En el último lustro se ha difundido mediáticamente una nueva ola de ‘ansiedad por la automatización’: el miedo a un inevitable y mayoritario desempleo tecnológico futuro, en el que la difusión de la inteligencia artificial (IA), la digitalización de los procesos laborales de fabricación de bienes o de prestación de servicios, así como su robotización, irán continuamente haciendo desaparecer el empleo humano. Discurso ‘tecno-pesimista’ o ‘tecno-fatalista’ basado en una continua presentación de nuevas tecnologías digitales o robóticas que realizan tareas sin supervisión, que hasta ahora solo eran realizadas por el trabajo humano (automóviles que ‘conducen’ autónomamente’, robots antropomórficos que atienden restaurantes o cocinan, ordenadores que realizan todo tipo de tareas autónomamente o diagnostican enfermedades…). Este fatalismo se refuerza además con la ‘socialización’ de estudios e investigaciones (econométricas) que anticipan la desaparición de casi la mitad de los empleos en las próximas décadas, porque sus tareas son fácilmente automatizables: investigaciones que, a pesar de que sus resultados son refutados y contraargumentados, siguen siendo el referente mediático hegemónico, mientras que los últimos apenas aparecen referenciados.

Además, este discurso del ‘fin del trabajo humano’ se intensifica al no haber superado todavía, especialmente en el mercado de trabajo español, los efectos de destrucción de empleo por lo que es una ‘onda larga’ de (aún más) vulnerabilidad laboral desde el inicio de la Gran Recesión en 2008, con la profundización de las inercias de precarización, de degradación de las condiciones de empleo, de devaluación salarial e incremento de la desafiliación de la ciudadanía, con lo que el discurso de un cercano ‘apocalipsis robótico’ tiene más facilidad para aceptarse acríticamente¹.

Por ejemplo, en la Encuesta sobre Percepción Social de la Ciencia y la Tecnología de 2018, realizada por la Fundación Española para la Ciencia y la Tecnología (FECYT), recoge que alrededor del 46% de las personas entrevistadas sitúan la robotización como una aplicación tecnológica con muchos o bastantes riesgos (frente a un 40% que la consideran beneficiosa); mientras que más del 38% consideran también que la inteligencia artificial tiene riesgos, frente al 43% que consideran que tiene más beneficios (Lobera y Torres-Albero, 2019). También la III Encuesta de Percepción Social de la Innovación en España, realizada por la Fundación Cotec en 2020, mostraba que alrededor de dos tercios de una muestra representativa de la población española, considera que la automatización sustituirá ‘muchos’ puestos de trabajo actuales por ordenadores o robots, mientras un 43% cree que estos podrán hacer tareas rutinarias, pero también creativas y un 47% afirma que los empleos perdidos por la automatización no se compensarán con la creación de nuevos empleos; al tiempo que alrededor de un tercio no se considera capacitado para competir en un mercado de trabajo digitalizado (Fundación COTEC, 2020).

Sin embargo, el debate investigador y académico plantea una mayor complejidad sobre los efectos sociales y laborales de las nuevas tecnologías digitales y robóticas de la actual Cuarta Revolución Industrial, con enfoques contrapuestos sobre las características de esta nueva fase de automatización, sobre la forma de ‘enfrentarse’ a ella, para intentar ‘domesticarla’ o simplemente para ‘proteger’ a aquellos grupos sociales (¿la mayoría?) que se pudieran enfrentar al desempleo tecnológico futuro.

Complejidad que puede ser presentada en cuatro enfoques alternativos de los que, como es habitual en la reflexión social y sociológica, se pueden obtener herramientas de interpretación que permiten defender una perspectiva ‘pragmática’ para explicar y comprender experiencias ‘reales’ de automatización digital o robótica en empresas y organizaciones que ‘sufren’ la transformación digital de esta nueva etapa de implantación de dispositivos tecnológicos… o que se verán afectadas en el futuro (mejor cercano, si se pretende pronosticar o hacer prognosis con ciertas garantías de certeza).

