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

El impacto de la IA, y de la IA generativa en particular, es se hace sentir en todos los sectores. Pero si bien los ejecutivos están entusiasmados con el potencial de esta tecnología, los trabajadores de cuello blanco suelen desconfiar de lo que puede significar para ellos, sus empleos y su futuro. Estas diferentes percepciones están creando nuevas tensiones y presentan nuevos desafíos 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) con la IA. Lo más notable es que está el Huelga de 148 días organizada en 2023 por la Writers Guild of America (WGA), un sindicato que representa a 11 500 guionistas. La huelga paralizar la industria del entretenimiento durante meses antes de terminar finalmente con un acuerdo que la IA no puede escribir ni reescribir material literario, que el material generado por la IA no se considerará material fuente (lo que significa que el material generado por la IA no se puede utilizar para socavar el crédito del escritor o separar los derechos), que se prohíbe la explotación del material de los escritores para entrenar a la IA y que los escritores pueden optar por utilizar la IA cuando prestan servicios de escritura, pero la empresa no puede exigir al escritor que utilice software de IA cuando presta servicios de escritura.

Este resultado se anunció como una victoria para la WGA, pero también ilustra las dificultades de este tipo de negociaciones. En primer lugar, el acuerdo vence en tres años, lo que significa que los guionistas se verán obligados a renegociar muy pronto. En segundo lugar, no está claro cómo se aplicará el acuerdo, ya que no hay una forma garantizada de comprobar si un LLM ha ingerido datos o no. En tercer lugar, el acuerdo no dice nada sobre la entrada de personas ajenas a la industria. OpenAI tiene inició una ofensiva para promocionar a Sora — su herramienta de generación de vídeos basada en la IA — entre cineastas y estudios de Hollywood. En principio, nada impide que los estudios y cineastas empiecen a generar guiones y vídeos con la herramienta de OpenAI, algo que disminuiría significativamente no solo la influencia y el poder de los escritores, sino también de los actores.

Si bien la huelga de la WGA es el mayor ejemplo de acción de los empleados, 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 cuello blanco y la acción colectiva. El proyecto de ley sobre la IA lanzada por el Congreso de Sindicatos, una federación de sindicatos que representa a los trabajadores obreros y blancos sindicalizados en Inglaterra y Gales, muestra pruebas de cómo los sindicatos están evolucionando rápidamente para aumentar la voz de los trabajadores sobre el uso de 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 se necesita para que los algoritmos de aprendizaje automático funcionen, y la IA está hecha de esos algoritmos. Por lo tanto, quienes tienen acceso a datos de alta calidad pueden entrenar una IA de alta calidad. Actualmente, la WGA no rige la generación y el uso de los datos creados por la fuerza laboral, y los últimos reglamentos de protección de datos, como la Ley de IA de la UE, se centran en gran medida en impedir la supervisión de los empleados pero no sobre cómo el contenido generado por los empleados puede utilizarse para entrenar modelos. En consecuencia, hay un enorme margen de conflicto. Y a menos que los trabajadores y las organizaciones puedan abordar esta cuestión de datos de una manera significativa y duradera, el conflicto seguirá siendo litigado mediante enfrentamientos y negociaciones poco sistemáticas.

Las cooperativas de datos ofrecen un camino significativo a seguir. Son un modelo organizativo que permite a las personas poner en común sus datos con el fin de ganar poder de negociación con las empresas que analizan sus datos. Cooperativas como Swash, dato, MIDATA, Género 8, SAOS, GISC, y el Sindicato de trabajadores de datos ofrecer vías para que las personas moneticen y gestionen sus datos, transformando su papel (y el suyo) 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 presencia digital. Además, en muchos casos ofrecen la monetización con fines de lucro de los datos de los miembros de las cooperativas, lo que permite a terceros obtener información a partir de esos datos (de una manera responsable y preservando la privacidad). Por lo tanto, las cooperativas de datos pueden satisfacer la demanda de información basada en datos o formación en IA. Al mismo tiempo, proporcionan a las organizaciones datos de alta calidad que se actualizan periódicamente y son extremadamente relevantes para su contexto. Esto significa que los miembros tienen el control de sus datos y pueden dar permiso a empresas específicas para que los usen de manera responsable.

