Los recopiladores de datos son la próxima frontera de las relaciones laborales

El impacto de la IA, y de la IA generativa en particular, se está dejando sentir en todos los sectores. Pero mientras que los ejecutivos están entusiasmados con el potencial de esta tecnología, los trabajadores de cuello blanco se muestran a menudo recelosos sobre lo que puede significar para ellos, sus puestos de trabajo y su futuro. Estas percepciones divergentes están creando nuevas tensiones y planteando nuevos retos para ambos grupos. Los trabajadores ya han tomado medidas para ejercer su influencia en la agenda que determinará lo que las organizaciones harán (o no harán) con la IA. Lo más notable es la huelga de 148 días organizada en 2023 por el Writers Guild of America (WGA), sindicato que representa a 11.500 guionistas. La huelga paralizó la industria del entretenimiento durante meses antes de terminar finalmente con un acuerdo según el cual la IA no puede escribir ni reescribir material literario, que el material generado por la IA no se considerará material de origen (lo que significa que el material generado por la IA no puede utilizarse para socavar el crédito o los derechos separados de un guionista), que está prohibida la explotación de material de guionistas para entrenar a la IA y que los guionistas pueden elegir utilizar la IA cuando realicen servicios de escritura, pero la empresa no puede exigir al guionista que utilice software de IA cuando realice servicios de escritura. Este resultado fue anunciado como una victoria para el WGA, pero también ilustra las dificultades de este tipo de negociaciones. En primer lugar, el acuerdo expira dentro de tres años, lo que significa que los guionistas se verán obligados a renegociar muy pronto. En segundo lugar, no está claro cómo se hará cumplir el acuerdo, ya que no hay ninguna forma garantizada de comprobar si los datos han sido ingeridos o no por un LLM. En tercer lugar, el acuerdo no dice nada sobre la entrada de personas ajenas al sector. OpenAI ha iniciado una ofensiva para promocionar Sora -su herramienta de generación de vídeo basada en IA- entre cineastas y estudios de Hollywood. En principio, nada impide que los estudios y los cineastas empiecen a generar guiones y vídeos con la herramienta de OpenAI, algo que disminuiría significativamente no sólo la influencia y el poder de los guionistas, sino también de los actores. Aunque la huelga de la WGA es el mayor ejemplo de acción de los trabajadores, no es el único. Los empleadores tienen que empezar a prepararse para la posibilidad de que la ansiedad por la IA estimule los esfuerzos de sindicalización de los trabajadores de cuello blanco y la acción colectiva. El proyecto de ley sobre la IA lanzado por el Congreso de Sindicatos de Comerciantes -una federación de sindicatos que representa a los trabajadores de cuello blanco y azul sindicados en Inglaterra y Gales- es una prueba de cómo los sindicatos están evolucionando rápidamente para aumentar la voz de los trabajadores en cómo se utiliza la tecnología en el trabajo. Todos los problemas anteriores tienen su origen -directa o indirectamente- en el acceso a datos contextuales de alta calidad. Los datos son la entrada que necesitan los algoritmos de aprendizaje automático para funcionar, y la IA está hecha de esos algoritmos. Por lo tanto, quienes tienen acceso a datos de alta calidad pueden entrenar IA de alta calidad. En la actualidad, la WGA no regula la generación y el uso de los datos creados por una plantilla, y las últimas normativas de protección de datos, como la Ley de IA de la UE, se centran mucho en evitar la vigilancia de los empleados, pero no en cómo pueden utilizarse los contenidos generados por éstos para entrenar modelos. En consecuencia, existe un enorme margen para el conflicto. Y a menos que los trabajadores y las organizaciones puedan abordar esta cuestión de los datos de forma significativa y duradera, los conflictos seguirán dirimiéndose mediante enfrentamientos y negociaciones parciales. Las cooperativas de datos ofrecen una vía significativa para avanzar. Son un modelo organizativo que permite a los individuos poner en común sus datos con el fin de ganar poder de negociación con las empresas que analizan sus datos. Cooperativas como Swash, datum, MIDATA, Gener8, SAOS, GISC y el Sindicato de Trabajadores de Datos ofrecen vías para que los individuos moneticen y gestionen sus datos, transformando su papel -y el de ellos- en la economía digital. Estas cooperativas hacen hincapié en el control