# "¿Quién habla cuando habla la Inteligencia Artifical?"  Con Milagros Miceli

https://www.youtube.com/watch?v=vHp9fXZJ74I

[07:29] Bueno, buenas tardes a todes, todas.
[07:34] Vamos a dar comienzo ya a la charla.
[07:40] Eh, que bueno, ya hay las personas que se han acercado y también hay varios que están siguiendo la actividad eh online.
[07:57] Así que bueno, vamos a ir dando comienzo.
[08:01] Es realmente un gusto, un placer poder darle la bienvenida a Milagros Micheli, a nuestra facultad, a es una invitada de lujo que bueno que estamos muy complacidos de poder tener acá para, yo creo, continuar una conversación que hemos eh comenzado hace no mucho tiempo en la Facultad de Humanidades, pero que se ha ido desarrollando a.
[08:29] Partir de las intervenciones de distintas voces y de muchos quienes ven en este tema de la inteligencia artificial y en relación y en un sentido más general de nuestra relación, eh, como institución educativa con la cuestión de los cambios tecnológicos, los desafíos que nos plantean.
[08:50] Es una conversación que se ha abierto y yo creo que, bueno, la llegada de Milagros nos va a permitir continuarla y seguramente potenciarla en muchos, eh, sentidos, ¿no?
[09:04] ¿Cómo impacta la inteligencia artificial en muchos aspectos de la vida social actual, pero sobre todo y particularmente en lo que atañe a nuestra facultad, en la producción de conocimiento y el desarrollo de los procesos educativos?
[09:22] Milagros fue recientemente reconocida como una de las 100 personas más influyentes por la revista Time, influyentes en relación con el.
[09:31] Desarrollo de la inteligencia artificial.
[09:35] Y como una de las 100 científicas más brillantes por la ciudad de Berlín.
[09:42] Eh, entonces, bueno, ese reconocimiento fue en parte lo que eh dio el puntapié inicial para que nosotros las pudiéramos conocer, sobre todo quienes no somos expertos en el tema.
[09:51] Y ahí eh bueno, en una conversación con Aurelia, con Aurelia Liberardino, que nos va a acompañar eh hoy en esta actividad y que bueno, un poco está impulsando también ese tema.
[10:04] Eh, surgió naturalmente eh las ganas de tenerla aquí para estar eh planteando toda una serie de cosas que veíamos que te estabas planteando a través de distintos eh de distintas investigaciones, de distintas intervenciones de profesores, de investigadores, de trabajadores de nuestra facultad.
[10:30] Y en ese sentido es para nosotros muy importante tenerte.
[10:32] Aquí, eh, Milagros.
[10:35] Sobre todo en este momento, tan en estos tiempos tan difíciles, en estos días tan complicados, eh, tan marcados por la incertidumbre, por los embates eh que estamos sufriendo en relación con todo lo que tiene que ver con la Constitución de lo público en nuestro país y que se dirigen también de forma particular a las universidades y al sistema científico.
[11:03] Y bueno, actividades como estas son una oportunidad también para reunirnos, para conversar, para reconstituir lazos y para pensar colectivamente, ¿no?
[11:15] Bueno, y en este caso, eh, esta conversación colectiva me parece que tiene una impronta especial porque hay un punto de convergencia, creo, primero y muy básico y muy importante para nosotros como somos.
[11:33] facultad que tiene que ver con resaltar el lugar de las ciencias sociales en este debate sobre eh las transformaciones tecnológicas y sus impactos.
[11:43] eh sociales.
[11:44] Bueno, Milagros es socióloga, es también doctora en ingeniería informática y bueno, y en este eh diálogo que se estableció con con Aurelia, me parece que lo que surgió como punto de convergencia primero es eh esta idea de eh resaltar todo lo que las ciencias sociales tienen para decir en relación con el tema de la inteligencia artificial.
[12:13] cuestiones que muchas veces tienen que ver con plantear preguntas muy básicas, eh como bueno, eh hay un relato sobre que la tecnología va a suplantar el trabajo humano, eh qué hay detrás de la inteligencia artificial, quiénes son los trabajadores que están allí, cientos de
[12:34] Millones de trabajadores detrás de, bueno, de todas estas transformaciones a las que accedemos a partir de los atractivos que presenta la innovación tecnológica.
[12:49] Bueno, esas preguntas básicas que sabemos que están en la base de los conocimientos que producimos en instituciones como estas y que permiten resuar, orientar, componer debates y reflexiones sobre los aspectos fundamentales que atañen a estas cuestiones.
[13:14] Y bueno, y otro punto de convergencia que creo que lo podemos encontrar en algunas de las intervenciones que ha tenido también Aurelia en relación con este tema tiene que ver, me parece, en cómo se piensa nuestra relación con la tecnología y en pensar esa relación como atravesada por el conflicto o al menos por las tensiones.
[13:34] Y entonces hay.
[13:36] Allí una pregunta sobre cómo incorporamos, cómo reconocemos esa dimensión conflictiva o tensionante en todo lo que vamos a ir construyendo en relación con la inteligencia artificial y cómo se aplica a distintas instancias de la vida social.
[13:56] Eh, bueno, me parece que esas son como cuestiones muy básicas que comparten Aurelia y un grupo de profesores de investigadores de esta facultad con los que estamos constituyendo un programa de la Facultad sobre inteligencia artificial que pronto se radicará en el ID.
[14:14] Y bueno, estas actividades son también un poco las que nutren el sentido sustantivo de la reflexión que queremos llevar adelante con esto.
[14:25] Así que la invitación es a escuchar a Milagros y bueno, aprovechar todo lo que seguramente nos podrá aportar en relación a reflexionar a partir de la.
[14:38] Inteligencia artificial también sobre los complejos tiempos que estamos viviendo.
[14:44] Paso la palabra a Aurelia para que haga una presentación más detallada de bueno currículum de de Milagros y bueno las características de la actividad que les estamos proponiendo.
[15:02] Gracias, Fernal.
[15:05] Eh, buenas tardes.
[15:05] Buenas tardes, Milagros, Diana, que te acompañada a Milagro.
[15:10] Eh, bueno, voy a dar un poquito más de detalle sobre el currículum de Milagros, que es extensísimo, pero tomé un extracto.
[15:20] Pero antes que eso, quiero hacer una breve mención a la calidad humana de Milagros y me parece interesante, más allá de los datos académicos, reponer en este contexto lo que significa eh.
[15:39] Un ser humano como Milagros.
[15:42] Eh, me parece importante, creo que un lunes como el que tenemos hoy merece que le pongamos humanidad, que le pongamos eh un un cuerpo así como el de Milagros, de decir, "Sí, claro que voy a acompañar a ustedes, a la universidad pública en esta actividad."
[15:59] Para mí eso tiene muchísimo valor y me parecía importante reponerlo, ¿no?
[16:04] Entonces, primero gracias por eso, eh, que desde ese lugar nos estés acompañando y que cuentes también lo que te moviliza la Universidad Nacional de La Plata con todo lo que nos comentabas hoy.
[16:16] Pero bueno, más allá de que parezca muy casero, creo que que vale la pena destacar los aspectos humanos en tiempos de de extrema crueldad.
[16:29] Para mencionar sí su enorme capacidad académica.
[16:34] Vamos a decir algunas cuestiones de de su CV, en principio que.
[16:40] Es socióloga e informática, y eso que ya lo mencionaba también internal, me parece que es la clave un poco de nuestras búsquedas en una Facultad de Humanidades y Ciencias de la Educación.
[16:54] Un perfil que combina, que puede hacer converger una práctica tan situada como puede ser la sociología con un aspecto técnico como es la informática.
[17:06] Sus investigaciones fundamentalmente tienen que ver con la generación de datos, de preguntarse cómo se generan los datos para un aprendizaje automático.
[17:17] Y su centralidad está puesta en las condiciones laborales y las dinámicas de poder en el trabajo con datos, ¿no?
[17:26] Es parte de la Unidad de Investigación de Datos, Sistemas Algorítmicos y Ética del Instituto Weizenbaum y profesora en la Universidad Técnica de Berlín.
[17:38] Eh, por otro lado, es investigadora.
[17:40] Principal del proyecto Data Workers Inquiry, un espacio para que los trabajadores de datos participen activamente en la investigación de la IA.
[17:52] E premios, los más relevantes, uno fue del 2025 que mencionaba Hernán, esto de estar considerada como una de las personas más influyentes eh en trabajo sobre la IA, tiene muchísimos premios más.
[18:06] Y en ese contexto de ese semejante evente tan bonito que tiene Milagros y de su calidad humana, yo les decía, Milagros viene a condensar esta esta suerte de doble vía, de esta doble mirada entre los datos de la informáticos y los datos de la realidad.
[18:29] Y a propósito de eso, tenía preparado otra cosa, pero como siempre, hoy que toca un lunes bastante raro, mientras venía pensando en cómo cómo presentarlo, se me ocurrió.
[18:42] Simplemente hacer esta mención para ver en qué estamos pensando cuando cuando pensamos en la facultad, en esta inscripción de la Facultad de Humanidades y Ciencias de la Educación sobre Inteligencia Artificial, se me ocurrió esto, contraponer dos imágenes.
[18:58] Que tienen que ver con dos literaturas.
[19:01] Por un lado, una frase que yo repito mucho y que creo que nos va a hacer sentido y tiene que ver con algo que decía Arthur Clark, un autor de ficción, cuando decía que toda tecnología muy avanzada es indistinguible de la magia y eso explica en parte la relación que tenemos con la, ¿no?
[19:21] La relación un poco traumática que tenemos con la IA.
[19:24] Y por el otro lado, y es inevitable que haga esta referencia, pensaba en otra en otra escritura eh acompañada por música y pensaba en Atahual Payupan que decía, eh las penas son de nosotros y las vaquitas son ajenas, ¿no?
[19:41] O me parecía que esas dos imágenes, estas dos literaturas venían a.
[19:43] Componer un poco el esfuerzo por unificar la inteligencia artificial como una producción, como una tecnología.
[19:52] Que tiene mucho de magia porque no sabemos exactamente qué es lo que contiene allí, por lo menos no desde el sentido común.
[19:58] Y por otro lado, esta cuestión que tiene más que ver con las inscripciones territoriales, con lo que significa ese lado B de las inteligencias artificiales, que son las que menos están a las vistas, las que menos nos saltan cuando interactuamos con una tecnología y que son las que me parece que reclaman nuestra atención, ¿no?
[20:20] Y fundamentalmente en una facultad como la nuestra.
[20:26] Creo que ese imaginario, esa doble vía nos puede ayudar para pensar un poquito a propósito de estas metodologías para pensar la autoridad epistémica en la aunque más no sea como un gran titular para darte el pie y disfrutar de de luchar.
[20:42] Así que milagros, te escuchamos.
[20:46] Atentamente.
[20:46] Muchas gracias.
[21:00] Bueno, eh buenas tardes también.
[21:04] Ahora son muchas cosas que tengo que manejar acá en simultáneo, así que ténganme paciencia, por favor.
[21:08] Eh, buenas tardes.
[21:11] Eh, la verdad que es un gustazo estar acá.
[21:13] Eh, muchas gracias, Aurelia por esa presentación tan generosa.
[21:17] Yo creo que después de de toda esa preámbulo, cualquier cosa que diga va a sonar a menos de lo que acaba de decir Aurelia, porque realmente eh fueron muy muy generosos conmigo.
[21:29] Eh, y también resaltar eso, ¿no?
[21:31] La calidad humana cuando uno es bien recibido en un lugar, ¿no?
[21:35] Cuando uno se encuentra las charlas con Aurelia, eh, ¿no?
[21:41] La amabilidad en tiempos como estos, ¿no?
[21:43] En un lunes como este, la...
[21:46] Amabilidad frente a la crueldad.
[21:49] Y sí, creo que es muy importante.
[21:52] Quiero rescatar eso más allá de cualquier cuestión académica o intelectual o de mi trabajo de lo que voy a hablar ahora.
[22:01] Además de agradecerles por la amabilidad, también les quiero agradecer porque realmente estoy hoy cumpliendo un sueño.
[22:07] Les contaba recién a los y las colegas en una reunión que tuvimos donde me recibieron no solo con sandwichitos de miga, que es lo mejor, la mejor, el mejor recibimiento que me podían haber dado, pero de verdad que me están cumpliendo un sueño.
[22:20] Yo les contaba que cuando en el 2000, 2001, 2002, cuando yo intentaba estudiar en la UBA, pero me costaba mucho porque trabajaba 10,000 horas por día y bueno, la vida, después la tuve a Ana, mi hija que está acá, no toda la gente que yo conocía que venía de que estudiaba acá en La Plata, me parecían que eran genios, de que eran seres intelectuales superiores, y que mi fantasía era que acá en la Universidad Nacional de La Plata se vivió una movida intelectual que yo.
[22:48] Nunca iba, a la cual yo nunca iba a acceder.
[22:52] Eh, así que desde ahí siempre yo no conocía ni la plata ni la universidad.
[22:54] Siempre fue mi sueño o uno de mis sueños conocerla y hoy llego acá y me reciben también.
[22:58] Realmente esto es eh magia pura.
[23:00] Eh, así que bueno, agradecerles por eso.
[23:03] En realidad quería empezar esta charla con otra historia y esta es la historia de cómo yo llego eh a estudiar esto tan extraño que es la inteligencia artificial, como socióloga.
[23:15] Yo sí soy, tengo esos títulos que Aurelia tan generosamente mencionaba, pero más que nada y primero que nada fui y soy socióloga.
[23:25] Como socióloga me contratan en el Instituto Alemán de Internet eh en un grupo donde solamente había gente de la informática.
[23:32] Yo llego, soy la única socióloga.
[23:34] El grupo se ocupaba de la ética de la inteligencia artificial y hacían cosas fantásticas desde un lugar de buena intención.
[23:41] Eh, esto hace casi una década y yo llego a ese grupo y lo.
[23:49] Primero que me llama la atención, más allá de las buenas intenciones y de lo ocupado de las cosas que hacían, era que todo el mundo estaba fabricando artefactos.
[23:56] Estaban mirando, ¿no?, métricas, estaban mirando algoritmos, estaban eh mirando sistemas y herramientas.
[24:06] Y yo lo que les planteo es: ¿y quién está mirando a la gente y quién habla de las relaciones entre esas personas y las relaciones entre esas personas, el mercado que está detrás de no del desarrollo de estas herramientas y entre esas personas y las tecnologías?
[24:19] ¿Quién está mirando esto?
[24:21] Bueno, en ese grupo nadie lo estaba haciendo.
[24:23] Esto es lo que vengo a hacer yo.
[24:24] Y como socióloga eh que se interesaba y te especializaba en el en el trabajo, en lo laboral, termino eh muy rápidamente, ¿no?, preguntando, bueno, ¿quiénes son las personas que sostienen con su trabajo la inteligencia artificial?
[24:39] Y muy rápidamente llega un lugar donde era algo nunca visto, que era el trabajo de datos.
[24:48] Para empezar o para ponernos de acuerdo.
[24:51] O para que ustedes sepan y no tengamos un sentido común sobre lo que a lo que me refiero cuando hablo de trabajo de datos, quiero empezar definiéndolo.
[24:59] Cuando hablo de trabajo de datos, estoy hablando de todo el trabajo que va a producir conjuntos de datos para la inteligencia artificial, para el entrenamiento de la inteligencia artificial.
[25:08] Eso antes del trabajo de lo que se llama del modelado, eh, y después todo el mantenimiento, ¿no?
[25:15] Hay mucho trabajo de datos que tiene que ver con el mantenimiento, que quiere decir que se vigila, que esos es como una supervisión humana que se le hace a esos modelos viendo que funcionen de acuerdo a lo planeado, de acuerdo al diseño, de acuerdo a cómo estaba planteado eh cómo estaba planteada esa herramienta o esa tecnología.
[25:33] Eh a grandes rasgos los dividimos y eh para que sepan, estas son tareas eh instrucciones reales que se le dieron a trabajadores de datos, ¿no?
[25:43] Entonces, a grandes rasgos, las dos más de arriba que son la generación eh de datos, empieza con la generación de datos.
[25:50] Este grupo de tareas tiene que.
[25:52] Ver con puede ser recolectar datos de internet o generar eh datos con el propio cuerpo, ¿no?
[25:57] Grabar un una una, ¿cómo es? una toma de voz, ¿no?
[26:04] Una grabación de la propia voz, eh, o subir una foto de algo que haya, ¿no?, en tu casa, en tu barrio, una selfie, puede ser, o como en este caso, subir una prescripción de tus antiojos.
[26:16] Eh, después esos datos una vez que están generados hay que analizarlos, ¿no?
[26:19] Siempre es importante saber que los datos se producen, no crecen, no no crecen en los árboles y están ahí, bueno, y alguien los recolecta, sino que se producen y se producen en este a través de estas tareas.
[26:28] La segunda clase de tarea tiene que ver con la interpretación, la pura clasificación eh de esos datos, ¿no?
[26:38] Y y que tiene que ver con tareas de etiquetado, anotación, también la moderación de contenido, ¿no?
[26:43] Esto de separar el contenido que se puede ver del que no se puede ver.
[26:47] Esto también es, decimos, es un tipo de anotación o de etiquetado porque es realmente es una tarea que son son es la.
[26:53] Misma tarea, solamente que una está hecha con eh con flujos de datos que vienen en vivo, ¿no?
[26:58] Pero en realidad la tarea es básicamente la misma.
[27:03] Después de una vez que ya el modelo está entrenado, todavía se faltan los seres humanos.
[27:07] Por eso esto de que el mito de que solamente se necesitan los trabajadores y trabajadoras de datos para el, digamos lo anterior al trabajo de modelado es es un mito.
[27:20] Eh, hay tareas de verificación donde realmente literalmente eh los y las trabajadoras se sientan con un sistema, interactúan con él y eh dicen, dejan pasar diferentes resultados de acuerdo a a instrucciones específicas.
[27:36] Entonces, bueno, a partir de ahí se se da esta verificación o esta supervisión de que el sistema funcione.
[27:43] Y finalmente, la tarea que no todos eh saben que existe, que es la que lo que llamamos suplantación, que como su nombre lo indica, son eh trabajadores y trabajadoras, seres humanos, haciendo.
[27:53] como que son diligencias artificiales.
[27:56] Esto se da mucho en diferentes ámbitos.
[27:59] El primero es el ámbito de los bots o de
[28:00] los chatbots, donde eh cuando un chatbot
[28:04] no funciona o cuando realmente no hay un
[28:06] chatbot, hay personas detrás contestando
[28:08] como si fueran y las instrucciones
[28:10] literalmente como contesta como si
[28:12] fueras un chatbot e con opciones
[28:14] preexistentes con y el usuario, bueno,
[28:17] creyendo que que hay un chatbot,
[28:18] nosotros tenemos ahora una pieza que
[28:20] está a punto de salir donde se tematiza,
[28:23] un trabajador habla de cómo él está
[28:25] haciendo eh trabajando básicamente como
[28:29] si fuera un acompañante de inteligencia
[28:32] artificial, ¿no? Una de estas novias o
[28:33] novios que son chatbots
[28:36] y detrás de eso no hay una inteligencia
[28:38] artificial o en este caso no hay una
[28:40] inteligencia artificial, sino que hay un
[28:41] hombre eh en un barrio popular en
[28:45] Nairobi contestando las eh los mensajes
[28:47] como si fuera una novia eh robot. Eh,
[28:52] esto se da mucho, se da mucho más de lo
[28:54] que uno piensa. Y ustedes se
[28:56] preguntarán, ¿por qué? ¿Por qué? ¿Por
[28:58] qué alguien diría que tiene un chatbot
[28:59] si en realidad no lo tiene? Bueno, el
[29:01] tema es que la guía vende, ¿no? Y a esto
[29:04] quiero llegar. La guía vende. Hay
[29:06] estudio, el otro día leí un estudio que
[29:08] muestra que eh si una empresa, hay mucha
[29:11] también presión para las empresas para
[29:13] incorporar inteligencias artificiales en
[29:15] algún lugar de su modelo de negocios, ya
[29:17] llegamos a un punto donde ni se mira
[29:19] cuál es qué cuál es el negocio de ese de
[29:22] ese de esa empresa, sino es, bueno,
[29:24] incorpora Ia, tenés un kosco, incorpora
[29:26] IA, tenés una pollería, bueno, en algún
[29:28] lado tenés que poner una IA. Eh, hay,
[29:31] les decía que el otro día leí un estudio
[29:32] que decía que hay eh si una si una
[29:36] empresa de lo que sea dice que va a
[29:38] incorporar una guía en algún lugar de su
[29:40] cadena de su eh plan de negocios, las
[29:44] los inversores tienden a darle entre un
[29:46] 15 y un 50% más de inversiones que si
[29:49] dicen, "No, no voy a incorporar."
[29:51] Entonces, bueno, por supuesto, a veces
[29:52] no necesitan una o la ya no es la la
[29:55] solución eh indicada. ¿Qué hacen?
[29:57] contratan, bueno, gente que haga como
[30:00] que son una. Esto lo hemos visto de
[30:02] primera mano, no no es eh no son fake
[30:06] news. E pero bueno, en aquel momento,
[30:10] ¿no? Esto ahora un poco lo con el diario
[30:13] del lunes después de muchos años de
[30:15] investigación, pero en aquel momento,
[30:17] ¿no? Volviendo a ese momento donde yo
[30:19] como socióloga llego a este grupo de
[30:20] investigación, eh de los si las
[30:24] trabajadoras de datos no se hablaba o se
[30:26] hablaba en un nicho muy específico.
[30:28] Disculpen que los estos son títulos de
[30:30] papers reales de de aquella época del eh
[30:33] 2000 entre el 2015 y el 2020. Disculpen
[30:36] que estén en inglés. Eh ahora los
[30:39] traduzco un poco la idea, pero eh había
[30:42] un nicho muy específico, ¿no?
[30:44] Especialmente en la informática donde se
[30:45] hablaba un poco del trabajo de datos o
[30:47] esto del crowdsourcing o etcétera, ¿no?