Los datos como un nuevo factor de producción

El impacto de la tecnología en los empleados y sus empleadores se suele analizar como un juego de suma cero entre ambas partes, en la que la automatización aumenta los beneficios de los empleadores y reduce los puestos de trabajo de los empleados. Sin embargo, la dependencia de la IA de datos nuevos cambia esta opinión por tres razones:

• Las habilidades de producción de contenido de la IA generativa pueden afectar a funciones como publicidad y marketing, diseño de fármacos, y innovación, producto y diseño de procesos y desarrollo. De hecho, el impacto de la IA de la generación en los trabajos de programación ya se está sintiendo.
• Como los modelos de IA consumen muchos datos, se les puede entrenar no solo con los productos terminados, sino también con los datos recopilados durante el proceso de creación. Todos los datos de este tipo que se generan suelen ser propiedad de la organización, lo que facilita aún más el entrenamiento de los futuros modelos internos de IA.
• La mayoría de las organizaciones ya tienen grandes minas de oro de datos del pasado, muchos de los cuales pueden utilizarse con éxito para preentrenar o ajustar los modelos de IA.

Pensemos, por ejemplo, en un equipo de ingenieros que trabajan en la transmisión de un nuevo modelo de automóvil. Un equipo así puede estar compuesto por varias docenas de personas con diversas habilidades y experiencias. Al mismo tiempo, todos los fabricantes de automóviles tienen acceso a grandes cantidades de datos de la creación anterior de la transmisión, incluidos el rendimiento, los costes y los procesos de diseño. Por lo tanto, es previsible que las empresas traten de dedicar una mayor parte del trabajo inicial a la IA, lo que afectará a varios puestos de trabajo de cuello blanco de la zona.

Sin embargo, la IA necesita conjuntos de datos más nuevos, limpios y 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 comienzan a funcionar peor que antes debido a la «decadencia del modelo», es decir, la degradación del rendimiento de la IA con el tiempo. La razón es que los datos con los que se les entrenó ya no son representativos de la realidad en la que la IA tiene que navegar.

Nuestras preferencias, el contexto, el sentido del humor, el gusto y la moda cambian constantemente. Y los humanos somos necesarios para revelar nuestras preferencias, para reír y participar cuando encontramos algo gracioso y para ponernos un producto que nos parezca moderno. Los datos más preciados serán sobre nosotros los humanos y, por lo tanto, es nuestra interacción con los sistemas digitales lo que da como resultado esos datos. Eliminar al ser humano implica eliminar los datos sobre la persona para la que la IA está diseñada para generar contenido. Solo nosotros podemos determinar si encontramos eso broma bastante divertida, ya sea que ese sutil cambio de color esté de moda o si ahora se necesita algo nuevo, porque generar lo que nos gustó hace tres meses ya no es suficiente.

Este mismo hecho, que solo se desprende 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 los empleadores y los empleados, ya que los empleados humanos son fundamentales para generar datos más nuevos que, con el tiempo, puedan impulsar la IA.

Las cooperativas de datos son para los datos lo que los sindicatos son para los trabajadores

En el contexto laboral, son los conocimientos sobre el terreno, las habilidades de resolución de problemas y la evolución de las habilidades de los empleados los que cambian con cada nuevo desafío e innovación. Por lo tanto, los datos más valiosos para la IA que pueden hacerse cargo de las tareas de los trabajadores provendrán directamente de las tareas que realizan los trabajadores, ya que su interacción práctica con las herramientas, los sistemas y los 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 ocurre porque los miembros de una cooperativa de datos pueden reunir los datos que actualmente están en silos en diferentes fuentes en un solo paquete. La agregación de los datos que los miembros generan a partir de diversas fuentes y situaciones puede llevar al desarrollo de nuevos productos, servicios y modelos de negocio que serían inalcanzables únicamente con contribuciones individuales o mediante la utilización de datos de una sola fuente (como una empresa, una plataforma, un proveedor de servicios, etc.).

Además, una vez que los trabajadores comienzan a monetizar sus datos en 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.

Además de los sindicatos, que tradicionalmente han buscado una ruta de ida para mejorar las condiciones de los trabajadores, las cooperativas de datos funcionan como proveedores de datos de formación y siguen las normas del mercado para satisfacer una demanda insatisfecha (la de formar sistemas de IA con datos actualizados). Y esto se puede hacer de manera que se preserve la privacidad, de modo que los miembros de la cooperativa mantengan en privado sus puntos de vista privados. Este modelo de organización empodera a los trabajadores al permitirles establecer reglas compartidas para el uso de los datos, lo que podría mejorar su poder de negociación con los empleadores. En la práctica, esto exige que las cooperativas de datos permitan a los trabajadores recopilar sus datos de forma individual de diferentes fuentes y decidir 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 solo paraguas. Hay varios modelos para hacerlo: algunos utilizan la cadena de bloques, otros utilizan aplicaciones de terceros, mientras que otros almacenan los datos de forma local y simplemente dan a los usuarios más control sobre quién tiene acceso a ellos y cómo se pueden utilizar.

