Doxa 2039

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

Por José Parra-Moyano y Amit Joshi

Mano de obra

Harvard Business Review

#Doxa #datos #relaciones #laboral #frontera #IA #conflicto #empleado #empresa #huelga #calidad #industria #compensación #cooperativa #personal #negociación #empresa

Resumen. El auge de la IA (y, en particular, el crecimiento de la IA de generación anterior) ha introducido nuevos puntos de conflicto entre empleados y empresas. Algunos de ellos ya han empezado a manifestarse, como en la huelga del Writers Guild of America sobre cómo se puede o no utilizar la IA en la industria del entretenimiento. Pero otros todavía están en el horizonte. A medida que la IA se integra más en las empresas, los datos de alta calidad para entrenar a la IA se vuelven más valiosos y una parte más importante de la contribución de los empleados. Las empresas deben analizar si los empleados serán compensados ​​por sus datos y cómo, así como cuestiones como quién posee y controla esos datos. Una posible solución son las cooperativas de datos, 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. Estas tienen el potencial de beneficiar mutuamente a las empresas y a los empleados, y construir una relación positiva y colaborativa en torno a un posible punto de conflicto futuro en las relaciones laborales.

El impacto de la IA, y en particular de la IA generativa, se está sintiendo en todas las industrias . Pero, si bien los ejecutivos están entusiasmados con el potencial de esta tecnología, los trabajadores administrativos suelen ser cautelosos sobre lo que puede significar para ellos, sus trabajos y su futuro. Estas diferentes percepciones están creando nuevas tensiones y presentando 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. En particular, está la huelga de 148 días organizada en 2023 por el Writers Guild of America (WGA) , un sindicato que representa a 11.500 guionistas. La huelga paralizó la industria del entretenimiento durante meses antes de terminar finalmente con un acuerdo por el cual la IA no puede escribir ni reescribir material literario, que el material generado por IA no se considerará material original (lo que significa que el material generado por IA no se puede utilizar para socavar el crédito de un escritor o sus derechos separados), que la explotación del material de los escritores para entrenar a la IA está prohibida y que los escritores pueden elegir utilizar la IA cuando realizan servicios de escritura, pero la empresa no puede exigir al escritor que utilice software de IA cuando realiza 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 en tres años, lo que significa que los escritores se verán obligados a renegociar muy pronto. En segundo lugar, no está claro cómo se hará cumplir el acuerdo, ya que no hay una forma garantizada de verificar si los datos han sido ingeridos o no por un LLM. En tercer lugar, el acuerdo no dice nada sobre la entrada de personas externas a la industria. OpenAI ha iniciado una ofensiva para promover Sora , su herramienta de generación de videos basada en IA, entre los cineastas y los estudios de Hollywood. En principio, nada impide a los estudios y cineastas comenzar a generar guiones y videos 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 deben comenzar a prepararse para la posibilidad de que la ansiedad por la IA impulse los esfuerzos de sindicalización de los trabajadores de cuello blanco y la acción colectiva. El Proyecto de Ley de IA lanzado por el Traders Union Congress (una federación de sindicatos que representa a los trabajadores de cuello blanco y azul sindicalizados en Inglaterra y Gales) muestra evidencia de cómo los sindicatos están evolucionando rápidamente para aumentar la voz de los trabajadores en el uso de la tecnología en el trabajo.

Todos los problemas mencionados anteriormente tienen su raíz —directa o indirectamente— en el acceso a datos contextuales de alta calidad. Los datos son la información 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 una IA de alta calidad. Actualmente, la WGA no regula la generación y el uso de los datos creados por una fuerza laboral, y las últimas regulaciones de protección de datos, como la Ley de IA de la UE, se centran mucho en evitar el monitoreo de los empleados , pero no en cómo se puede utilizar el contenido generado por los empleados 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 una manera significativa y duradera, los conflictos seguirán litigándose mediante enfrentamientos y negociaciones fragmentadas.

Las cooperativas de datos ofrecen un camino significativo hacia adelante. Son un modelo organizacional que permite a las personas reunir sus datos con el propósito de ganar poder de negociación con las empresas que analizan sus datos. Cooperativas como Swash , datum , MIDATA , Gener8 , SAOS , GISC y Data Worker's Union brindan vías para que las personas moneticen y administren sus datos, transformando su papel (y el de ellos) en la economía digital. Estas cooperativas enfatizan 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 fines de lucro de los datos de los miembros de las cooperativas, lo que permite a terceros obtener información de esos datos (de una manera responsable y que preserva la privacidad). Por lo tanto, las cooperativas de datos pueden satisfacer una demanda de información basada en datos o capacitación en inteligencia artificial . Al mismo tiempo, brindan a las organizaciones datos actualizados periódicamente y de alta calidad que son extremadamente relevantes para su contexto. Esto significa que los miembros tienen control sobre sus datos y pueden dar permiso a empresas específicas para utilizarlos de manera 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 las ganancias de los empleadores mientras reduce los puestos de trabajo de los empleados . Sin embargo, la dependencia de la IA de los datos actualizados pone en tela de juicio esta visión por tres motivos:

