Cuando los algoritmos convierten el trabajo en un juego de apuestas

Tras una larga semana conduciendo, Domingo estaba a una carrera de alcanzar su 96º trayecto, momento en el que recibiría una bonificación de 100 dólares de Uber. Al igual que otros conductores, recibía un salario por carrera insosteniblemente bajo, por lo que dependía de las bonificaciones, los recargos y otros incentivos similares para llegar a fin de mes. Pero nada de esto era predecible ni constante; el acceso a estos incentivos cambiaba cada semana. Algunas semanas, Domingo no recibía ninguna bonificación, aunque sus amigos sí. Pero esa semana en concreto, había recibido uno, y se apresuró a conseguir el número de viajes necesarios, haciendo sus cálculos con los 100 dólares en mente. Iba a ser su dinero para la compra.

Eran las diez y se encontraba en una zona popular de Los Ángeles. Envió un mensaje a su pareja para decirle que probablemente llegaría pronto a casa. Pero en lugar de eso, condujo durante 45 minutos, esperando a que el algoritmo le diera otra carrera. Estaba seguro de que la aplicación Uber le estaba saltando, repartiendo viajes a gente que no estaba tan cerca de alcanzar su bonificación, para que él se mantuviera más tiempo en el grupo de conductores disponibles. ¿Debía aguantar o rendirse y dar por terminada la noche? La situación era enloquecedora.

La experiencia de Domingo aquella noche no fue simplemente una cuestión de mala suerte o azar. Más bien fue un resultado de ingeniería basado en los avances tecnológicos que, en las dos últimas décadas, han introducido niveles extremos de control y vigilancia en el lugar de trabajo en todos los sectores. Estos avances han dado lugar a una serie de preocupaciones ahora bien conocidas: limitaciones de la privacidad y la autonomía de los trabajadores, la posibilidad de que la discriminación social se filtre en los sistemas de aprendizaje automático, y una falta general de transparencia y consentimiento en relación con la recopilación y retención de datos en el lugar de trabajo.

Pero para un número cada vez mayor de trabajadores con bajos ingresos y pertenecientes a minorías raciales en Estados Unidos, la recopilación de datos en el trabajo y los sistemas algorítmicos de toma de decisiones están teniendo otro impacto profundo aunque ignorado: están socavando la posibilidad de estabilidad económica y movilidad a través del empleo al transformar los términos básicos de cómo se paga a los trabajadores.

En lugar de recibir un sueldo por hora predecible -o una mensualidad-, los trabajadores como Domingo y otros que trabajan en el sector de la logística han estado ganando dinero con un nuevo sistema en el que sus salarios, que fluctúan constantemente, están estrechamente vinculados a la gestión algorítmica del trabajo. Bajo estos nuevos esquemas de remuneración, los trabajadores cobran salarios diferentes -calculados mediante fórmulas opacas y siempre cambiantes que reflejan la ubicación individual del conductor, su comportamiento, la demanda, la oferta y otros factores- por un trabajo muy similar. Mientras que empresas como Uber utilizan precios dinámicos y estructuras de incentivos, empresas como Amazon pagan a los trabajadores a través de "bonificaciones" determinadas algorítmicamente y tarjetas de puntuación que influyen en el comportamiento del conductor a través de la vigilancia y la adjudicación digitalizada.

En un nuevo artículo, me baso en un estudio etnográfico de varios años, el primero de su tipo, sobre la organización de los trabajadores bajo demanda para examinar estos cambios drásticos en el cálculo, la coordinación y la distribución de los salarios: el uso de datos granulares para producir una remuneración impredecible, variable y personalizada. Basándome en las experiencias de los trabajadores en su puesto de trabajo, construyo un marco novedoso para entender el ascenso de las prácticas de pago variable digitalizadas, o la transferencia de la discriminación de precios del consumidor al contexto laboral, lo que identifico como discriminación salarial algorítmica. Como técnica de fijación de salarios, la discriminación salarial algorítmica abarca no sólo el pago digitalizado por el trabajo realizado, sino, sobre todo, las decisiones digitalizadas para asignar el trabajo y juzgar el comportamiento de los trabajadores, que son determinantes importantes del control de la empresa.

Aunque las empresas han recurrido durante algún tiempo a la retribución variable basada en el rendimiento, mi investigación en el sector del transporte a demanda sugiere que la discriminación salarial algorítmica plantea una serie de problemas nuevos y distintivos. A diferencia de las formas más tradicionales de retribución variable, como las comisiones, la discriminación salarial algorítmica surge de (y funciona de forma similar a) la práctica de la discriminación de precios de consumo, en la que se cobra a los consumidores individuales tanto como la empresa determina que están dispuestos a pagar.

Como práctica de gestión laboral, la discriminación salarial algorítmica permite a las empresas personalizar y diferenciar los salarios de los trabajadores de forma desconocida para ellos, pagándoles para que se comporten de la forma que la empresa desee, quizás por la cantidad mínima que el sistema determine que pueden estar dispuestos a aceptar. Dada la asimetría de información entre los trabajadores y la empresa, las compañías pueden calcular las tarifas salariales exactas necesarias para incentivar los comportamientos deseados, mientras que los trabajadores sólo pueden adivinar por qué ganan lo que ganan.

