Futuros democráticos de los datos

Mapeo de los debates mundiales sobre gobernanza de datos

Los enfoques dominantes hacia la gobernanza de datos han surgido notablemente de Estados Unidos, la Unión Europea, China y algunas partes del Sur Global, como India. El modelo chino promueve el control estatal sobre la economía digital y pone énfasis en la soberanía a través de una firme política de localización de datos con respecto a los datos creados dentro de sus fronteras y en conformidad entre niveles y partes interesadas, incluidos los formuladores de políticas, la burocracia y el sector privado. La visión estadounidense, en contraste, aboga en contra de las barreras para el libre flujo de datos como una política fundamental para ayudar a que sus intereses de Big Tech prosperen, algo que promueve agresivamente a través de acuerdos comerciales bilaterales y regionales.

Por otro lado, la UE, en contraste con estos dos enfoques, ha buscado establecerse como un estándar de políticas con enfoques intervencionistas como el Reglamento General de Protección de Datos (GDPR, por sus siglas en inglés) y el recientemente promulgado Acta de Mercados Digitales. Si bien carece de una industria tecnológica notable, con su considerable influencia económica como un mercado único, la UE ejerce influencia regulatoria, también conocida como el "Efecto Bruselas", sobre múltiples jurisdicciones que se esfuerzan por cumplir con las regulaciones de la UE y/o modelar sus políticas de acuerdo con la UE para poder aprovechar oportunidades económicas con el bloque

En medio de estos enfoques, India en el Sur Global ha forjado su propio enfoque, centrado en un rol público/social para los datos. India ha propuesto un enfoque comunitario para los datos reconociendo los derechos de datos en comunidades asociadas (productores, partes interesadas, comunidades de identidad, ubicación, interés). India también ha desarrollado modelos para Bienes Públicos Digitales en finanzas, salud y agricultura basados en una arquitectura de datos públicos, que ofrecen direcciones útiles para un enfoque alternativo en torno a la creación de valor de los datos.

Tabla 3.7a. Enfoques de políticas hacia la gobernanza de datos

Policy/Model	What it governs	Salient features	Limitations
EU General Data Protection Regulation (GDPR)	Personal data	- Allows limitation of data - Enables data subject to withdraw data and/or port it to other service providers.	- Overemphasizes individual consent as a form of a control - Does not cover data arising from deanonymization and aggregation of data
EU draft Data Governance Act6	Personal and aggregated	- Proposes common European data spaces within which data sharing and data pooling can happen. - Facilitates establishment of “data altruism organizations” to enable pooling of non-personal data for non-profit and general interest purposes.	- Does not fully address privacy risks of non-personal data like profiling - Does not fully account for market fairness and presence of monopolies - Allows anonymized data to be used in an unrestricted manner
India’s community data approach	Non-personal data	- Recognizes data rights in associated communities,	- Difficulties in establishing data communities a priori - Approach does not fully address how claims will be managed and operationalised for democratizing data value.7

Un futuro democrático de los datos: el camino a seguir

En el Informe sobre la Economía Digital 2021 de la UNCTAD, el Secretario General de la ONU, António Guterres, destaca que: "Los datos son multidimensionales y su uso tiene implicaciones no solo para el comercio y el desarrollo económico, sino también para los derechos humanos, la paz y la seguridad. También se necesitan respuestas para mitigar el riesgo de abuso y mal uso de los datos por parte de los estados, actores no estatales o el sector privado."

Los aspectos sociopolíticos y económicos de los datos exigen un enfoque integrado y legal-político de gobernanza, centrado en la justicia de datos e integrando tanto las libertades negativas (como la libertad frente a la vigilancia) como los derechos positivos (como el derecho de acceso). Como punto de partida importante, la privacidad y protección de datos que reconoce tanto los aspectos individuales como colectivos de la privacidad, debe ser básica en todas las leyes y acuerdos nacionales de datos. En segundo lugar, es necesario un marco de gobernanza digital y de datos global justo basado en un mecanismo multilateral independiente y representativo, respaldado por un tratado internacional (basado en los derechos humanos, incluidos los derechos económicos) para abordar las inequidades globales actuales.