• Las capacidades de producción de contenido de la IA generativa pueden afectar a funciones como la publicidad y el marketing , el diseño de medicamentos y la innovación , el diseño y desarrollo de productos y procesos . De hecho, el impacto de la IA generativa en los trabajos de programación ya se está sintiendo .
• Como los modelos de IA consumen una gran cantidad de datos, se los puede entrenar no solo con los productos terminados, 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 de IA internos.
• La mayoría de las organizaciones ya cuentan con grandes minas de oro de datos pasados, muchos de los cuales se pueden usar con éxito para entrenar previamente o ajustar modelos de IA.

Por ejemplo, pensemos en un equipo de ingenieros que trabaja en el sistema de transmisión de un nuevo modelo de coche. Este equipo puede estar formado por varias docenas de personas con distintas habilidades y experiencias. Al mismo tiempo, todos los fabricantes de automóviles tienen acceso a grandes cantidades de datos de la creación de sistemas de transmisión anteriores, incluidos su rendimiento, costes y procesos de diseño. Por tanto, es previsible que las empresas busquen trasladar una mayor parte del trabajo inicial a la IA, lo que repercutirá en varios puestos de trabajo de oficina en este ámbito.

Sin embargo, la IA necesita conjuntos de datos más nuevos, más limpios y más grandes para aprender y mejorar su desempeño. Las organizaciones que dependen de las capacidades actuales de la IA pueden descubrir tarde o temprano que los algoritmos que utilizan comienzan a funcionar peor que antes debido al “deterioro del modelo”, es decir, la degradación del desempeño de la IA con el 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, gustos y moda cambian constantemente. Y los humanos necesitamos revelar nuestras preferencias, reírnos y participar cuando algo nos parece gracioso y usar un producto que nos parece de moda. Los datos más valiosos serán los que nos conciernen a los humanos y, por lo tanto, nuestra interacción con los sistemas digitales es la que da como resultado esos datos. Eliminar al humano implica eliminar los datos sobre la persona para la que la IA está diseñada para generar contenido. Solo nosotros podemos determinar si nos parece lo suficientemente divertido ese chiste, si ese sutil cambio de color está de moda o si ahora es necesario algo nuevo, porque simplemente generar lo que nos gustaba hace tres meses ya no es suficiente.

Este mismo hecho, que surge solo 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 empleadores y empleados, ya que los empleados humanos son fundamentales para generar datos más nuevos que eventualmente pueden impulsar la IA.

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

En el contexto del trabajo, son los conocimientos prácticos, las capacidades de resolución de problemas y las habilidades en evolución de los empleados los que cambian con cada nuevo desafío e innovación. Por lo tanto, los datos más valiosos para la IA que puede hacerse cargo de las tareas de los trabajadores provendrán directamente de las tareas que realizan los trabajadores, ya que su interacción práctica con herramientas, sistemas y clientes genera los datos precisos que la IA necesita para seguir siendo precisa y útil.

Es aquí donde  las cooperativas de datos ofrecen un nuevo enfoque a la gobernanza de datos al permitir que los trabajadores sean copropietarios y gestionen sus datos colectivos a través de un proceso de toma de decisiones más o menos descentralizado. Esto sucede porque los miembros de una cooperativa de datos pueden reunir en un solo paquete datos que actualmente están aislados en diferentes fuentes. La agregación de datos que los miembros generan a partir de diversas fuentes y situaciones puede conducir al desarrollo de nuevos productos, servicios y modelos comerciales que serían inalcanzables mediante contribuciones individuales únicamente o mediante la utilización de datos de fuentes únicas (como una empresa, una plataforma, un proveedor de servicios, etc.).

Además, una vez que los trabajadores comienzan a ver la monetización de sus datos por parte 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 funcionan como proveedores de datos de entrenamiento y siguen las reglas del mercado para satisfacer una demanda insatisfecha (la de entrenar sistemas de IA con datos actualizados). Y esto se puede hacer de manera que preserve la privacidad , de modo que los miembros de la cooperativa mantengan en privado su información privada. Este modelo de organización empodera a los trabajadores al permitirles establecer reglas compartidas para el uso de los datos, lo que potencialmente mejora 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 diferentes 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 solo paraguas. Hay varios modelos para hacer esto: algunos usan blockchain, otros usan aplicaciones de terceros, mientras que otros almacenan datos localmente y simplemente dan a los usuarios más control sobre quién tiene acceso a ellos y cómo se pueden usar.

