La amenaza fantasma

¿Es una certeza que en el futuro los robots podrán realizar todas o algunas tareas mejor que los seres humanos? Hoy, solo algunas funciones del trabajo pueden ser mecánicamente automatizadas. Desde la creación de la primera máquina capaz de emular la figura humana hasta las advertencias de John F. Kennedy en 1960, cuando describió la automatización como una «oscura amenaza», el mundo se mostró maravillado con la organización científica del trabajo y reservaba sus temores a la posibilidad de que el autómata –generalmente representado en la ciencia ficción como un único individuo– se rebelara contra su creador.

El impacto actual del desarrollo de la inteligencia artificial está ligado a las reformas neoliberales, que implican descentralización productiva, precariedad laboral y una distribución desigual tanto de la fuerza como de los frutos del trabajo. Más allá de los debates en torno del desempleo tecnológico, el discurso agorero del fin del trabajo, verdadero o falso, pierde de vista el impacto real que la inteligencia artificial tiene sobre las condiciones de trabajo y los derechos laborales involucrados. ¿Existe un lazo inseparable entre la inteligencia artificial y la robótica? La inteligencia artificial era una deriva de la ciencia ficción hasta hace apenas 15 años. El ritmo de desarrollo de la automatización de la organización del trabajo estuvo determinado, hasta entrada la década de 1990, por los avances y el perfeccionamiento de máquinas físicas integradas al proceso de producción. La industria automotriz –estandarte de la organización del trabajo en el siglo xx– incorporó rápidamente los brazos mecánicos en el armado y ensamblaje de automóviles¹. Este desarrollo se ralentizó cuando las máquinas no resultaron eficientes para ejecutar la motricidad fina de la que solo son capaces los seres humanos. Aún hoy, en el marcador de la motricidad fina, la biología gana el partido por goleada contra la artificialidad cuando no hay mecánica que pueda reproducir la multifuncionalidad de una rodilla para subir una escalera. Por el contrario, si bien en los últimos años la motricidad robótica encontró obstáculos en su desarrollo, la inteligencia artificial creció sin límites y de manera exponencial. Conocemos los límites de la robótica, pero no los del aprendizaje artificial. ¿Cuál es la frontera de la capacidad de procesamiento artificial y cuáles son los alcances de la creatividad humana? ¿Cuán fundado es el miedo a su competencia? ¿Cuáles son las perspectivas de la colaboración entre ellas?

Comúnmente, los expertos presentan el problema del reemplazo de las capacidades humanas por la automatización como un pastiche en el que inteligencia artificial y robots son siempre ingredientes integrados. El tardocapitalismo podría abastecerse de «recursos de recursos»², es decir, de recursos producidos por los mismos recursos –humanos y tecnológicos– para llevar a cabo una serie de operaciones que van desde la logística del comercio internacional hasta el cuidado. Solo que, como sostiene Silvia Federici, los trabajos de cuidado podrían ser la última actividad humana en ser reemplazada por la automatización³. Por otro lado, el difundido concepto del centauro inverso, introducido por teóricos de la automatización a partir de la famosa partida de ajedrez entre el robot Deep Blue y Garri Kaspárov, consiste en que sean los robots los que usen a los humanos como complemento: el ser humano como asistente. La máquina en el centro, la persona en los márgenes. Esto ocurre actualmente en el campo virtual. En la nube digital, las personas trabajan realizando microtareas mal pagas –como identificar imágenes con escaleras– para ser los ojos de la máquina, que se desenvuelve eficientemente realizando tareas cognitivas pero no puede ver y reconocer patrones a la vez.