Si bien muchos han argumentado a favor del reconocimiento de los derechos de propiedad sobre los datos personales como el camino hacia la soberanía de datos, las trampas de tal lógica es que convierte los datos en propiedad privada y oscurece la crisis estructural del capitalismo de datos al reducirlo a una "elección" de compartir/no compartir los propios datos. Marcos robustos de protección de datos, incluidas normas y acuerdos internacionales, deben poner el control de los datos firmemente en manos de los individuos como sujetos de datos y las comunidades como originadores o generadores de datos.

Más allá de los marcos que protegen los derechos civiles-políticos de los ciudadanos y la privacidad, la política también debe abordar los problemas de concentración de datos. Los derechos económicos de datos de individuos, comunidades y trabajadores son importantes para garantizar la equidad y la justicia, a nivel nacional y global. Además, dado que el mayor valor económico de los datos está en los patrones encontrados en datos agregados no personales, esto debe ser un enfoque central de regulación. Para evitar el efecto de red que produce monopolios, necesitamos una separación estructural de las cadenas de valor de los datos. Se deben explorar marcos de gobernanza alternativos para los datos y la inteligencia digital como recursos de bienes comunes.

En un momento en que las guerras comerciales imperialistas y los regímenes de derechos de propiedad intelectual definen los contornos de la gobernanza digital y de datos global, los ecos más fuertes desde los corredores del poder han sido a favor de un flujo global de datos libre, lo que básicamente significa que quien recopila datos globalmente los retiene, junto con todo su valor.

En lugar de imponer una localización generalizada de datos o una postura incondicional sobre los flujos de datos, los datos deben categorizarse adecuadamente en función de los requisitos legales y de derechos humanos, así como de los intereses nacionales y de desarrollo de naciones específicas. Además, es importante que los flujos transfronterizos de datos se basen en la justicia social y económica, y observen principios como la equidad y la justicia, la transparencia, la legalidad y la reciprocidad en relación con los beneficios relacionados con los datos.

Un camino alternativo

El término general "gestión de datos" se ha utilizado para referirse a iniciativas incipientes: pools de intercambio de datos, cooperativas de datos, fideicomisos de datos, etc., que se organizan en torno a la gobernanza colaborativa de los recursos de datos y siguen un modelo cooperativista/socialmente motivado de generación de datos y acumulación de valor.

En un enfoque colectivista hacia la gobernanza de datos, un grupo de personas decide quién puede acceder a estos datos y cómo. Ejemplos de estos incluyen Worker Info Exchange, una cooperativa de datos de participación voluntaria para trabajadores, que trabaja para impugnar los procesos de toma de decisiones algorítmicas. De manera similar, Driver's Seat en Estados Unidos es una plataforma tecnológica propiedad de los trabajadores de gig que empodera a los conductores de viajes compartidos y entrega para usar sus propios datos para tomar el control de su trabajo tanto a nivel individual como colectivo.

Estos experimentos de nicho representan un modelo alternativo para la gobernanza de datos y la generación de valor. Si bien tienen el potencial de promover la soberanía de datos y crear infraestructura de datos públicos, su sostenibilidad depende de cómo se puedan garantizar los beneficios para la equidad social a través de marcos institucionales adecuados. Para desbloquear el potencial generativo de los datos y la inteligencia, y socializar el valor de los datos, los modelos (a nivel meso) pueden no tener éxito sin (a nivel macro) leyes públicas sobre la gobernanza de datos.

Notes

    Interview with Luca Belli. (2022). State of Big Tech: Dismantling Digital Enclosures. IT for Change ↩︎

    Bharthur, D. & Sen, S. (2022). The Big Wave of Platform Regulation is Here – What’s Next? _Bot Populi. _https://botpopuli.net/the-big-wave-of-platform-regulation-is-here-whats-next/ ↩︎

    Ibid ↩︎

    https://prsindia.org/policy/report-summaries/non-personal-data-governance-framework ↩︎

    https://www.niti.gov.in/sites/default/files/2020-09/DEPA-Book.pdf ↩︎

    Gurumurthy, A. & Chami, N. (2021). Governing the Resource of Data: To What End and for Whom? Conceptual Building Blocks of a Semi-Commons Approach. IT for Change. https://itforchange.net/sites/default/files/1741/WP23-Governing-the-Resource-of-Data-AG-NC.pdf ↩︎

    Singh, P.J, & Gurumurthy, A. (2021). Economic Governance of Data Balancing individualist-property approaches with a community rights framework. IT for Change. https://itforchange.net/sites/default/files/1880/Economic-governance-of-data.pdf ↩︎