[30:50] Tiene el trabajo de datos tuvo
[30:51] diferentes nombres eh según avanza la la
[30:54] las épocas. E y lo que a mí me llamaba
[30:57] la atención cuando logro dar primero
[31:00] digo, "Ah, bueno, hay gente pensando en
[31:01] el trabajo de datos, pero lo que me
[31:03] sorprende es que se los trata y lo se
[31:06] puede ver claramente en estos títulos,
[31:07] se los trata como herramientas, como se
[31:10] los trata como un factor más dentro de
[31:12] un sistema,
[31:14] pero no como personas. Entonces, los
[31:16] títulos, ¿no? Por ejemplo, voy a leer
[31:18] traducir uno, que es este, el tercero,
[31:20] ¿no?, que es eh comprendiendo y
[31:24] mitigando los sesgos de los trabajadores
[31:27] dentro de esto del crowdsourcing,
[31:30] especialmente en las tareas eh de eh
[31:34] tareas de clasificación subjetiva, ¿no?
[31:37] Esto de mitigar, de entender para
[31:40] mitigar, ¿no? Es era es un montón es
[31:44] mitigar las subjetividades de los y las
[31:46] trabajadoras. Es quiero necesito tener
[31:49] trabajadores y trabajadoras de carne y
[31:50] hueso, pero no quiero que piensen por sí
[31:52] mismo. Tienen que pensar otra vez como,
[31:55] bueno, destrucciones renal literales,
[31:56] pensar como robot. Eh, tienen que ser un
[32:00] proxy de mi de mi subjetividad, ¿no? Y
[32:03] esto es lo que buscan estos grandes
[32:04] gigantes tecnológicos. Los y las
[32:06] trabajadoras son proxis de sus
[32:08] lineamientos ideológicos.
[32:13] Entonces,
[32:15] cuando yo empiezo a investigar, ¿no? Lo
[32:17] primero que salta mi investig, pero yo
[32:18] digo, esto desde las ciencias sociales
[32:20] era muy fácil de ver. Lo que pasa que no
[32:22] es que yo era particularmente brillante,
[32:24] que era realmente era muy evidente, ¿no?
[32:27] Esto de de los trabajadores como proxis
[32:29] y esta idea de nos tenemos que que domar
[32:32] para que piensen igual que nosotros, no
[32:34] les podemos dejar ningún tipo de espacio
[32:36] para su pensamiento subjetivo porque si
[32:38] no esto nos pudre los sistemas. era muy
[32:40] muy prevalente. Era muy muy prevalente
[32:42] en en la industria y en este nicho del
[32:46] que les hablo en la investigación.
[32:47] Cuando yo llego a investigar digo,
[32:48] bueno, pero no sé qué es lo que quieren
[32:51] mitigar con con de la subjetividad de
[32:53] estas personas si no les están dejando
[32:55] ningún espacio, digamos, no no son una
[32:57] amenaza, no sé por qué los tratan a los
[32:59] trabajadores y trabajadoras de datos
[33:00] como una amenaza, si no les están
[33:01] dejando ningún espacio para y para que
[33:04] usen sus subjetividades y el sistema
[33:05] está diseñado para que eso no suceda.
[33:11] Lo primero que observo es que hay una
[33:12] separación muy marcada entre el trabajo
[33:15] de datos y el trabajo este de, ¿no?, de
[33:18] los desarrolladores de los modelos, el
[33:20] trabajo de los científicos de datos, de
[33:24] los eh de los ingenieros. Y lo digo eh
[33:28] lo digo intencionalmente masculino
[33:30] porque son ellos, ¿no? Es eh son ellos
[33:34] en esta en esta idea y en este discurso,
[33:36] ¿no? Es la idea del eh eh del genio
[33:40] visionario en Silicon Valley, que tuvo
[33:42] una idea fantástica y la hizo de la se
[33:45] hizo de abajo desde su garage, ¿no? Y la
[33:48] realizó y no sé qué y llegó ahí. es como
[33:50] una idea muy de una masculinidad muy
[33:53] específica, ¿no? Entre esta imagen del
[33:56] genio visionario del del del eh
[34:00] ingeniero del del genio de la IA, hoy
[34:03] los vemos, ¿no? Se enuncian los diarios
[34:05] que les pagan sueldos de jugadores de
[34:06] fútbol, eh se anuncia el pase de una
[34:09] empresa de un gigante tecnológico al
[34:12] otro. Eh, todo esto sale los diarios, se
[34:14] usa para el marketing, se usa para para
[34:17] se se publicita, digamos.
[34:20] Y la contracara de esto es el trabajo de
[34:22] datos, ¿no? Los y las trabajadoras de
[34:24] datos no aparecen en ningún lado, están,
[34:27] digamos, fuera del discurso público.
[34:30] Nadie habla de esto. Ninguna empresa va
[34:32] a hacer público el número de
[34:33] trabajadores o trabajadoras de datos que
[34:35] se necesitan para sostener sus
[34:37] tecnologías. Eh, es un trabajo que más
[34:40] bien se oculta, es un trabajo mal pago,
[34:43] eh es un trabajo también que se
[34:45] considera no calificado, ¿no? Nada de
[34:47] esto del genio visionario ni nada de
[34:49] esto parecido. Entonces, bueno, esto y
[34:52] esta separación más allá de lo
[34:54] simbólico, es también eh
[34:58] muy real en cuanto a lo a lo físico, en
[35:02] cuanto a lo geográfico, ¿no? tenemos eh
[35:05] una tenemos eh una separación donde los
[35:08] y las trabajadoras de datos no están en
[35:11] las mismas en las mismas empresas,
[35:13] digamos, donde están estos ingenieros
[35:16] ingenieros. No están en eh no están en
[35:20] los mismos edificios tampoco, no es que
[35:21] se pueden ver o comunicar o o se conocen
[35:24] y fundamentalmente no están en los
[35:26] mismos países. Este el trabajo de datos
[35:28] cuando se hace escala está tercerizado y
[35:31] se terceriza y hay una intención acá que
[35:34] lo vamos a ver, lo vamos a desarrollar
[35:35] un poco durante la charla un poco más
[35:37] adelante. E es intencional que el
[35:40] trabajo de datos se eh tercerice y se se
[35:44] lleve a los márgenes. No es que
[35:46] solamente se terceriza a cualquier lado,
[35:48] sino que se terceriza intencionalmente a
[35:51] lugares donde no hay otras opciones,
[35:53] donde la gente no tiene otras opciones.
[35:55] Y como vamos a ver, dentro de esos
[35:57] lugares se buscan comunidades
[35:58] específicas,
[36:00] específicamente vulnerables para eh
[36:03] asegurarse
[36:06] un par de cosas que ya se las voy a
[36:07] decir.
[36:08] No no les voy a no voy a develar todo
[36:10] desde el comienzo.
[36:13] Lo importante para saber antes porque ya
[36:17] ya les voy a decir, ya van a ver por qué
[36:18] no lo quiero decir ahora o se los digo
[36:20] ahora, no quiero decir porque en
[36:21] realidad la idea de este proyecto es que
[36:23] los y las trabajadores trabajadoras
[36:26] hablen por sí mismos, que ellos
[36:29] produjeron eh videos y distintos
[36:31] formatos para contarles cómo se organiza
[36:33] el trabajo de datos. Entonces, e no
[36:36] quiero como spoilearles eh lo que van a
[36:40] contar los trabajadores y trabajadoras
[36:41] ellos mismos en un minuto, pero lo
[36:43] importante a saber es que las
[36:45] instrucciones que se les dan a los y las
[36:47] trabajadoras, la organización de este
[36:49] trabajo e las condiciones laborales en
[36:53] los cuales se desarrolla, la elección de
[36:55] los lugares a los cuales se terceriza,
[36:57] terceriza, todoo es parte de un sistema
[36:59] o de un dispositivo, como lo llamamos en
[37:02] un paper que publicamos hace un par de
[37:04] años, eh, que lo que hace es asegurarse
[37:07] que esas instrucciones y esos
[37:09] lineamientos ideológicos que se le dan a
[37:11] los y las trabajadoras muy desde arriba
[37:14] asegurarse que no cambien, que nadie las
[37:17] cuestione y que se apliquen de acuerdo a
[37:20] lo que eh los clientes, en este caso
[37:22] estos gigantes tecnológicos en general,
[37:25] pero también, bueno, como vamos a ver,
[37:26] también son universidades muy poderosas
[37:27] del mundo, eh quieren imponer como
[37:30] verdad, ¿no? Y esa esa es la idea. Esto
[37:33] esa es la idea, es imponer verdades
[37:35] sesgadas o realidades sesgadas o
[37:37] lineamientos, misiones sesgadas del
[37:40] mundo como eh como verdades absolutas.
[37:46] Entonces, observando esto, llego a eh
[37:49] hace 3 años más o menos a empezar a
[37:51] pensar en este proyecto que se llama
[37:53] Data Workers Inquiry, eh, o en español
[37:57] la investigación obrera de los y las
[37:58] trabajadoras de datos, que es un
[38:00] proyecto de investigación acción. eh
[38:03] donde invitamos a estos data workers o
[38:07] trabajadores trabajadoras de datos a que
[38:08] se nos unan eh como investigadores, como
[38:12] investigadoras, como expertos y
[38:14] expertas. Eh nosotros los y las
[38:17] invitamos a que ellos y ellas
[38:18] desarrollen las preguntas de
[38:20] investigación y vayan a sus lugares de
[38:21] trabajo a investigar cosas que les
[38:24] parezcan a ellos que son importantes,
[38:26] ¿no? No lo que nosotros queremos, sino
[38:28] ellos y ellas decidiendo por dónde
[38:29] llevar la investigación. Y la
[38:31] investigación también con la idea de que
[38:34] eh investiguen cosas que les sirvan a
[38:36] ellos y a ellas para organizarse, para
[38:38] pelear por mejores condiciones, ¿no? No
[38:40] cosas que a mí me sirvan para publicar
[38:42] un paper más que no lo va a leer nadie,
[38:44] lo van a citar dos personas. Entonces,
[38:46] la idea esa. Y lo que también hacen es
[38:50] más allá allá de desarrollar esta
[38:52] investigación es pensar en formatos que
[38:54] les sirvan eh o les parezcan a ellos y a
[38:56] ellas pertinentes para publicar los
[38:58] resultados de esas investigaciones. Eso
[39:00] es lo que ustedes encuentran si van al
[39:03] repositorio que tenemos en
[39:05] datag-workers.org.
[39:08] Eh, ahí tenemos un repositorio donde
[39:10] tenemos todas las piezas desarrolladas
[39:12] eh por eh y para trabajadores y
[39:16] trabajadoras de datos. Eh, no se no
[39:19] quiero desilusionarlos. Eh, no son
[39:22] papers académicos, ¿no? Lo que tenemos
[39:24] en el repositorio son formatos que están
[39:26] pensados para apelar a un público más
[39:28] amplio, pero también sobre todo a otros
[39:30] trabajadores y trabajadoras. Esta es la
[39:32] idea, ¿no? Que se comuniquen entre
[39:34] ellos. Y bueno, tenemos cómics, videos
[39:36] animados de distintos tipos. Les voy a
[39:39] mostrar igual unos pedacitos de de eso.
[39:41] Tenemos un documental, tenemos reportes
[39:43] varios, eh tenemos un fansin podcast, no
[39:46] sé, me seguro me estoy olvidando de
[39:47] algún formato, pero tenemos, ese es el
[39:49] tenor del trabajo que hicimos. Y por
[39:51] supuesto, no lo hice sola, lo hice lo
[39:53] hicimos con eh un grupo fantástico de
[39:56] académicos, académicas, eh trabajadores
[39:58] y trabajadoras de datos, estudiantes
[40:00] también. Y lo más importante son estas
[40:04] 28 personas, 28 trabajadores y
[40:06] trabajadoras de datos en cinco
[40:08] continentes que eh se nos unieron, que
[40:11] confiaron en nosotros y ellos y ellas
[40:13] son los autores de las piezas a las
[40:14] cuales me refería recién y que les voy a
[40:16] de las cuales les voy a mostrar un
[40:17] pedacito, porque como les decía antes,
[40:19] el espíritu de este trabajo es que ellos
[40:21] y ellas cuenten sus historias en sus
[40:24] propios términos y ellos hablen por
[40:26] ellos mismos, no yo por ellos o ellas.
[40:29] Em, como ven, hay algunas de las
[40:31] personas que eh no tienen foto, hay
[40:34] algunas que están con foto y nombre
[40:35] completo, otras personas no tienen foto
[40:37] y tienen un pseudónimo. Esto es porque,
[40:40] como les voy a contar en unos minutos,
[40:41] eh hay una hay una persistencia de un
[40:45] secretismo enorme dentro de esta
[40:47] industria. Así que realmente lo que
[40:50] quiero decir con esto es que estas
[40:52] personas, estas 28 personas que ustedes
[40:54] ven en la foto, en el mapita, son
[40:57] personas que arriesgan un montón para eh
[41:00] para unírsenos y para producir las
[41:03] piezas que ustedes van a ver hoy. Así
[41:04] que también eso es importante decirlo y
[41:07] sobre todo valor valorarlo. Antes de
[41:10] empezar a mostrarles un poco de lo que
[41:12] se produjo, quiero darles una
[41:13] advertencia de contenido. Realmente
[41:15] vamos a estar mostrando algunas cosas
[41:17] que son un poco fuertes, sobre todo en
[41:19] un lunes como este, donde creo que a
[41:20] muchos nos costó levantarnos y arrancar.
[41:23] El clima nos está ayudando mucho.
[41:26] Entonces, solamente decirles que vamos a
[41:28] estar hablando no solamente de violencia
[41:30] eh laboral y económico, económica, pero
[41:33] también de violencia de género, de
[41:35] violencia sexual, eh contra menores eh y
[41:38] bueno, otro tipo otros tipos de
[41:40] violencia. Solamente advertirle si hay
[41:41] alguien que necesita salir no pasa nada.
[41:47] Para hablar de cómo este trabajo está
[41:49] estructurado, como les decía, lo primero
[41:51] que hay que saber es que es un trabajo
[41:53] que cuando se hace a gran escala se
[41:55] terceriza. Cuando hablamos de
[41:56] tercerización estamos hablando de
[41:59] tercerización a eh a través de
[42:01] plataformas, ¿no? Plataformas como se
[42:03] las conoce de otro tipo de otros eh de
[42:06] otros tipos de de de plataformas como el
[42:08] Uber o como el Rapido, ¿no? del del
[42:12] trabajo eh donde no hay una una relación
[42:16] de empleo, donde se se paga no por el
[42:18] tiempo de él o la trabajadora, sino por
[42:20] el digamos por el trabajo realizado,
[42:23] ¿no? En un Uber es por el viaje
[42:24] realizado, en este caso es por el click
[42:26] o por el por la la etiqueta que se le se
[42:29] le se le agrega a un a un a una pieza de
[42:32] datos, etcétera. No hay protección, no
[42:36] tienen eh obra social, no tienen
[42:38] jubilación, no tienen ningún tipo de
[42:40] beneficio. Realmente es una situación
[42:43] muy muy precarizante y las plataformas
[42:45] hay muchas que hacen este tipo de
[42:47] trabajo de datos para la IA.
[42:50] Amazon Mechanical Turqu es una de las
[42:52] más viejas. que ya tiene como dos
[42:54] décadas, eh, no como dos décadas, tiene
[42:57] dos décadas e pero hay muchas otras,
[43:00] ¿no?, donde se realiza este tipo de
[43:01] trabajo. Y la segunda modalidad de
[43:04] tercerización
[43:05] eh también
[43:08] cuando esto está hecho a escala y para y
[43:10] para desarrollos, grandes desarrollos de
[43:11] inteligencia artificial, tiene que ver
[43:13] con e la tercerización a partir de
[43:16] empresas tercerizadoras o empresas
[43:19] especializadas en servicios. Ahí ven la
[43:21] sigla BPO, eh BPO, que es eh que es por
[43:25] el el es la la sigla en inglés que
[43:28] significa Business Process Outsourcing
[43:30] Company, que es eh una empresa
[43:32] tercerizadora de servicios. E por
[43:35] supuesto que si hablamos de
[43:36] tercerización eh hay clientes, ¿no?
[43:40] ¿Quiénes son los clientes? Los clientes
[43:42] son, como les decía antes, estas
[43:44] grandes, las gigantes tecnológicas
[43:46] principalmente, pero también empresas de
[43:48] desarrollos tecnológicos de distintos eh
[43:51] tamaños. Y también, y esto hay que
[43:53] reconocerlo, ¿no? Como académicos y
[43:54] académicas, tenemos que reconocer esto,
[43:56] que muchas veces las instituciones
[43:58] educativas, las instituciones eh de
[44:01] investigación son responsables,
[44:03] tercerizan trabajo de datos y son
[44:05] responsables de las condiciones
[44:06] laborales de estos estas personas
[44:09] trabajadoras. Por supuesto que también
[44:11] vale decir que no cualquier universidad
[44:13] tiene los fondos también en un contexto
[44:15] como el que estamos viendo acá en la
[44:16] Argentina, no todo el mundo tiene los
[44:18] fondos para desarrollar eh IA
[44:22] y por supuesto y tampoco para eh
[44:24] tercerizar trabajo de datos, pero esto
[44:27] de reconocer que hay académicos y
[44:29] académicas haciendo esto es muy
[44:31] importante
[44:35] cuando eh pasando específicamente y
[44:38] ahora sí mostrando un poco del trabajo
[44:41] que las trabajadoras. Creo que es
[44:43] importante ver esto de eh la falta de
[44:46] protección que caracteriza este trabajo,
[44:48] ¿no? La incertidumbre también, esto de
[44:51] como te pagan por el click o te pagan
[44:53] por la foto o lo que sea, ¿no? Eh, nunca
[44:56] sabes si vas a llegar a fin de mes,
[44:58] cuánta plata vas a ganar, si vas a poder
[45:00] pagar el alquiler, si vas a poder poner
[45:02] comedia en la mesa. Bueno, esta
[45:03] incertidumbre que caracteriza el empleo
[45:05] formal, tampoco es que inventaron la
[45:08] pólvora. Eh, pero digo también hay que
[45:12] ver un poco también la escala de esto,
[45:14] ¿no? Porque algo que no mencioné antes
[45:16] que esto no estamos hablando cuando
[45:18] hablamos de trabajo de datos, no
[45:19] hablamos de un par de cientos de
[45:21] trabajadores y trabajadoras, sino según
[45:23] estimativos del Banco Mundial, esto
[45:25] igual lo tomo con pinzas, pero ellos
[45:28] están hablando un estimativo del año
[45:30] pasado habla de entre 150 y 430 millones
[45:32] de trabajadores y trabajadoras de datos
[45:34] alrededor del mundo. 430 millones de de
[45:37] trabajadores es un montón de gente. Es
[45:38] como la población total de Estados
[45:40] Unidos es un montón de gente. E
[45:44] pero bueno, eh, para empezar a
[45:45] mostrarles, este es el la animación que
[45:47] hizo Oscarina Fuentes, que es una
[45:49] trabajadora de Venezuela. Les voy a
[45:51] mostrar un pedacito no más, unos
[45:53] segunditos. Siempre les pongo un QR, eh,
[45:55] si quieren, les interesa una pieza en
[45:58] particular, lo pueden escanear, no sé si
[45:59] llegan. Y si no, después compartimos los
[46:01] links e para que lo vean completo. Ella
[46:05] habla de justamente de esto del del
[46:07] trabajo de datos en las plataformas.
[46:09] No existen diéticos de plataforma que no
[46:11] existen por años. Alguno de los menos,
[46:14] otros busca por sorpresa, el día de hora
[46:16] es comenzar a trabajar o si es que es el
[46:19] día sal
[46:23] Bueno, como ven, ¿no? Esto de de que no
[46:25] haya garantías y también algo que
[46:27] Oscarina dice en otra parte del video es
[46:29] esto del trabajo no pago. Hay un montón
[46:31] de de tiempo no pago en este tipo de
[46:33] trabajo y en general en el trabajo de
[46:35] plataformas. el tiempo que toma
[46:37] encontrar una tarea, el tiempo que toma
[46:39] leer las instrucciones. Yo he visto
[46:41] instrucciones que eran largas de como de
[46:43] 60 hojas. Eh, no es que no no toma eso 2
[46:47] segundos. Eh, entender las leer las
[46:50] instrucciones, entenderlas. A veces las
[46:51] instrucciones están o en general en la
[46:53] mayoría de los casos están en inglés.
[46:55] Oscarina no habla inglés. Bueno, tiene
[46:57] que apoyarse en otra tecnología, ¿no? Es
[46:59] una guía para poder entender eh qué se
[47:02] le está pidiendo, saber si uno es la
[47:05] idóneo en esta en esta en para la tarea.
[47:09] En algunos casos hay eh test que uno
[47:12] tiene que pasar como una pruebita de que
[47:13] uno tiene que hacer para ver si lo van a
[47:15] dejar eh hacer la tarea. Todo eso es
[47:18] impago, ¿no? Hasta que uno llega
[47:19] realmente a hacer la tarea y le pagan
[47:21] por la tarea todo lo que pasó antes y
[47:22] todo lo que pasa después. Como vamos a
[47:24] ver después, encontrarse con el dinero
[47:26] es otro trabajito aparte. Eh, es trabajo
[47:30] no pago, porque claro, la gente son son
[47:34] freelancers, ¿no? Como dice eh este
[47:37] video, es Ruba, es un es un pseudónimo.
[47:40] Ruba es un trabajador de Brasil que
[47:42] habla, ¿no?, de cómo lo llaman
[47:44] contratantes independientes o
[47:47] contratistas independientes. Eh, y que
[47:50] esto qué significa, ¿no? Y cómo se los
[47:51] atrae. Vamos a ver para entrar
[47:56] relativas.
[47:58] A mão de obra chamada dees
[48:02] y atraída con calorosas promessas de
[48:05] obter bons ganhos e ter flexibilidade de
[48:09] horário para realizar tarefas que diz
[48:11] tão simples que parece até ser uma
[48:14] benfeitoria pagar alguém por aquilo, mas
[48:18] son atividades exigentes. A demanda é
[48:21] alta, o ritmo é ditado, a performance
[48:24] vigiada, o pagamento e o apagamento
[48:28] constante.
