Palabra Pública - N°13 2019 - Universidad de Chile

duales o corporativos. El análisis de estos les permi- te ofertar productos a otras empresas que no cuentan con información, soportes tecnológicos o capacidad de procesar tal volumen de información. Este esque- ma de subvenciones cruza- das en que las plataformas de recolección son finan- ciadas por la venta de pro- ductos digitales, generan un incentivo permanente a la monopolización en la extracción y explotación de los datos. Por ejemplo, Siemens o Amazon Web Service prestan servicios tecnológicos, de operaciones y de logística industrial a empresas en distintas ramas que externalizan procesos y fuerza de trabajo (de la que entregan todos sus datos) y que pasan a depender crecientemente de ecosistemas productivos cada vez más cerrados. En otros casos, el desafío es utilizar esos datos para dar un salto cualitativo: Uber apuesta a convertirse en la empresa de vehículos autotripulados más grande del mundo (y desprenderse de sus con- ductores humanos). Incluso, gigantes como Google o Facebook están avanzando hacia la producción de herramientas de inteligencia artificial o segmentación de públicos para propaganda política. La industria de datos requiere de una fuerza de trabajo cuyas principales características se enmarcan en tendencias seculares: por un lado, hiperflexibili- dad, deslocalización, migraciones, feminización y menor seguridad social; por otro, fuerza de trabajo calificada que almacena, organiza y analiza datos, pero que también “enseña” a la Inteligencia Artifi- cial. La novedad principal es la velocidad de proce- samiento y análisis (con un elevado consumo de energía), pero que en to- dos sus niveles requiere aún de trabajo humano en cantidad y calidad. De he- cho, si sólo se consideran los trabajadores directos y tercerizados, esta industria emplea una proporción de trabajadores y trabaja- doras relativamente baja con condiciones de segu- ridad muy heterogéneas (estimaciones indican que las principales plataformas emplean entre el 3 y 6%). Por ejemplo, el “modelo Uber” se sostiene por personas disponibles a em- plearse sin seguridad, aunque experiencias recientes de sindicalización o regulaciones estatales comienzan a elevar su costo. En tanto, la fuerza de trabajo califi- cada en Google puede negociar condiciones de bien- estar o evitar el desarrollo de cuestionables aplicacio- nes militares. En ese sentido, la automatización no es una tendencia inevitable hacia el trabajo inseguro o al fin del trabajo. Su resultado depende concretamente de la acción sindical y del Estado. En términos de encadenamiento productivo, la industria de datos involucra una proporción cada vez mayor de trabajo en todas las ramas económicas. Entonces, más que “uberización” de la producción, lo fundamental es comprender que los gigantes tec- nológicos están reorganizando el proceso de trabajo (manual y no manual) que se desenvuelve en empre- sas a lo largo y ancho de todo el orbe; aumentando las desigualdades entre empresas, entre empresas y trabajadores, y entre empresas y consumidores. En suma, el uso concreto de esta tecnología comienza a “(…) el uso concreto de esta tecnología [la industria de datos] comienza a producir nuevas desigualdades que no son posibles de enfrentar únicamente con los mecanismos clásicos de redistribución estatal (que, por lo demás, están bastante debilitados)”. 62