    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 ↩︎

    Jurcys, P. (2020, July 23). Personal Data Ownership: Legal, economic, and political reasons for individual ownership of user-held data_. Towards Data Science. https://towardsdatascience.com/personal-data-ownership-f3b62e6ed07d_ ↩︎

    Singh, P.J. (2019, July 09). Looking beyond privacy: The importance of economic rights to our data. The Wire. ↩︎

    Singh, P. J. (2020). Breaking up Big Tech: Separation of its data, cloud and intelligence layers. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3873151 ↩︎

    Singh, P.J . (2019). Data and Digital Intelligence Commons: Making a Case for Community Ownership. IT for Change. https://itforchange.net/sites/default/files/add/DGN_Data-commons.pdf  ↩︎

    Korjan, A. & Narayan, V. (2021). Socializing Data Value: Reflections on the State of Play. IT for Change. https://itforchange.net/sites/default/files/1948/Socializing-Data-Value-Reflections-on-the-State-of-Play-2021.pdf  ↩︎

Diferentes modelos de gobernanza de datos

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

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 IA no podrán optimizar sus recursos de datos. Obligados a renunciar al control de sus propios datos, extraídos y encerrados dentro de los sistemas de IA 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 globalmente 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 IA. Complicando esta inequidad está el impulso agresivo para el flujo transfronterizo de datos en la economía global, que beneficia a unos pocos países poderosos cuyas corporaciones cercan datos y afirman la propiedad de facto sobre los mismos.

Además, a medida que la dataficación altera cómo se cuenta y distribuye el valor y, por lo tanto, moldea 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 forma tanto de ejercer control como de retener valor sobre el trabajo. A través de sistemas de asignación de trabajo basados en datos, incentivos y diversas sugerencias de comportamiento, así como la vigilancia, el modelo de plataforma puede controlar reservas interminables de mano de obra barata, convirtiéndolas en engranajes atomizados para la "rueda algorítmica".

Los datos no solo están monopolizados por las plataformas, sino que se utilizan como arma contra los trabajadores y se usan para imponer nuevas formas de control y disciplina. Otra área en la 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 gobernanza. Sin principios de diseño reflexivos y marcos tecno-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 coincidencia 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 incorrectamente calculados a cientos de ciudadanos.

Notes

    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 ↩︎

    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., & Chami, N. (2022). Beyond data bodies: New directions for a feminist theory of data sovereignty. Available at SSRN 4037321. ↩︎

    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/ ↩︎

    https://www.bbc.com/news/world-australia-54970253  ↩︎

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.

Países periféricos y derechos laborales

 En la historia de la humanidad, nunca ha habido un momento en el que tantas personas participen activamente en una única cadena de producción global. Todos los que tienen acceso a un dispositivo electrónico y a una red en línea ya se están beneficiando, al menos, con la producción de datos, que es la materia prima en una cadena de valor de datos. Por supuesto, los datos no garantizan que recibamos un ingreso; de hecho, no lo hacemos.

Estos "materiales brutos" son extraídos por empresas tecnológicas, que los privatizan antes de exportarlos a servidores, muchos de los cuales están situados en paraísos fiscales, donde se utilizan algoritmos para procesar todos los datos.

¿Qué lugar tienen los países periféricos en estas cadenas de valor globales?

En primer lugar, los países periféricos producen materias primas pero no son compensados por hacerlo (similar a cada persona y dispositivo conectado a Internet). De hecho, ni siquiera se les permite cobrar impuestos por realizar estas tareas. Parecería lógico suponer que un país podría al menos gravar impuestos fronterizos si produce grandes cantidades de materias primas y las exporta a otros países. Sin embargo, esto no es factible en la economía digital, y profundizaremos en ello en la siguiente unidad.

En comparación con otras empresas, las empresas tecnológicas enfrentan menos responsabilidades fiscales, incluidos los impuestos sobre la renta y los impuestos fronterizos. Esto se debe a que emplean tácticas muy sofisticadas para evadir esos impuestos, como transferir ganancias a paraísos fiscales o ejercer presión sobre los gobiernos locales. El "Método Amazon" es el nombre dado al esquema de evasión de impuestos de Amazon, ya que ha sido tan efectivo, que implica movimientos de dinero y direcciones legales en todo el mundo, basando sus operaciones en Luxemburgo para escapar de impuestos y responsabilidad.