[48:34] Bueno, y no siempre se cobra por lo que
[48:36] uno hace, ¿no? Esto es es permanente en
[48:39] el trabajo de datos. Esto de que no te
[48:41] paguen por el trabajo que uno hace. Esto
[48:43] del robo de salarios es realmente una
[48:46] plaga. toma diferentes eh formas y
[48:49] colores. Eh, algunos de ellos, por
[48:52] ejemplo, un caso puede ser esto que
[48:54] encontró eh Alexis Chávez, que es un
[48:56] trabajador de datos también de Venezuela
[48:59] e hizo una encuesta con entre los entre
[49:02] trabajadores de esa plataforma tan
[49:04] grande que les digo que es la de Amazon.
[49:07] E y lo que él eh lo que él reporta es
[49:10] que eh
[49:13] a diferencia de sus colegas en Estados
[49:14] Unidos, quienes sí reciben dinero por su
[49:17] trabajo, a los trabajadores en zonas
[49:19] como Latinoamérica y otras zonas del
[49:21] llamado sur global, eh se les paga en su
[49:25] mayoría o únicamente con tarjetas de
[49:28] regalo. Estamos hablando de trabajadores
[49:30] que trabajan para la plataforma de
[49:32] Amazon, cobran con tarjetas de regalo de
[49:35] Amazon.
[49:37] que solamente se pueden usar en la
[49:38] plataforma de Amazon. Espero que se
[49:41] entienda, ¿no?, del círculo vicioso.
[49:47] Y por supuesto que acá hay uno, hay un
[49:49] robo de salarios, hay una pérdida de
[49:51] salario, porque no lo que lo que Alex
[49:54] reporta es que bueno, llegan estos
[49:56] trabajadores, estas trabajadoras, les
[49:58] dan la tarjeta de regalo, con eso
[49:59] compran algo en Amazon que después lo
[50:01] venden en sus eh en sus lugares,
[50:05] digamos, en sus comunidades locales, eh
[50:08] o compran bienes digitales que después
[50:10] los gastan, los cambian por cripto, que
[50:13] después esa cripto la gasta la cambian
[50:15] por sus monedas locales. O sea, para
[50:17] hacerse de dinero es un montón de
[50:19] trabajo, es un montón de tiempo y
[50:20] también un montón de plata que se les va
[50:22] en comisiones, en gastos de envío, en
[50:24] vender la mercadería más barata, porque
[50:26] obviamente que no la pueden vender más
[50:27] cara que en Amazon. Entonces, bueno,
[50:29] todo eso es una pérdida de salario
[50:31] enorme para esta gente que ya de por sí
[50:33] gana poco. Pero la mayor pérda de eh
[50:37] robo de o el mayor caso, perdón, el caso
[50:41] más prevalente de robo de salarios que
[50:43] se da en el trabajo de datos es lo que
[50:44] los trabajadores y las trabajadoras
[50:46] llaman eh rechazos en masa. ¿Qué son
[50:49] rechazos en masa? Son casos en los que
[50:51] el trabajo se hace, el trabajo de datos,
[50:53] le pas a un cliente se hace, se hace eh
[50:57] digamos eh según los trabajadores bien
[51:00] hecho, se le se le da al cliente,
[51:03] digamos, se le devuelve al cliente es
[51:04] esos datos ya etiquetados, esos datos
[51:06] que había que recolectar o ese trabajo
[51:08] que había que hacer. se le manda de
[51:10] vuelta al cliente y el cliente dice,
[51:12] "No, esto no se hizo de acuerdo a los
[51:14] estándares de calidad que yo tengo en mi
[51:16] empresa. No me gusta cómo se hizo. Lo
[51:18] rechazo." ¿Y qué pasa cuando lo rechaza?
[51:21] Al al trabajador, a la trabajadora, no
[51:23] se le paga. Y no hay forma de
[51:24] reclamarlo, eh, porque la mayoría de las
[51:26] plataformas tampoco es que tienen un
[51:28] chat o algo que le van a ir a reclamar a
[51:30] alguien. Andá a cantar. Realmente es un
[51:32] pagadió. Entonces, eh esto sucede todo
[51:37] el tiempo, pero eh vamos a verlo porque
[51:39] tenemos un video de eh un trabajador de
[51:42] datos en Siria que se llama Yaser al
[51:45] Rayés. es un eh y él cuenta, bueno, un
[51:48] su video es sobre un día en la vida de
[51:50] un trabajador de datos y le pasa esto en
[51:53] vivo.
[52:18] Vale la pena mencionar que Yaser no
[52:20] trabaja para una plataforma, sino
[52:21] trabaja para una de esas empresas
[52:23] tercerizadoras, ¿no? Donde uno podría
[52:24] pensar, bueno, tiene más seguridad,
[52:26] tiene más protección laboral. La verdad
[52:28] es que no, no son mucho mejores esas
[52:30] empresas tercerizadoras. Manejan con
[52:32] contratos cortos. Hemos visto contratos
[52:34] de hasta de 4 días, una semana. 3 meses.
[52:38] Eh, es muy normal. Eh, una parte del
[52:41] salario siempre depende de eh cuán bien
[52:44] hacen el trabajo eh los y las
[52:46] trabajadoras de datos, por supuesto, en
[52:48] estas condiciones sumamente arbitrarias,
[52:50] ¿no? Ya estamos hablando de ya empezamos
[52:51] a hablar de la autoridad epistémica.
[52:53] ¿Quién decide eh cuándo el trabajo está
[52:56] bien hecho? ¿Cuáles son los estándares
[52:57] de calidad? ¿Quién decide que un dato se
[53:00] interpretó correctamente? ¿No? Entonces
[53:03] digo, eh esto es está todo el tiempo
[53:06] presente con consecuencias económicas de
[53:08] este tipo. Fíjense que Yaser hace el
[53:11] trabajo y dice, "Yo yo creo que lo hice
[53:12] bien." Se lo manda dentro de su empresa,
[53:15] tiene dos supervisores, dos que le dan
[53:18] el okay para ese trabajo. Dicen, "Lo
[53:20] revisamos, está bien hecho." El trabajo
[53:22] después de que estos tres trabajadores
[53:24] lo revisaron, dicen, "Está okay, se lo
[53:26] mandan al cliente y el cliente tiene la
[53:28] autoridad para decir, no, no está bien."
[53:31] y el cliente tiene la razón. La la mera
[53:34] opinión del cliente, una opinión
[53:36] arbitraria,
[53:38] tiene más valor que la la que el trabajo
[53:40] de tres trabajadores eh de datos en este
[53:43] caso. O sea, imagínense los los las
[53:47] asimetrías de poder que hay en juego
[53:49] acá, ¿no? Y por supuesto que todo esto
[53:53] tiene socaba la salud mental de los y
[53:55] las trabajadoras, ¿no? Como dice
[53:57] Oscarina en su video, eh, llega a
[54:00] somatizar el estrés, le causa tanto
[54:02] estrés que llega a somatizarlo, ¿no? De
[54:04] esto ella habla habla mucho en su
[54:06] trabajo y como esto se vuelve un círculo
[54:08] vicioso porque le paga poco. Entonces
[54:11] ella, digamos, ella todo este estrés
[54:14] ella somatiza, le produce síntomas en su
[54:16] salud mental, también en su en su salud
[54:18] física, no puede gana tampoco y tiene
[54:21] tanta incertidumbre y tanta no tiene
[54:23] tampoco obra social, no puede ver, no
[54:25] puede pagarse un doctor, entonces los
[54:27] síntomas se agravan, etcétera, etcétera.
[54:30] Esto de la salud mental es realmente un
[54:32] un sí una es muy prevalente en este
[54:37] en esta población ocupacional de los y
[54:39] las trabajadoras de datos. Y por
[54:41] supuesto que esto se hace, se exacerva
[54:43] aún más cuando eh se trata de contenido,
[54:46] cuando los y las trabajadores trabajan
[54:48] con contenido violento o perturbador,
[54:50] ¿no? Eh, este eh esta persona es Mofat
[54:53] Poquinii, es un trabajador de datos eh
[54:56] en Nairobi, en Kenia. es el trabajó en
[54:59] el entrenamiento de Chat GPT, eh
[55:01] haciendo verificación algorítmica,
[55:03] digamos, interactuando con el sistema y
[55:06] eh intentando enseñándole que no
[55:08] reproduzca eh digamos contenido
[55:12] polémico y lo hizo a través de una
[55:15] empresa tercerizadora que se llama Sama
[55:17] o Sama Source en eh en Nairobi, Kenya.
[55:20] Vamos a escuchar lo que dice Mopat sobre
[55:22] el trabajo y también las consecuencias.
[55:24] Acá cuidado, hay algunas descripciones
[55:25] que por ahí no son eh los dejo al
[55:28] criterio de ustedes.
[55:33] the
[55:38] special
[55:44] people
[55:46] the fact that you are really about trade
[55:51] being
[55:53] it it hit me so much as a person as an
[55:57] individual because after working
[56:00] and my started changing and by that time
[56:03] I was married
[56:06] then my changing anding
[56:12] started questioning my but know
[56:17] you can't just explain someone se
[56:20] content
[56:24] so I this myself and
[56:35] Hay varias cosas, ¿no?, que uno podría
[56:37] resaltar y rescatar del testimonio de
[56:39] Mofat, que es mucho, mucho más largo que
[56:41] que lo que les muestro. Eh, pero quiero
[56:44] sobre todo hacer hincapié en dos cosas.
[56:46] La primera es cómo es las consecuencias
[56:49] de este trabajo, especialmente el cómo
[56:51] afecta la salud mental, no solamente
[56:52] afecta a trabajadores individuales o
[56:55] trabajadores específicos. sino realmente
[56:58] a familias y comunidades enteras. No,
[57:00] Mofat no es el único, no es la excepción
[57:02] en decirnos, eh, mi pareja me dejó, eh,
[57:05] mis hijos no me hablan, me aislé o me
[57:08] alejé de mis amigos, de mis amigas, eh,
[57:10] por cómo cambió, porque me deprimí,
[57:13] porque no tengo ganas de salir, porque
[57:15] tengo miedo, porque vi tantas cosas que
[57:17] de las cuales el ser humano es posible,
[57:19] que tengo miedo de de relacionarme con
[57:21] otros, tengo miedo de que mis hijos se
[57:23] relacionen con otros. eh cómo esto
[57:25] destruye eh relaciones y y comunidades
[57:29] realmente y relaciones comunitarias
[57:30] también. Y la segunda cosa que quiero
[57:33] resaltar es el secretismo que rodea a
[57:37] este a este tipo de de trabajo, ¿no? Eh,
[57:40] Mofan dice en un punto, bueno, en
[57:43] nuestra cultura keniana no hablamos de
[57:46] estas cosas, uno no toca estos temas. Yo
[57:49] la verdad es que me atrevería a decir
[57:50] que en tampoco en la nuestra ni en
[57:52] ninguna cultura es moneda corriente
[57:54] llegar y tomarte unos mates con unos con
[57:56] tus amigos y contarles cuántos videos de
[57:58] de violación grupal eh clasificaste hoy.
[58:02] Digo, es es difícil, ¿no? Es difícil
[58:05] hablar de estas cosas, hay un montón de
[58:07] vergüenza,
[58:09] pero también hay algo que e es
[58:13] importante resaltar y es que todos estos
[58:15] trabajadores y trabajadoras firman
[58:17] acuerdos de confidencialidad, los
[58:18] obligan a firmar acuerdos de
[58:20] confidencialidad
[58:22] que no les permiten develar de qué se
[58:24] tratan los datos eh que que con los
[58:26] cuales trabajan, para qué van a ser
[58:28] usados. En el caso donde lo saben, en la
[58:29] mayoría de los casos ni ellos ni los
[58:31] trabajadores eh se les informa para qué
[58:33] van a ser usados. Eh, ¿quiénes son los
[58:35] clientes? No, para quién MOFAT no puede
[58:38] decir que trabaja para chat para que que
[58:40] trabaja para Open AI. No pueden decir en
[58:43] muchos casos de qué trabajan. No pueden
[58:44] ni siquiera decir soy moderador de
[58:46] contenido, soy etiquetador o
[58:47] etiquetadora de datos. no lo pueden
[58:49] decir. Entonces, hemos tenido esto, todo
[58:52] esto obviamente que no no les permite
[58:55] hablar y además las empresas todo el
[58:57] tiempo están usando eh e
[59:00] instrumentalizando estos acuerdos de
[59:01] confidencialidad para amenazar a los y
[59:03] las trabajadoras, ¿no? Todo el tiempo
[59:04] está la amenaza, no solo de que si
[59:06] hablas te vamos a echar, pero también si
[59:08] hablás mirá que te puede caer una
[59:10] demanda de uno de estos de estas
[59:12] gigantes tecnológicas. Imagínate ser un
[59:14] trabajador, una trabajadora precarizada
[59:16] en algún lugar donde no tenés muchas
[59:18] opciones y que te amenacen con que te va
[59:19] a demandar open AI o meta. Es es
[59:22] realmente
[59:24] muy eh es terrorífico, te da miedo,
[59:26] realmente te da miedo. Nosotros hemos
[59:28] trabajado con trabajadores y
[59:30] trabajadoras, especialmente una
[59:31] trabajadora que nos decía, ella sufría
[59:33] de estrés postraumamático severo, de
[59:35] depresión severa y nos contaba que no
[59:38] por mucho tiempo no había se había
[59:40] negado, esto como un año con síntomas y
[59:42] todo el mundo le decía, "Che, no estás
[59:43] bien, anda a ver hacer terapia." y se
[59:46] negaba a ver un terapeuta porque tenía
[59:47] mucho miedo de decirle algo a un
[59:49] terapeuta e y romper ese famoso acuerdo
[59:52] de confidencialidad, ¿no? Y y decía,
[59:54] "Bueno, ¿cómo voy a ir a hacer terapias
[59:55] si no puedo ni siquiera decir de qué de
[59:57] qué se trata mi trabajo o qué cuáles son
[59:59] las imágenes que me están enfermando,
[01:00:00] digamos?" Em, así que bueno, esto
[01:00:04] realmente y y les digo, no son casos
[01:00:06] aislados. todos y todas las trabajadoras
[01:00:08] que yo en mi trabajo los últimos casi 10
[01:00:10] años eh eh con los que tuve contactos,
[01:00:13] todos en algún momento han visto
[01:00:15] imágenes de este tipo, contenido eh
[01:00:17] perturbador, violento, realmente es es
[01:00:20] muy muy común, pero digo, echarle la
[01:00:24] culpa solamente al contenido sería un
[01:00:27] poco
[01:00:28] sí, dejarles eh
[01:00:31] perdón, disculparles demasiado a estas
[01:00:33] empresas, ¿no? Porque no se trata
[01:00:34] solamente del contenido, se trata, como
[01:00:36] dice Ranta, que es quien creó, esto es
[01:00:39] parte de un fansin, ¿no? Se trata del
[01:00:41] contenido perturbador, pero también la
[01:00:43] combinación del contenido perturbador,
[01:00:45] eh, combinado con estas con las
[01:00:47] expectativas estas de llegar a de llegar
[01:00:50] a estos targets eh de producción
[01:00:52] inhumanos, ¿no? Ella cuenta que en el
[01:00:55] caso de su empresa ya tiene que dentro
[01:00:57] de 50 segundos
[01:00:59] ver una de estas imágenes no terribles,
[01:01:03] eh tomar una interpretar lo que está
[01:01:05] viendo, tomar una decisión, eh accionar
[01:01:08] esa decisión, reponerse y pasar a la
[01:01:10] siguiente imagen. Todo eso dentro de 50
[01:01:13] segundos es realmente es imposible, sin
[01:01:15] recreo, sin nada, sin soporte de ningún
[01:01:18] tipo. E y el tercer factor, ¿no?, que
[01:01:21] Ranta explica muy bien. Se trata de
[01:01:24] estos, ¿no?, de lo que causan estos
[01:01:25] acuerdos de confidencialidad, esto de la
[01:01:28] del aislamiento que también causa una
[01:01:30] herida dentro de la del de las
[01:01:32] relaciones y dentro de la de la
[01:01:34] autoestima también de estos y estas
[01:01:36] trabajadoras. Entonces, la combinación
[01:01:37] del contenido de estas de estas eh eh de
[01:01:41] esta presión y el aislamiento que sufren
[01:01:44] muchos de estas personas trabajadoras
[01:01:46] realmente es lo que causa que la salud
[01:01:49] mental sea un problema enorme dentro de
[01:01:52] el trabajo de datos, ¿no? En otras
[01:01:54] poblaciones trabajadoras por ahí eso son
[01:01:56] otros las dolencias. En este caso es
[01:01:58] realmente la salud mental.
[01:02:03] Ahora no, a veces me preguntan, ¿no? Y
[01:02:06] no me queda otra que reírme cuando me lo
[01:02:08] preguntan. Es bueno, pero si es tan
[01:02:10] terrible, ¿por qué no no hacen otra
[01:02:11] cosa? ¿Por qué no trabajan de otra cosa?
[01:02:14] Y la verdad que más allá de que de la
[01:02:16] risa, ¿no?, de contestar esa pregunta e
[01:02:19] y de lo frustrante, no les voy a mentir,
[01:02:21] es que a veces me da la posibilidad de
[01:02:24] explicar algo que es fundamental
[01:02:25] entender y es la e la la posición de
[01:02:31] total vulnerabilidad y dependencia en la
[01:02:33] que se encuentran muchas de estas
[01:02:35] personas, ¿no? Y cómo eso se busca
[01:02:38] específicamente, ¿no? ¿Cómo se
[01:02:40] instrumentaliza eso dentro de este
[01:02:42] sistema? cómo el sistema funciona sí y
[01:02:45] solo si estas personas están en esa
[01:02:47] situación de dependencia absoluta. Eh,
[01:02:51] las compañías son totalmente eh eh
[01:02:55] predatorias, ¿no? Van y buscan a estas,
[01:02:57] como les digo, van a tercerizan a
[01:02:58] lugares en el mundo donde realmente la
[01:03:01] gente hay altas tas de desempleo, bueno,
[01:03:03] no hay buenos empleos, etcétera,
[01:03:04] etcétera, pero también cómo buscan a
[01:03:07] comunidades específicamente vulnerables.
[01:03:09] y te lo venden esto como filantropía.
[01:03:11] Eh, hay much un montón de programas
[01:03:13] donde te dicen, "Ah, no, nosotros
[01:03:14] impactamos positivamente. Impactamos
[01:03:16] positivamente." Genial. Impactamos
[01:03:18] positivamente a las comunidades de eh,
[01:03:22] sí, de refugiados en, no sé, en Italia,
[01:03:27] eh, no, y como somos rebuenos, ¿no? Pero
[01:03:29] nadie te dice cuántos billones están
[01:03:31] haciendo en el con el trabajo explotado
[01:03:33] de estas personas. Eso realmente es
[01:03:36] indignante, pero eh no me quiero hablar
[01:03:39] demasiado porque Morín acá en el video
[01:03:41] lo cuenta mucho mejor que yo. when your
[01:03:44] initiated a summer source you made it
[01:03:46] clear to that one summer source employs
[01:03:48] the unemploy
[01:03:50] that is why the target population is
[01:03:52] from the so for example
[01:03:59] actually the funny thing when you apply
[01:04:01] thoses uh they have a dropd for those
[01:04:05] targeted areas so in from that area you
[01:04:09] not to so you have
[01:04:14] from that but that is the main thing for
[01:04:16] you to be considered to
[01:04:18] so once you have one uh they believe you
[01:04:23] are literate because if you are
[01:04:25] unemployable that means you're not
[01:04:27] really a company so they are doing you a
[01:04:31] so in their mind they know one you two
[01:04:35] you're three anything at you you're
[01:04:38] going to accept because coming from
[01:04:47] Cuando vení, cuando naciste y viviste en
[01:04:49] un barrio popular, todo cualquier cosa
[01:04:52] que te tiren vos lo vas a aceptar y vas
[01:04:53] a decir gracias, ¿no? Esto es lo que
[01:04:54] dice ella y cuenta esto, ¿no? Cómo eh
[01:04:57] solamente pueden aplicar si vienen de un
[01:05:00] barrio popular, si no no. Eh, esto, esta
[01:05:02] práctica no solamente la vi en Nairobi y
[01:05:04] esto Sama Source es esta empresa
[01:05:06] tercerizadora en Nairobi. No solamente
[01:05:08] la vi en Sama Source, la vi en otras
[01:05:09] empresas en Nairobi y también la vi acá
[01:05:11] en Buenos Aires. Eh, una empresa eh de
[01:05:13] este tipo yendo eh a los barrios
[01:05:16] populares a repartir volantitos con eh
[01:05:19] Bení te contratamos, tu primer empleo en
[01:05:21] tecnología, etcétera, etcétera.
[01:05:24] lo vi en un montón de lugares con
[01:05:26] distintas poblaciones o distintas
[01:05:28] prácticas, pero siempre esto, ¿no? Esto
[01:05:31] de ir a buscar en estos lugares y de
[01:05:33] vendértelo como, miren qué buenos que
[01:05:35] somos, les llevamos trabajo, pues si no
[01:05:37] no tienen otra opción, lo cual es
[01:05:39] verdad, pero otra vez también que hablen
[01:05:40] de lo otro, que también hablen de cómo
[01:05:42] se benefician eh de la vulnerabilidad de
[01:05:44] estas personas. Y por supuesto que si
[01:05:47] hablamos de vulnerabilidad, los y las
[01:05:49] migrantes eh en muchos lugares del mundo
[01:05:51] y especialmente aquellos y aquellas que
[01:05:53] son refugiados eh son blanco fácil, ¿no?