La amenaza fantasma

Así como los primeros autómatas solo emulaban la figura humana y los usos de la mecánica robótica –sin imitación– se desarrollaron de manera eficiente, el concepto de inteligencia artificial más coloquialmente difundido es el de la imitación de la cognición humana, pero su desarrollo más ambicioso –no imitativo– es el de resolver problemas, alcanzar soluciones o realizar tareas. Si la tecnología es capaz de problematizar el concepto de inteligencia, por qué no habría de socavar el de trabajo. Klaus Schwab, fundador del Foro Económico Mundial y creador y promotor del concepto de «cuarta revolución industrial» en 2016, es incapaz de precisar las propiedades de la inteligencia artificial. Por el contrario, se limita a destacar los logros más recientes y los avances más atractivos del cómputo⁴. Desde entonces, el tardocapitalismo convino en llamar revolución a un nuevo ecosistema global motorizado por una tecnología disruptiva que aún no logró conceptualizar. En ese contexto, la pregunta por la producción y el trabajo aparece omitida detrás de los caracteres aparentemente revolucionarios de las facilidades y soluciones que ofrecen los productos tecnológicos de última generación⁵.Los analistas neoliberales más avezados comienzan por aceptar la inexorabilidad tanto del cambio tecnológico como del reemplazo de humanos por máquinas⁶. La inteligencia artificial es solo un ingrediente más del proceso irrefrenable hacia el fin del trabajo humano. El discurso hegemónico del «sálvese quien pueda», que insta a los jóvenes a adaptarse a la incertidumbre, suele asentarse a veces en el anecdotario de los casos de éxito, en la reorganización de los modelos educativos o en la desregulación laboral, pero siempre, siempre, en la amenaza del reemplazo. La maravilla de la técnica se convierte en amenaza. Ante la certeza de que el cambio tecnológico ha implicado la fragmentación de los mercados de trabajo y un aumento de la precariedad laboral, la amenaza se condensa⁷.

Por cada noticia que destaca anécdotas sobre los avances de la mecánica para imitar tareas humanas, hay cientos de miles de horas en YouTube de robots haciendo el ridículo. Todavía hoy, algunos divulgadores continúan rezando que «47% de los empleos será reemplazado por robots o computadoras inteligentes»⁸. La frase erróneamente atribuida a Carl Benedikt Frey y Michael Osborne aún resuena como un mantra en universidades y fábricas⁹. Es curioso que los padres de la cuarta revolución industrial omitan mayores indagaciones sobre el trabajo y la producción, o las presenten como preguntas exclusivas de la etapa más reciente del desarrollo técnico. Porque antes del solucionismo tecnológico que omite la pregunta por la producción y el trabajo existió otro señalamiento muy distinto. La inexorabilidad de la automatización del trabajo no siempre estuvo asociada a la del reemplazo de humanos por máquinas. Durante una conferencia sindical de la Federación Estadounidense del Trabajo-Congreso de Organizaciones Industriales (afl–cio, por sus siglas en inglés), en 1960, John F. Kennedy advertía por primera vez sobre las ventajas y peligros de lo que definió como «la revolución de la automatización», entre los que se encontraba «la oscura amenaza de la desarticulación industrial, el aumento del desempleo y la profundización de la pobreza». Y agregaba que «el avance de la automatización ya amenaza con destruir miles de puestos de trabajo y acabar con plantas enteras. Pero este no es el producto inevitable del avance de la tecnología»¹⁰. Solo el contraste del enfoque de Kennedy con las prioridades del Foro Económico Mundial puede explicar que esta cita pasara inadvertida. Es curioso que la infraestructura que no se utiliza para alcanzar el pleno empleo o su adecuada distribución sí sea capaz de alcanzar para producir todas las máquinas necesarias para reemplazar el empleo que aún existe. La mejor limpiadora automática de piso controlada por inteligencia artificial del mercado cuesta alrededor de 750 dólares. Esto equivale a 350 horas de trabajo de una empleada doméstica registrada en Argentina. Aun suponiendo que la limpiadora automática de piso –que solo puede limpiar eso, el piso– realiza su función de manera satisfactoria, se encuentra a años luz de las capacidades y la multiplicidad de tareas que puede desempeñar una trabajadora de casa particular. Mientras que una empleada doméstica¹¹ puede limpiar toda tu casa, cuidar a tus hijos y hasta llamar a una ambulancia si un adulto mayor tiene una descompensación, la limpiadora automática de piso continuará haciendo eso que hace, que no es otra cosa que limpiar pisos. La familia siquiera considerará si el costo marginal cero, propio de la transformación tecnológica, se aplica a su economía doméstica. El costo marginal se incrementa a medida que se replica la producción de un bien. La tecnología, en especial la digital, permite reducir a cero los costos marginales. Pero, por el contrario, para cubrir la necesidad de cuidar a un adulto mayor bajo las reglas útiles del reemplazo de robots por humanos, la familia deberá comprar un smartwatch wearable con un sensor Spo2 incorporado, que costará en Argentina otros 400 dólares, e integrarlo a un sistema de servicios de salud que procese sus datos en tiempo real. Quizás no exista una cobertura de salud que ofrezca este servicio por menos de otros 1.000 dólares mensuales¹². Aun ante la probable expansión global del 5g y la internet de las cosas, la digitalidad continuará expandiéndose de manera exponencial exhibiendo sus costos marginales cero, y la robótica permanecerá estancada, dejando detrás su fantasmal amenaza.