individual, el uso ético y el trato justo, y permiten a los usuarios conservar la propiedad y la agencia sobre su huella digital. Además, ofrecen en muchos casos la monetización con ánimo de lucro de los datos de los miembros de las cooperativas, permitiendo a terceros obtener información de esos datos (de forma responsable y preservando la privacidad). Así, las cooperativas de datos pueden satisfacer una demanda de percepciones basadas en datos o de formación en IA. Al mismo tiempo, proporcionan a las organizaciones datos actualizados con regularidad y de alta calidad que son extremadamente relevantes para su contexto. Esto significa que los miembros tienen el control sobre sus datos y pueden dar permiso para que determinadas empresas los utilicen de forma responsable. Los datos como nuevo factor de producción El impacto de la tecnología en los empleados y sus empleadores suele analizarse como un juego de suma cero entre ambas partes, en el que la automatización aumenta los beneficios de los empleadores mientras reduce los puestos de trabajo de los empleados. Sin embargo, la dependencia de la IA de los datos frescos pone patas arriba esta visión por tres razones: La capacidad de producción de contenidos de la IA generativa puede afectar a funciones como la publicidad y el marketing, el diseño de medicamentos y la innovación, el diseño y el desarrollo de productos y procesos. De hecho, el impacto de la IA generativa en los trabajos de programación ya se está dejando sentir. Dado que los modelos de IA están extremadamente ávidos de datos, pueden entrenarse no sólo con los productos acabados, sino también con los datos recopilados durante el proceso de creación. Los datos generados suelen ser propiedad de la organización, lo que facilita aún más el entrenamiento de futuros modelos internos de IA. La mayoría de las organizaciones ya están sentadas sobre grandes minas de oro de datos pasados, muchos de los cuales pueden utilizarse con éxito para preentrenar o afinar los modelos de IA. Pensemos, por ejemplo, en un equipo de ingenieros que trabaja en el tren motriz de un nuevo modelo de coche. Dicho equipo puede estar formado por varias docenas de individuos con una gran variedad de habilidades y experiencias. Al mismo tiempo, todos los fabricantes de automóviles tienen acceso a copiosas cantidades de datos de anteriores creaciones de trenes motrices, incluyendo su rendimiento, costes y los procesos de diseño. Por lo tanto, es previsible que las empresas busquen trasladar una mayor parte del trabajo inicial a la IA, lo que repercutirá en varios empleos de cuello blanco en el área. Sin embargo, la IA necesita conjuntos de datos más nuevos, más limpios y más grandes para aprender de ellos y mejorar su rendimiento. Las organizaciones que confían en las capacidades actuales de la IA pueden descubrir tarde o temprano que los algoritmos que utilizan empiezan a rendir peor que antes a través de la "descomposición del modelo", es decir, la degradación del rendimiento de la IA con el paso del tiempo. La razón es que los datos con los que fueron entrenados ya no son representativos de la realidad en la que la IA tiene que desenvolverse. Nuestras preferencias, contexto, sentido del humor, gusto y moda cambian constantemente. Y nosotros, los humanos, somos necesarios para revelar nuestras preferencias, para reírnos y participar cuando encontramos algo humorístico, y para llevar un producto que nos parece de moda. Los datos más preciados serán sobre nosotros, los humanos, y por lo tanto es nuestra interacción con los sistemas digitales lo que da lugar a esos datos. Eliminar lo humano implica eliminar los datos sobre la persona para la que la IA está diseñada para generar contenidos. Sólo nosotros podemos determinar si ese ch iste nos parece suficientemente divertido, si ese sutil cambio de color está de moda o si ahora se necesita algo nuevo, porque generar lo que nos gustaba hace tres meses ya no es suficiente. Este hecho, que surge únicamente de la naturaleza de la IA y no de la naturaleza de otras tecnologías que en el pasado han afectado al mercado laboral, puede ayudar sorprendentemente a alinear las necesidades de empresarios y empleados, ya que los empleados humanos son fundamentales para generar datos más nuevos que puedan acabar impulsando la IA. Las cooperativas de datos son a los datos lo que los sindicatos son al trabajo En el contexto del trabajo, son los conocimientos sobre el terreno de los empleados, su capacidad para resolver problemas y su conjunto de habilidades en