[01:05:57] Este es el reporte de una eh trabajadora
[01:06:00] de datos en Siria eh perdón, de Siria
[01:06:02] que está con eh como refugiada en el
[01:06:05] Líbano, eh no y me encanta el título
[01:06:07] porque el título es algo como si yo
[01:06:09] tuviera otro trabajo, no aceptaría
[01:06:11] trabajos en anotación de datos. Sí, si
[01:06:14] tuviera otras opciones no estaría, no no
[01:06:16] no me sometería a esta explotación, pero
[01:06:18] lamentablemente no tengo. Ella cuenta,
[01:06:20] ¿no?, como las leyes que afectan eh que
[01:06:22] les dificultan a muchos y muchas
[01:06:24] refugiadas para pedir permisos de
[01:06:26] trabajo, eh hacen que o permisos amplios
[01:06:29] de trabajo hacen que terminen
[01:06:31] trabajando, haciendo este trabajo,
[01:06:33] aunque por ahí son personas
[01:06:34] superformadas, personas que vienen con
[01:06:36] estudios, no sé, en medicina, en
[01:06:38] distintas cosas. Yo conocío médicos
[01:06:39] realmente eh gente con doctorados eh y
[01:06:43] que terminaba haciendo este trabajo
[01:06:44] porque no les reconocían sus títulos en
[01:06:45] los lugares donde los tomaban eh les
[01:06:48] daban asilo. Entonces, bueno, como esto
[01:06:50] termina haciendo que sean eh terminen a
[01:06:53] merced de estas prácticas de
[01:06:55] explotación. Y eh algo que vale recalcar
[01:06:59] es que esto no solamente sucede en
[01:07:01] lugares remotos no de como el Líbano,
[01:07:03] sino que también sucede en el corazón de
[01:07:05] Europa. Esta es este es el informe eh de
[01:07:07] Sakine, que es una persona es una eh
[01:07:11] mujer de Irán viviendo en Berlín
[01:07:13] haciendo este trabajo y reporta
[01:07:15] exactamente lo mismo que Rucaya eh en el
[01:07:17] Líbano, ¿no? esto de cómo la explotación
[01:07:20] les toca a ellos y a ellas porque no
[01:07:22] tienen otra opción, porque realmente
[01:07:23] dependen, en muchos casos dependen de
[01:07:25] este trabajo para conservar la visa,
[01:07:27] para mandar e para mandar eh remesas a
[01:07:30] sus lugares de origen, sus familias
[01:07:32] están contando con ese dinero. Entonces,
[01:07:34] bueno, sí se bancan todo y como dice
[01:07:36] Morín, es agarrás lo que te tiran y
[01:07:38] decís, "Muchas gracias." No, no, no hay
[01:07:40] mucha opción. Y por supuesto que como no
[01:07:43] la opresión siempre hay que verla
[01:07:44] interseccionalmente, las mujeres
[01:07:46] migrantes eh son las que la sacan peor.
[01:07:49] Eh, este es el fansin que al cual me
[01:07:53] refería antes, creado por Ranta, que es
[01:07:55] una trabajadora
[01:07:57] migrante eh trabajando en Nairobi. Ella
[01:08:00] es de Sudáfrica y cuenta en el fancine.
[01:08:02] Ella cuenta la historia suya y también
[01:08:04] la de otras eh 10 mujeres migrantes como
[01:08:08] ella que llegan a Nairobi, ¿no? llenas
[01:08:10] las traen con engaños, ¿no? Ella cuenta
[01:08:11] como les eh les dicen que primero las
[01:08:14] van a llevar a ellas y después le llevan
[01:08:16] a sus hijos, le van a mandar a buscar a
[01:08:17] sus hijos. Los hijos nunca los mandan a
[01:08:19] buscar, ellas siguen trabajando porque
[01:08:21] quieren
[01:08:22] como un poco la zanahoria, ¿no?, delante
[01:08:24] de esto de, bueno, en algún momento voy
[01:08:26] a poder traer a mis hijos a vivir
[01:08:28] conmigo, esto nunca llega, etcétera,
[01:08:29] etcétera. Eh, y ella cuenta varias
[01:08:33] varias historias terribles, pero eh la
[01:08:36] que más eh me impactó fue la historia de
[01:08:39] dos de sus colegas, dos colegas de
[01:08:40] ranta, que fueron abusadas sexualmente
[01:08:43] por uno de sus uno de sus compañeros de
[01:08:45] trabajo, ¿no? de la misma empresa y cómo
[01:08:48] la empresa no solo no hizo nada para
[01:08:49] apartar esta persona o para denunciarla
[01:08:52] o para para justicia por estas o para
[01:08:54] proteger estas dos trabajadoras, sino
[01:08:56] que además las forzó a trabajar en el
[01:08:58] mismo lugar, en la misma oficina con su
[01:09:00] violador por varios meses, ¿no? Y otra
[01:09:03] vez la pregunta esta de a dónde iban a
[01:09:05] ir, no tenían no tenían otra opción. Es
[01:09:07] como dice en este cómic eh Willington
[01:09:10] Shitawa, que es un trabajador eh también
[01:09:14] ahora está en Canadá, pero es eh también
[01:09:16] de de Kenya y él dice, y lo traduzco,
[01:09:19] algo así como es es la la opción es
[01:09:22] entre la explotación y la pobreza
[01:09:23] extrema. No, bueno, no tengo no tengo
[01:09:26] otra opción. ¿A dónde voy a ir?
[01:09:29] Ahora bien, ¿qué tiene que ver todo esto
[01:09:32] con la autoridad epistémica de los y las
[01:09:35] trabajadoras? que es un poco el tema que
[01:09:37] nos convocaba hoy. Eh, y disculpen este
[01:09:40] preámbulo tan largo, pero considero que
[01:09:42] sin entender el nivel de explotación, de
[01:09:44] sometimiento y de
[01:09:47] y de perversidad de esta industria es
[01:09:50] muy difícil entender por qué se
[01:09:51] necesitan metodologías que eh que nos
[01:09:56] lleven a repensar y a priorizar la
[01:09:58] autoridad epistémica eh de los y las
[01:10:01] trabajadoras.
[01:10:06] Pensemos por un segundo, ¿no? En en en
[01:10:08] una persona trabajadora, precarizada,
[01:10:11] que se enferma pensando, ¿no?, en la
[01:10:13] preocupación esta de no saber si llega a
[01:10:15] fin de mes como eh, que está sometida a
[01:10:19] estas métricas de rendimiento inhumanas
[01:10:21] de 50 segundos y pasar a la siguiente
[01:10:24] imagen, eh, que está totalmente
[01:10:27] amordazada por estos acuerdos de
[01:10:28] confidencialidad que no les permiten ni
[01:10:30] siquiera pensar en hablar con un
[01:10:32] terapeuto, con un psicólogo. Pensemos en
[01:10:35] esas personas, no solamente en sus
[01:10:37] condiciones de vida y en sus condiciones
[01:10:39] laborales, pero también pensemos en si
[01:10:40] esas personas e estarían dispuestas a
[01:10:44] contradecir alguna de las instrucciones
[01:10:46] que le dan. La respuesta es no. La
[01:10:48] respuesta es, si estás en esa situación
[01:10:51] donde estás eh yendo de peleándola por
[01:10:54] llegar a fin de mes, eh si estás en esa
[01:10:56] situación donde no tenés otra opción ni
[01:10:58] otra ni otro trabajo ni otro horizonte,
[01:11:01] no vas a no vas a ponerte a contradecir
[01:11:03] a ver si es justa o o es injusta las
[01:11:06] políticas que te mandan de arriba de la
[01:11:08] empresa, si lo que te cómo te dicen que
[01:11:10] tenés que moderar el contenido te parece
[01:11:12] justo o injusto. Y esto no quiere decir
[01:11:14] que los y las trabajadoras sean tontas o
[01:11:16] no tengan eh digamos una visión ética
[01:11:19] sobre el trabajo que realizan. Siempre
[01:11:22] en cada entrevista sale el tema donde te
[01:11:24] cuentan eh alguna historia donde te
[01:11:26] dicen, "Bueno, las políticas de de meta,
[01:11:29] de moderación eh penalizan a grupos, a
[01:11:32] ciertos grupos por decir la misma cosa y
[01:11:34] a otros no." ¿no? En algunos casos lo
[01:11:36] toman como lenguaje de odio, discurso de
[01:11:38] odio, y en otros casos lo dejan pasar
[01:11:40] porque es otro grupo. No le cambias
[01:11:42] solamente eh eh digamos la el grupo del
[01:11:47] cual está hablando y es el la misma
[01:11:49] enunciación y eso se deja pasar. Eh, en
[01:11:53] algunos casos no te cuentan como, bueno,
[01:11:55] nos dieron estas instrucciones, pero
[01:11:58] esto no tiene ningún sentido en mi
[01:12:00] comunidad, ¿no? Por ejemplo, nos
[01:12:01] contaban el caso de las clasificaciones,
[01:12:04] eh clasificar eh hacer clasificaciones
[01:12:07] según eh rasgos raciales, ¿no?
[01:12:11] Ya, ya diciéndolo ya me siento un poco
[01:12:13] me siento un poco me pongo colorada, eh,
[01:12:16] no. La idea era clasificar a la gente
[01:12:18] según la raza percibida al ver una foto
[01:12:21] de esa persona, ¿no? Les daban selfies y
[01:12:23] le decía, "Bueno, clasificar esta gente
[01:12:25] según estas categorías raciales." E no
[01:12:29] las categorías raciales estaban basadas
[01:12:30] en el censo de Estados Unidos. se la
[01:12:32] daban a trabajadores en Colombia y les
[01:12:35] pedían que clasifiquen y no y yo estaba
[01:12:38] estaba entrevistando a un trabajador eh
[01:12:41] colombiano negro y él me decía, "Yo no
[01:12:43] sé si yo me tendría que poner en latino
[01:12:45] o en o en negro porque no African como
[01:12:48] afroamericano porque no, o sea, no sé no
[01:12:51] sé cuál apllarme. Esto no tiene sentido.
[01:12:52] Y si esto lo van a usar, si esta, si
[01:12:54] este clasificador lo van a usar en esta
[01:12:56] región, esto no les va a servir." Con
[01:12:59] toda la razón del mundo lo decía, ¿no?
[01:13:02] Pero estas estas cuestiones que por ahí
[01:13:04] incluso serían buenas para para crear
[01:13:06] mejores sistemas, nunca son escuchadas.
[01:13:08] Primero porque no hay un un una
[01:13:11] instancia en la que haya comunicación de
[01:13:14] abajo para arriba. Nadie quiere escuchar
[01:13:16] a los y las trabajadoras de datos. A
[01:13:17] nadie le importa mientras cumplan, ¿no?,
[01:13:19] como robots la voluntad del cliente.
[01:13:22] Esto es todo lo que importa. Eh,
[01:13:26] y la otra cosa es que los y las
[01:13:28] trabajadoras están en tal situación que
[01:13:30] no se animan. a a cuestionar estas
[01:13:33] instrucciones, porque cualquier
[01:13:35] cuestionamiento está altamente
[01:13:36] penalizado. Está penalizado desde el
[01:13:38] punto de vista de ah estás perdiendo
[01:13:40] tiempo, te pasaste de los 50 segundos,
[01:13:42] no no hiciste lo que tenías que hacer
[01:13:43] dentro de los 50 segundos. Eh, no está
[01:13:46] no si le si se si mandan algún tipo de
[01:13:51] cuestionamiento o cuestionamiento o
[01:13:52] sugerencia de este tipo, se los percibe
[01:13:54] como que se están quejando, como que
[01:13:56] están no cuestionando, eso no gusta,
[01:13:58] también se los echa, etcétera, etcétera.
[01:14:00] No hay un incentivo para que esto para
[01:14:02] que para que haya un feedback. No
[01:14:04] solamente no hay un un incentivo,
[01:14:06] digamos que el sistema está diseñado
[01:14:08] para que esto no suceda. El sistema está
[01:14:11] diseñado para perpetuar la idea de que
[01:14:14] los datos de entrenamiento para como
[01:14:16] cualquier otro dato se sostienen y son
[01:14:19] producto de relaciones sociales,
[01:14:22] económicas, laborales profundamente
[01:14:24] asimétricas y solamente así se producen
[01:14:28] conjuntos de datos que perpetúan estos
[01:14:31] lineamientos ideológicos que vienen
[01:14:33] desde arriba. Solamente así se garantiza
[01:14:35] que los y las trabajadoras de datos van
[01:14:37] a ser instrumentos de estos lineamientos
[01:14:39] ideológicos y no van a cambiar nada. Y
[01:14:42] solamente así también se aseguran que se
[01:14:46] produzcan eh sistemas de IA que
[01:14:50] realmente
[01:14:52] reproduzcan y beneficien a los y las
[01:14:55] poderosas. Eh, esto es algo que eh hemos
[01:14:59] visto en este en este paper, como les
[01:15:01] decía antes, ¿no?, que le pusimos el
[01:15:04] dispositivo de la producción de datos eh
[01:15:07] y donde investigamos un poco esto, ¿no?
[01:15:09] Cómo funciona este dispositivo y qué es
[01:15:11] y qué es lo que asegura. la el es esto
[01:15:14] de perpetuar eh arbitrariedades como
[01:15:17] verdades absolutas con este halo de
[01:15:20] objetividad y y objetividad y
[01:15:23] neutralidad que se le un poco que se le
[01:15:25] asigna y que se le atribuye a estos
[01:15:28] sistemas de inteligencia artificial.
[01:15:31] Ahora bien,
[01:15:34] el proyecto este Data Workers Inquiry o
[01:15:37] Iniación Obrera de los Trabajadores y
[01:15:39] Trabajadoras de datos es un intento de
[01:15:42] romper con esto, ¿no? El pensamiento es,
[01:15:44] bueno, si yo no pude, si yo no puedo
[01:15:47] cambiar las condiciones de trabajo de
[01:15:49] estas personas, no lo voy a lograr. eh
[01:15:52] eh y no puedo tampoco cambiar sus
[01:15:54] realidades, lo que puedo hacer es
[01:15:56] repensar mi propia práctica de
[01:15:57] investigación, ¿no? Y esto es un poco de
[01:15:59] este deseo nace este trabajo. Eh, cuando
[01:16:03] hablamos de de investigación o encuesta
[01:16:05] obrera, esto tiene una tradición.
[01:16:07] empieza con Marx, eh Carl Marx hace 100
[01:16:10] eh hace
[01:16:12] un siglo y medio, en 1880, él manda eh
[01:16:15] este cuestionario de 100 preguntas eh a
[01:16:19] eh trabajadores y trabajadoras eh
[01:16:20] obreros fabriles en Francia, ¿no? Le
[01:16:23] manda estas 100 preguntas y en el
[01:16:24] preámbulo escribe esto que me parece muy
[01:16:27] muy atinado, donde dice solamente ellos
[01:16:29] y ellas pueden describir con pleno
[01:16:31] conocimiento eh de causa los
[01:16:33] sufrimientos que padecen.
[01:16:35] No, el analista, no el académico, no el
[01:16:39] no no el intelectual eh eh va a estar
[01:16:43] mediando ahí en esa en esa producción de
[01:16:47] conocimiento, sino que son ellos y
[01:16:48] ellas, los y las trabajadoras los que
[01:16:51] saben qué onda, ¿no? El que la vivió es
[01:16:53] el que el que la sabe. Esta es la idea y
[01:16:56] la idea no es solamente aprovechar esto
[01:16:58] de haberla vivido y entonces tener mejor
[01:17:01] información para recolectar, para traer
[01:17:03] agua para nuestro molino, como se dice,
[01:17:05] ¿no? Para escribir papers y que nos den
[01:17:08] a nosotros los premios, sino la idea es
[01:17:10] crear conocimiento para que los y las
[01:17:13] trabajadoras se organicen. Marx no era
[01:17:15] que les pedía, bueno, mándenme las
[01:17:16] respuestas y yo lo voy a esto lo voy a
[01:17:18] interpretar, sino lo que hacía era
[01:17:20] pedirles que la gente que recibía el
[01:17:22] cuestionario hablara con sus compañeros
[01:17:24] y compañeras. y entonces que de ahí se
[01:17:27] produjera
[01:17:28] una eh una producción de conocimiento
[01:17:31] subjetiva, ¿no? Y también como excusa
[01:17:33] para hablar con con los unos y los
[01:17:36] otros. Entonces, eh también esto de el
[01:17:40] la investigación obrera como herramienta
[01:17:42] para la organización y la movilización,
[01:17:44] por supuesto que esto es un una forma de
[01:17:47] investigación que no soy la primera o no
[01:17:49] soy la pionera de esto. primeros fue
[01:17:51] Marx hace un siglo y medio, pero también
[01:17:54] colegas como Karen Gregory y como Jamie
[01:17:57] Woodcock teorizaron bastante en en el
[01:18:01] Reino Unido sobre sobre este este esta
[01:18:04] forma de de producción de conocimiento.
[01:18:06] El caso de Colinco es muy interesante en
[01:18:08] los 90 que en Europa eh en producen una
[01:18:13] encuesta obrera en los call centers,
[01:18:15] ¿no? Que en su momento eran incipientes
[01:18:16] en los 90, ¿no? y crean esta eh es muy
[01:18:19] lindo porque todavía se puede ver en
[01:18:21] internet, alguien lo digitalizó e y es
[01:18:24] muy lindo encontrar, ¿no?, eh qué es lo
[01:18:26] que hicieron y por supuesto también en
[01:18:28] el Reino Unido, Notes from Below, eh,
[01:18:30] que hacen investigaciones obreras eh en
[01:18:33] distintos sectores y de distintos tipos.
[01:18:35] esta gente que no, que lo viene
[01:18:36] haciendo. Eh, lo que hasta ahora, por lo
[01:18:40] menos yo, que yo sepa, nadie había
[01:18:42] hecho, eh es describir cómo se produce
[01:18:45] una una investigación obrera paso por
[01:18:48] paso. Por supuesto, es también es muy
[01:18:50] difícil, alguien nadie lo había hecho
[01:18:52] porque es muy difícil describir eh esto
[01:18:55] o dar una digamos una una lista o una
[01:18:57] fórmula y les voy a explicar en un
[01:18:59] minuto que no se trata de darles una
[01:19:00] fórmula mágica para cómo hacer esto. Lo
[01:19:02] que hicimos en este paper es
[01:19:06] sistematizar y un poco e
[01:19:10] sí, sistematizar y y describir lo que
[01:19:13] hicimos con este proyecto con con eh
[01:19:16] Data Workers Inquery y
[01:19:19] bueno, este el paper se publicó esta
[01:19:21] semana, así que bueno, ahí describimos
[01:19:23] un poco el proyecto, los pasos y nos
[01:19:26] enfocamos en los desafíos y también para
[01:19:31] explicar cuál es nuestros puntos de
[01:19:33] partida o nuestros principios para
[01:19:34] realizar este trabajo. El primero es
[01:19:37] llevar a cabo una investigación eh
[01:19:39] acción que sea por hecha por y para los
[01:19:43] y las trabajadoras de datos. Esto
[01:19:46] significa, primero en principal tratar a
[01:19:48] las personas trabajadoras como los
[01:19:51] expertos y expertas, ¿no? Ellos y ellas
[01:19:53] son quienes saben mejor, ¿no? En el
[01:19:55] espíritu de esto de que decía Marx,
[01:19:57] nadie sabe mejor que ellos eh las
[01:19:59] dolencias que de las cuales padecen. E
[01:20:03] la tercera cosa, el tercer principio es
[01:20:05] hacer eh de la investigación una
[01:20:07] herramienta para la acción colectiva.
[01:20:08] Esto que les decía antes, ¿no? como una
[01:20:10] excusa para hablar eh trabajador con
[01:20:13] trabajador, pero también eh como una
[01:20:15] excusa para investigar cosas que les
[01:20:17] sirvan a ellos como bases, ¿no? Una hay
[01:20:19] mucho trabajo de mapeo, eh etcétera, que
[01:20:22] les sirvan como bases para la
[01:20:23] organización eh y la acción colectiva. Y
[01:20:26] finalmente, el principio, que yo
[01:20:28] considero que es el más importante,
[01:20:29] aunque sea el cuarto, es priorizar de la
[01:20:32] seguridad y el bienestar de los y las
[01:20:34] trabajadoras, que como vamos a ver en un
[01:20:36] momento es un poco es es bastante
[01:20:38] difícil, es lo más difícil de todo.
[01:20:41] Ahora, otra vez, estos principios no son
[01:20:43] una fórmula a prueba de balas eh de cómo
[01:20:46] se hace una investigación obrera. Hay un
[01:20:49] montón de cosas que ciertamente no
[01:20:51] hicimos también eh, y cosas que fuimos
[01:20:54] aprendiendo por el camino. Eh, la verdad
[01:20:56] es que el proceso de desarrollar y de
[01:20:58] implementar esta metodología eh está
[01:21:02] plagado de contradicciones, de
[01:21:04] aprendizajes y también de desafíos y
[01:21:07] tensiones. Así que para cerrar esta
[01:21:09] charla quiero eh quiero mostrarles
[01:21:12] algunos de esos desafíos y tensiones eh
[01:21:15] también un poco como para pasar a la
[01:21:17] discusión y al intercambio. Eh a ver si
[01:21:20] si quizás ustedes también se encontraron
[01:21:21] con algo de esto. Cuando hablamos del
[01:21:24] primer principio, crear esta
[01:21:26] investigación acción por para las
[01:21:28] trabajadoras, por supuesto que estamos
[01:21:30] hablando de establecer relaciones de
[01:21:32] confianza, cuidado y solidaridad. Esto
[01:21:34] es lo principal. digo, sin esto no
[01:21:37] sucede eh de un día para el otro. Porque
[01:21:39] también es importante entender que estas
[01:21:40] relaciones de solidaridad llevan tiempo
[01:21:43] y esto es algo que a veces nosotros y
[01:21:46] nosotras las académicas no tenemos, ¿no?
[01:21:48] Porque hay presión, porque hay que
[01:21:49] publicar, porque no sé, porque hay
[01:21:52] entregas, porque hay reportes, etcétera.
