes cafeterías para probar cosas diferentes, ¿no sería conveniente encontrar tu próximo Picachu dentro de tu Starbucks más cercano?

Capitalismo monopolista

Estas empresas que procesan y venden nuestros datos a empresas más pequeñas se han vuelto tan grandes que cada vez es más difícil evadir el uso de ciertos servicios y empresas, restringiendo la libre competencia y generando un peligroso monopolio en los mercados. Pero notemos algo: el monopolio no es una condición necesaria para que funcionen adecuadamente, como veremos más adelante en el curso. Han monopolizado los mercados mediante la compra de competidores, volviéndose ellos mismos no interoperables (incapaces de interactuar con otro software o servicios) e invirtiendo grandes sumas de dinero en publicidad, análisis de datos y prácticas de dumping para eliminar competidores.

Estas plataformas también son "austeras" ya que se financian con capital de riesgo y solo obtienen ganancias después de varios años de vida. Amazon, por ejemplo, fue creada en 1995, pero tuvo que esperar hasta 2001 para tener su primer año rentable. Se financian con capital de riesgo esperando eliminar a todos los demás que puedan competir para tener el monopolio del mercado y, por lo tanto, poder establecer sus propias reglas.

Entonces, si la empresa está mejor posicionada hoy que hace un año, ¿por qué el precio de las acciones es mucho más bajo que hace un año? Como dijo el famoso inversor Benjamin Graham, "En el corto plazo, el mercado de valores es una máquina de votar; a largo plazo, es una máquina de pesar". Claramente, hubo mucho voto en el año de auge del '99, y mucho menos pesaje. Somos una empresa que quiere ser pesada, y con el tiempo, lo seremos; a largo plazo, todas las empresas lo son. Mientras tanto, tenemos la cabeza baja trabajando para construir una empresa cada vez más sólida y pesada.

Otras plataformas como UBER aún no son rentables y los inversores siguen esperando que eso cambie. Es una apuesta del propio capital para generar actores monopolísticos que impongan las nuevas reglas en nuestras democracias, en nuestro mercado laboral y en nuestros sistemas sociales, culturales, educativos, de salud, comunicaciones y otros.

La teoría del tecnofeudalismo argumenta que hay una nueva mano invisible de algoritmos que convierte a empresas como Google y Facebook en 'aspiradoras digitales' de riqueza, llevándonos a una regresión tecnofeudal en la que las gigantescas fuerzas digitales e improductivas dominan la sociedad y la economía, socavando los poderes políticos del Estado.

Durand sostiene que las Big Tech - Google, Amazon, Facebook, Apple, Microsoft - recrean la lógica política y económica de la época feudal. Las grandes plataformas y entornos digitales se han convertido en fortalezas "medievales" que colonizan el ciberespacio y se alimentan de él: ganan todo el territorio de su negocio y adquieren a la competencia y a las empresas complementarias. En el feudalismo, el siervo campesino estaba unido a la tierra: no pertenecía al señor feudal, sino a la tierra, que pertenecía a ese señor. Cuando usamos Facebook o Google, nos volvemos inseparables de los datos que generamos en la tierra digital. A partir de estas huellas, se crea una relación de extrema dependencia, de la cual es difícil escapar porque hacen nuestras vidas más fáciles. ¿Es posible vivir sin usar ningún servicio de Google? Es posible, ¡pero complicaría mucho nuestra existencia! Durand afirma que, lejos de favorecer la autonomía de los individuos, el aspecto más llamativo de la economía digital es el retorno a relaciones de dependencia.

Sea como sea, la verdad es que no hay nada 'revolucionario' en este proceso. No hay un cambio de paradigma o sistema, sino más bien un profundización del sistema económico en el que vivimos, que sigue expandiéndose sin límites. De hecho, con la tecnología integrada en los seres humanos y el desarrollo anticipado del cíborg, incluso nuestros procesos biológicos y nuestros pensamientos eventualmente son susceptibles de ser monetizados.

Por ejemplo, Neuralink, una empresa propiedad de Elon Musk, ha estado intentando leer mentes desde hace un tiempo. El objetivo inicial de la empresa era implantar chips en el cerebro que permitieran a personas con lesiones graves de médula espinal volver a caminar, pero la tecnología también puede ser utilizada de otras maneras: imagina tener un chip dentro de ti y poder controlar todos los equipos tecnológicos y redes sociales que posees solo con pensarlo. Ahora imagina cómo podrían valorarse tus pensamientos, o lo que es peor, ¿cuáles podrían ser las ventajas potenciales que una empresa podría tener para poder borrar o cambiar recuerdos? Ciertamente parece ciencia ficción, pero hay proyectos concretos que van en esa dirección.

Si diagramamos esta 'revolución industrial', podríamos ver un proceso con las siguientes características:

Thus defining the production process of digital capitalism.

Notes

•     Zuboff, S. (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. Profile Books. ↩︎
•     Srnicek, N. (2017). Platform Capitalism. Wiley. ↩︎
•     Durand, C. (2021) Technofeudalism Critique of the digital economy. ↩︎
•     WeForum. (2016, January 14). The Fourth Industrial Revolution: what it means and how to respond. The World Economic Forum. https://www.weforum.org/agenda/2016/01/the-fourth-industrial-revolution-what-it-means-and-how-to-respond/ ;↩︎
•     CNN Money. (2002, January 22). Amazon posts first-ever profit in 4Q - Jan. 22, 2002. CNN Business. from https://money.cnn.com/2002/01/22/technology/amazon/ ;↩︎
•     Bezos, J. (2001). Letter to shareholders. To our shareholders: Ouch. It's been a brutal year for many in the capital markets and certainly for Amazon.com shareholders. https://s2.q4cdn.com/299287126/files/doc_financials/annual/00ar_letter.pdf ;↩︎
•     Pereira, D. (2023, January 13). Is Uber Profitable? Business Model Analyst. https://businessmodelanalyst.com/is-uber-profitable/ ;↩︎
•     Finlay, M., Cooper, G., Jagatia, A., King, S., & Sanderson, M. (2022, February 10). Why does Elon Musk want to read your mind? The Guardian. https://www.theguardian.com/science/audio/2022/feb/10/why-does-elon-musk-want-to-read-my-mind  ↩︎