La incertidumbre de los trabajadores de plataformas
Los repartidores de comida y conductores de transporte que operan en plataformas digitales enfrentan la frustrante experiencia de ver cómo sus ganancias y oportunidades laborales fluctúan en función de decisiones automatizadas impuestas por algoritmos que operan con un nivel de opacidad considerable. Estas aplicaciones analizan una variedad de datos, que incluyen calificaciones de clientes, pedidos o viajes aceptados, cancelaciones y el tiempo requerido para completar un servicio. Este conjunto de variables se utiliza para realizar cálculos que afectan la organización y evaluación del trabajo.
Uno de los principales problemas es que los trabajadores muchas veces no tienen acceso a la información que les permitiría entender por qué se tomó una decisión específica en sus casos. Esta falta de transparencia dificulta que puedan detectar errores, cuestionar sanciones o comprender los cambios en sus oportunidades de empleo e ingresos. Esta situación ha sido identificada como una de las principales carencias en un estudio sobre la regulación del trabajo en plataformas realizado en varios países de América Latina.
El proceso de datificación del trabajo
El problema inicial radica en el uso de datos. Elementos como la ubicación, comportamiento, rendimiento y calificaciones, e incluso información biométrica, son parte del flujo que permite a las plataformas gestionar el trabajo. Derechos Digitales, una organización dedicada a la defensa de los derechos humanos en el entorno digital, se refiere a este fenómeno como la «datificación del trabajo». Este proceso implica que las actividades de los trabajadores se convierten en información que alimenta sistemas automatizados que determinan salarios, asignación de tareas y, en algunos casos, bloqueos de cuentas.
Laura Mantilla-León, analista de Políticas Públicas de Derechos Digitales, señala que la información recopilada se introduce en un conjunto de algoritmos que la utilizan para establecer salarios y organizar el trabajo. Sin embargo, las plataformas suelen proporcionar escasa información sobre cómo se utilizan esos datos y su impacto en las decisiones laborales.
La evolución de las regulaciones en América Latina
Las nuevas regulaciones en varios países de América Latina han comenzado a abordar esta falta de transparencia. Las leyes examinadas reconocen que los trabajadores tienen derecho a recibir información sobre los criterios algorítmicos que pueden influir en la asignación de tareas, los ingresos y la evaluación del desempeño. Por ejemplo, en México, la Ley Federal del Trabajo establece que las plataformas deben informar de manera clara sobre factores como las calificaciones, incentivos y penalizaciones que impactan en la asignación de tareas.
A pesar de este avance, Mantilla-León advierte que este reconocimiento es insuficiente, ya que las plataformas pueden limitarse a informar sobre las variables utilizadas sin explicar cómo se tradujeron en resultados específicos para un trabajador. Esto subraya la necesidad de no solo una mayor transparencia, sino también de explicabilidad en las decisiones automatizadas.
La distinción entre transparencia y explicabilidad
La diferencia entre transparencia y explicabilidad es crucial. Mientras que la transparencia permite conocer los elementos que intervienen en un sistema, la explicabilidad busca que los trabajadores comprendan el razonamiento detrás de una decisión automatizada. Esta diferencia es fundamental, ya que conocer solo las reglas generales no proporciona a los trabajadores la información necesaria para entender por qué se vieron afectados por una acción específica.
Por ejemplo, una plataforma puede indicar que considera la ubicación y las calificaciones, pero eso no explica por qué un trabajador recibió menos pedidos o su cuenta fue suspendida. El informe de Derechos Digitales resalta que las obligaciones actuales suelen limitarse a descripciones generales de criterios y variables, dejando a los trabajadores en la oscuridad.
Desafíos en la comprensión del sistema algorítmico
La falta de claridad sobre el funcionamiento de los algoritmos ha sido documentada en diversas investigaciones. Un estudio reciente analizó la experiencia de repartidores y conductores en el Área Metropolitana de Buenos Aires, revelando que métricas como las calificaciones de clientes y las tasas de aceptación pueden afectar la cantidad de pedidos que recibe un trabajador y su acceso a mejores oportunidades laborales.