[01:21:55] Entonces digo, esto lleva tiempo y ahí
[01:21:57] hay una tensión permanente y también hay
[01:21:59] una atención permanente en crear eh
[01:22:02] incluso cuando se crean estas relaciones
[01:22:04] de confianza y solidaridad, nunca hay
[01:22:06] que perder de vista que hay eh hay
[01:22:10] asimetrías de poder que no podemos
[01:22:11] mitigar, ni podemos cambiar, ni podemos
[01:22:13] hacer desaparecer por más que que que
[01:22:16] por por más buenas intenciones que
[01:22:17] tengamos. Y son esas asimetrías de poder
[01:22:20] con respecto que que que separan al y la
[01:22:23] investigadora de el y la trabajadora de
[01:22:25] datos, ¿no? Yo eh que tienen que ver
[01:22:29] también con los riesgos asociados con la
[01:22:31] participación, ¿no? Que tienen que ver
[01:22:33] con la posición de quién es escuchado y
[01:22:36] quién tiene el privilegio de ser eh
[01:22:38] escuchado eh y y también quién tiene el
[01:22:41] privilegio de mostrar la cara y ser
[01:22:42] visible, quién no puede, ¿no? Si yo
[01:22:44] tengo un acuerdo de confidencialidad que
[01:22:46] no me lo permite también. Eh, eso hay
[01:22:48] que ver eh cuando hablamos de los y las
[01:22:52] trabajadores como como expertas, por
[01:22:54] supuesto que por más que que
[01:22:57] primero empezar por acá, nosotros algo
[01:22:59] que dijimos, algo que nos pareció muy
[01:23:00] importante cuando decíamos, bueno, ¿qué
[01:23:03] significa que ellos y ellas son los
[01:23:04] expertas? ¿Cómo esto se manifiesta en
[01:23:07] términos reales? Una de las cosas que
[01:23:09] decidimos, entre muchas otras, fue
[01:23:11] pagarles eh a estas personas que se nos
[01:23:13] unieron con eh el mismo sueldo que
[01:23:15] nosotros eh eh ganamos en en Alemania,
[01:23:19] ¿no?, que es un sueldo que está por
[01:23:20] convenio, todo el mundo gana lo mismo,
[01:23:22] ¿no? Eh, entonces decir, bueno, esto es
[01:23:24] lo que les pagamos por ahora, que ganen
[01:23:26] lo mismo que nosotros y nosotras, ya que
[01:23:27] van a ser expertos tanto como lo somos
[01:23:30] nosotros y nosotras.
[01:23:32] Ahora bien, esta es una discusión vieja
[01:23:34] también en las ciencias sociales, esto
[01:23:35] de pagarle al participante, ¿qué
[01:23:38] significa? Y por supuesto que está el
[01:23:39] riesgo de establecer relaciones que son
[01:23:42] transaccionales, especialmente por la
[01:23:43] vulnerabilidad eh y la dependencia
[01:23:46] económica en la cual se encuentran
[01:23:47] muchas de estas personas. Entonces,
[01:23:49] bueno, eso fue algo que tuvimos que
[01:23:51] tuvimos en cuenta todo el tiempo y un
[01:23:53] miedo permanente también mío. Eh, puedo
[01:23:56] decir hoy que h que creo que las
[01:24:00] relaciones quedaron más del lado de la
[01:24:02] confianza y la solidaridad que de estas
[01:24:05] relaciones transaccionales. No tengo
[01:24:07] registros de de que esto haya sido el
[01:24:10] caso con ninguna de estas 28 personas,
[01:24:12] pero bueno, sí, por supuesto que hubo
[01:24:14] una necesidad y creo que en algún punto
[01:24:16] la decisión de participar en el proyecto
[01:24:18] también tuvo que ver con esa necesidad.
[01:24:20] Eso es innegable y digo, nadie lo
[01:24:22] oculta. E cuestiones de cuál es la
[01:24:25] medida justa con eh de acompañar y de
[01:24:28] participar y de estar para el otro, ¿no?
[01:24:31] Esto de
[01:24:33] eh cómo es, rechazar el liderazgo
[01:24:36] nosotros mismos. decir, "Bueno, ustedes
[01:24:38] son quienes lideran, ustedes desarrollan
[01:24:40] las hipótesis, las preguntas de
[01:24:41] investigación, ustedes van a ir a hacer
[01:24:43] este trabajo, nosotros estamos acá si
[01:24:45] necesitan apoyo, les ofrecemos también
[01:24:47] entrenamiento en distintos métodos de
[01:24:48] investigación, pero ustedes son los que
[01:24:52] deciden." Y por ahí después de la
[01:24:54] publicación de algunas de las piezas nos
[01:24:56] han dicho eh algunas de los
[01:24:57] colaboradores nos han dicho, "Bueno, yo
[01:24:59] quisiera, me hubiera gustado que me
[01:25:01] hubieran ayudado más o que me hubieran
[01:25:03] guiado más. En algunos momentos me sentí
[01:25:05] que me dejaron solo, eh, y por supuesto
[01:25:07] que esto uno lo toma y por supuesto que
[01:25:09] intentamos estar más o cuáles son las
[01:25:11] opciones, pero realmente no hay una
[01:25:13] fórmula o una medida justa. Cada persona
[01:25:15] necesita cosas distintas y realmente es
[01:25:17] levantarse todos los días y pensar,
[01:25:19] bueno, ¿qué necesitan? ¿Quiénes son las
[01:25:20] personas que están trabajando en
[01:25:22] nosotros? ¿Qué necesitan? ¿Que eh cómo
[01:25:24] hacemos? ¿No? Eso eh y después lo que
[01:25:28] les decía antes sobre equilibrar
[01:25:31] diferentes necesidades sobre quién puede
[01:25:32] ser visible e invisible. Esto también es
[01:25:35] una cuestión que siempre la tenemos en
[01:25:37] cuenta. Les cuento una anécdota cortita.
[01:25:40] El año pasado eh me invitaron a
[01:25:42] testificar como experta en el Parlamento
[01:25:44] Europeo para hablar sobre el trabajo de
[01:25:46] datos y yo queriendo, pensando que iba a
[01:25:50] ser muy fiel al proyecto y que iba a ser
[01:25:51] algo fantástico, les dije, "No, no, yo
[01:25:53] no voy a testificar que vengan, yo te
[01:25:55] voy a traer trabajadores reales que te
[01:25:57] van a un panel de cinco personas eh
[01:26:00] trabajadoras que van a testificar y
[01:26:02] hablar por ellos mismos, qué sé yo." No
[01:26:04] saben lo dificilísimo que fue encontrar
[01:26:05] cinco personas. No, de hecho no
[01:26:06] encontramos cinco personas que pudieran
[01:26:08] hacer esto, ¿no? Tuvimos que ir con tres
[01:26:10] eh personas que tenían mucho la
[01:26:12] exposición pública, personas que no
[01:26:13] estaban regularizadas su situación en
[01:26:15] Europa, no podían hablar, personas que
[01:26:17] venían que querían venir de otros
[01:26:19] lugares a a hablar en Bruselas, en el
[01:26:22] Parlamento Europeo, y no consiguieron la
[01:26:24] visa. Bueno, no todo el mundo tiene este
[01:26:26] privilegio de decir, "Ah, bueno, yo voy
[01:26:28] a dar la cara y voy a contar mi verdad."
[01:26:30] No todo el mundo puede hacer eso, por
[01:26:31] más buenas intenciones que nosotros
[01:26:33] tengamos de, digamos, crear o
[01:26:36] posibilitar el espacio.
[01:26:39] La investigación como herramienta de
[01:26:40] investigación es, por supuesto, un eh
[01:26:43] una cuestión de traducción, un trabajo
[01:26:45] de traducción y mediación permanente,
[01:26:48] buscar el equilibrio entre lo que lo que
[01:26:50] pide la academia, ¿no? y y la necesidad
[01:26:53] de también cumplir con esas expectativas
[01:26:55] porque necesitamos los fondos y
[01:26:56] necesitamos el dinero para seguir
[01:26:59] trabajando en esto. Entonces, bueno,
[01:27:00] digo, no es fácil también con esto de
[01:27:03] que lo que está en el repositorio no son
[01:27:05] artículos académicos, hay también todo
[01:27:07] el tiempo una necesidad de traducir,
[01:27:09] bueno, pero este tiene un valor
[01:27:10] científico, esto tiene un valor
[01:27:11] académico, etcétera, etcétera. Eh,
[01:27:15] tampoco tengo la fórmula perfecta para
[01:27:17] eso. todos los días y cada situación,
[01:27:19] según con quién hables, tener, ¿no?,
[01:27:21] tratar de ser lo mejor traductora
[01:27:24] posible y eh vender un poco venderles eh
[01:27:28] eh el valor de este trabajo. Y
[01:27:30] finalmente, esto de priorizar eh la
[01:27:33] seguridad, el bienestar de los y las
[01:27:34] trabajadoras, bueno, algunas cosas
[01:27:37] hicimos, otras cosas las aprendimos por
[01:27:38] el camino, ¿no? Algo que hicimos desde
[01:27:40] el comienzo fue eh decidimos invitar o
[01:27:44] priorizar la participación de quienes ya
[01:27:46] estaban organizados, organizadas o en
[01:27:48] proceso de organizarse. ¿Por qué? porque
[01:27:50] no queríamos eh evangelizar a nadie,
[01:27:53] ¿no? Nosotros no queríamos venir a
[01:27:54] imponerles nuestro marco teórico eh eh a
[01:27:57] estas personas, sino que bueno, si ellos
[01:27:59] o ellas ya habían visto la la
[01:28:00] posibilidad y la necesidad de
[01:28:02] organizarse y estaban en proceso de o
[01:28:04] necesitaban apoyo, bueno, perfecto. Esas
[01:28:06] personas también pensando en las redes y
[01:28:08] en las redes de sostén eh que podían
[01:28:10] ayudar a estas personas a navegar los
[01:28:13] riesgos asociados con la participación
[01:28:15] en este proyecto. Eso fue una decisión
[01:28:17] que tomamos, pero por ejemplo algo que
[01:28:19] no vimos por anticipado era el riesgo de
[01:28:22] eh retraumatización o revictimización de
[01:28:25] estas personas que tenía que ver con
[01:28:27] revisitar esas experiencias tan
[01:28:29] traumáticas cuando hicieron las piezas y
[01:28:31] estas investigaciones, cuando hablaban y
[01:28:33] compartían experiencias con sus
[01:28:35] compañeros y compañeras. Esto no lo
[01:28:37] vimos antes o no lo no sé, no lo tuvimos
[01:28:39] en cuenta de esa manera. Lo vimos
[01:28:41] rápido, accionamos rápido, eh
[01:28:45] contratamos a una psicóloga especialista
[01:28:47] en trauma, una terapeuta que se le puso
[01:28:49] a disposición de estas personas para que
[01:28:50] los los y las acompañen a lo largo de de
[01:28:53] todo esto. Y finalmente la cuestión de
[01:28:55] asesoramiento jurídico, algo que vimos
[01:28:57] rápidamente que necesitábamos y esto de
[01:29:00] fue también un lío encontrar eh
[01:29:04] expertos, abogados, expertos legales en
[01:29:06] las diferentes jurisdicciones que
[01:29:08] aplicaban a las distintas eh piezas,
[01:29:10] ¿no? Y también creó conflicto con los y
[01:29:13] las colaboradoras, porque por supuesto
[01:29:15] que eh en algunos casos después del
[01:29:17] escrutinio este legal volvió el feedback
[01:29:20] y era, mira, esta partecita habría que
[01:29:22] cambiarla o esto habría que sacarlo,
[01:29:24] esto te desaconsejo que lo publiques de
[01:29:25] esta manera. Y eso fue también un
[01:29:27] proceso de renegociación, porque a
[01:29:29] ningún autor, por supuesto, que le gusta
[01:29:30] que le censuren el trabajo, no era una
[01:29:32] censura, era un consejo, era, bueno,
[01:29:34] mira, te pueden demandar esto realmente
[01:29:36] acá te estás acá pollo, entonces bueno,
[01:29:39] mejor no cambia esto, ¿para qué? Para
[01:29:41] aquel riesgo.
[01:29:44] Para concluir, para concluir y seguir
[01:29:47] repensando la la autoridad epistémica en
[01:29:49] el trabajo de datos. Bueno, cuando
[01:29:50] empecé a dar forma a este proyecto hace
[01:29:52] ya 3 años, como les decía, la motivación
[01:29:55] principal fue, bueno, por supuesto,
[01:29:58] exponer la explotación de las personas
[01:30:00] que trabajan con datos, pero también era
[01:30:02] mostrar que otro tipo de investigación
[01:30:04] es posible y que eh la investigación en
[01:30:07] el campo de la inteligencia artificial
[01:30:08] no tiene que seguir el lineamiento de eh
[01:30:12] cómo se produce la guía esto de no de de
[01:30:14] la explotación, ¿no? No hace falta
[01:30:17] reproducir eso también en la
[01:30:18] investigación que habla de la IA. E,
[01:30:21] ¿qué quiero decir con esto? Ante todo,
[01:30:24] para mí significaba rechazar esto de la
[01:30:27] investigación paracaidística, como le
[01:30:29] digo, eh esto de de caer en un lugar y
[01:30:31] decir, "Ah, bueno, a ver, yo voy a
[01:30:34] inventar la pólvora y voy a ver a ver
[01:30:36] qué es." Y por ahí hay gente, sobre todo
[01:30:38] activista, gente en el eh territorio ya
[01:30:41] haciendo ese trabajo desde hace mucho.
[01:30:43] Hay un poco respetar y honrar eso y
[01:30:45] también a veces significa, bueno, mandar
[01:30:48] fondos de investigación para para
[01:30:50] sostener esos esfuerzos y no yo ir, como
[01:30:53] les digo, a hacer mis 10 entrevistas,
[01:30:54] publicar mi paper y que me citen tres
[01:30:56] personas, ¿no? digo también para mí eso,
[01:31:01] ¿no?
[01:31:03] Eso también pensando en centrar la
[01:31:05] autoridad y la agencia de los y las
[01:31:08] trabajadoras de datos. E así que con
[01:31:11] este proyecto que les del cual del cual
[01:31:15] les hablé hoy, eh intentamos en realidad
[01:31:18] crear un espacio donde donde el respeto,
[01:31:20] el cuidado y la justicia epistémica eh
[01:31:24] no sean la excepción, sino la norma. Y
[01:31:26] no sé, humildemente, eh después de
[01:31:28] algunas cosas que que que hemos logrado,
[01:31:32] quiero pensar que hasta cierto punto
[01:31:34] algo de esto hemos hecho realidad. Así
[01:31:37] que les agradezco mucho yes
[01:32:03] que te compartas
[01:32:05] posible
[01:32:06] có
[01:32:15] Bueno, eh, gracias enorme por la
[01:32:18] intervención. Hermoso el trabajo,
[01:32:21] hermoso entre otras cosas porque, bueno,
[01:32:23] viene a reforzar esto de detrás de un
[01:32:26] dato hay 50 segundos. Me parece que este
[01:32:28] es un lindo titular para todo lo que
[01:32:32] eh un poco espanta pensar en esos 50
[01:32:35] segundos del etiquetado. Eh, cuando se
[01:32:38] piensa, cuando se habla de toda la
[01:32:40] neutralidad de los datos, bueno, creo
[01:32:43] que nos dejó más que claro milagros que
[01:32:46] hay 50 segundos y 50 segundos de trabajo
[01:32:49] precarizado detrás de todo eso. Eh, me
[01:32:53] parece que hay hay muchísimo para
[01:32:55] explorar por allí. Eh, y por supuesto
[01:32:58] insistir solamente esto para empezar a
[01:33:00] dar un poco el inicio a las
[01:33:03] intervenciones, ¿no? Pensar cómo están
[01:33:06] conectadas todo el tiempo estas estas
[01:33:10] acerca del hacer, del saber y del estar
[01:33:12] en el mundo, ¿no? Y eh me hago
[01:33:16] propaganda ese proyecto, las miras
[01:33:20] es un poco eso, ¿no? como cómo están
[01:33:22] interrelacionadas nuestras maneras de
[01:33:24] pensar y acceder al mundo con con las
[01:33:27] con esto que estuviste mencionando. Es
[01:33:29] infinito lo que me gustaría comentar,
[01:33:31] pero me parece que eh ustedes tienen por
[01:33:35] allí la palabra. Nos gustaría empezar a
[01:33:38] pasar la palabra. Martín, estás
[01:33:40] controlando también lo que pasa el otro
[01:33:42] lado de la barrera. Eh, no sé.
[01:33:49] Paula
[01:33:51] pasamos.
[01:33:58] Buenas tardes. Gracias por por esta
[01:34:01] oportunidad
[01:34:02] de encontrarnos hoy, después de ayer,
[01:34:06] haciendo lo que mejor sabemos hacer o
[01:34:09] para lo que nos formamos, que es
[01:34:10] reflexionar juntos, compartir saberes.
[01:34:13] Así que me pareció muy oportuno este
[01:34:16] encuentro. Gracias a la facultad y
[01:34:18] gracias Milagros por estar hoy acá y por
[01:34:22] tu trabajo.
[01:34:24] Se me ocurría preguntarte, no sé si
[01:34:26] tenés la respuesta, pero desde la
[01:34:28] universidad pública venimos pensando
[01:34:31] cómo incorporar la guía a las prácticas
[01:34:34] docentes o cómo las incorporan los
[01:34:36] estudiantes o si plan, trabajos o
[01:34:38] etcétera, etcétera.
[01:34:40] Y yo pensaba,
[01:34:43] qué hacer con esta información que
[01:34:47] tenemos para dar a conocer también eh
[01:34:51] cómo se genera la pretando también en el
[01:34:55] imaginario acá de muchos jóvenes en esta
[01:34:59] idea de el trabajo fácil, el trabajo de
[01:35:03] Cristo o de Rapi, también en algunos
[01:35:06] casos compitiendo con la universidad
[01:35:09] como futuro laboral, personal,
[01:35:13] profesional. Eh, no digo que vos tengas
[01:35:15] la respuesta, eh, pero me interpelaba
[01:35:18] desde ese lugar, desde, bueno, los
[01:35:20] jóvenes y el futuro, y esta cuestión es
[01:35:25] mágica de que con ella me salvo o
[01:35:28] resuelvo o produzco fáciles. Gracias.
[01:35:33] Em, voy respondiendo, ¿no? o
[01:35:38] qué no traje para anotar, así que voy a
[01:35:40] si no me las voy a olvidar.
[01:35:42] Eh,
[01:35:42] fichas mágicas.
[01:35:43] Ah, perfecto.
[01:35:44] Alguna, aunque sea.
[01:35:45] Bueno, bueno, no, pero igual igual si
[01:35:47] hacemos una y una, yo me acuerdo.
[01:35:48] E me parece interesantísimo el
[01:35:51] comentario, ¿no? Y
[01:35:54] eh me hace pensar en dos cosas. La
[01:35:57] primera es los mensajes.
[01:36:00] Ahora que tengo un poco más de
[01:36:01] visibilidad, ¿no? Antes no me conocí, no
[01:36:04] me conocía nadie, chicos. Eh, ahora
[01:36:10] [risas] dice, "Dios te dio 10,000
[01:36:13] seguidores. Vos estás capitalizando esos
[01:36:15] seguidores como si fuera eh me llegan un
[01:36:19] montón de mensajes remales y me lle un
[01:36:21] montón de mensajes, pero es verdad un
[01:36:22] montón de pibes jóvenes preguntándome
[01:36:24] cómo hago para trabajar en no como
[01:36:27] realmente como me subo este tren porque
[01:36:30] si lo dejo pasar
[01:36:32] no no va a haber otra oportunidad." E y
[01:36:35] eso me me choquea mucho. No tengo una no
[01:36:37] sé qué contestarle, no les contesto a
[01:36:38] esa gente, no sé qué responderle, o sea,
[01:36:40] por dónde empezar. Me siento un poco
[01:36:42] impotente en ese sentido. Y la otra cosa
[01:36:44] que me
[01:36:47] que me que me recuerda, ¿no?, es cuando
[01:36:50] les contaba que esto también es una
[01:36:51] práctica que también la he visto acá en
[01:36:53] Buenos Aires, esto de ir al barrio
[01:36:54] popular, dejar una flyer, era un poco
[01:36:57] este discurso de eh si recién saliste
[01:37:00] del secundario, es captar a la gente,
[01:37:02] ¿no? esto del primer trabajo, pero
[01:37:04] captar a la gente antes de que llegue a
[01:37:06] la universidad y un poco de tu puerta al
[01:37:09] trabajo en tecnología, tu puerta al
[01:37:11] trabajo, ¿no? Esto
[01:37:14] vos también podés lograrlo y lo que se
[01:37:16] encuentran en la realidad, bueno, hubo
[01:37:18] hay mucho material para mostrar, pero
[01:37:19] está en el repositorio, ¿no? Hay hay
[01:37:22] trabajadores que tematizan esto, ¿no? Y
[01:37:24] hablan de cómo te atraen. Bueno, es un
[01:37:26] Rupa lo dice en su en su vídeo, ¿no?
[01:37:29] esto de que te atraen con estas
[01:37:30] calurosas promesas de que no sé qué, de
[01:37:32] que de libertad y de que bueno,
[01:37:34] libertad,
[01:37:38] pero eh no
[01:37:41] de esto de que bueno, autonomía eh eh
[01:37:45] no me sale ahora la palabraismo.
[01:37:48] Emprendedurismo será,
[01:37:50] seguro estoy diciendo algo más burrado.
[01:37:53] Bueno, pero saben a lo que me refiero,
[01:37:55] eh, no esto de que de la promesa de eso,
[01:37:59] de que vas a ser dueño de tu tiempo y de
[01:38:01] tu de tu trabajo, etcétera, etcétera,
[01:38:04] eh, y después nada de eso se cumple,
[01:38:06] ¿no? Y estás estancado.
[01:38:08] Esto del de los de los acuerdos de
[01:38:10] confidencialidad, una de las cosas que
[01:38:12] hace es que estas personas no puedan
[01:38:13] poner en su CB que hicieron este
[01:38:15] trabajo. Entonces, esto de la puerta de
[01:38:17] ingreso al mundo de la tecnología es una
[01:38:19] mentira. ni siquiera pueden poner en su
[01:38:20] CB que está que hicieron este trabajo.
[01:38:22] No les permite conseguir el próximo
[01:38:24] trabajo, ni les permite crecer ni nada.
[01:38:26] dentro de las empresas no hay es un
[01:38:28] techo es un techo más que de cristales
[01:38:30] de cemento, no crecen, digamos, no hay
[01:38:33] otra no pod, o sea, no podés llegar a
[01:38:35] ser más que trabajador de datos por ahí
[01:38:38] podés llegar a ser eh eh revisor, ¿no?
[01:38:41] Esto de que pero eso es como bueno, un
[01:38:44] poquito más que trabajador de datos,
[01:38:45] pero cuando falta el trabajador de datos
[01:38:47] te piden a vos que hagas el trabajo, o
[01:38:48] sea, no es que estás ganas mucho más o
[01:38:51] qué sé yo.
