Extractivismo de datos

Desde hace un par de décadas los analistas insisten: los datos son el nuevo petróleo, es decir la fuente de riqueza que caracteriza una época. Uno de los primeros en insistir con esto fue el creador de Wikileaks, Julian Assange, quien resumía en una entrevista: “El nuevo gran juego no es la guerra por los oleoductos. Es la guerra por los caños de internet: el control sobre los recorridos de los cables de fibra óptica que se distribuyen por el lecho marino y la tierra. El nuevo tesoro global es el control sobre el enorme flujo de datos que conectan continentes y civilizaciones linkeando la comunicación de miles de millones de personas y organizaciones”[1].

Poco a poco se sumaron nuevas voces profundizando la importancia de los datos en el modo particular de acumulación del sistema capitalista que algunos comenzaron a caracterizar de “vigilancia” como Shoshanna Zuboff, de “plataformas”, como Nick Srnicek, de la “atención”, como Tim Wu entre otros. De esa forma se puede explicar que empresas con un puñado de décadas de existencia o menos hayan alcanzado la cima entre las más valiosas del mundo. ¿Cómo se explica que en 2014, por ejemplo, Facebook pagara 19.000 millones de dólares por Whatsapp, un sistema de mensajería por entonces gestionado por cincuenta empleados, algunos servidores y sin modelo de negocios? Ese monto es casi cuatro veces lo que pagó la Argentina por la expropiación del 50% de YPF, una empresa que realmente tiene oleoductos, además de pozos petroleros, oficinas, camiones, laboratorios, galpones y mucho petróleo y gas.

A pesar de la creciente evidencia sobre el valor de los datos, no resulta fácil para la mayoría de las personas comprender el recorrido que va desde la recolección de los datos, el procesamiento con algoritmos de inteligencia artificial, su capacidad de correlacionarlos con comportamientos pasados, presentes o futuros y su transformación en dinero y poder.

El poder de los datos

Miles de pequeñas acciones que realizamos cotidianamente y que se perdían incluso en nuestra memoria, ahora son minuciosamente registradas. Por ejemplo, a qué hora suena el despertador de nuestro celular, cuánto demoramos en apagarlo definitivamente, qué es lo que primero miramos en él, qué leemos, a quién contestamos, sobre qué le hablamos, por dónde nos movemos, qué compramos, qué información buscamos, etc. Toda acción mediada por plataformas o dispositivos digitales deja una huella de datos que se acumulan en servidores de distintas empresas y que son procesados para establecer correlaciones con otras acciones y deducir otras futuras. Así los algoritmos pueden comprender que una buena parte de la población que ve, por ejemplo, fotos de sus amigos en una playa, puede empezar a pensar en comprar pasajes para las vacaciones y que es un buen momento para mostrarle promociones para viajes. O que los estudiantes al finalizar la época de los estresantes exámenes son más propensos a gastar dinero para darse un gusto y un vale de descuento puede incentivarlos a gastarla en determinado comercio.

Los datos acumulados a escala y debidamente procesados tienen un poder enorme para segmentar a la sociedad, anticipar el comportamiento de millones de individuos de manera estadísticamente eficiente e incluso, objetivo último, estimularlos para que realicen algunas acciones en particular. Los primeros en descubrir el poder práctico de los datos digitales acumulados en sus servidores fueron Serguei Brin y Larry Page, los fundadores de Google, una empresa creada en 1998 de la mano de su algoritmo de búsqueda llamado PageRank.

Antes de Google, los buscadores solo devolvían al usuario aquellos sitios en dónde más aparecía la palabra requerida. Page y Brin comprendieron que esos buscadores eran muy fáciles de engañar y que bastaba con que alguien repitiera muchas veces la palabra en su sitio para posicionarse en los primeros lugares. Por eso idearon un algoritmo basado en la lógica de las citas académicas (Pasquinelli, 2009): cuánto más citado (o linkeado en este caso) estuviera un sitio, más relevante se lo podría considerar. De esta manera se podían sumar microdecisiones de millones de personas cada día que indicaban lo realmente relevante: el algoritmo acumulaba la inteligencia colectiva para mostrarnos lo que había aprendido cada vez que buscamos algo. A este mecanismo básico se le fueron agregando datos que los mismos usuarios brindaban junto a sus propias búsquedas y que permitieron segmentar mejor qué respuestas buscaban los distintos tipos de personas. Más búsquedas atraían más datos que permitían resultados más afinados para cada persona y de esa manera llegaban más búsquedas en un círculo virtuoso de apariencia infinita.