Ahora que los datos se utilizan cada vez más como factor de producción (es decir, como insumo) en la economía, parece natural que surjan cooperativas de datos como solución. Esta 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 un individuo con el empleador.

Los datos y el trabajo, ambos factores críticos de producción, comparten el desafío de la fragmentación. Sin embargo, difieren en el hecho de que los datos crean valor principalmente en grandes volúmenes. Por lo tanto, es necesario agregarlos para liberar su valor a través de información. Es debido a esa agregación necesaria que hablamos de “big data”.

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 también 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 generar beneficios económicos y sociales más amplios que van más allá del mero poder de negociación.

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

Para que se libere este valor económico —y para que tanto los empleadores como los empleados prosperen en la economía de los datos— todos los involucrados deben aumentar su nivel de alfabetización en materia de datos. Tanto los trabajadores como los empleadores deben comprender cómo los datos crean valor, es decir, al agregarse y analizarse para revelar información y patrones que puedan mejorar la toma de decisiones y entrenar modelos de inteligencia artificial. Además, los trabajadores deben comprender cómo contribuyen a la creación y gestión de dichos datos mientras trabajan, y utilizar la influencia colectiva que les otorgan las cooperativas 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 tengan control sobre los datos que ofrecen y reciban una compensación justa por ello, los empleadores y los empleados deben seguir estos pasos para poder dar forma al futuro de la economía digital y, por lo tanto, al futuro del trabajo:

1. Evaluar los recursos y el potencial de datos internos de la organización.

Los empleadores y los empleados deberían comenzar por realizar una auditoría exhaustiva de los datos que la organización ya recopila y genera, centrándose en identificar datos que podrían ser valiosos para la capacitación o el análisis de la IA. En ese ejercicio, la identificación de los datos generados por los empleados puede servir como base para cuantificar la contribución de los empleados al valor basado en datos generado por la organización. El “ Observatorio de algoritmos de los trabajadores ” es una iniciativa nacida en la Universidad de Princeton que permite a los trabajadores obtener datos de forma colectiva e investigar los sistemas algorítmicos detrás de las plataformas que determinan los salarios, los horarios y más en la economía de plataformas y más allá. Los empleadores y los empleados pueden utilizar esta iniciativa como inspiración y apoyo.

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

Las organizaciones pueden implementar programas de capacitación para mejorar la alfabetización de 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 cooperativas de datos, se crea un conocimiento valioso. Este conocimiento permite a los empleados generar más valor mediante los datos de las organizaciones y, al mismo tiempo, permite que todas las partes interesadas relevantes de la organización tengan una comprensión 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 son compensados ​​por ello, y los empleadores obtienen datos de mayor calidad a cambio. La empresa farmacéutica Roche es pionera en este área .

3. Incorporar 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 se pueden utilizar sus datos en cooperación con 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 ayudar a atraer nuevos talentos. Este tipo de cláusulas se están debatiendo en iniciativas como la del  Data Workers Union , 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. Al ser 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 sacrificar más.

Dada la naturaleza dinámica de la sociedad, la IA necesitará (al menos en el futuro previsible) los datos y la orientación de los humanos para generar valor real. Por lo tanto, los trabajadores desempeñarán un papel fundamental para mantener la relevancia de la IA. Es la combinación de trabajo, capital e IA la que, en todo caso, generará el valor que proyectan consultoras como McKinsey . Por lo tanto, los trabajadores deberían centrarse en comprender la interacción entre el capital, el trabajo y los datos, y comenzar a guiar el debate sobre el futuro del trabajo con la comprensión correcta de la naturaleza de la IA.

Los líderes empresariales también deberían comprender las dependencias entre el capital, el trabajo y los datos para proponer de manera proactiva marcos colaborativos que permitan a las organizaciones (y, por ende, a la sociedad) prosperar en la era de la IA.

Leer más sobre Trabajo o temas relacionados Tecnología y analítica , Analítica y ciencia de datos y Gestión de datos

José Parra-Moyano es profesor de Estrategia Digital en el Instituto Internacional para el Desarrollo Gerencial (IMD Business School) en Suiza. Su investigación se centra en la gestión y la economía de los datos y la privacidad, con especial atención a cómo las organizaciones pueden utilizar técnicas de análisis de datos e inteligencia artificial para aumentar su competitividad. Es un docente galardonado, cuya investigación ha sido publicada en revistas académicas de primer nivel.

Amit Joshi es profesor de IA, análisis y estrategia de marketing en IMD y se especializa en ayudar a las organizaciones a utilizar la inteligencia artificial y desarrollar sus capacidades de big data, análisis e IA. Profesor e investigador galardonado, tiene una amplia experiencia en transformaciones impulsadas por la IA y el análisis en sectores como la banca, la tecnología financiera, el comercio minorista, los servicios, la automoción, las telecomunicaciones y la industria farmacéutica.