Más acá del desempleo tecnológico

Más allá de las imágenes de un futuro próximo catastrófico o de la potencialidad teórica de la automatización, a la hora de evaluar la evidencia sobre el desempleo tecnológico, la idea de que los humanos podrían ser sustituidos por robots pertenece todavía al campo de la ciencia ficción¹³. El impacto del cambio tecnológico no se reduce ni debe limitarse a un mero cálculo contable entre los empleos que se crean y los que se destruyen, sino que nos informa sobre los modos de organización del trabajo y sus regulaciones¹⁴. La incorporación de paquetes digitales de monitoreo de tareas para garantizar el just in time del siglo xxi –la videovigilancia de los espacios de trabajo, el gps en las aplicaciones de entrega a domicilio, los sistemas biométricos para la identificación de perfiles en línea o el uso de artefactos wearable que se integran a los cuerpos humanos– queda empequeñecida ante el poder transformador de los sistemas de procesamiento de datos para la organización del trabajo. La gestión algorítmica consiste en el uso de recursos informáticos y digitales de supervisión para la administración y dirección del trabajo. A través del aprendizaje artificial o por medio del uso de la interfaz de usuarios, la gestión algorítmica implica un conjunto de utilidades que sirven en primer término para producir datos sobre el trabajo que requiere la prestación de un servicio o la producción de manufacturas; también para adquirir esos datos, ya sean tareas, imágenes, patrones, conversaciones, distancias o valores de cualquier clase; o para procesar esos datos para la elaboración de informes de perfiles o reportes de todo tipo; y completando el ciclo, para tomar decisiones y dar instrucciones sobre las tareas laborales, seleccionar personal o descartarlo, entre otros múltiples usos. Suele subestimarse el hecho de que todas estas dimensiones de uso de la gestión algorítmica impactan actualmente sobre las condiciones de trabajo¹⁵. El desarrollo de la inteligencia artificial tensiona potencialmente las capacidades humanas, pero también acecha en la actualidad a una serie de derechos laborales, y lo hace de manera concreta, sin necesidad de recurrir a Isaac Asimov, a la serie Black Mirror o a los libros de Andrés Oppenheimer. Algunos de los derechos involucrados requieren de refuerzos y actualizaciones, pero también podrían ser necesarios nuevos derechos y nuevas políticas. La capacidad de vigilancia y dirección de la inteligencia artificial traspasa los límites de la privacidad, puede incurrir en discriminaciones aberrantes, no reconoce la apelación humana, afecta la salud, corroe la libertad de asociación sindical y desplaza las garantías de protección social. Estas barreras son traspasadas para asegurar la gestión más eficiente posible del tiempo, de las acciones humanas y su valor, es decir, del trabajo. Una organización científica –y computarizada– del trabajo.

En América Latina, las leyes laborales usualmente contemplan la minimización de la vigilancia sobre las personas trabajadoras, imponiendo el deber de informar sobre los medios de control utilizados¹⁶. Sin embargo, la ley argentina, por ejemplo, solo ordena la minimización de los controles personales «destinados a la protección de los bienes del empleador» y establece que los controles a mujeres pueden ser realizados únicamente «por personas de su mismo sexo»¹⁷. La falta de actualidad de la norma es hilarante. Esta redacción corresponde a una era en la cual las formas de vigilancia en el trabajo se reducían al cacheo o al fichaje de ingreso y salida. El reloj a la vista de todos –que funcionaba como metrónomo de las tareas– no podía ser considerado un medio de control, y menos aún uno muy invasivo. ¡Solo era un reloj! Actualmente, los recursos para la organización del trabajo se encuentran fundidos con los medios de vigilancia. La plataforma Rappi, por ejemplo, recoge la ubicación de los repartidores, entre otros datos, para «tramitar las órdenes más cercanas a su ubicación (…) aun cuando la aplicación se encuentre cerrada o no esté en uso», a la vez que reconoce la utilización de esos datos «para identificar comportamientos atípicos» de los trabajadores y trabajadoras¹⁸. Las plataformas disponen de sistemas de monitoreo que violentan la privacidad de quienes trabajan en ellas, pero estos sistemas no tienen como objetivo proteger los bienes de las empresas, sino optimizar el trabajo humano. Por ejemplo, aws Panorama (Amazon, Inc.) es un paquete de software y dispositivos de aprendizaje automático que interpreta imágenes de video y permite chequear remotamente la calidad de un producto, reconocer faltantes en una góndola o hacer vibrar el celular de un trabajador de almacén si este se desvía del curso asignado por la inteligencia artificial. Va de suyo que para alimentar de datos a la inteligencia artificial se requiere de dispositivos que detecten al detalle los movimientos de cada persona trabajadora. ¿Acaso podemos ignorar que si la voz puede ser captada por los dispositivos móviles, y estos devolver en tiempo real una publicidad sobre nuestra conversación, las compañías se privarían de utilizar esta tecnología para optimizar un servicio monitoreando el contenido de las conversaciones de un telemarketer, una agente de ventas o un chofer?