Además de estar plagada de errores que son difíciles o imposibles de determinar y corregir por parte de los trabajadores, la discriminación salarial algorítmica crea un mercado laboral en el que personas que realizan el mismo trabajo, con la misma habilidad, para la misma empresa, al mismo tiempo, pueden recibir un salario por hora diferente. Además, este salario personalizado se determina a través de un sistema opaco y complejo que hace casi imposible que los trabajadores puedan predecir o comprender su remuneración, que con frecuencia disminuye.

En todas las empresas, tanto en la economía bajo demanda como, en algunos casos, fuera de ella, las prácticas opacas que constituyen la discriminación salarial algorítmica plantean cuestiones centrales sobre la naturaleza cambiante del trabajo y su regulación en el capitalismo informacional. En primer lugar, ¿qué hace que el pago por el trabajo sea justo hoy en día? ¿Cómo cambia y afecta la discriminación salarial algorítmica a la experiencia cotidiana del trabajo? Y, teniendo en cuenta estas cuestiones, ¿cómo debería intervenir la ley en este momento de ruptura?

Una economía moral del trabajo: imparcialidad salarial

Aunque el sistema de trabajo estadounidense se regula en gran medida mediante contratos con una fuerte deferencia hacia la "prerrogativa empresarial", dos restricciones generales con respecto a los salarios han surgido de los movimientos sociales y laborales para abordar las preocupaciones morales sobre las injusticias distributivas: las leyes sobre el salario mínimo y las horas extraordinarias, que establecen un precio mínimo para la compra de mano de obra (en relación con el tiempo), y las prohibiciones sobre la discriminación en los términos, condiciones y privilegios del empleo, que exigen a las empresas ofrecer "igual salario por igual trabajo". Puede entenderse que ambos conjuntos de leyes salariales forman un núcleo moral fundamental para la regulación de la mayor parte del trabajo en Estados Unidos.

Incluso durante la era Lochner, cuando la Corte Suprema de EE.UU. era hostil a las leyes de precios salariales, interpretándolas como excesos del poder del Estado y como una intrusión en la libertad de contratación de los trabajadores, la Corte defendió con frecuencia otra legislación relacionada con los salarios a través de la lógica de la imparcialidad en el cálculo salarial. Esta lógica, plasmada en los casos McClean contra el Estado de Arkansas y Knoxville Iron Company contra Samuel Harbison, subrayaba la importancia del proceso de fijación de salarios: los trabajadores industriales debían recibir una remuneración justa en forma y método. Si un minero debía cobrar por la cantidad de carbón que extraía, la empresa minera no podía pesar el carbón después de pasarlo por una criba. Es decir, una empresa no podía atribuir valor al trabajo de un obrero introduciendo un instrumento nuevo y opaco para calcular los salarios.

La discriminación salarial algorítmica representa una desviación drástica de estas normas de imparcialidad. Incluso dejando de lado la preocupación de que los salarios determinados algorítmicamente no alcancen un salario mínimo, este método de remuneración es imparcial porque determina el salario de una persona a través de un medio totalmente impredecible y opaco: el trabajador no puede saber lo que la empresa ha decidido algorítmicamente que vale su trabajo, y la forma tecnológica de cálculo hace que el salario de cada persona sea diferente, incluso si su trabajo, en todos los demás aspectos, es el mismo.

Este proceso opaco de pago también contribuye a un tipo más familiar de discriminación salarial. Según lospropios datos de Uber, interpretados por sus propios investigadores, las mujeres que trabajan para la empresa ganan aproximadamente un siete por ciento menos que los hombres. Sus economistas atribuyen la diferencia salarial, entre otras cosas, a "la lógica de los diferenciales compensatorios", es decir, a los mecanismos de fijación de precios y variación del tiempo de inactividad de los conductores. Los autores del estudio comparan la brecha de salarial de género encontrada entre los conductores de taxi y la encontrada entre licenciados en Derecho y Administración de empresas, que, según los estudios, se deben en gran medida a preferencias individuales correlacionadas con el género, como trabajar menos horas o en empleos peor pagados. Sin embargo, al contrario que en el caso de los abogados o los gestores de empresas, la diferencia salarial entre los conductores de Uber no puede explicarse porque las trabajadoras elijan trabajar menos horas o incluso determinadas horas. Más bien, los factores determinantes que hacen que las conductoras estén peor pagadas que sus compañeros hombres se deben en gran parte a la estructura del pago de salarios -la discriminación salarial algorítmica-, que compensa a los trabajadores de forma diferente por conducir en zonas concretas y a velocidades diferentes. Esto, según los propios datos de Uber, da lugar a una discriminación salarial por razón de género.