evolución los que cambian con cada nuevo reto e innovación. Así pues, los datos más valiosos para la IA que pueda hacerse cargo de las tareas de los trabajadores procederán directamente de las tareas que éstos realicen, ya que su interacción práctica con herramientas, sistemas y clientes genera los datos precisos que la IA necesita para mantenerse precisa y útil. Es aquí donde las cooperativas de datos ofrecen un nuevo enfoque de la gobernanza de los datos al permitir a los trabajadores ser copropietarios y gestionar sus datos colectivos mediante un proceso de toma de decisiones más o menos descentralizado. Esto sucede porque los miembros de una cooperativa de datos pueden agrupar en un solo paquete datos que actualmente se encuentran aislados en distintas fuentes. La agregación de los datos que los miembros generan a partir de diversas fuentes y situaciones puede conducir al desarrollo de nuevos productos, servicios y modelos de negocio que serían inalcanzables sólo mediante contribuciones individuales o mediante la utilización de datos en fuentes únicas (como una empresa, una plataforma, un proveedor de servicios, etc.). Además, una vez que los trabajadores empiezan a ver la monetización de sus datos a partir de las cooperativas, es mucho más probable que reorganicen sus propios procesos para facilitar una mejor recopilación de datos, lo que a su vez puede generar mejores resultados de IA para la organización y mayores ingresos a partir de los datos para los trabajadores. A diferencia de los sindicatos, que tradicionalmente han buscado una vía unidireccional para mejorar las condiciones de los trabajadores, las cooperativas de datos operan como proveedores de datos de formación y siguen las reglas del mercado para satisfacer una demanda insatisfecha (la de formar sistemas de IA con datos actualizados). Y esto puede hacerse preservando la privacidad, de forma que los miembros de la cooperativa mantengan en privado sus percepciones privadas. Este modelo de organización empodera a los trabajadores al permitirles establecer reglas compartidas para el uso de los datos, lo que aumenta potencialmente su poder de negociación con los empleadores. En la práctica, esto requiere que las cooperativas de datos permitan a los trabajadores recopilar individualmente sus datos de distintas fuentes, decidiendo caso por caso qué tercero (como sus empleadores, por ejemplo) puede entrenar un algoritmo con esos datos. Esto permite a los trabajadores monetizar sus datos y mantenerlos controlados bajo un mismo paraguas. Existen varios modelos sobre cómo hacerlo: algunos utilizan blockchain, otros aplicaciones de terceros, mientras que otros almacenan los datos localmente y simplemente dan a los usuarios más control sobre quién tiene acceso a ellos y cómo pueden utilizarse. Ahora que los datos se utilizan cada vez más como factor de producción (es decir, como insumo) en la economía, parece natural que las cooperativas de datos surjan como solución. Se trata de la misma lógica que llevó al desarrollo de los sindicatos en el pasado: la fragmentación de la estructura de propiedad del factor de producción (ya sean datos o mano de obra) impide cualquier poder de negociación de un individuo con el empleador. Los datos y la mano de obra, ambos factores críticos de producción, comparten el reto de la fragmentación. Sin embargo, difieren en el hecho de que los datos crean valor principalmente en grandes volúmenes. De ahí que se requiera su agregación para liberar su valor a través de percepciones. Es por esa agregación requerida por lo que hablamos de "grandes datos". En el contexto de las cooperativas de datos, el modelo de propiedad colectiva de los datos hace algo más que mejorar el poder de negociación: fomenta la creación de valor aprovechando el volumen y la diversidad de los datos de sus miembros. Esto ilustra cómo las estructuras de propiedad distribuida pueden impulsar beneficios económicos y sociales más amplios, más allá del mero apalancamiento negociador. Qué significa esto para el futuro de las relaciones entre empleados y empresarios Para que este valor económico se desate - y para que tanto los empleadores como los empleados prosperen en la economía de los datos - todos los implicados necesitan elevar su nivel de alfabetización en materia de datos. Tanto los trabajadores como los empleadores deben comprender cómo crean valor los datos, que es agregándolos y analizándolos para revelar perspectivas y patrones que puedan mejorar la toma de decisiones y entrenar modelos de IA. Además, los