Los métodos algorítmicos para medir con precisión la productividad humana no solamente implican un riesgo para la intimidad de quienes trabajan, sino que son la «caja negra» de la organización del trabajo en el siglo xxi. Detrás de los peligros futuros del desempleo tecnológico o la falta de capacitación de los trabajadores que aún conservan su empleo, hay una maquinaria informática en funcionamiento que las compañías no van a transparentar de manera voluntaria, aunque esté impactando hoy mismo en las condiciones de trabajo de las personas. En la industria, empresas como Coca Cola, Johnson & Johnson y Shell utilizan Ignition, un software de supervisión, control y adquisición de datos tipo scada¹⁹, que permite gestionar procesos industriales de manera remota «cerrando la brecha entre producción y tecnologías de la información». Estas plataformas administran los procesos industriales de punta a punta y, por supuesto, incluyen la posibilidad de calendarizar cada microtarea que deben desempeñar los operarios, quienes a la vez están integrados a brazos mecánicos conectados a internet, rampas que se deslizan al ritmo de la inteligencia artificial o motores que emiten la exacta cantidad de gas que les prescribe un algoritmo. Cuando se trata de optimizar comportamientos de trabajadores que reciben órdenes a través de su teléfono celular, los artefactos wearable que pueden medir la frecuencia cardíaca o las distancias recorridas se vuelven inútiles. En el caso de los repartidores de plataformas de venta y entrega de productos, la caja negra tiene otras preocupaciones. Por ejemplo, la mayoría de estas plataformas, como Uber o Rappi, utiliza sistemas de análisis del comportamiento como el cohort analysis, que sirve para estudiar el desempeño de consumidores organizados por grupos y predecir las posibilidades de retener a un determinado cliente según, por ejemplo, el rating promedio que los choferes le asignaron. El mismo modelo se utiliza para predecir qué choferes dejarán de conectarse a la aplicación y en qué momento comenzará a mermar su productividad, o su tasa de aceptación de viajes. El concurso de horas de trabajo o modelo de franjas horarias o slots funciona de manera similar. Si el repartidor o repartidora cancela un pedido o resigna trabajar durante las horas por las cuales concursó en el calendario de la aplicación, entrará en el grupo de repartidores que no podrán acceder al slot de horas del día siguiente. De igual manera, el modelo de análisis de datos que permite conocer cuál es el camino que eligen los consumidores desde que abren la aplicación hasta que concertan la compra de un producto a través de una plataforma sirve para saber cuál es el porcentaje de repartidores que abren la aplicación y alcanzan a completar un pedido o, por el contrario, cuándo y por qué no lo completan. Este modelo de análisis se denomina por embudos o funnel analysis²⁰. No es tan complejo: los métodos para predecir el comportamiento de los prosumidores y optimizar las ventas sirven también para diseñar las aplicaciones e incentivar a los repartidores a tomar más pedidos, asignar viajes a los choferes más productivos o desalentar a los menos, justo antes de que estos empiecen a bajar su productividad. Las implicancias de la gestión algorítmica en las condiciones de trabajo podrían clasificarse según los criterios para obtener datos o según la aplicación y uso de estos.
(a) Se necesita una cantidad de datos para alimentar las bases que luego puedan ser procesados.
(b) Las instrucciones del algoritmo sirven para impartir órdenes (soluciones). Entonces, la extracción de datos usualmente requiere de dispositivos que puedan recabarlos y clasificarlos, los cuales potencialmente ponen en riesgo el derecho a la privacidad de quienes trabajan. Son ejemplos de esta posible y probable afectación de derechos los dispositivos que monitorean el estado de salud de las personas, los que levantan datos de actividades ajenas al trabajo, como la navegación en redes sociales, los que miden el tiempo en que se desarrolla una tarea, los que miden la distribución horaria del trabajo, los que permiten tomar fotografías, leer mails o chats o capturar incumplimientos, demoras, etc. Por otro lado, las instrucciones provistas por los algoritmos permiten asignar tareas a quienes son más productivos, administrar premios y castigos para retener a algunos perfiles de trabajadores, desalentar a otros o seleccionar a quienes el modelo presume menos costosos²¹. Este aspecto de la gestión algorítmica implica una potencial afectación del derecho de toda persona a no ser discriminada. Mientras la caja negra siga siendo oscura, debemos presumir que el error de cálculo, la calificación desestandarizada, el uso de datos no inclusivos, las evaluaciones arbitrarias y la discriminación racial y de género serán criterios más que excepciones en el diseño algorítmico aplicado al trabajo²². Las normas laborales prohíben la imposición de restricciones religiosas, políticas, gremiales, de residencia o de género en las ofertas de empleo. Sin embargo, estas leyes quedaron muy por detrás de las nuevas formas de selección de personal, que raras veces utilizan avisos para dar con los perfiles buscados. Nuevamente, la falta de transparencia sobre los criterios utilizados, que actualmente se sirven de diversas herramientas tecnológicas, podría encubrir abusos sistemáticos en la selección de personal. En 2018, Amazon debió cambiar su sistema de selección de personal cuando la agencia Reuters probó que el algoritmo aprendió a elegir preferentemente a mayor cantidad de hombres y penalizaba a los perfiles que en su ficha contenían el dato «mujer». En diciembre de 2020, el departamento de ética de inteligencia artificial de Google estalló por los aires cuando la experta en algoritmos Timnit Gebru fue despedida del equipo tras publicar un artículo en el que cuestionaba la inescrutabilidad de los sesgos algorítmicos. La falta de transparencia en la gestión digital también se evidencia en otro derecho laboral clásico: el que permite cuestionar, apelar o impugnar una sanción disciplinaria. Es imposible cuestionar el sesgo de aquello que no puede ser conocido ni explicado.