Por otro lado, la industria digital es intensiva en mano de obra. Como resultado, se requiere un gran número de personas altamente calificadas para crear y desarrollar los algoritmos que expandirán las fronteras del capitalismo digital, desarrollando las nuevas tecnologías que recopilan información de una gama más amplia de actividades humanas, incorporando así formas adicionales de interacción social y producción. Encontrar formas innovadoras de extraer valor excedente de la vida misma se ha convertido en el foco de la innovación. Debido a la falta de técnicos digitales suficientemente capacitados, algunas regiones del mundo ofrecen salarios excepcionalmente altos a ingenieros y programadores.

Esta industria requiere trabajadores adicionales por dos razones: para expandir el negocio y para reducir los salarios. Y aquí es donde los países periféricos son clave: tienen esa oferta de mano de obra. Estos países ofrecen con frecuencia servicios con un costo laboral más bajo, como programación remota, soporte de sistemas, moderación de contenido y actualizaciones, o incluso exportar "líneas de código" como mercancías. Como resultado, Silicon Valley subcontrata servicios de programación a países con salarios más bajos que los de Estados Unidos, como Argentina, Chile, Brasil e India. Esto establece una línea divisoria entre una élite sobrepagada y un resto explotado subcontratado que se encarga de las tareas tóxicas o operativas.

Esta estructura económica destaca cómo replica las inequidades existentes y respalda las argumentaciones de teóricos como Amin y Prebisch sobre los fundamentos estructurales de estas inequidades. La teoría de la dependencia de Prebisch establece que las naciones subdesarrolladas son económicamente dependientes y explotadas por los países desarrollados, lo que lleva a un empeoramiento de sus términos de intercambio con el tiempo. También refuerza la visión colonialista de Samir Amin sobre el capitalismo periférico: las naciones periféricas exportan bienes a las naciones centrales, que luego son reimportadas con valor agregado, creando condiciones de comercio aún más desiguales.

En este caso, las naciones exportan servicios de programación, pero la propiedad intelectual, el empaque y el diseño permanecen en las naciones que disputan la hegemonía digital. Estas naciones son responsables de ensamblar software pre-desarrollado en productos tecnológicos y exportarlos a países periféricos. Como podemos ver, la dependencia económica se repite en la industria digital.

En términos de la industria del hardware, las naciones menos desarrolladas suministran minerales como litio, níquel o estaño para la fabricación de baterías. Además, contribuyen con la fabricación de equipos adicionales y su empaque. Sin embargo, al participar en industrias políticamente y económicamente impulsadas que compiten en el dominio extractivista de extracción y producción de productos primarios, no pueden generar valor agregado.

Algunas naciones en desarrollo han avanzado en términos de propiedad intelectual, creación de conceptos y diseño de software o hardware. Sin embargo, estos logros tienden a ser adquiridos por grandes corporaciones, aumentando la monopolización del mercado. Los Acuerdos de Libre Comercio son cruciales cuando se trata de mantener el estatus colonial y de dependencia de las naciones en desarrollo relacionadas con minerales y extractivismo. Este tema se abordará en la próxima unidad.

Notes

    Scasserra, S., & Foronda, A. (2021). Banking on data How the world’s tax havens became the data centres for the digital economy. Policy. Available at: https://www.tni.org/files/publication-downloads/banking_on_data_-tni-_web_final.pdf ↩︎

    Phillips, R., Pyle, J., & Palan, R. (2021). The Amazon Method: How to take advantage of the international state system to avoid paying tax. Study for The Left in the European Parliament, Brussels. Available at: https://left.eu/content/uploads/2021/05/THEamazonMETHOD-1.pdf ↩︎

    Prebisch, R. (1988). Dependencia, interdependencia y desarrollo. Revista de la CEPAL.  ↩︎

Cadenas de valor de datos: cómo se posiciona el Sur Global

 No es una exageración decir que sin datos, la economía digital tal como la conocemos no existiría. En la economía digital, la ‘inteligencia digital’, construida a través de datos, impulsa los sistemas económicos, actividades y procesos, y reordena las relaciones y organizaciones económicas.

A menudo se alude a los datos como el nuevo petróleo. Pero a diferencia del petróleo, los datos no se producen de forma natural, sino que se apropian. Para apropiarse de los datos, deben ser valiosos. El valor derivado de la datificación puede ser monetario, social e institucionalizado. Este valor no solo es potencialmente recurrente, sino que también pueden surgir nuevas formas de valor que no existían antes a través del capital de datos.