trabajadores deben comprender cómo contribuyen a crear y gestionar esos datos mientras trabajan, y utilizar la influencia colectiva que les otorgan las cooperativas, para mantener el debate adecuado sobre el futuro del trabajo. Para aprovechar al máximo los datos que producen las personas, garantizando al mismo tiempo que los trabajadores tengan el control sobre los datos que ofrecen y reciban una compensación justa por ello, los empresarios y los trabajadores deberían seguir estos pasos para poder dar forma al futuro de la economía digital y, por tanto, al futuro del trabajo: 1. Evalúe los recursos y el potencial de datos internos de la organización. Los empleadores y los empleados deberían empezar por realizar una auditoría exhaustiva de los datos que la organización ya recopila y genera, centrándose en identificar los datos que podrían ser valiosos para la formación o el análisis de la IA. En ese ejercicio, la identificación de los datos generados por los empleados puede servir de base para cuantificar la contribución de éstos al valor basado en datos que genera la organización. El "Observatorio del Algoritmo de los Trabajadores" es una iniciativa nacida en la Universidad de Princeton que permite a los trabajadores realizar un crowdsourcing de datos e investigar los sistemas algorítmicos que hay detrás de las plataformas que determinan el salario, el horario y otros aspectos en la economía de las plataformas y más allá. Los empresarios y los trabajadores pueden utilizar esta iniciativa como fuente de inspiración y apoyo. 2. Implique a los empleados en programas de alfabetización de datos. Las organizaciones pueden poner en marcha programas de formación para mejorar la alfabetización en datos de sus empleados. Al educarles sobre cómo sus actividades diarias generan datos valiosos, la importancia de estos datos en el desarrollo de la IA y cómo pueden participar en cooperativas de datos, se crea un conocimiento valioso. Este conocimiento permite a los empleados generar más valor mediante los datos de la organización y, al mismo tiempo, permite a todos los stakeholder relevantes de la organización tener un entendimiento y un lenguaje comunes sobre el valor que pueden crear las cooperativas de datos. Esto beneficia a todos: los empleados comprenden mejor cómo crean valor y son compensados por ello, y los empleadores obtienen a cambio datos de mayor calidad. La empresa farmacéutica Roche es pionera en este ámbito. 3. Incorpore cláusulas de cooperación de datos en los contratos de trabajo. Actualizando los contratos de trabajo para incluir cláusulas que reconozcan los derechos de los empleados sobre sus datos y describan cómo pueden utilizarse sus datos en cooperación con las cooperativas de datos, las organizaciones pueden posicionarse como pioneras en este ámbito. Esto garantizaría la transparencia y proporcionaría un marco legal para el uso de los datos, y puede contribuir a la atracción de nuevos talentos. Este tipo de cláusulas se están debatiendo en iniciativas como el Sindicato de Trabajadores de Datos, que aboga por los derechos de los trabajadores sobre los datos que generan. Las empresas pueden inspirarse en estos debates para elaborar sus propias políticas y adelantarse a lo que promete convertirse en un importante problema laboral, liderando y dando forma así al debate sobre este tema. Siendo proactivas ahora, las empresas pueden desarrollar un sistema mutuamente beneficioso y evitar un punto de discordia más adelante, momento en el que podrían tener que hacer más sacrificios. Dada la naturaleza dinámica de la sociedad, la IA necesitará (al menos en un futuro previsible) los datos y la orientación de los humanos para generar un valor real. Por lo tanto, los trabajadores desempeñarán un papel fundamental para que la IA siga siendo relevante. Es la combinación de mano de obra, capital e IA lo que generará -si acaso- el valor que proyectan consultoras como McKinsey. Por lo tanto, los trabajadores deberían centrarse en comprender la interacción entre el capital, la mano de obra y los datos, y empezar a orientar el debate sobre el futuro del trabajo con la comprensión adecuada de la naturaleza de la IA. Los líderes empresariales deberían comprender igualmente las dependencias entre capital, trabajo y datos para proponer de forma proactiva marcos de colaboración que permitan a las organizaciones -y por ende a la sociedad- prosperar en la era de la IA.

Los recopiladores de datos son la próxima frontera de las relaciones laborales

Resumen.

Partner Center