¿Hay un factor de baja de la productividad más relevante que el de las redes sociales? El tensiómetro de la gestión algorítmica escala a niveles dramáticos con relación a la administración de la atención de las personas trabajadoras. Al mismo tiempo que las compañías utilizan dispositivos para determinar si las teletrabajadoras desvían su concentración, las redes sociales compiten por su atención –compitiendo entonces con el tiempo de trabajo– hasta impactar gravemente en la salud mental. Esta competencia no es explícita. Los equipos y las plataformas de gestión del trabajo a distancia suelen contener funciones de bloqueo de las redes sociales, mientras que estas no disponen de funciones que permitan a los usuarios suspender voluntariamente el ingreso de mensajes y notificaciones. Es entonces cuando la gestión de la atención en el trabajo –presa de la supervisión permanente y la competencia– depende exclusivamente de la capacidad de las personas trabajadoras de sobreponerse a estas circunstancias opresivas.

Por supuesto que cualquiera es libre de tirar el celular por el inodoro. Pero no es tan sencillo. Las órdenes de trabajo pueden llegar en cualquier momento del día y la noche, traspasando los límites de la jornada habitual. En ocasiones, la gestión algorítmica admite el uso de recursos técnicos para desmovilizar a sindicatos en formación o identificar a activistas sindicales –como es el caso de Rappi con la Asociación de Personal de Plataformas de Argentina– o para la evaluación de áreas o nodos de las compañías más susceptibles de ser sindicalizadas.

Contra todo pronóstico, aún existen caminos por recorrer. En la conferencia antes citada, Kennedy planteó: «debemos dejar claro que la instalación de nuevos procesos y nuevas máquinas es propiamente un tema de la negociación colectiva. Ha pasado el tiempo en que los empleadores podían hacer valer la prerrogativa de la acción unilateral en un asunto tan vital para el bienestar de sus empleados». Resulta que el tiempo de la acción unilateral de los empleadores en un asunto tan vital como la inteligencia artificial no ha pasado, pero podría. Para hacer esto realidad, las negociaciones colectivas y las regulaciones deberían incorporar el derecho a la desconexión digital; el derecho a la información y transparencia sobre los criterios algorítmicos por actividad; la publicación de algoritmos utilizados en actividades de alto riesgo; la formación laboral en programación y la formación de programadores en derechos sociales y de género; la soberanía del tiempo de trabajo como alternativa a la flexibilización horaria; el uso de datos inclusivos en el diseño de inteligencia artificial; el derecho a la impugnación de decisiones disciplinarias tomadas mediante inteligencia artificial; la obligación de colocar la marca o sello de inteligencia artificial en los productos o servicios producidos con esa tecnología para revalorizar el trabajo intelectual humano; la prohibición de sistemas de bloqueo de medios de comunicación digital; y la salarización del aumento de la productividad tecnológica²³, entre otras iniciativas que alienten el desarrollo tecnológico basado en trabajo de calidad. Para evitar el ludismo silencioso que implica la competencia humana con la inteligencia artificial desregulada, deberíamos poder superar la ignominia que encarna el algoritmo, haciéndolo público. Para el caso de que la propiedad intelectual corporativa prevalezca²⁴, los gobiernos y sindicatos deberían, cuanto menos, poder conocerlo para regularlo.