(A) AUTOMATIZACIÓN DE SUSTITUCIÓN: EL ENFOQUE DOMINANTE EN LOS DISCURSOS MEDIÁTICOS SOBRE EL FIN DEL TRABAJO (HUMANO) Y DEL EMPLEO:

El primer enfoque de este debate es aquel que está siendo más exitoso mediáticamente y más difundido en los imaginarios sociales del último lustro (hasta la irrupción, verdaderamente ‘disruptiva’ de la pandemia de covid-19): el desempleo tecnológico masivo por la imparable aplicación de una (entendida como digitalización y robotización del trabajo y de los procesos productivos) automatización de sustitución del trabajo humano.

Esta automatización supone que la inteligencia artificial y la robótica avanzada de esta última Cuarta Revolución Industrial está permitiendo que muchas ocupaciones o puestos de trabajo puedan dejar de realizarse por el trabajo humano y pasen a ser realizados (¿de manera completa?) por esas nuevas tecnologías digitales, que, aunque requieran también la emergencia de nuevas ocupaciones para su programación o mantenimiento, no permitirán compensar la pérdida de empleos de baja o media cualificación, que son mayoritarios en los mercados de trabajo occidentales (Acemoglu y Restrepo, 2017; Brynjolfsson y McAfee, 2011; Doménech, García, Montáñez y Neut, 2018). De esta forma, esta automatización de sustitución está reemplazando al ser humano (replacing automation), especialmente a quienes desempeñan tareas rutinarias, repetitivas, de baja complejidad o simples (en movimientos y/o cálculos), estandarizadas o fácilmente estandarizables (que pueden ser traducidas a algoritmos informáticos programados en aplicaciones de software y en acciones de robots con sus ‘actuadores’): mediante mecanismos que transfieren las tareas realizadas por el ser humano a los nuevos dispositivos tecnológicos (Acemoglu y Restrepo, 2017; Brynjolfsson y McAfee, 2011; Doménech et al., 2018).

La justificación de este enfoque de automatización de sustitución se basa continuamente en la predicción de 2013 (en el momento álgido de la crisis financiera internacional y con un intenso ‘impacto’ académico, sí, pero también mediático) de Frey y Osborne (2013), en la que aseguraban que hasta el 47% de los empleos de los Estados Unidos estaban en riesgo de desaparecer en alrededor de un par de décadas: de forma que, la introducción y difusión de la inteligencia artificial y de adquisición de robots implicaba directamente la desaparición de varios empleos por la instalación de una nueva unidad de estas tecnologías. Es cierto que si bien esa predicción ha sido criticada y refutada, como se señalará en breve, por otras investigaciones (Mishel y Bivens, 2017), este enfoque de sustitución tecnológica del trabajo humano en el futuro es apoyada en diversas obras (Ford, 2015; Ortega, 2016; Susskind, 2020), que siguen enfatizando la desaparición de esas ocupaciones rutinarias y de media o baja cualificación, enfatizando la potencialidad de las nuevas tecnologías digitales, el incremento continuo de su inteligencia artificial, para ir ‘copando’ cada vez nuevas tareas humanas, de manera más eficaz y más eficiente, más allá de la capacidad humana (World Economic Forum, 2016): “Las máquinas igualan o mejoran el rendimiento humano en múltiples actividades, incluso las que requieren capacidades cognitivas” (McKinsey Global Institute, 2017, p. 3).

La única opción es un pesimismo o fatalismo tecnológico por la ineluctable desaparición de millones de empleos. Aunque históricamente, a pesar de los temores del movimiento ‘ludita’ en la primera Revolución Industrial², toda nueva ola de innovación tecnológica en el desarrollo de la economía de mercado capitalista no ha ido acompañada real o empíricamente de la desaparición del empleo, sino de la creación de múltiples sectores productivos y de servicios que reemplazaron abundantemente las ocupaciones destruidas por la propia tecnología (la clásica destrucción creativa), en la Cuarta Revolución Industrial ya no ocurrirá así, puesto que los empleos descualificados basados en tareas simples y rutinarias serán realizados por la inteligencia artificial digital y robotizada y sólo se crearán, en mucha menor medida, empleos de alta cualificación, basados en la adquisición educativa de competencia y conocimientos matemáticos e informáticos, que no estarán al alcance de la mayoría de la ciudadanía (competencias STEM: credenciales educativas en ciencia, tecnología, ingeniería, matemáticas…).

