El avance de la inteligencia artificial en el mundo laboral ha impulsado la aparición de prácticas como los precios basados en vigilancia y la discriminación salarial algorítmica. En el pódcast The Weekly Show, conducido por Jon Stewart, el escritor y activista tecnológico Cory Doctorow explicó que ambas dinámicas responden a un mismo principio operativo de monitoreo constante.
Para detallar la mecánica con la que operan estos sistemas, el activista precisó:
"Ocurre cuando usas un algoritmo para segmentar a una audiencia basándote en datos de vigilancia conductual: 'He visto lo que haces, te he seguido la pista a ti y al uso que haces de un servicio', y luego empiezas a hacer experimentos con esos segmentos para ver cuál es el precio más alto que aceptarán o el salario más bajo que aceptarán".
Esta dinámica, según expuso Doctorow, convierte el rastreo de comportamiento del usuario en el motor principal para calibrar las ofertas y ajustar los ingresos laborales de manera automatizada.
Presión en tiempo real: el modelo de Uber
Esta metodología tuvo sus primeros antecedentes masivos en las plataformas de transporte de pasajeros. En el programa, Doctorow detalló que un conductor de Uber dispone de apenas 20 segundos para evaluar y aceptar una solicitud mientras maneja en el tráfico. Si el trabajador acepta pagos reducidos por necesidad o prisa, el algoritmo registra esa flexibilidad y tiende a ofrecerle tarifas aún menores en los siguientes trayectos.
Ante esta explicación, Jon Stewart reaccionó sorprendido al constatar cómo la plataforma utiliza la propia conducta del trabajador para presionar a la baja sus remuneraciones. Además, se abordó cómo estas empresas terminaron por desacoplar la tarifa que paga el usuario del monto que recibe el chofer, rompiendo el esquema inicial de tarifas dinámicas compartidas.
La "prima de desesperación" en el sector salud
Esta lógica de optimización se ha trasladado al ámbito sanitario a través de aplicaciones de contratación de personal médico. Doctorow citó investigaciones de la abogada Veena Dubal y de la especialista Lindsay Owens, mediante reportes de Groundwork Collaborative y el Roosevelt Institute, que revelan cómo estas plataformas compran información a corredores de datos financieros.
Al referirse al impacto directo sobre las enfermeras contratadas por aplicación, el escritor puntualizó:
"Compran datos de tarjetas de crédito a corredores de datos. Y cuanta más deuda pendiente de tarjeta de crédito tienes, menor es el salario que te ofrecen... porque es una 'prima de desesperación'".
Con este planteamiento, los análisis presentados en el pódcast evidencian cómo la urgencia de liquidez y las deudas del trabajador son aprovechadas por la tecnología para fijar remuneraciones por debajo de la media del mercado.
Automatización masiva frente al control tradicional
Al comparar este escenario con épocas industriales pasadas, Doctorow argumentó que los antiguos patronos de las minas de carbón habrían aplicado estos métodos si hubieran dispuesto de la tecnología actual. No obstante, en el pasado resultaba inviable mantener observadores personales sobre cada obrero para alterar planillas de sueldo en tiempo real.
Para ilustrar la diferencia estructural de la IA frente a los métodos del pasado, Doctorow enfatizó:
"Sabes que había jefes de las minas de carbón que habrían hecho esto si hubieran podido, ¿verdad? Pero no iban a poder contratar a un ejército de agentes Pinkerton para perseguir a cada minero (...) y tener una sala llena de tipos (...) cambiando sus salarios 10 veces por minuto. Para esto es para lo que necesitas la IA. Esto es lo que la automatización te da en el lado del salario".
Así, el diálogo entre Stewart y Doctorow concluyó que la inteligencia artificial otorga a las corporaciones una capacidad de ajuste salarial instantáneo e inalcanzable bajo los esquemas analógicos del pasado.
Ver Video