Regular la caja negra

No todo es distopía o utopía. Existen respuestas reales y muy actuales. A fines de abril de 2021, la Comisión Europea envió un proyecto al Parlamento de la Unión en el que se considera el uso de la inteligencia artificial en la administración del trabajo como un sistema de «alto riesgo» y se ordena a los proveedores corregir los modelos algorítmicos que no se adecúen a los protocolos de respeto por los derechos. Según sus definiciones, la categoría de «alto riesgo» se describe como el paso anterior a la de «riesgo inaceptable». Poco después, el gobierno español aprobó una ley que, además de presumir el carácter asalariado de la actividad de los riders (repartidores), ordena a las empresas abrir la caja negra e informar a los sindicatos sobre la composición de «los algoritmos o sistemas de inteligencia artificial» que impactan en las condiciones de trabajo²⁵.Las corporaciones comienzan a reformular sus discursos a medida que emergen regulaciones que buscan develar la composición de los algoritmos que organizan el trabajo, transparentar los procesos o reconocer la laboralidad de los vínculos de los trabajadores y trabajadoras de plataformas con las corporaciones tecnológicas. Anabel Díaz, programadora de inteligencia artificial y directora general de Uber Technologies Inc. en Europa, Oriente Medio y África, argumentó que estas leyes se basan en una suerte de mitosobre «ese concepto difuso de que hay una máquina que nadie sabe bien cómo funciona, que toma las decisiones» y sobre «un miedo atroz de que hay algo que va a tomar el control sobre nuestras vidas y no es más que una ayuda»²⁶. Cuando emergen regulaciones sobre la gestión algorítmica, la inteligencia artificial reaparece nuevamente como un mito, pero ahora como un concepto vago, incomprendido o incomprensible, y en definitiva inocuo. La inteligencia artificial se nos presenta a la vez como una amenaza inexorable –del fin del trabajo– y como mito inofensivo, como una caja negra vacía. Una amenaza fantasmal acechante por la que nadie debería preocuparse ni un poco. ¿En qué quedamos?

Más y mejor trabajo

Si nos enfocamos en el problema de la subclasificación de trabajos –como el de las empresas de plataformas digitales, de servicios o la industria que, como reseñamos, es el eje de la precariedad laboral y de las condiciones de trabajo–, el discurso mainstream de la destrucción neta de puestos de trabajo se desvanece. Entre las ocho empresas privadas que más personas emplean en el mundo se encuentran Amazon (comercio electrónico y servicios de computación en la nube) y Accenture (servicios tecnológicos y externalización). Comercio electrónico, servicios tecnológicos y tercerización son mercados de grandes empleadores que a la vez configuran un ecosistema de ruptura o disociación entre el trabajo humano y los derechos laborales y sociales. Asoma el debate por el modelo rentístico y desregulado de la infraestructura digital global²⁷. Mientras esa infraestructura se sirva de máquinas e inteligencia artificial para producir valor, el esfuerzo de los gobiernos progresistas, de los sindicatos y de las empresas debería concentrarse en reasociar, directa o indirectamente, el crecimiento de la productividad tecnológica con el aumento de las protecciones sociales, y en orientar los recursos a la creación de puestos de trabajo de calidad en la economía de reducción del impacto ambiental y de los cuidados. Poner a las personas en el centro y la técnica a su servicio es el camino posible hacia un nuevo acuerdo laboral y social de desarrollo tecnológico, y recuperar lo dicho en el Tratado de Versalles, que dio lugar a la creación de la Organización Internacional del Trabajo, cuando no se avizoraban los beneficios y desafíos de la inteligencia artificial: aspirar a «un régimen del trabajo realmente humano»²⁸.

Nota del autor: este artículo fue elaborado con la asistencia de herramientas artificiales de redacción, corrección y traducción.