Desde este enfoque se justifican políticas públicas tanto conservadoras (centradas en impedir las limitaciones ‘estatales’ de protección social que desincentiven la innovación tecnológica y la implantación generalizada de la AI y la robótica avanzada, socavando las ganancias de productividad capturadas por las empresas y sus accionistas, situando la responsabilidad en la actividad ‘proactiva’ de los posibles afectados en su voluntad de formación y emprendimiento), como socialdemócratas (que apuestan por invertir colectivamente en la recualificación del trabajo humano que pueda ser ‘desplazado’ por la digitalización, planteando nuevas figuras impositivas sobre las unidades de robot, una ‘robotasa’…), hasta propuestas desde diversos grados de socialismo, desde la defensa de una ‘renta básica universal’ incondicional para evitar los efectos destructores de la sociabilidad colectiva de ese inevitable desempleo tecnológico, hasta la posibilidad de una sociedad socialista definitiva (Benanav, 2019). El ‘apocalipsis robótico’ es inevitable en muy pocos años o décadas (más bien a través de todo tipo de dispositivos digitales de inteligencia artificial, no necesariamente antropomórficos…) y solo queda (en un nuevo determinismo tecnológico que parecía haber sido superado por la difusión de los ‘estudios sociales de la tecnología’ y de los enfoques de la ‘construcción social de la tecnología’…) que nuestras sociedades se adapten a las características sustitutivas del trabajo humano de esta Cuarta Revolución Industrial. No habrá trabajo suficiente para toda la población, punto: “¿Habrá suficientes empleos para todo el mundo en el siglo veintiuno? No” (Susskind, 2020, p. 5).

(B) UN ENFOQUE PRAGMÁTICO SOBRE LA DIGITALIZACIÓN Y LA ROBOTIZACIÓN: PERDEDORES Y GANADORES DE LA AUTOMATIZACIÓN EN UN FUTURO CON TRABAJO HUMANO (AUNQUE DIFERENTE):

A partir de este enfoque, y como crítica a sus asunciones, se ha articulado una interpretación alternativa: un enfoque pragmático sobre los nuevos procesos de automatización. Su punto de partida, también con base en investigaciones econométricas (por tanto, de nuevo alejadas de un conocimiento de terreno sobre cómo se implantan organizativa y realmente las tecnologías digitales de la Industria 4.0), es cuestionar el inevitable desempleo tecnológico de las predicciones ‘apocalípticas’ del enfoque de la automatización de sustitución. Frente a estas, el pragmatismo señala que la difusión de la digitalización, la inteligencia artificial y la robótica avanzada no está provocando desempleo generalizado (Arntz, Gregory y Zierhan, 2016), sino incluso un incremento del empleo total mundial (previamente a la pandemia del coronavirus sars-cov-2). De hecho, hay que enfatizar que las economías con una mayor penetración e instalación de estas tecnologías (por ejemplo, especialmente robots) han logrado pleno empleo: destacando Alemania y Corea del Sur, por ejemplo (International Federation of Robotics, 2018).

Por tanto, el pragmatismo aboga, en relación con las causas de un actual y futuro desempleo, por complementar la variable de la tecnología de automatización y su posible destrucción de ocupaciones (más bien, de parte de sus tareas: no de ocupaciones completas), con variables como la exposición a la competencia globalizada (procesos de deslocalización productiva, ‘guerras comerciales’, emergencia de nuevos mercados de bienes y servicios, nuevas demandas de consumo…), llegando a la conclusión (y prognosis) que el efecto combinado de todas ellas tienen más importancia explicativa que la digitalización y la robotización: “La literatura revisada no es concluyente sobre si los robots incrementan o reducen el empleo³” (Klenert, Fernández-Macías y Antón, 2020, p. 11).

De esta forma, el enfoque pragmático duda, frente al alarmismo del enfoque de sustitución (Van Barneveld y Janson, 2017), del desempleo tecnológico digital y de la inteligencia artificial masivos y generalizados: ni ansiedad por la automatización, ni por la inevitable singularidad tecnológica de la ciencia-ficción⁴, ni por aquel apocalipsis humano provocado por los robots.