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. Es 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 una persona con el empleador.

Los datos y la mano de obra, ambos factores críticos de la producción, comparten el desafío de la fragmentación. Sin embargo, se diferencian en el hecho de que los datos crean valor principalmente en grandes volúmenes. Por lo tanto, su agregación es necesaria para liberar su valor a través de la información. Por esa agregación requerida hablamos de «macrodatos».

En el contexto de las cooperativas de datos, el modelo de propiedad colectiva de los datos no solo mejora el poder de negociación, sino que fomenta la creación de valor al aprovechar el volumen y la diversidad de los datos de sus miembros. Esto ilustra cómo las estructuras de propiedad distribuida pueden generar beneficios económicos y sociales más amplios que el simple apalancamiento de la negociación.

Qué significa esto para el futuro de las relaciones entre empleados y empleadores

Para dar rienda suelta a este valor económico y para que tanto los empleadores como los empleados prosperen en la economía de los datos, todos los involucrados tienen que aumentar su nivel de conocimientos de datos. Tanto los trabajadores como los empleadores deben entender cómo los datos crean valor, es decir, agregándolos y analizándolos para revelar información y patrones que pueden mejorar la toma de decisiones y entrenar a los modelos de IA. Además, los trabajadores deben entender cómo contribuyen a crear y gestionar esos datos mientras trabajan y utilizar la influencia colectiva que las cooperativas les otorgan para tener el debate adecuado sobre el futuro del trabajo.

Para aprovechar al máximo los datos que producen las personas y, al mismo tiempo, garantizar que los trabajadores tienen el control sobre los datos que ofrecen y reciben una compensación justa por ello, los empleadores y los empleados deben seguir estas medidas para poder dar forma al futuro de la economía digital y, por lo tanto, al futuro del trabajo:

1. Evalúa los recursos de datos internos y el potencial 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 el entrenamiento o el análisis de la IA. En ese ejercicio, identificar los datos generados por los empleados puede servir de base para cuantificar la contribución de los empleados al valor basado en datos generado por la organización. El» Observatorio de Algoritmos Obreros» es una iniciativa nacida en la Universidad de Princeton que permite a los trabajadores recopilar datos e investigar los sistemas algorítmicos detrás de las plataformas que determinan los salarios, los horarios y más en la economía de plataformas y más. Los empleadores y los empleados pueden utilizar esta iniciativa como inspiración y apoyo.

2. Involucre a los empleados en los programas de alfabetización de datos.

Las organizaciones pueden implementar programas de formación para mejorar el conocimiento de los datos de sus empleados. Al educarlos sobre cómo sus actividades diarias generan datos valiosos, la importancia de estos datos en el desarrollo de la IA y cómo pueden participar en las cooperativas de datos, se crean conocimientos valiosos. Este conocimiento permite a los empleados generar más valor a través de los datos de la organización y, al mismo tiempo, permite que todas las partes interesadas pertinentes de la organización tengan un entendimiento y un lenguaje comunes sobre el valor que pueden crear las cooperativas de datos. Esto beneficia a todos: los empleados entienden mejor cómo crean valor y se les compensa por ello, y los empleadores reciben datos de mayor calidad a cambio. La empresa farmacéutica Roche es pionera en esta área.

3. Incorpore cláusulas de cooperación de datos en los contratos de trabajo.

Al actualizar 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 podría ayudar a atraer nuevos talentos. Este tipo de cláusulas se discuten en iniciativas como la 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 tema laboral, liderando y dando forma al debate sobre este tema. Si son proactivas ahora, las empresas pueden desarrollar un sistema que beneficie a ambas partes y llegar a un punto de discordia más adelante, momento en el que tendrán que hacer más sacrificios.

Dada la naturaleza dinámica de la sociedad, la IA necesitará (al menos en un futuro próximo) los datos y la orientación de los humanos para generar valor real. Por lo tanto, los trabajadores desempeñarán un papel fundamental a la hora de mantener la relevancia de la IA. Es la combinación de trabajo, capital e IA lo que generará, si acaso, el valor que está siendo proyectado por consultoras como McKinsey. Por lo tanto, los trabajadores deberían centrarse en entender la interacción entre el capital, la mano de obra y los datos y empezar a guiar el debate sobre el futuro del trabajo con la comprensión adecuada de la naturaleza de la IA.

Los líderes empresariales deben entender por igual las dependencias entre el capital, la mano de obra y los datos para poder proponer de forma proactiva marcos de colaboración que permitan a las organizaciones (y por lo tanto a la sociedad) prosperar en la era de la IA.