La ruleta de pedir un coche

Además de socavar las normas de imparcialidad salarial establecidas desde hace mucho tiempo, la discriminación salarial algorítmica también cambia significativamente la experiencia cotidiana del trabajo. Los trabajadores no sólo lamentan la falta de previsibilidad y los bajos salarios, sino que también se quejan de sentirse constantemente engañados por las tecnologías automatizadas, especialmente cuando han llegado a confiar en una técnica para ganar y el sistema cambia de repente.

En el transcurso de mi investigación, cuando los salarios de los conductores que trabajan con estas aplicaciones seguían bajando, los oí con frecuencia quejarse de la "cultura de casino" generada por el trabajo bajo demanda. En lugar de describir las diversas formas en que son gestionados algorítmicamente a través de la lente de los "juegos", como se discute a menudo en la literatura [de la "gamificación" o "ludificación"], los trabajadores de mi investigación hablaron de su experiencia de trabajo a través de la lente de las "apuestas". Por ejemplo, así es como Ben, conductor y organizador de Rideshare Drivers United, describió su experiencia:

¡Es como apostar! La banca siempre gana... Por eso dan y quitan herramientas: para que aceptes todos los viajes, aunque te cuesten dinero. Siempre piensas que te va a tocar el gordo. Si consigues 2-3 de estos buenos viajes, esas son las capturas de pantalla que la gente comparte en los próximos meses. Esos son los recibos que mostrarán.

Ben no era el único que utilizaba este lenguaje. Muchos conductores describieron los términos oscuros con los que ganaban a través de las ideas de la incertidumbre y la manipulación de datos. Es "mecánica de casino", decía a menudo Nicole. Domingo, el conductor veterano cuya experiencia dio comienzo a este artículo, tenía la sensación de que, con el tiempo, le estaban engañando para que trabajara cada vez más tiempo, por cada vez menos. En su opinión, Uber no estaba cumpliendo su parte del trato. Había trabajado duro para alcanzar su objetivo y conseguir su bonificación de 100 dólares, pero se dio cuenta de que el algoritmo estaba utilizando ese hecho en su contra.

En las interacciones dinámicas entre un trabajador y la aplicación, la máquina -como un supervisor- es un poderoso conducto personalizado de interés y control empresarial. Pero a diferencia de un jefe humano, la opacidad unilateral, las incoherencias y los diseños crípticos de la máquina crean experiencias compartidas de riesgo y agencia limitada entre los trabajadores.

Sin embargo, quizá lo más insidioso sea que las incertidumbres manufacturadas de la discriminación salarial algorítmica también generan esperanzas -de que una tarifa ofrezca un gran pago o que la garantía de el "reto" de la próxima semana sea superior a la de esta semana- que aplazan o suspenden temporalmente el reconocimiento de que "la banca siempre gana". La crueldad de esos momentos temporales de optimismo se hace patente una vez más cuando los trabajadores reciben su paga y restan sus costes.

Abolición de los datos

Algunos de los perjuicios mencionados pueden abordarse mediante soluciones conocidas, aunque difíciles de encontrar: asegurarse de que los conductores sean reconocidos como asalariados y no como autónomos, o establecer unos niveles salariales mínimos adecuados. Sin embargo, ciertos perjuicios derivados de la remuneración variable digitalizada -la incertidumbre constante y la sensación de manipulación- exigen una regulación adicional.

Algunos grupos organizados de trabajadores y sindicalistas han dirigido su activismo contra los datos y el control algorítmico que son invisibles para ellos. Recurriendo a las leyes de privacidad de datos, algunos trabajadores tanto en Europa como en EE.UU. están presentando demandas para hacer transparentes los datos y algoritmos que determinan su salario. Otros están participando en intentos de transparencia de datos a través de la contra-recolección de datos, lograda a través de cooperativas de datos.

Pero, por las razones que expongo más extensamente en mi artículo, abordar los extraordinarios problemas que plantea la discriminación salarial algorítmica debe ir más allá de los modelos de transparencia, consentimiento y propiedad. En su lugar, invito a los estudiosos del trabajo y la gobernanza de datos a pensar de manera más amplia no sólo sobre los parámetros legales de si la recopilación de datos es consentida, qué sucede con los datos después de que se recogen, y quién es el propietario de los datos, sino también sobre la abolición legal de la extracción digital de datos en el trabajo, o lo que he llamado la "abolición de datos".

La extracción digitalizada de datos en el trabajo no es ni inevitable ni, especialmente cuando se analiza a través de la lente de la economía moral, un instrumento necesario de gestión laboral. Adoptando este enfoque, propongo una prohibición de las prácticas algorítmicas de discriminación salarial que, a su vez, puede desincentivar o incluso eliminar el uso de ciertas formas de recolección de datos y vigilancia digital en el trabajo que durante mucho tiempo ha preocupado a los estudiosos del derecho de la privacidad, el trabajo y la igualdad.

LA AUTORA. Veena Dubal. Es profesora de derecho en U.C. Hastings College of the Law, San Francisco. Fuente: https://lpeproject.org/blog/the-house-always-wins-the-algorithmic-gamblification-of-work/ Traducción: David Guerrero para Sin Permiso.