Por ejemplo, cuando nos relacionamos en plataformas de contenido como Facebook, Instagram o TikTok, nuestra vida cotidiana se convierte casi “naturalmente” en una corriente de datos que genera información valiosa, como la línea de tiempo de Facebook. Cuando un reloj inteligente rastrea nuestras actividades físicas y movimientos para generar información personalizada sobre nuestro estado físico y bienestar, la plataforma en la nube subyacente también recopila un conjunto más amplio de datos de ubicación y demográficos de todos sus usuarios, lo que resulta de interés y valor para las empresas de atención médica, seguros, etc.

Cuando nuestras actividades económicas (compra de bienes y servicios, transacciones financieras) son mediadas por plataformas de comercio digital, estas pueden obtener inteligencia poderosa y útil para cada segmento del proceso de la cadena de valor. Consideremos el caso de la plataforma minorista china Shein, que puede predecir la demanda del consumidor y pasar del diseño a la producción y entrega global en cuestión de días mediante el seguimiento del compromiso del usuario con las listas de productos (para existencias que no existen).

Así, a medida que todas nuestras relaciones sociales y transacciones económicas se transforman en una estructura digitalizada, nuestras actividades cotidianas y la vida misma también se configuran y alteran a través de la mediación de los datos en un ciclo de retroalimentación. A través de este proceso de apropiación y reapropiación, los datos no solo adquieren valor, sino que también se privatizan y encierran dentro de sistemas propietarios y flujos algorítmicos.

Algunos académicos han argumentado que la datificación de la vida social indica un movimiento hacia una “colonización de la vida”. Se puede decir que el colonialismo de datos ha allanado el camino para una nueva etapa del capitalismo: la capitalización de la vida sin límites. Otros han señalado las estructuras de búsqueda de rentas que el control y la monetización de datos ayudan a habilitar a través de un proceso de ‘capitalización de activos’.

Un ejemplo de esto es cómo todo, desde automóviles hasta teléfonos inteligentes, televisores y otros objetos cotidianos, puede ser controlado centralmente por una variedad de ‘interruptores de muerte’ digitales y algorítmicos, que pueden activarse por incumplimiento de los términos y condiciones codificados de la plataforma.

Podemos deducir al estudiar la cadena de valor de la industria digital que los datos individuales no tienen valor. Solo cuando se agregan los datos adquieren un valor relativo. Además, el almacenamiento de datos tiene un valor estratégico más que económico. En otras palabras, es crucial para el almacenamiento de datos que la información esté conectada, alojada en una infraestructura ideal, use poca energía y esté ubicada en un lugar donde los gobiernos no interfieran. Esto es lo que realmente permite al sector desarrollar y consolidar todos los datos para ofrecer sus servicios de inteligencia.

El empaquetado y comercialización de la industria digital se centra en el hardware y el software necesarios para utilizar y almacenar la información generada por algoritmos y su procesamiento. Esto es valioso y significativo, ya que es una industria que genera una cantidad creciente de empleos en el mercado laboral global, así como grandes cantidades de beneficios a nivel mundial.

Así, podemos ver que el valor en términos económicos se genera donde hay una mayor concentración de trabajo humano, y ese trabajo humano es capturado y subsumido por un pequeño número de países a través de la propiedad intelectual.

Gráfico 3.2a La proporción de tareas laborales en línea realizadas en el desarrollo de software y trabajos tecnológicos ha aumentado de 2018 a 2020.

Notes

    Interview with Paul Roland, Clean Clothes Campaign. (Forthcoming). State of Big Tech:Dismantling Digital Enclosures. IT for Change. ↩︎

    Couldry, N., & Mejias, U. A. (2019). Data colonialism: Rethinking big data’s relation to the contemporary subject. Television & New Media, 20(4), 336-349. ↩︎

    Birch, K., & Muniesa, F. (Eds.). (2020). Assetization: turning things into assets in technoscientific capitalism. MIT Press. ↩︎

    Perzanowski, A., & Schultz, J. (2016). The end of ownership: Personal property in the digital economy. MIT Press. ↩︎

    Scasserra, S., & Foronda, A. (2021). Banking on data How the world’s tax havens became the data centres for the digital economy. Policy. Available at: https://www.tni.org/files/publication-downloads/banking_on_data_-tni-_web_final.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)  ↩︎