La tecnología era superior a todos sus antecesores, pero paradójicamente necesitaba ser gratuito para ser usado y seguir mejorando. En el año 2000, mientras miles de startups comenzaron a quebrar dando señales del inminente estallido de las “punto.com”, Brin y Page aceptaron usar el viejo modelo publicitario para financiar su disruptiva innovación tecnológica. En 2001 facturaron por primera vez 86 millones de dólares en publicidad. Fueron 3.500 millones en 2004, cuando salieron a la bolsa. La empresa había encontrado una mina de oro. En 2019, Alphabet, la corporación de la que Google sigue siendo la principal compañía, facturó un total de 161.857 millones de dólares, más del 80% proveniente del mercado publicitario. El poder de los datos se mide en millones de dólares que se reinvierten para obtener más datos y ganar más dólares en un círculo virtuoso y vertiginoso, al menos hasta chocar con el techo del nicho de mercado. En un par de décadas esta empresa logró sumarse al selecto grupo de las cinco de mayor cotización bursátil del mundo.

En la actualidad el buscador es solo una fuente de datos entre muchas; con el tiempo se sumaron mapas, documentos en la nube, listados, mails, videos de YouTube, agendas, GPS, etc., cada uno acumulando nuevos datos sobre los gustos e intereses de los usuarios. Un salto enorme se dio con la llegada de los celulares inteligentes, primero de la mano de Apple y sus iPhones, que luego fueron imitados por otros. Google compró y desarrolló el sistema operativo Android para que se pudiera utilizar en cualquier dispositivo: a diferencia de Apple, Google comprendió que el negocio futuro pasaba por capturar más datos, no por vender celulares.

El negocio de los datos siguió evolucionando en busca de nuevas formas de explotar ese poder. Un ejemplo de esta potencia amable que nos seduce mientras escamotea sus secretos es Pokémon Go, el juego que enloqueció a la gente en 2016. El creador directo de la app es Niantic, una startup creada en 2010 dentro de Google, donde desarrolló otros juegos. En 2015 Niantic se separó oficialmente de Google, aunque sigue contando con inversiones de esa corporación. John Hanke, el CEO de Niantic, había creado la empresa Keyhole, la que contó con financiamiento de la CIA. Google la compró en 2004 sobre todo para quedarse con su producto estrella, la que potenció y luego rebautizó como Google Earth.

Para su nueva app, Niantic sumó a Nintendo y Pokémon Company como socios y así se montó sobre el fenómeno transmediático de los Pokémones. Con esta combinación de recursos técnicos y simbólicos, alimentado por millones de dólares Pokémon, se transformó en un éxito global. De esa manera lanzó los extraños y divertidos seres al mundo pero no lo hizo aleatoriamente. El juego estaba diseñado para maximizar el tiempo de los usuarios de tal manera que nadie lo tuviera demasiado fácil pero tampoco se desanimara. Una de las fuentes de ingresos de este juego, entre muchos otros, pasaba por atraer a los cazadores hacia los negocios que pagaran por ese servicio. Por ejemplo, McDonalds o Starbucks pagaban comisiones por atraer a la gente que perseguía un Pokémon y terminaba consumiendo algo mientras se tomaba un descanso. El algoritmo estudiaba la mejor manera de garantizar que los cazadores llegaran suficientemente satisfechos, cansados y hambrientos como para aprovechar un alto consumiendo en el local. Niantic podía gestionar el flujo de clientes hacia un local dosificando la aparición de pokémones en su cercanía.