[01:38:52] Entonces si hay mucho cuento con
[01:38:54] respecto a esto, hay muchos,
[01:38:55] especialmente entre la gente muy joven,
[01:38:57] ¿no? Esto de que bueno, si la IA es un
[01:38:59] poco esto, me voy a salvar.
[01:39:02] Y con respecto a lo que preguntabas eh
[01:39:04] al principio, esto de qué hacer, ¿no?,
[01:39:06] desde cómo pensar esto desde las
[01:39:08] universidades con respecto al al plagio
[01:39:10] y con respecto a lo al uso de estas
[01:39:12] herramientas, justo lo hablábamos antes
[01:39:14] de de de la charla, ¿no? Y una de las
[01:39:17] cosas que yo pienso y siento es que la
[01:39:19] prohibición no ayuda en nada porque no
[01:39:23] no no podés algo que no lo podés parar
[01:39:27] desde ese lugar.
[01:39:28] Algo que yo siento que es importante
[01:39:31] decirle a o por lo menos lo hago yo con
[01:39:34] con mis estudiantes en Berlín no me
[01:39:36] escucha nada igual porque vienen todos
[01:39:37] de la informática es como que lo que yo
[01:39:39] les digo es realmente me digo que es
[01:39:41] chino para o sea no no salvo que hay un
[01:39:43] interés real en entender eh de lo que
[01:39:46] estoy hablando, no hay un no hay no le
[01:39:48] sale naturalmente, digamos. Entonces, eh
[01:39:51] algo que yo hago es sí hablar un poco,
[01:39:53] mostrar estas cosas, ¿no? Mostrar qué
[01:39:55] hay detrás, cuánto sufrimiento hay
[01:39:57] detrás de vos preguntándole a chat GPT,
[01:40:00] no sé, eh, ¿cómo va a estar el clima hoy
[01:40:03] en vez de mirar el pronóstico, ¿no? Eh,
[01:40:05] digo, ¿cuánto sufrimiento hay detrás de
[01:40:06] esto? ¿Cuál es el gasto ambiental? ¿No?
[01:40:09] Porque también es eso, es esto del gasto
[01:40:10] ambiental es algo que interpela a las
[01:40:12] nuevas generaciones. Entonces, eh, ¿por
[01:40:14] qué no hablar de esto? No hablamos de
[01:40:16] consumir eh menos bolsas de plástico,
[01:40:19] hablamos de pero no hablamos del enorme
[01:40:20] gasto ambiental que tienen estas
[01:40:21] tecnologías de del de la cuestión
[01:40:25] territorial, de qué significa qué
[01:40:27] significa cada vez que que uno usa estas
[01:40:31] tecnologías y con qué las están
[01:40:32] alimentando. Del robo de eh la
[01:40:35] producción intelectual de cuántas
[01:40:37] personas eh depende dependen estas
[01:40:41] tecnologías, ¿no? que uno, no sé, a
[01:40:43] veces cuando en algunas situaciones me
[01:40:45] encuentro dando charlas eh delante de
[01:40:48] periodistas, ¿no? Y siempre les digo,
[01:40:49] "Pregúntenle a Chat GPT cuáles fueron
[01:40:51] las fuentes periodísticas que
[01:40:53] contribuyeron a su entrenamiento y te da
[01:40:55] Chat GPT todo un listado y la gente se
[01:40:57] sorprende de encontrar los medios para
[01:40:59] los que trabajan ahí, ¿no? Entonces es
[01:41:01] tu propio trabajo creó esto y vos no
[01:41:03] estás recibiendo regalías. Entonces,
[01:41:05] bueno, ¿no? Y lo mismo con los artistas
[01:41:06] y lo mismo con eh no sé, los
[01:41:08] traductores, etcétera, etcétera.
[01:41:10] Entonces, digo, también entender esto y
[01:41:13] un poco fomentar esto del consumo
[01:41:14] consciente, si hay algo así, ¿no? Digo,
[01:41:17] la gente a veces eh va a la dietética
[01:41:20] por no comprar en el supermercado, pero
[01:41:21] le pregunta Chat GPT cada
[01:41:24] boludez que uno dice, bueno, ahí también
[01:41:27] podría haber un poco de consumo
[01:41:28] consciente.
[01:41:35] Ahí se Bueno, bueno, eh dos preguntitas,
[01:41:39] una más práctica y otra.
[01:41:43] lo de la obera de mar es resultado dio
[01:41:46] el resultado que para
[01:41:49] apuntaba esta cosa si usted en algún
[01:41:52] algún grupo de gente y más conceptual la
[01:41:55] concorta de bueno del trabajo de datos
[01:41:57] sobre todo etiquetar, ¿no? Nosotros
[01:42:00] también como consumidores de las
[01:42:02] tecnologías que etiquetamos
[01:42:03] permanentemente. Hay una palabra que a
[01:42:05] mí me convence mucho, que es una cosa
[01:42:08] así, pero realmente estamos no solamente
[01:42:11] podamos ir realizando y las personas
[01:42:14] también y siendoía porque es como un
[01:42:16] cambio muy importante podramos decir en
[01:42:20] sistema positivo, el sistema
[01:42:21] capitalista. ¿Qué opiniones tenés vos?
[01:42:25] Eh, empiezo por la segunda.
[01:42:26] Absolutamente, absolutamente. Digo,
[01:42:28] nosotros eh los y las consumidoras eh
[01:42:32] hacemos trabajo de dato todo el tiempo y
[01:42:35] no te lo apagan. Y esto del ejemplo del
[01:42:37] ejemplo extremo del del eh de los
[01:42:40] periodistas, etcétera, esto aplica a
[01:42:42] todo el mundo. Digo, tus fotos de
[01:42:44] Instagram también fueron a entrenar los
[01:42:46] los generadores de de imágenes. El otro
[01:42:49] día leía, había salió un artículo donde
[01:42:51] se había comprobado que hasta los
[01:42:53] dibujitos, ¿no? que con una viste hay
[01:42:55] gente que le hace un dibujito el hijo,
[01:42:56] el sobrino, qué sé yo, y sube la foto
[01:42:58] alguna red social, hasta esos monigotes,
[01:43:01] digamos, garabatos habían ido a también
[01:43:03] a entrenar eh generadores de imágenes.
[01:43:06] Como vos decís vos, el ejemplo perfecto
[01:43:08] es estos capcha que uno hace para
[01:43:11] entrar, ¿cuántos hacemos de esos por
[01:43:13] semana? Eso es etiquetado de datos.
[01:43:15] Nadie nos paga por hacer [risas] ese
[01:43:16] trabajo. Eh, cada vez que nos pregunta
[01:43:19] un sistema de recomendación si nos gusta
[01:43:21] lo que nos recomendó o no y le das el
[01:43:23] dedito para arriba, redito para abajo,
[01:43:25] estás haciendo verificación algorítmica.
[01:43:26] esto que se hacen los trabajadores a
[01:43:28] gran escala, pero lo estás haciendo.
[01:43:30] Entonces, digo,
[01:43:34] hay hay muchas hay muchas formas de ver
[01:43:35] esto. Una es esta la cuestión de
[01:43:38] productiva, ¿no? De nuestra
[01:43:39] participación en ese sistema de de de eh
[01:43:42] productivo,
[01:43:44] pero también la cuestión de nosotros
[01:43:45] creando sistemas que se retroaliment, o
[01:43:48] sea, digamos, digamos, nosotros creando
[01:43:50] sistemas que que en un principio nos
[01:43:53] venden esa falsa otra vez la palabra
[01:43:55] libertad, ¿no? falsa libertad de yo
[01:43:57] estoy creando un sistema de acuerdo a mi
[01:43:59] gusto y lo estoy entrenando y lo estoy
[01:44:01] perfeccionando, estoy refinando para que
[01:44:02] sea de acuerdo a mi gusto, pero en
[01:44:04] realidad las opciones son acotadísimas,
[01:44:06] ¿no? Es como los trabajadores de datos
[01:44:08] que en realidad la las investigaciones
[01:44:10] de estas de hace 10 años que yo les
[01:44:11] decía, bueno, estaban mirando los
[01:44:13] trabajadores como problemas y como gente
[01:44:15] a la que había que domar porque si no te
[01:44:17] iban a arruinar los datos, pero en
[01:44:18] realidad las opciones que les daban eran
[01:44:20] acotadísimas, ¿no? Si no si no
[01:44:22] clasificó, no había nada fuera de esas
[01:44:24] eh etiquetas. Eh, con respecto al
[01:44:26] etiquetado de datos, no había nada fuera
[01:44:28] de esas etiquetas de eh cuando les
[01:44:30] hablaba de las cuestiones de las eh
[01:44:32] categorías raciales, no había
[01:44:33] posibilidad de decir otro y que ese otro
[01:44:36] señalizara que por ahí la raza era
[01:44:38] ambigua o que no o que no se puede
[01:44:41] adivinar la raza de una persona con por
[01:44:43] cómo se ve. Digo, eh, o capaz que sí, la
[01:44:46] raza es una construcción, no había la
[01:44:48] posibilidad de señalizar eso. Era o
[01:44:50] elegís este o elegís lo otro. Y eso
[01:44:53] también en un estudio que hicimos hace
[01:44:55] varios años analizábamos las
[01:44:57] instrucciones dadas a los trabajadores y
[01:44:58] trabajadoras de datos y una de las cosas
[01:45:00] que de las que hablábamos era que estas
[01:45:02] categorías supuestamente residuales,
[01:45:03] ¿no? Como otro, ambiguo, etcétera,
[01:45:06] siempre significaban en las en las
[01:45:08] instrucciones eh que no eh, ¿cómo es?
[01:45:13] que no no era que significaban bueno
[01:45:15] esto, ¿no? Quizás la raza de esta
[01:45:17] persona no la sé, no la puedo adivinar o
[01:45:19] la edad de esta persona, no sé, eh no
[01:45:22] siempre era para casos en los que decían
[01:45:24] las instrucciones, poné otro si no
[01:45:26] pudiste abrir la imagen. Poné otro si el
[01:45:29] archivo está dañado, poné otro si la
[01:45:31] imagen está pixelado o si la persona no
[01:45:33] está mirando la foto. Esto era muy, ¿no?
[01:45:36] Muy gracioso también con respecto al
[01:45:37] género. Ni hablar de que el género
[01:45:39] siempre en estas tareas de clasificación
[01:45:41] era binario, ¿no? y el otro no era eh
[01:45:44] para personas no binarias o para no sé,
[01:45:47] o para decir, "Che, no le puedo adivinar
[01:45:48] el género a una persona por cómo se ve."
[01:45:51] Eh, era para decir, "Bueno, si la
[01:45:53] persona no está mostrando la cara,
[01:45:54] entonces pone eh otro o poné, no sé, no
[01:45:57] se puede decir." E
[01:46:00] así que eh eso, perdón, la primer
[01:46:03] pregunta me fui creo que
[01:46:05] el qué
[01:46:06] encuesta obrera.
[01:46:07] Ah, la encuesta obrera. Bueno, ¿cuál es
[01:46:09] si logramos esos resultados? E depende
[01:46:13] cómo los depende a qué le llamo si
[01:46:14] logramos el objetivo o no, depende cuál
[01:46:16] sea el objetivo, ¿no? Nuestro objetivo
[01:46:17] era un poco eh la segunda parte de lo de
[01:46:20] Marx por un poco. Lo de Marx era primero
[01:46:22] que le respondan las preguntas, pero la
[01:46:23] segunda era que se organizaran. Si me
[01:46:25] preguntas por lo segundo, estoy muy muy
[01:46:28] feliz de que si hubo casos donde sí
[01:46:30] realmente esto sirvió para que para
[01:46:32] experiencias de organización. Por
[01:46:34] ejemplo, la creación de la Asociación de
[01:46:36] Eticatadores de Datos en Kenya fue algo
[01:46:38] que surgió a partir de esto, eh apoyando
[01:46:42] eh también en la creación del Sindicato
[01:46:43] Africano de Moderadores y Moderadoras de
[01:46:45] Contenido e un Consejo Obrero en eh una
[01:46:50] empresa en Esen Alemania que se formó a
[01:46:53] partir de esto y que lograron un montón
[01:46:55] de mejoras para las condiciones
[01:46:58] laborales.
[01:46:59] que e
[01:47:02] la huelga de TikTok de los y las
[01:47:04] trabajadoras de TikTok en Berlín hace
[01:47:07] dos meses, que fue la primer huelga de
[01:47:10] trabajadores de tecnología en Alemania,
[01:47:13] fue algo que bueno, surgió, salen a la
[01:47:17] huelga, salen a salen a a parar, hacen
[01:47:20] paro porque echan los amenazan con echar
[01:47:22] a cientos de trabajadores, pero la
[01:47:24] organización fue a partir de gente que
[01:47:26] trabajaba con nosotros eh en el proyecto
[01:47:29] Eh, la verdad que si si es es la medida
[01:47:31] del éxito no es muy no es muy no es muy
[01:47:33] académica, pero eh si esa es la medida
[01:47:36] del éxito te digo que sí. Con respecto a
[01:47:38] la a la encuesta en sí, nosotros hicimos
[01:47:40] una primera experiencia dejándole eh a
[01:47:43] estos trabajadores de Esem que te digo
[01:47:45] de Alemania que adapten las preguntas,
[01:47:47] las 100 preguntas de Marx eh para no
[01:47:50] para hoy en día. Y ellos lo hicieron.
[01:47:52] Pero a partir de eso, en vez de hacer
[01:47:53] una encuesta propiamente dicha, ¿qué
[01:47:55] hicieron? Hicieron un eh un podcast.
[01:47:58] Entonces se entrevistaron usando esas
[01:48:00] preguntas, eh, se entrevistaron y bueno,
[01:48:03] crearon un podcast que está ahí en el
[01:48:04] repositorio. Eh,
[01:48:07] pero bueno, sí, esas son las
[01:48:08] experiencias.
[01:48:11] Eh, gracias Miros por la presentación,
[01:48:13] superinesante, un montón de cosas, de
[01:48:16] comentarios, de preguntas. hacer unas
[01:48:17] poquitas, una primera más neográfica
[01:48:20] personal, hay muchas muchos estudiantes
[01:48:22] avanzados de socio y otras ciencias
[01:48:24] humanas y sociales. ¿Cómo fue conjugar
[01:48:27] para vos estudiar socio y después hacer
[01:48:30] un cobrar en una ingeniería informática
[01:48:33] parte
[01:48:35] cómo fue transción esa
[01:48:38] incursión
[01:48:40] en en otro ámbito multodisciplinar y
[01:48:41] cómo cómo fueron esas fuentes que
[01:48:43] pudiste tener. Eh, la segunda un poco
[01:48:47] algo lo distinto respecto a los perfiles
[01:48:49] de estos trabajadores y trabajadoras.
[01:48:52] eh tienen pocasiones, no sé, el capital
[01:48:55] educativo, no sé
[01:48:58] si no es muy alto, etcétera. Pero te
[01:49:01] quería preguntar si hay ah tampoco sabía
[01:49:04] hablar inglés, etcétera, pero quería
[01:49:06] preguntarte si hay otros instramentos,
[01:49:07] además de trabajadores de datos que
[01:49:10] tienen otros perfiles, usted cuando vive
[01:49:12] en Estados Unidos otros cambia este
[01:49:15] perfil o no.
[01:49:18] Y una última
[01:49:21] vos hablabas todo lo que lo que hablabas
[01:49:23] no funcionaba especialización,
[01:49:26] eh, y después aparecen cuestiones como
[01:49:28] trabajo domiciliales, trabajo de estas
[01:49:31] casión precuralistas.
[01:49:34] Cuando contas lo de los bonos de Amazon
[01:49:36] es como la forestal, los bonos de
[01:49:39] patrocosta para comprar los almacenes de
[01:49:41] la madera, llamamos muchísimo la
[01:49:44] atención.
[01:49:47] ¿Cómo te llevas con, bueno, cómo
[01:49:48] calificar esta etapa del capitalismo si
[01:49:51] hay algo de novedoso a partir de que
[01:49:53] están enviando las o no
[01:49:57] hay capitalismo,
[01:49:59] hablando de estos conceptos que a veces
[01:50:02] tiran y contar cómo cómo manejabas
[01:50:08] esta conceptualización de la etapa
[01:50:10] actual.
[01:50:13] Eh, a ver, es que en la misma línea y
[01:50:15] así no dale, dale.
[01:50:18] Bueno, agradecerte por lo profundamente
[01:50:20] inspirador, pero me sumo a la pregunta
[01:50:22] de Ca porque va en la misma línea. E
[01:50:25] hace poco venimos reconfrontando
[01:50:26] experiencias laborales de trabajadores
[01:50:28] de plataforma, en particular otro tipo
[01:50:30] de plataforma junto a FRE y
[01:50:34] todo y me pregunta sobre la combinación
[01:50:38] de distintos trabajos, si se trata de
[01:50:40] los famosos moleers o no y se dedican
[01:50:43] completamente a las plataformas. Tengo
[01:50:45] te digo que ganan muy poquito, así que
[01:50:46] preguntarte sobre estas 28 personas,
[01:50:49] cómo hacen con con lo que ganan. Eh,
[01:50:53] bueno, eso y me pregunta un poco sobre
[01:50:55] experiencia muy al pasado lo que hiciste
[01:50:58] mencionaste especialmente la cuestión de
[01:50:59] la migración, pero pasado hablab de
[01:51:01] médicos o de bueno esto, qué tal
[01:51:04] experiencias, de dónde vienen, no sé,
[01:51:06] quiénes son estos trabajadores también
[01:51:07] probablemente en la web que está lleno,
[01:51:09] pero aunque sea uniler
[01:51:12] web y buscar eso.
[01:51:14] Dale.
[01:51:16] Creo que voy a empezar por ahí, así
[01:51:17] también respondo sobre los perfiles. E
[01:51:21] no quiero no quiero que se me malenti
[01:51:22] entienda cuando yo digo cuando yo digo
[01:51:24] esta práctica, cuando cuento sobre esta
[01:51:25] práctica de de ir a los barrios
[01:51:28] populares y buscar, ¿no?, al primer
[01:51:30] empleo, no quiere decir que eh que en su
[01:51:34] mayoría los y las trabajadoras de datos
[01:51:36] sean gente con pocas calificaciones.
[01:51:37] Esto también es un mito, ¿no? Y es un
[01:51:39] mito que, por supuesto, que se usa para
[01:51:40] bajarle el precio a este trabajo.
[01:51:44] Yo te puedo decir que
[01:51:48] la mayoría de las personas con las que
[01:51:50] yo hablé en todo este tiempo eh tienen
[01:51:54] estudios universitarios. Por ejemplo,
[01:51:55] Carina no sa no sabe hablar inglés, pero
[01:51:58] ella es ingeniera en petróleo, está
[01:52:00] recibida. Eh,
[01:52:03] esto de ser médico, de ser se da mucho,
[01:52:06] se da mucho por esta cuestión de
[01:52:07] trayectoria migratoria o trayectoria,
[01:52:09] ¿no?, de personas que buscan eh asilo en
[01:52:12] distintos lugares donde lo que pasa es
[01:52:13] que vienen con estudios, ¿no? Son
[01:52:15] personas que quizás tenían una vida
[01:52:16] supernmal, eh eso una guerra, un
[01:52:20] genocidio y se tuvieron que ir y tenían
[01:52:23] una vida y tenían un estudio, llegan a
[01:52:24] un nuevo lugar donde no se les reconoce
[01:52:26] el título, donde tienen que empezar a
[01:52:28] trabajar de esto. e
[01:52:31] personas, nosotros hemos tenido personas
[01:52:33] que, bueno, dentro de estos 28 hay
[01:52:35] psicólogos, hay, bueno, Oscarina que es
[01:52:38] ingeniería en petróleo, hay eh otro
[01:52:41] ingeniero informático como yo, eh hay
[01:52:44] gente con estudios, hay un antropólogo,
[01:52:46] bueno, no sé, hay digo yo te diría que
[01:52:52] solamente ahora estoy pensando en una
[01:52:53] sola persona que sé que no tiene
[01:52:55] estudios, todo superiores, todos los
[01:52:57] demás tienen estudios superiores, eh,
[01:53:01] solamente que bueno, como te digo, se
[01:53:03] encuentran en situaciones donde no
[01:53:04] pueden ejercer estas estas capacidades.
[01:53:08] Y con respecto al trabajo, si este
[01:53:10] trabajo no es exclusivo o no, la verdad
[01:53:14] es que la mayoría de las personas que
[01:53:15] hacen esto, digo, por supuesto que hay
[01:53:17] un poco esto del BMAN y de que no, que
[01:53:19] ganan un poquito, qué sé yo, pero esto
[01:53:21] se da, esto se da en,
[01:53:25] para empezar se da en otras geografías,
[01:53:27] por ejemplo, esto se da mucho en Estados
[01:53:28] Unidos y segundo se da,
[01:53:31] no quiero, no no no hablaría de la
[01:53:34] mayoría o de una de una de una población
[01:53:37] grande dentro de la población trabaj que
[01:53:40] hace trabajo de datos. ¿Por qué? Porque
[01:53:42] también se necesita un tipo de experti y
[01:53:44] de especialización dentro de este
[01:53:46] trabajo. Digo, no es un trabajo, el mito
[01:53:47] es que, ah, bueno, no sé, estás ahí,
[01:53:50] haces tres clics y eso fue. Digo, se
[01:53:52] necesita un montón de atención y un
[01:53:54] montón de especialización dentro de este
[01:53:55] trabajo que lo lo adquieren las personas
[01:53:58] cuando están en contacto con este
[01:54:00] trabajo todos los días. Eh, yo haciendo
[01:54:03] trabajo de campo probé diferentes
[01:54:05] tareas,
[01:54:06] no me no me saqué sobresaliente en
[01:54:09] ninguna.