Las investigadoras identificaron límites en su estudio, ya que aunque pudieron identificar algunas variables utilizadas por las plataformas, no lograron entender completamente cómo se combinaban ni cuánto peso tenía cada una en una decisión. Esta falta de información puede obligar a los trabajadores a «desencriptar las reglas del juego» de manera independiente para mejorar su rendimiento y sus ingresos.
Implicaciones económicas de la opacidad algorítmica
Las consecuencias económicas de esta opacidad son significativas. Una variable que parece menor puede influir en las oportunidades laborales y los ingresos, incluso si el trabajador desconoce con claridad cómo se estableció esa relación. Además, el estudio mostró que ciertas decisiones de los trabajadores, como rechazar trayectos por razones de seguridad, podrían ser penalizadas por sistemas que premian altas tasas de aceptación.
Esto pone de manifiesto que algunas reglas, aunque parezcan neutrales, pueden amplificar desigualdades preexistentes en la sociedad. Por ejemplo, investigaciones en otros contextos han demostrado que las calificaciones de clientes con sesgos raciales pueden afectar las puntuaciones de los trabajadores, perpetuando discriminación y brechas salariales.
La importancia de una revisión eficaz de decisiones automatizadas
Para Mantilla-León, no es suficiente informar sobre cómo se tomó una decisión automatizada; es crucial que los trabajadores tengan la posibilidad de revisar esa decisión, especialmente si puede impactar significativamente su labor, como en el caso de bloqueos o suspensiones de cuentas. En este sentido, varios países de América Latina han implementado mecanismos de revisión humana para decisiones automatizadas.
No obstante, persisten interrogantes respecto a la eficacia de estos mecanismos. Las normas no siempre establecen plazos para las revisiones ni la independencia de quienes las realizan, lo que puede convertir este proceso en un mero trámite formal sin capacidad real para corregir decisiones injustas.
La necesidad de supervisión y transparencia en los algoritmos
Incluso si una plataforma proporciona información acerca de las variables que utiliza, surge una pregunta crítica: ¿quién garantiza que el sistema funcione como se asegura? Según Mantilla-León, este es uno de los desafíos clave en la implementación de nuevas regulaciones. Las autoridades encargadas de la supervisión necesitan contar con los recursos y el personal especializado necesarios para evaluar estos sistemas de manera efectiva.
Además, el acceso a la información sobre estos algoritmos es un punto en debate. Aunque el código fuente puede ser una herramienta útil para examinar el funcionamiento de un sistema, su conocimiento por sí solo no garantiza que los trabajadores comprendan el porqué de una decisión. Derechos Digitales ha documentado casos en los que las plataformas han invocado secretos industriales para rechazar auditorías o solicitudes de acceso al código fuente.
El camino hacia una regulación efectiva y justa
Las nuevas regulaciones en América Latina han comenzado a reconocer el derecho de los trabajadores a recibir información, pero aún queda mucho por resolver. Es fundamental determinar cuánto pueden conocer realmente los trabajadores sobre los sistemas que impactan sus ingresos y qué acciones pueden tomar cuando una decisión les afecta negativamente. Mientras esta situación persista, los trabajadores seguirán enfrentando la incertidumbre de saber que existen reglas sin entender cómo estas influyen en su situación laboral. Mantilla-León enfatiza que es crucial dar voz a los trabajadores en este proceso, para que puedan ser parte activa en la construcción de un entorno laboral más justo y transparente.

Más historias
Millonarios crean en Uruguay la primera «nación autónoma» tecnolibertaria impulsada por inteligencia artificial
Descubre Muse: La Inteligencia Artificial de Meta que te Asiste y Recopila tus Datos
Deja de llevar inspiración de IA a tu peluquero: ¡Descubre por qué!