Los modelos de negocios basados en los comportamientos y gestionados por algoritmos de inteligencia artificial no siempre actúan de maneras tan evidentes. En general aprenden por prueba y error, buscando correlaciones entre millones de variables, y así encuentran el mejor modo de vender un producto, un candidato o viralizar una noticia falsa. Pocas veces comparten breves destellos de sus poderes como ocurrió en 2012, cuando explicaron sus mecanismos de manipulación social, en un artículo publicado la revista Nature y resumido en la Scientific American (Corbyn, 2012). Allí se explica cómo Facebook hizo un experimento con sesenta y un millones de usuarios: el 2 de noviembre de 2010, día de elecciones en EE.UU.. Facebook separó tres grupos de usuarios. Al primero, conformado por 611.000 mayores de 18 años, les envió un mensaje que los invitaba a votar, les ofrecía un link con información sobre dónde hacerlo y permitía hacer click sobre un botón que decía “Yo voté” acompañado por un contador de cuántos lo habían presionado. Un segundo grupo de sesenta millones de personas recibió un mensaje similar pero que mostraba fotos de perfil de hasta seis amigos de Facebook de los usuarios que veían el posteo y que ya habían presionado el botón “Yo voté”. Un tercer grupo, de tamaño similar del primero funcionó como control y no recibió ningún mensaje.

Finalmente los investigadores compararon los comportamientos de los tres grupos en la red con los registros públicos de voto para saber cuál de ellos había tendido a votar más. Los grupos 1 y 3 tuvieron un porcentaje de presencia en las urnas similar, pero aquellos que vieron el mensaje “social” que incluía las fotos de sus amigos, votaron un 2% más que en los otros dos grupos: estamos hablando de 340.000 personas, una cifra que puede resultar determinante en una elección pareja. ¿Qué pasaría si solo se aplicara este estímulo a quienes reúnen las características de los votantes de un partido?

La matemática Cathy O’Neil (2016) explica en su libro Weapons of math destruction cómo su amada ciencia servía para desarrollar distintas formas de esquilmar a la gente. Desde evaluaciones educativas automatizadas que nadie entiende pero pueden terminar en despidos de docentes, hasta decidir quién puede obtener una libertad provisional en la cárcel, los algoritmos toman decisiones disfrazadas de neutralidad matemática pero embebidas de prejuicios y datos erróneos o cargados de sesgo ideológico.

O’Neil analiza una demanda que se le hizo en 2013 al Corinthian College, una universidad privada con una agresiva política publicitaria y precios altísimos comparado, incluso, con universidades prestigiosas y más serias. En la demanda se reveló que la universidad apuntaba a personas que reunieran ciertas condiciones: “aisladas”, “impacientes”, con “baja autoestima”, que tienen “pocas personas en sus vidas a las que les importan” y que están “trabadas” e “incapaces de ver y planear bien para su futuro”. Por supuesto, estos perfiles se obtenían de lo que estas mismas personas expresaban en sus redes sociales: no hace falta que lo explicaran de esa manera cruda, sino que a veces los gustos musicales, las redes de amigos o cierta afinidad por algún tipo de noticias permiten al algoritmo establecer esas correlaciones. Una vez detectadas las potenciales víctimas, se las preparaba enviándoles publicidades específicas a sus redes sociales. Más tarde un promotor las llamaba para ofrecerles los costosos cursos. Allí le explicaban los excelentes (y falsos) resultados que habían tenido los estudiantes recibidos en sus aulas. Estas personas se endeudaban para poder salir del pozo en el que se encontraban siguiendo una carrera que no lo valía y los hundía aún más en la desesperación. Este es solo uno de los ejemplos que aparece en su libro sobre el poder de los datos para detectar personas más influenciables con los estímulos adecuados. 