Sin embargo, ¿en qué basa este enfoque su ‘pragmatismo’? Por un lado, en compartir y reconocer que sí, que la Cuarta Revolución Industrial también se basa en procesos de automatización de sustitución, pero que, sin embargo, no se generalizarán a centenares de ocupaciones (sino más bien a parte de sus tareas; Lahera Sánchez, 2019), sino a algunas de ellas, de forma que, efectivamente, se perderán empleos definitivamente, pero que serán reemplazados por otros nuevos empleos, en nuevos sectores, en nuevas tareas (programación, mantenimiento, gestión de procesos digitales…) y nuevos productos y servicios (como ha ejemplificado el sector del consumo de ocio, de comunicación personal y telecomunicaciones, de actividades de cuidados…). La clave pragmática es identificar qué ocupaciones tienen más probabilidad de ser realmente ‘sustituidas’ o ‘reemplazadas’ digitalmente (más bien cuáles o qué proporción de sus tareas pueden ser automatizadas) para intervenir en la reducción de los efectos negativos de ese desempleo tecnológico ‘sectorial’, a través de un (¿mítico y utópico?) reciclaje profesional, formación continua y protección social a los desplazados por la Industria 4.0 y la inteligencia artificial (World Economic Forum, 2018).

Por otro lado, este pragmatismo se basa en apostar metodológicamente no por generalizar las posibles, ‘increíbles’ y supuestas capacidades productivas de las nuevas tecnologías digitales (desde coches y camiones autónomos que inundarán ¿en breve? nuestras carreteras; hyperloops que recorrerán centenares de kilómetros en unos pocos minutos; impresoras 3D que fabricarán piezas metálicas, y no solo de plástico, sin necesidad de largos procesos de mecanizado; internet industrial de las cosas, cuyos sensores permitirán conectar máquinas, computadoras y herramientas en una, ¿otra vez anhelada?, fábrica automática sin trabajo humano5…), sino en enfatizar y recordar que muchas de estas innovaciones están todavía en un nivel de desarrollo que las acercan más a ser prototipos que a artefactos tecnológicos directamente aplicables y que puedan ser ya (o a corto plazo) rentables: “Los robots no son ni tan rápidos ni tan fluidos como un trabajador humano bien formado a toda capacidad” (Brynjolfsson y McAfee, 2011, p. 58). Todo lo cual implica que su difusión vaya a ser, con más probabilidad, más lenta de lo ‘vaticinado’ (décadas más que años: es más una subida de la marea, que un tsunami; Dellot, 2018) y, por tanto, que su efecto global sobre la sustitución y destrucción de empleo pueda ser mucho menor que el anticipado por el enfoque de la automatización de sustitución: “Solo porque algo pueda ser automatizado teóricamente no significa que vaya a ser económicamente o políticamente viable en la práctica” (PriceWaterhouseCoopers, 2018, p. 1). Por ejemplo, las tecnologías más ‘famosas’ de la industria 4.0, como la robótica avanzada, la fabricación aditiva o impresión 3D, la internet industrial de las cosas, o la realidad virtual/ampliada están todavía en su infancia, afrontando también barreras técnicas (de integración con los ‘tradicionales’ sistemas informáticos de las empresas, costes de instalación, operación y mantenimiento), financieras (requieren fuertes inversiones), que ralentizan su implantación (Stewart, Deshpande, Hoorens y Gunasekara, 2019): “No hay duda de que los robots del futuro serán capaces de ejecutar tareas extraordinarias, pero actualmente, sus aplicaciones comerciales han sido limitadas. El futuro está todavía probablemente algo lejos en el tiempo y llegará gradualmente” (Eurofound, 2019, p. 42). Por ejemplo, es importante saber que el coste de instalación, formación y mantenimiento de una nueva tecnología o dispositivo puede suponer de tres a cinco veces el coste del propio dispositivo (Brynjolfsson y McAfee, 2015). Con lo que la decisión organizativa o empresarial suele ser más cautelosa de lo que los discursos mediáticos suelen difundir (¿exageración tecnológica?), lo que está implicando en la práctica real de las empresas una difusión escasamente acelerada: “Si todos los puestos de trabajo susceptibles de ser automatizados lo fueran efectivamente, la inversión requerida sería de una proporción tan grande del PIB que es simplemente irreal desde una perspectiva macroeconómica” (Eurofound, 2019, p. 38).