[01:54:10] Dificilísimo. Entonces, bueno, estas
[01:54:13] personas, digo, requieren toda esta
[01:54:14] práctica y estas tareas. Eh, entonces la
[01:54:17] mayoría, por ejemplo, dentro de estos 28
[01:54:20] trabajan full time para esto. A ver,
[01:54:22] ¿qué significa trabajar full time? es
[01:54:24] tener disponibilidad full time y
[01:54:26] dedicarse full time a esto. La realidad
[01:54:28] es que los ingresos y el trabajo
[01:54:30] efectivo por el cual se les paga
[01:54:31] equivale a un trabajo eh de medio
[01:54:33] tiempo, ¿no? Porque si bien están
[01:54:35] Oscarina lo cuenta muy bien en su video
[01:54:37] donde dice, "Bueno, a veces estoy en el
[01:54:39] supermercado, me fui a un turno médico y
[01:54:41] me llega, tiene un chatpot que le indica
[01:54:42] cuando sale una tarea que está buena,
[01:54:44] buena y que le paga mejor y dice, "Me
[01:54:46] tengo que volver a hacer la tarea porque
[01:54:47] si no la pierdo." dice que tiene un
[01:54:49] chatbot que a veces le hace despertarse
[01:54:51] a las a las 3 de la mañana cuando salen
[01:54:53] las tareas buenas en Europa, eh, y se
[01:54:55] levanta esa hora con la esperanza de que
[01:54:57] le salga una tarea. Ni siquiera es
[01:54:58] trabajo garantizado. Entonces, bueno,
[01:55:01] eh, pero todos en su mayoría dependen de
[01:55:03] este trabajo realmente para no tienen
[01:55:05] otros trabajos y sí trabajan en
[01:55:06] diferentes plataformas y trabajan en
[01:55:08] diferentes lugares. Eso sí.
[01:55:14] La pregunta más biográfica, la primera
[01:55:16] tuya. Em,
[01:55:19] es difícil con, no les voy a mentir, no
[01:55:21] se las voy a pintar eh más linda de lo
[01:55:24] que es. Es difícil conjugar estos dos
[01:55:26] mundos, realmente. Eh, es difícil
[01:55:28] también conjugarlos por ahí desde mi
[01:55:30] propia posicionalidad como mujer y
[01:55:33] también en Alemania como migrante, ¿no?
[01:55:35] Eh, y también un poco eso también me
[01:55:36] lleva a la decisión de hacer el
[01:55:38] doctorado. Hoy Aurelia me decía, "Bueno,
[01:55:40] ¿por qué no te hiciste un cursito?"
[01:55:42] Eh,
[01:55:44] sí, no es lo mismo, no era lo mismo, no
[01:55:46] era lo mismo llegar y presentarme como
[01:55:48] doctora en esto, eh, que decir, bueno,
[01:55:51] es un cursito sin sin menospreciar el
[01:55:55] cursito, ¿no? Pero digo, eh, era eso,
[01:55:58] era un poco, bueno, quiero tener el
[01:55:59] título porque si no siempre venía la
[01:56:02] pregunta eh de alguno que se creía, "Ah,
[01:56:05] bueno, no, yo ahora te voy a agarrar
[01:56:07] porque vos no sabes de lo que estás
[01:56:08] hablando."
[01:56:09] Y eso me molestaba mucho realmente. Y
[01:56:11] por supuesto que también había un hambre
[01:56:13] de saber porque yo llego a esto, este
[01:56:16] mundo un poco de casualidad, eh, pero yo
[01:56:18] venía hablaba desde las ciencias
[01:56:20] sociales y hablaba desde teorías
[01:56:21] sociológicas que por ahí no tienen 100
[01:56:25] años, ¿no? Entonces, bueno, un poco esta
[01:56:27] reinterpretación de este nuevo nuevo
[01:56:29] mundo, nuevo mundo entre comillas, pero
[01:56:31] también entender de qué se trataba este
[01:56:33] nuevo mundo desde lo técnico, porque si
[01:56:35] no también es muy difícil eh sí entrarle
[01:56:39] o por lo menos a mí me resultaba muy
[01:56:40] difícil.
[01:56:42] Eh,
[01:56:44] sobre si hay estamentos. Esto no te lo
[01:56:46] contesté, ¿no? Eh, estamos por supuesto
[01:56:49] que sí hay estamentos, pero la carrera
[01:56:51] de un trabajador, trabajadora de datos
[01:56:53] es cortita, eso. Después puede ser
[01:56:55] reviewer, mucho más no hay. Eh,
[01:57:00] y sobre la conceptualización de esto,
[01:57:02] ¿no? Ah, sí, hay 10,000 conceptos sobre
[01:57:04] en qué etapa de capitalismo, del
[01:57:06] capitalismo estamos. No voy a entrar en
[01:57:08] esa porque es una discusión eh larga.
[01:57:10] solamente decirte que a veces me me
[01:57:13] hacen, no me responden también en las
[01:57:15] redes, en algún lugar, eh, como bueno,
[01:57:20] pero este precarización hubo siempre,
[01:57:22] ¿no? Este tipo de trabajo eso no es otra
[01:57:24] cosa que el trabajo informal. Eh,
[01:57:28] no es no es el no es no es la no es la
[01:57:32] no es la respuesta ingeniosa que se
[01:57:34] creen que me están dando. Eh, sí, si
[01:57:36] bien hubo siempre eh para empezar hay
[01:57:39] que empezar por algún lado, ¿no? A mí me
[01:57:41] tocó hablar de esto y tematizar esto.
[01:57:43] Digo, otros por ahí están hablando de la
[01:57:45] precarización laboral en otros sectores
[01:57:47] y está muy bien. E pero si hay algo que
[01:57:50] caracteriza este momento y esta forma de
[01:57:52] precarización es la escala. Eh, y creo
[01:57:55] que eso es algo que por ahí no sé si se
[01:57:57] ha visto en otros en otros lugares, ¿no?
[01:58:00] escala e y también la relación directa,
[01:58:03] y esto es casi un círculo vicioso que
[01:58:06] vemos en en lugares muy terribles, de
[01:58:08] cómo la precarización del trabajador y
[01:58:12] la instrumentalización del trabajador
[01:58:14] para que imponer estas estas eh estas eh
[01:58:18] visiones del mundo muy específicas como
[01:58:20] verdad, estos sistemas que impactan que
[01:58:23] nos impactan a todos, pero que también
[01:58:25] impactan a las comunidades de estos
[01:58:27] trabajadores muy específicamente. Te doy
[01:58:28] un ejemplo. Em,
[01:58:32] hace unos años publiqué un, bueno, el
[01:58:34] año pasado publiqué un artículo sobre eh
[01:58:37] los trabajadores que trabajan, los
[01:58:39] trabajadores eh sirios que trabajan en
[01:58:42] etiquetar imágenes satelitales, ¿no? Y
[01:58:45] esos trabajadores no se les cuentan para
[01:58:47] qué es, ellos se los pueden imaginar. y
[01:58:49] también, ¿no?, esto de que las
[01:58:51] geografías de lugares específicos son
[01:58:54] muy específicas, entonces se tiende a
[01:58:55] contratar a trabajadores de esos lugares
[01:58:58] porque no es lo mismo el techo de una
[01:58:59] casa acá en Argentina que en eh Gaza. No
[01:59:02] se ven de la misma manera. Entonces,
[01:59:04] cuando se les pide que separen, no sé,
[01:59:06] la vegetación de, no sé, esto es un
[01:59:08] arbusto, esto es un árbol, esto es un
[01:59:09] techo, tod Bueno, tienen que conocer muy
[01:59:11] bien eso. Por eso se busca esos
[01:59:13] trabajadores de esos lugares. Estos
[01:59:15] trabajadores lo que están haciendo es
[01:59:16] están entrenando los mismos sistemas y
[01:59:18] las mismas armas que contribuyeron a su
[01:59:20] desplazamiento, que contribuyen al
[01:59:22] aniquilamiento de sus eh de sus
[01:59:24] comunidades y de sus familias. digo, ahí
[01:59:27] ves el círculo perfecto, ¿no? Y esto
[01:59:29] creo que es algo que eh no sé, no tengo,
[01:59:32] por lo menos quizás soy yo la burra,
[01:59:34] pero no tengo ejemplos de haberlo visto
[01:59:35] antes. E este grado de perversidad me
[01:59:39] parece que es un poco único.
[01:59:42] Sí.
[01:59:43] Hola.
[01:59:44] y allá después también
[01:59:49] la charla habemos hablado un poco antes,
[01:59:51] pero un poco volviendo a estas
[01:59:53] cuestiones y de mar informático y no
[01:59:59] sociología, eh, entonces puedo cometer
[02:00:02] algunos errores, pero pensaba en esto de
[02:00:08] el tema del capitalismo o el capitalismo
[02:00:11] industrial del siglo 19 del siglo XX y
[02:00:15] la escuela, la escuela moderna como
[02:00:18] digamos funcional a ese capitalismo. Y
[02:00:23] hoy eh las plataformas y algo que que
[02:00:28] contaba hoy, la cuestión de eh como el
[02:00:31] currículo oculto de las tecnológicas en
[02:00:35] los celulares y los chicos jugando
[02:00:37] jueguitos que tienen las mismas lógicas.
[02:00:41] Creo y les pregunto que pues el trabajo
[02:00:45] lo que usan en las plataformas, cómo
[02:00:46] funcionan las plataformas y esta
[02:00:49] cuestión de eh no tener a nadie a quién
[02:00:51] recurrir. Eh, también esta cuestión que
[02:00:54] tiene que ver con desarmar sindicatos,
[02:00:57] desarmar organizaciones entidades. Hoy
[02:00:58] están desorganizando o desarmando el
[02:01:02] estado porque las plataformas saltan por
[02:01:04] arriba de los estados, no cumplimos la
[02:01:07] ley de los estados. Entonces es como
[02:01:10] digamos eh todo este sistema de
[02:01:13] plataformización
[02:01:14] que va un chico empieza a jugar con un
[02:01:17] celular hasta que empieza a trabajar
[02:01:20] para estas plataformas o mecaste algo
[02:01:22] como que eh estos juegos, digamos, de
[02:01:26] poner tareas de plataforma y yo
[02:01:31] por mi lado jugando, investigando esto
[02:01:34] de que los celulares te ponen ese mismo
[02:01:37] tipo de juego, los juegos plataforma
[02:01:39] ponen eso. Hoy tenés que cumplir una
[02:01:42] tarea que si no la haces eh bueno,
[02:01:45] perdés mañana tenés que lo que tenés que
[02:01:49] resolver esta semana, lo que tenés que
[02:01:50] resolver en la tempada y que si vos vas
[02:01:54] vos podés decidir no hacerlo. Nadie te
[02:01:56] obliga, pero si no lo hacés perdés. Y si
[02:02:00] hoyaste algo por la mitad, este trabajo
[02:02:02] que hiciste hoy hasta la mitad, mañana
[02:02:04] lo perdés y no tenés de manera de decir,
[02:02:07] "Uy, mirad, yo lo había hecho, mañana
[02:02:09] sí, no, no podés.
[02:02:11] Vuelta."
[02:02:12] Bueno, entonces nada, esa relación en
[02:02:15] las plataformas de que los chicos son
[02:02:17] chiquitos hasta que después empie a
[02:02:20] trabajar y esta cuestión también de
[02:02:22] laización como una herramienta
[02:02:25] que saltea todo y propone propor una
[02:02:29] nueva organización de trabajo
[02:02:31] sin
[02:02:33] sin mediaciones de la corporación al
[02:02:37] trabajo.
[02:02:38] Eh, sí, me respondo o o quía había otra
[02:02:42] después alguien más ahí atrás. No sé,
[02:02:48] qué graas. Bueno, mucho gusto.
[02:02:50] Este, yo quiero hacer una pregunta e un
[02:02:53] poco por la pregunta que dentro de
[02:02:56] cómo todo este sistema particular y como
[02:03:00] eh el trabajador es eh paradóicamente es
[02:03:05] el consumidor, eh productor eh víctima
[02:03:11] de del mismo producto, ¿no? y cómo todos
[02:03:16] están construindo para con una
[02:03:18] herramienta deonía
[02:03:20] global y cultural
[02:03:23] e y nada, yo estoy tratando de entrar
[02:03:25] con todo esto y la verdad que me da un
[02:03:28] poco de miedo todos dónde todos se
[02:03:30] distribu y saber si hay alguna visión a
[02:03:34] la que podamos afundar para que sea algo
[02:03:38] más fácil para la cultura deidad.
[02:03:41] Eh eh muchas muchas gracias. Voy a
[02:03:44] empezar por ahí si si no te puedes eh
[02:03:47] voy a empezar por ahí. Me parece una
[02:03:48] pregunta interesantísima y decirte
[02:03:50] también que el miedo es compartido, eh,
[02:03:52] no es solamente tuyo, es es realmente
[02:03:56] da miedo, pero no da miedo. Y hoy
[02:03:58] hablábamos de esto, ¿no? Esta cuestión
[02:03:59] de que a veces estas visiones eh
[02:04:02] superoptimistas y tecnooptimistas, ¿no?
[02:04:05] Y utópicas de la tecnología y también la
[02:04:07] visión distópica de nos van a matar, nos
[02:04:10] van a superar en inteligencia, son un
[02:04:12] poco la misma cara, la cara, dos caras
[02:04:14] de la misma moneda, ¿no? Y esto también
[02:04:15] lo decía eh Aurelia más temprano, eh que
[02:04:20] lo que nos llevan a pensar es en la nos
[02:04:23] llevan a creer que esto es inevitable,
[02:04:25] que el desarrollo, como lo estamos
[02:04:26] viendo hoy de la inteligencia artificial
[02:04:28] y de estas tecnologías es inevitable y
[02:04:30] no podemos hacer nada para cambiarlo. Em
[02:04:34] y creo que este es un grave error. Creo
[02:04:36] que son dos caras de la misma manera y
[02:04:37] es un grave error caer en esa. Entonces
[02:04:40] está bien tener miedo, pero está bien
[02:04:41] tener miedos concretos. Yo creo que soy
[02:04:43] soy muy de tener miedos concretos. Digo,
[02:04:45] hablemos de esto. Hablemos del uso de la
[02:04:47] inteligencia artificial hoy para eh
[02:04:52] para la para la manipulación, ¿no?, de
[02:04:55] la gente. Hablemos hoy del uso de la
[02:04:57] inteligencia artificial en, como decía
[02:05:00] antes, ¿no?, en tecnologías de de
[02:05:02] vigilancia, de guerra, de genocidio, de
[02:05:05] aniquilación. Eh, hablemos de eso, digo,
[02:05:07] muy específicamente, eh, y no como,
[02:05:10] bueno, no, oye, va a llegar un día que
[02:05:12] estas inteligencias no van a superar y
[02:05:14] entonces no sé qué pasar tal cosa. Em,
[02:05:18] digo, nos estamos perdiendo hoy muy
[02:05:20] concretamente de hablar de esos miedos.
[02:05:22] Eh, visiones, visiones alternativas. Hay
[02:05:25] un montón. Hay un montón y hay, no sé, y
[02:05:28] hay un montón que tienen que tienen su
[02:05:30] raíz y sus basadas en epistemologías que
[02:05:33] no son necesariamente eh las eh las eh
[02:05:37] occidentales o eh eh Europa centristas,
[02:05:41] ¿no? Sino que son eh por ahí hay
[02:05:44] visiones alternativas como por ejemplo
[02:05:45] el afro futurismo, ¿no? donde hay un
[02:05:48] montón de cosas reinesantes para leer
[02:05:50] con sobre tecnología y siempre la
[02:05:52] coincidencia es esta es son tecnologías
[02:05:55] chiquitas creadas por comunidades
[02:05:58] específicas para servir a los intereses
[02:06:00] de esas comunidades específicas, ¿no? No
[02:06:03] es esto como oposición a esto de las
[02:06:06] grandes, las gigantes tecnológicas,
[02:06:08] creando tecnologías que te tienen que
[02:06:10] servir a vos y le tienen que servir, no
[02:06:12] sé, a una monja en el Vaticano y le
[02:06:15] tiene que servir a un recolector de de
[02:06:18] no sé de frutillas en no sé en dónde.
[02:06:22] No, eso no existe. No, no, no, no puede
[02:06:24] haber tecnologías que nos sirvan a todos
[02:06:26] y todas por igual y menos si esas
[02:06:28] tecnologías en realidad están al
[02:06:30] servicio de el capital privado, ¿no?
[02:06:33] Porque también es esto. Entonces, sí hay
[02:06:36] un montón eh de alternativas eh pero y
[02:06:40] es y es reimportante también permitirnos
[02:06:42] pensar en alternativas, no dar esto eh
[02:06:45] no dar esta batalla por perdida, porque
[02:06:47] si no realmente está perdida. Y ahora
[02:06:50] sí, volviendo a tu pregunta con respecto
[02:06:52] a lo de al esto de que ya empieza casi
[02:06:56] desde que los chicos ya tienen acceso al
[02:06:58] celular con con dos, tres bebés, no sé,
[02:07:00] ya con el celular y qué sé yo y este
[02:07:02] entrenamiento con respecto a los
[02:07:03] jueguitos. A mí me pareció muy
[02:07:05] interesante esto que aportabas más
[02:07:07] temprano y que lo repetías ahora de cómo
[02:07:10] lo que yo te decía, ¿no?, que esto del
[02:07:11] elemento de se le dice gamification, eh,
[02:07:15] no, del elemento de gamification que
[02:07:16] está presente en las plataformas y que
[02:07:18] hace que el trabajador siga, ¿no?, y
[02:07:20] continúe y un poco como para hacérselo
[02:07:23] más llevadero, ¿no? Y etcétera, para
[02:07:25] compensar por él, ¿no? Y un poco para
[02:07:26] darle idea de que esto es un juego, no
[02:07:28] es un trabajo. Entonces, bueno, si te
[02:07:30] doy un poco de plata es eh sentirte
[02:07:32] agradecido.
[02:07:34] Eh,
[02:07:36] lo habíamos visto de este lado, pero no
[02:07:37] lo había visto o nunca yo lo había
[02:07:39] pensado desde ese lugar de bueno, el
[02:07:41] juego también como preparación para la
[02:07:43] plataforma, ¿no? Eh, para la
[02:07:46] plataformización del trabajo. Eh, eso me
[02:07:49] pareció muy interesante.
[02:07:51] Creo que también responde a esto, ¿no?
[02:07:53] acto de de
[02:07:57] hacernos cada vez menos pensantes y de
[02:07:59] hacernos cada vez más dependientes, pero
[02:08:02] también con el objetivo de no dejarnos
[02:08:03] pensar en esto, en las alternativas. hay
[02:08:05] alternativas. Eh, acá ningún, o sea, yo
[02:08:08] por lo menos no no
[02:08:11] eh no me inscribo en eh no inscribo a la
[02:08:15] a una visión, ¿no?, de bueno,
[02:08:17] destruyamos todas las tecnologías, la
[02:08:18] tecnología es mala de por sí, sino es
[02:08:22] creemos alternativ, creemos tecnologías
[02:08:24] que nos sirvan y probablemente las que
[02:08:26] nos sirvan a nosotros no le va a servir
[02:08:27] al vecino y está bien que así sea y el
[02:08:29] vecino tendrá que pensar qué tecnologías
[02:08:31] le sirven y por ahí podemos compartir
[02:08:32] experiencias. Eh, pero un poco eso, pero
[02:08:35] sí, esto que está sucediendo es bastante
[02:08:39] da mucho miedo realmente. Yo sí lo
[02:08:42] observo. Eh, no, te decía hoy, les
[02:08:46] contaba, ¿no? El caso de un famoso eh
[02:08:50] pensador, por decirlo de alguna manera,
[02:08:51] que decía eh yo ya no puedo trabajar sin
[02:08:55] eh sin consultar con chat GPT. A mí me
[02:08:57] llamó la atención, ¿no? Porque esto de
[02:08:59] no poder sentir que uno no puede, eh,
[02:09:02] una cosa es lo pruebo, a veces me sirve,
[02:09:03] a veces no me sirve, pero ya sentir que
[02:09:05] uno no puede, algo que hizo 40 años de
[02:09:08] taquito y sin estas tecnologías y ahora
[02:09:10] de repente no puedo hacerlo sin
[02:09:16] Por ahí hay
[02:09:30] y bueno, acá desde el chat hay varias eh
[02:09:33] mucha gente que agradece por la por la
[02:09:35] presentación eteral. Hay varias
[02:09:37] preguntas que fueronas y que también
[02:09:39] fueron acá y van eh a no ser
[02:09:42] correspondidas, pero digo en particular
[02:09:44] que que hay eh eh planteada que es si
[02:09:48] han tenido instancia el equipo de
[02:09:49] investigación intercambio con lach decia
[02:09:52] artificial y si la investigación quiero
[02:09:55] puede tener un impacto en la regulación
[02:09:57] de la de
[02:09:59] eh buenísima pregunta. Voy a mirar a la
[02:10:01] cámara un poco siento que estoy mirando
[02:10:03] a la persona. Eh, buenísima pregunta.
[02:10:05] Muchas gracias y también muchas gracias
[02:10:06] a todas las unas personas que pusieron
[02:10:08] preguntas en el chat. Em,
[02:10:12] no, bueno, la las BigTech no no tien no
[02:10:15] no creo que quieran hablar con no tienen
[02:10:17] mucha voluntad de hablar con tampoco con
[02:10:19] ellos, pero eh yo más que más que nada
[02:10:22] por miedo, ¿no? Miedo a que me a que me
[02:10:24] demanden, etcétera, etcétera. Y ellos
[02:10:26] creo que bueno, prefieren ignorar mi
[02:10:28] presencia, aunque estamos ahí en la
[02:10:29] misma lista de time, estoy yo, yo y los
[02:10:34] SEO de las de las gigantes tecnológicas,
[02:10:36] lo cual es es bastante flero para mí,
[02:10:39] ¿no? También es es bastante eh irónico.
[02:10:44] Eh, no, nunca quisieron hablar con
[02:10:45] nosotros.
[02:10:47] Eh, y con respecto a la regulación, sí,
[02:10:49] es algo es una pata muy muy importante
[02:10:51] de nuestro trabajo, una pata eh por
[02:10:54] supuesto las patas que que van de fuera
[02:10:55] de lo científico, ¿no?, y de lo
[02:10:57] académico. Pero las dos patas que
[02:10:58] tenemos es una eh por supuesto esto de
[02:11:01] la la investigación para la organización
[02:11:03] y la acción colectiva y la otra tiene
[02:11:05] que ver con e con trabajar o con eh
[02:11:09] influenciar eh la creación de políticas
[02:11:12] públicas y de legislaciones. Esto es
[02:11:14] algo que hemos hecho, como decía antes,
[02:11:16] ir al Parlamento Europeo, lo hicimos dos
[02:11:17] veces. Eh, una muy específica en el
[02:11:21] marco de lo que se llamó e la directiva
[02:11:25] de trabajadores de plataformas, ¿no?