Los algoritmos funcionan como cajas cerradas que aprenden la mejor manera de cumplir su objetivo y que ya ni siquiera sus programadores entienden del todo cómo funcionan. En estas cajas cerradas pensadas para vender, empujar, incentivar o inhibir determinadas acciones, se juega el destino de millones de personas. Gracias a lo opaco de estos mecanismos, pocas veces las empresas son atrapadas en la escena del crimen como en el caso de Cambridge Analytica, cuando Amazon manipula las ofertas en su beneficio para obtener la mayor ganancia posible (Angwin, 2016) o se revela que el auto de Google Maps además de sacar fotos recababa información sobre los wifi abiertos (Kiss, 2010). Incluso puede que paguen una mula de cinco mil millones de dólares como propuso Facebook luego del caso de Cambridge Analytica, para que nada cambie (Magnani, 2019). La inercia de este modelo de negocios es directamente proporcional a su éxito económico y es muy difícil que se detenga. Podrá tomar un desvío, prometer cambios profundos o utilizar nuevas herramientas que nadie está preparado aún para detectar.

La batalla por los datos es tan grande que cuestiones que parecerían tecnológicas o a lo sumo disputas empresarias, como quién desplegará los sistemas de 5G en el mundo, se han transformado en ejes de la disputa geopolítica entre EE.UU. y China. Esta tecnología permitirá un gigantesco empujón para el desarrollo de la internet de las cosas que implica conectar prácticamente todo a las redes sin límites, desde autos a las luces de la calle, las cámaras de vigilancia o las aspiradoras y los termostatos de las casas. El crecimiento de los datos será exponencial y la radiografía de cada individuo ya no tendrá prácticamente blancos o partes pixeladas.

Se podría seguir dando ejemplos por mucho tiempo más y solo alcanzaría para mostrar la punta del iceberg. Estas empresas necesitan hacernos transparentes para registrar todo lo que sea posible y de esa manera deconstruirnos y encontrar nuestros puntos débiles, nuestros deseos y sueños, los que permitirán encontrar la grieta por donde estimularnos de la mejor manera posible según sus intereses mientras conservamos la ilusión de tomar nuestras decisiones. Para lograr eso, las empresas tecno tienen que evitar de todas las formas posibles que se haga visible su lado de la pantalla, ese black mirror en el que creemos ver solo nuestro reflejo.

*Esteban Magnani es Licenciado en Ciencias de la Comunicación (UBA) y Magister en Comunicación y medios (Universidad de Londres)

Bibliografía

Angwin, Julia (20/9/2016), “Amazon Says It Puts Customers First. But Its Pricing Algorithm Doesn’t”, ProPublica. Disponible en https://www.propublica.org/article/amazon-says-it-puts-customers-first-but-its-pricing-algorithm-doesnt

Corbyn, Zoe, (12/9/2012)“Facebook Experiment Found to Boost U.S. Voter Turnout”, Scientific American Magazine.

Kiss, Jemima (15/5/2010), “Google admits collecting Wi-Fi data through Street View cars”, the guardian. Disponible en https://www.theguardian.com/technology/2010/may/15/google-admits-storing-private-data.

Magnani, Esteban (2014), “Tensión en la Red”, Autoría, Buenos Aires.

Magnani, Esteban (12/4/2020), “Los riesgos de Zoom y las ventajas de Jitsi”, Página/12. Disponible en https://www.pagina12.com.ar/258659-los-riesgos-de-zoom-y-las-ventajas-de-jitsi.

Magnani, Esteban (2019), “La jaula del confort: Big Data, economía y neurociencia”, Autoría, Buenos Aires.

Magnani, Esteban (28/10/2018), “BAT (China) vs. GAFA (EE.UU.)”, Página/12. Disponible en https://www.pagina12.com.ar/151439-bat-china-vs-gafa-ee-uu.

Magnani, Esteban (4/8/2019), “El precio de la privacidad”, Página/12. Disponible en https://www.pagina12.com.ar/209706-el-precio-de-la-privacidad.

Pasquinelli, Matteo (2009) “Google’s PageRank Algorithm: A Diagram of the Cognitive Capitalism and the Rentier of the Common Intellect”, Matteo Pasquinelli en: Konrad Becker y Felix Stalder (eds), Deep Search: The Politics of Search Beyond Google, London, Transaction Publishers.


[1]             Assange, Julian “How criptography is a key weapon in the fight against Empire States”, The Guardian, 9/7/2013. http://www.theguardian.com/commentisfree/2013/jul/09/cryptography-weapon-fight-empire-states-julian-assange