[02:11:27] Donde hasta nuestra intervención no
[02:11:29] estaban realmente pensando en el
[02:11:31] trabajador, trabajadora de datos como un
[02:11:33] trabajador de plataforma. estaban todos
[02:11:35] los sindicatos de Uber y qué sé yo,
[02:11:36] había una participación muy buena de
[02:11:38] organizaciones eh sindicales y otro tipo
[02:11:42] de organizaciones de de trabajadores y
[02:11:44] trabajadoras, pero nadie estaba
[02:11:45] representando eh a los y las
[02:11:47] trabajadoras de datos. Ese fue el panel
[02:11:49] que que formamos, donde fue muy difícil,
[02:11:51] pero a partir de eso se creó un
[02:11:53] intercambio constante con organizaciones
[02:11:55] que se habían formado eh de trabajadores
[02:11:58] y trabajadoras de datos y tuvieron una
[02:12:00] influencia eh muy buena dentro de lo que
[02:12:03] fue esa directiva del trabajo de
[02:12:05] plataformas, incluso que se los
[02:12:07] incluyera el el parece banal, ¿no? Uno
[02:12:10] de los grandes éxitos fue que dentro del
[02:12:12] material que acompañaba la legislación,
[02:12:15] primero que se nombró dentro de la de la
[02:12:17] pieza legislativa a al trabajo de datos
[02:12:20] específicamente, pero también no muy
[02:12:22] visualmente habían hecho un gráfico con
[02:12:24] respecto a lo que era el trabajo de
[02:12:26] datos, al trabajo de plataformas y ahí
[02:12:28] estaban también los y las trabajadoras
[02:12:30] de datos, lo cual eh eh para las
[02:12:32] personas que fueron al Parlamento
[02:12:34] Europeo y testificaron fue muy
[02:12:35] importante. Otro trabajo que hacemos
[02:12:39] muy concretamente, no me pregunten por
[02:12:41] qué, pero siempre nos consultan
[02:12:43] senadores de Estados Unidos. Una de las
[02:12:46] cosas que se logró fue que un senador de
[02:12:50] apellido Marky eh mandó una carta a
[02:12:53] estas gigantes tecnológicas, o sea,
[02:12:54] consultó primero con nosotros. Nosotros
[02:12:56] dijimos, "Bueno, que te hablen los
[02:12:57] trabajadores eh directamente, crearon un
[02:13:00] cuestionario y este cuestionario se lo
[02:13:01] mandaron medio como el cuestionario de
[02:13:03] Marx, pero al revés se lo mandaron a las
[02:13:05] a las gigantes tecnológicas para
[02:13:07] preguntarles un poco esto que nadie les
[02:13:09] había preguntado, ¿no? Con carácter de
[02:13:11] de de testimonio legislativo para
[02:13:13] comparecer frente al Congreso de Estados
[02:13:15] Unidos preguntándoles, bueno, ¿quiénes
[02:13:17] son sus trabajad usan trabajadores y
[02:13:19] trabajadoras de datos? ¿Dónde están?
[02:13:21] ¿Quiénes son? ¿Cuánto les pagan? en qué
[02:13:23] condiciones, etcétera, etcétera. Esto
[02:13:25] fue muy importante. Eh, así que sí, este
[02:13:27] es un trabajo que hacemos. Eh, estoy muy
[02:13:29] orgullosamente invitada al Parlaz Surur,
[02:13:31] eh, en un par de semanas. Eh, bueno, es
[02:13:35] un trabajo que hacemos constantemente,
[02:13:36] todo el tiempo estamos escribiendo
[02:13:37] reportes e eh con respecto a bueno, se a
[02:13:41] las legislaciones que se pueden afectar
[02:13:44] a partir de o que se pueden influenciar
[02:13:46] a partir de este trabajo.
[02:13:59] Nicolas
[02:14:04] muy cortita
[02:14:08] coordinado,
[02:14:17] está el caso de de
[02:14:20] Kenya, donde eh los trabajadores de esta
[02:14:24] empresa Samace, que se menciona varias
[02:14:26] veces en la presentación demandan no
[02:14:29] solamente a la empresa tercerizadora, en
[02:14:31] este caso SAMA, eh sino también al emple
[02:14:35] a quienes ellos consideraban ser el
[02:14:37] empleador que fue Meta. Meta era el
[02:14:40] cliente, Meta tercerizaba eh el trabajo
[02:14:43] de modelación de contenido para Facebook
[02:14:45] y para eh y para Instagram con esta
[02:14:48] empresa tercerizadora. Los trabajadores
[02:14:51] cobraban menos de $2 la hora.
[02:14:53] condiciones de laborales paupérrimas, eh
[02:14:56] gente moderando, bueno, gente que
[02:14:58] trabaja con nosotros, gente moderando
[02:15:00] los mismos genocidios y las mismas
[02:15:02] guerras y y desastres de los cuales
[02:15:04] habían escapado, eh, a cuales a las
[02:15:07] cuales no se los hacía psicológicamente,
[02:15:10] eh no se les brindaba ni siquiera un
[02:15:11] recreo para reponerse. El caso de una
[02:15:13] persona, ¿no?, que también eh está en
[02:15:15] nuestro repositorio.
[02:15:17] que esto, para que se den una idea de la
[02:15:19] gravedad descubre eh descubre dentro del
[02:15:24] mientras estaba modelando contenido se
[02:15:25] había escapado del genocidio
[02:15:28] en Etiopía e y descubre mientras estaba
[02:15:31] moderando contenido el cadáver de su
[02:15:33] primo que estaba desaparecido hacia
[02:15:34] varios meses, toda su familia buscándolo
[02:15:36] lo descubre ahí y no le dan ni siquiera
[02:15:39] un recreíto para sobreponerse a eso. en
[02:15:41] 50 segundos. Dale, seguir. Eh
[02:15:44] eh y ese bueno, ese es uno de los
[02:15:47] testimonios, ¿no?, que que nosotros
[02:15:50] pudimos registrar. digo, hay muchos
[02:15:52] otros dentro de la demanda hay cosas
[02:15:53] terribles. Em, y lo peor que lo lo que
[02:15:58] lo que pasa también otro el otro reclamo
[02:16:00] era bueno eh esto de de intentar eh
[02:16:04] romper el sindicato, de intentar eh eh
[02:16:08] no ir en contra de de la organización de
[02:16:10] los trabajadores. Frente estas estas eh
[02:16:13] eh condiciones laborales, los
[02:16:15] trabajadores se quieren organizar,
[02:16:16] quieren formar un sindicato, eh lo que
[02:16:18] hace la empresa a pedido de meta es
[02:16:20] echarlos a todos. Entonces, los echan a
[02:16:22] todos y estos son los que demandan. Lo
[02:16:24] que reconoce eh este fuero es eh primero
[02:16:28] darles la razón a los trabajadores que
[02:16:31] Meta es el empleador y dar lugar a la
[02:16:34] demanda contra Meta como empleador, como
[02:16:37] responsable de estas condiciones
[02:16:38] laborales. La demanda continúa. Eh, pero
[02:16:41] esto ya es un paso muy muy importante
[02:16:43] porque hasta ahora nunca se había
[02:16:44] reconocido que el cliente era en verdad
[02:16:46] el empleador. Lo que pasaba era que
[02:16:48] cuando sucedían estas cosas, la empresa
[02:16:50] tercerizadora se lava las manos, dice,
[02:16:52] "Yo no soy responsable por por las
[02:16:54] condiciones. Esto es verdad, el cliente
[02:16:56] impone la impone el proyecto, trae el
[02:16:58] proyecto y entonces impone las
[02:16:59] condiciones, la forma de trabajar, las
[02:17:01] tecnologías, las interfaces con las que
[02:17:03] se trabajan, etcétera.
[02:17:05] Eh, y lo que dice Meta es, no, yo
[02:17:08] contraté a la empresa. Yo a vos no, a
[02:17:09] vos como trabajador individual no te
[02:17:11] contraté nunca. Entonces, bueno, no soy
[02:17:12] tu empleador, yo le doy este proyecto a
[02:17:14] esta empresa, contrato a la empresa, eh,
[02:17:17] pero la empresa es la que es responsable
[02:17:18] por tu tu bienestar y tu tus condiciones
[02:17:21] laborales. Entonces, así se pasaba en la
[02:17:23] pelota y esto de reconocer a, ¿no?, a la
[02:17:26] BigTech, eh, a meta en este caso como el
[02:17:28] empleador, realmente fue un paso muy
[02:17:29] importante. La demanda sigue con un
[02:17:31] montón de idas y vueldas y cuestiones
[02:17:33] también, por supuesto, políticas y de
[02:17:35] corrupción y de amentamiento
[02:17:39] eh a los a los demandantes y a los a los
[02:17:42] trabajadores en general. Eh, realmente
[02:17:44] es muy difícil la la situación en Kenya,
[02:17:48] incluso con riesgo para la seguridad de
[02:17:51] algunas de estas personas. Por ejemplo,
[02:17:52] la semana pasada una de las personas que
[02:17:54] colabora con nosotros, lo puedo decir
[02:17:56] ahora públicamente porque ya está eh a
[02:17:58] salvo en su en Nigeria, que es un país
[02:17:59] de origen, e la tuvimos que sacar de
[02:18:02] Nairobi, sacar literalmente comprar un
[02:18:04] pasaje y decirle, "Andate." Encontramos
[02:18:07] a una eh colaboramos con una persona que
[02:18:10] trabaja para Naciones Unidas. Eh, no
[02:18:13] porque Naciones Unida vaya a hacer algo
[02:18:14] por alguien, pero porque eh esta persona
[02:18:17] tenía un tenía guardaespaldas
[02:18:19] literalmente. Entonces, la mandamos a
[02:18:20] dormir con esta persona eh en la casa de
[02:18:22] esta persona dos días porque realmente
[02:18:24] su vida corría peligro eh y ahora ya
[02:18:28] está a salvo con su familia en Nigeria.
[02:18:30] Eh,
[02:18:32] ese es un poco el trabajo. Es es un poco
[02:18:34] el trabajo que no van las las
[02:18:36] diapositivas, pero es el trabajo el que
[02:18:38] nos levantamos yamos todos los días.
[02:18:43] Creo que había una pregunta por acá.
[02:18:54] presentación y por todo ese tema
[02:18:58] algo del asombro también de cana y de la
[02:19:03] tampoco
[02:19:07] eh
[02:19:09] me acompañendo
[02:19:11] mucho de de este universo.
[02:19:15] Me pregunta un poco
[02:19:21] la pregunta.
[02:19:23] Eh, bueno, alguno de otra cosa que
[02:19:25] comentaba al pandilla, ¿no?
[02:19:29] bienvenido que es el espacio de de
[02:19:33] reunión
[02:19:34] de conversar conamente no es un soloador
[02:19:38] eh
[02:19:40] momento de crucificar la historia que no
[02:19:42] toca sino de las posibles eh vías de
[02:19:46] acción
[02:19:48] que
[02:19:50] como realmente se hacen cosas eh y
[02:19:54] pensando en todas eh esas eh
[02:19:58] que nos amenazan eh hoy más que más que
[02:20:02] nunca eh mencionaba bueno
[02:20:07] eh
[02:20:10] omnipotente de las y del
[02:20:16] digamos en un momento en que
[02:20:21] forma estructural
[02:20:24] eh
[02:20:26] digo, esación lado de ellos Lo mayor de
[02:20:34] no podía imaginarme 400 millones de
[02:20:36] personas
[02:20:38] trabajando de en las condiciones de
[02:20:41] forma que por lo menos en mi horizon
[02:20:44] estaba en esa no 5%
[02:20:48] me acuerdo
[02:20:51] la cuenta eh no sé qué otra industria
[02:20:54] tiene este tiene este volumen y no sé si
[02:20:58] Ya, la pregunta que me ha da vueltas
[02:21:01] pensando en esas discusiones es eh
[02:21:04] cuando llegan esas discusión necesitan
[02:21:06] algo esas empresas que necesit cuando
[02:21:09] vienen cuando las grandes industrias
[02:21:11] vienen a traer una discusión tal y tal
[02:21:15] que necesita
[02:21:17] esta regulación esta regulación.
[02:21:20] Hay algo que la lleve en la discusión
[02:21:23] global y uno puede escuchar una música.
[02:21:27] Se trata de que o sencillamente tienen
[02:21:30] un mundo tan
[02:21:33] rompeado a su modo que
[02:21:35] van encontrándose lugares donde
[02:21:40] esa
[02:21:43] una vista demasiado grande como para
[02:21:49] muchos de eso.
[02:21:52] discusión recién como escuchaba
[02:21:57] eh y después no sé si
[02:22:00] a ver a ver te la te la te la reformulo
[02:22:03] a ver si la entendí bien eh vos me estás
[02:22:05] preguntando si si a pesar de todo este
[02:22:08] poderío que tienen si todavía necesitan
[02:22:11] algo estas estas
[02:22:14] forma laboral
[02:22:16] esto
[02:22:19] obvi
[02:22:20] está llenado.
[02:22:21] Obvio, obvio. Eh,
[02:22:24] si hay algo que caracteriza este
[02:22:26] momento, esta industria, sobre todo, es
[02:22:28] eh es la voracidad, ¿no? Y la voracidad
[02:22:32] enorme y esto se ve se ve desde, te
[02:22:34] diría hasta desde el punto de vista
[02:22:36] vista técnico, ¿no? A los colegas por
[02:22:39] ahí que están más en esto de la la
[02:22:42] inteligencia artificial desde lo más
[02:22:43] técnico, ¿no?, de la informática. eh te
[02:22:45] pueden decir la inteligencia artificial
[02:22:47] de la forma en la que está planteada eh
[02:22:51] como lo vemos hoy en día, depende de la
[02:22:53] voracidad y depende de la disponibilidad
[02:22:57] eh enorme de datos, ¿no? Y digo, se
[02:23:00] podría haber planteado de otra manera y
[02:23:01] se podrían crear sistemas que funcionen
[02:23:03] de otra manera, pero de esta es la forma
[02:23:04] que se lo planteó en esto de no
[02:23:06] recolectar todo lo que hay en internet,
[02:23:08] aunque sea una basurero enorme, y
[02:23:10] después lo limpiamos, pero más es más y
[02:23:12] esto de la voracidad y esto también
[02:23:14] aplica, esto aplica el aspecto técnico,
[02:23:16] pero también aplica a la cuestión eh a
[02:23:19] la cuestión del del poderío y del
[02:23:22] capital que no es solamente económico,
[02:23:24] sino como decía antes, también tiene que
[02:23:26] ver con un capital político y tiene que
[02:23:27] ver con un capital epistémico.
[02:23:29] eh para imponer estas realidades. Eh,
[02:23:33] así que sí, la voracidad caracteriza y
[02:23:35] siempre quieren más, por supuesto, no
[02:23:37] les sirve. Una cosa que se ve, ¿no?, muy
[02:23:39] claramente es la capacidad que tienen
[02:23:41] estas empresas y estas plataformas para
[02:23:43] migrar. No les sirve en Nairobi se arma
[02:23:46] mucho demasiado tolle tole. Se van, se
[02:23:48] van y ahora se instalan en Uganda porque
[02:23:51] las las regulaciones son más laxas,
[02:23:53] porque tienen no mayor flexibilidad.
[02:23:55] Entonces, bueno, se van. Eh,
[02:23:58] y esto no solamente se ve en el trabajo
[02:23:59] de datos, también se ve en otras cosas.
[02:24:01] Otra cosa que necesitan estas empresas
[02:24:03] es territorio, es tierra, es digamos
[02:24:05] espacio. Eh, por más que nos quieran
[02:24:08] contar que los datos eh son
[02:24:12] están en la nube y son básicamente
[02:24:13] vibras, eh los datos son están en
[02:24:16] lugares físicos y esos lugares físicos
[02:24:18] eh usan espacios, ¿no? Y el caso, por
[02:24:20] ejemplo, del anuncio de Open AI
[02:24:22] instalando acá un Mega Data Center que
[02:24:25] se anunció hace dos semanas muy
[02:24:26] oportunamente con respecto a las
[02:24:28] elecciones y esta mega inversión.
[02:24:31] No sabemos si es verdad o es parte del
[02:24:33] humo que característica de esta
[02:24:35] industria, eh, pero aunque fuera verdad,
[02:24:37] no es una buena noticia, ¿no? Y siempre
[02:24:39] van a buscar que estas empresas,
[02:24:42] digamos, esas empresas siempre van a
[02:24:43] buscar más por menos. A nosotros no nos
[02:24:46] van a dar nada. Esto no es una buena
[02:24:48] noticia para el país, no tiene que ver
[02:24:49] con la soberanía de de nada. Los datos
[02:24:52] le siguen perteneciendo a Open y el
[02:24:53] poder de cómputo le va a seguir
[02:24:55] perteneciendo a ellos. Eh, ese data
[02:24:57] center lo único que va a generar es
[02:24:58] polución, no va a generar un montón de
[02:25:00] empleo como prometen. Por ahí va a haber
[02:25:02] empleo cuando al principio se construya,
[02:25:04] pero después los data center no tienen,
[02:25:06] no es que no es que necesitan tanta
[02:25:08] gente, lo que necesitan espacio,
[02:25:10] básicamente espacio e eh energía y eso
[02:25:15] hay que ver de dónde lo sacan y a qué
[02:25:16] costo ambiental también. Y necesitan
[02:25:19] agua y todo eso, ¿de dónde lo van a
[02:25:21] sacar? No, eso lo que estamos dando
[02:25:24] nosotros. ¿Qué qué nos est sacando?
[02:25:27] ¿Nos van a dejar usar chat GPT gratis?
[02:25:32] Es es son un poco los espejitos de
[02:25:33] colores otra vez siempre. Eh, sí. Y esto
[02:25:38] con respecto ah, bueno, perdón, tu
[02:25:39] pregunta era con respecto, me fui por
[02:25:41] las ramas, era con respecto a la
[02:25:42] regulación. La regulación es exactamente
[02:25:44] igual. Eh, tuvimos el caso de Sam Altman
[02:25:48] yendo por Europa. Eso lo contábamos
[02:25:49] antes, ¿no? Yendo por Europa el año
[02:25:51] pasado, reuniéndose con todos y le
[02:25:53] ponían la alfombra roja eh para reunirse
[02:25:57] con todos y haciendo lobby por todos
[02:25:58] lados, diciendo por un lado, llorando
[02:26:00] riesgos existenciales y que estas
[02:26:02] tecnologías son demasiado poderosas. Yo
[02:26:04] ya no sé qué hacer. Era como, ¿no?
[02:26:06] Cuando la madre se va a quejar a la
[02:26:07] escuela y dice, "No sé, ayúdenme porque
[02:26:08] yo ya no sé qué hacer con este chico
[02:26:10] demasiado terrible." Ellos hacen lo
[02:26:12] mismo con la inteligencia artificial,
[02:26:13] pero cuando les dicen, "Ah, bueno, vamos
[02:26:15] a regular." Dice, "No, no, dejen, dejen,
[02:26:18] nosotros y no nos vamos a arreglar." Y
[02:26:20] es ese era el discurso y eso fue lo que
[02:26:22] lo que pregonó por toda Europa. Y les
[02:26:24] saludo también que en el en una
[02:26:27] legislación que se suponía que iba a
[02:26:29] estar pionera y la que había mucha
[02:26:31] esperanza como el acta de la
[02:26:32] inteligencia artificial europea, eh se
[02:26:35] agregaron excepciones para no es una la
[02:26:39] idea es bueno, regular el uso eh de la
[02:26:42] inteligencia artificial y qué usos no
[02:26:44] son aceptables bajo ningún concepto le
[02:26:46] agregaron tantas excepciones y tantas
[02:26:48] excepciones arbitrarias, ¿no? porque
[02:26:50] quién decide cuál es un riesgo para la
[02:26:52] seguridad, etcétera, que al final no
[02:26:54] terminaron diluyendo el poder que podría
[02:26:56] haber tenido esa esa pieza de
[02:26:58] legislación, esa pieza legislativa. Así
[02:27:00] que bueno, digo, siempre van a querer
[02:27:02] más, siempre es toda para ellos,
[02:27:03] siempre.
[02:27:08] No sé si hay alguna más,
[02:27:10] eh. Bueno, pero si no
[02:27:13] Bueno,
[02:27:15] hemos explotado
[02:27:18] meta, [risas]
[02:27:19] ustedes son los metas de la Universidad.
[02:27:24] Bueno, nuevamente agradecerte por esta
[02:27:27] presentación realmente espectacular que
[02:27:30] tomamos como la primera presentación
[02:27:32] porque seguramente habrá otra ocasión.
[02:27:35] Realmente
[02:27:36] hemos disfrutado muchísimo la charla.
[02:27:41] Y bueno, simplemente gracias. Sí, sí,
[02:27:44] crees agregar,
[02:27:46] no, simplemente decir esto porque el
[02:27:50] chiste salió horrible, pero esto de la
[02:27:51] explotación es un poco para aflojar el
[02:27:53] día, así que me disculpo, pero
[02:27:56] venimos de un lunes horrible, entonces
[02:28:00] vengo a hacer este chiste para Era
[02:28:02] totalmente, pero bueno, era también
[02:28:04] reponer el agradecimiento, pensar que
[02:28:06] esta es la primera vez de milagros con
[02:28:09] nosotros en la facultad
[02:28:10] y me cumplieron un sueño, como les digo,
[02:28:12] realmente Sí. Y bueno, eh te agradecemos
[02:28:15] que haya sido el la voz que que le puso
[02:28:18] a tantas interrogantes y tantas cosas
[02:28:20] que venimos pensando, así que gracias
[02:28:23] por por este esfuerzo y de reponernos
[02:28:25] tantas cosas interesantes e importantes
[02:28:27] para seguir pensando y gracias a todos
[02:28:29] ustedes por estar este lunes acá.
[02:28:31] Sí.