La clave estaría, en términos de políticas públicas y de intervención social, en cartografiar qué empleos, ocupaciones, tareas, sectores, perfiles profesionales y personas se están convirtiendo ya y a corto plazo en perdedores o perdedoras de las aplicaciones ya (más o menos) maduras de la digitalización, la robotización y la inteligencia artificial, para reducir los efectos de su desempleo tecnológico sectorial y posible desafiliación social. Cada vez es más claro que esos perfiles perdedores son fundamentalmente los basados en tareas semi y descualificadas, simples, estandarizadas, rutinarias, con alta regularidad en contextos controlados y, por ello, fácilmente automatizables para su desempeño digital (Nedelkoska y Quintini, 2018, pp. 6-7): que han sido y son ‘usurpados’ por estas nuevas tecnologías (task encroachment; Susskind, 2020). Precisamente las que han sustentado los puestos de trabajo de las clases medias, de cuellos azules y blancos, durante la onda tecnológica de la segunda posguerra mundial, amenazadas por la deslocalización globalizada, por su industrialización y por la propia digitalización (conectándolas con la emergencia de movimientos populistas reaccionarios en las economías desarrolladas: “los perdedores de la tecnología están pidiendo cambios”: Frey, 2019, p. 26).

Ahora bien, teniendo en cuenta este previsto mayor desempleo tecnológico en trabajadores y trabajadoras sin competencias digitales o con cualificaciones básicas, sería de esperar que manifestaran una mayor oposición hacia la inteligencia artificial y sus aplicaciones, con las que están ya compitiendo en el mercado de trabajo para el mantenimiento de sus empleos y tareas. Sin embargo, algunos resultados empíricos no muestran ese mayor rechazo respecto al mantenido por otros perfiles sociales y laborales (Lobera, Fernández Rodríguez y Torres-Albero, 2020). Una de las hipótesis que podrían explicar este fenómeno estaría relacionada con que parece también conocido que la IA y los robots no pueden realizar eficaz y rentablemente (¿todavía?) puestos de trabajo de baja cualificación, pero basados en tareas y movimientos complejos, no estandarizables, irregulares, no rutinarios, que requieren conocimientos tácitos, especialmente en contextos de incertidumbre productiva con múltiples incidencias (construcción, servicios personales, servicios ‘domésticos’, trabajos de cuidado…), lo que puede facilitar una ‘percepción’ de cierta protección frente a las tecnologías digitales por parte de quienes desempeñan esos puestos difíciles de automatizar (Pfeiffer, 2018b; Lahera Sánchez, 2019, p. 265), a pesar de ser descualificados.

Frente a esos posibles grupos perdedores, se van estructurando (y estratificando socialmente) perfiles ganadores de la digitalización y robotización, aquellos con la formación y la experiencia para el diseño, la programación y el mantenimiento de los algoritmos (que no se olvide son artefactos que actúan gracias a su construcción social por diseñadores que les incorporan sus imaginarios ideológicos y sesgos): “La máquina será un demonio para unos, los sustituirá, mientras que, al contrario, será un ángel para otros, los complementará⁶” (Hidalgo, 2018, p. 14).

El enfoque pragmático, aunque también el enfoque de automatización de sustitución, defienden la prognosis de que los ganadores del proceso están siendo y serán aquellos perfiles con formación superior (de formación profesional o universitaria) en aquellas áreas STEM, con capacidad creativa para convertir e interpretar los datos (big data) capturados por la inteligencia artificial en procedimientos de mejora productiva (smart data: “pasar de un mar de datos a un mar de conocimientos”, Ortega, 2016, p. 75), de programación de los algoritmos, razonamiento complejo, percepción y manipulación de procesos no estructurados difícilmente programables (Nedelkoska y Quintini, 2018): “conocimientos extensos de los procesos técnicos pero también capacidades de liderazgo y de resolución de problemas, así como atributos relacionados con el temperamento” (Eurofound, 2019, p. 48), para gestionar una tecnología bajo presión (pero ‘elegantemente’: grace under pressure).

De hecho, la relación o el (des)equilibrio entre los perfiles profesionales y los puestos de trabajo perdedores y ganadores suponen la verdadera ‘fractura tecnológica’ a resolver. Tanto el enfoque de sustitución como el enfoque pragmático dan por hecho, o no problematizan, que la inversión formativa permitirá que quienes pierdan su empleo por la digitalización o por la incorporación de la robótica podrán lograr ‘conectarse’ con los perfiles ganadores gracias a la formación a lo largo de la vida laboral (como ‘obligación meritocrática’, proactiva y emprendedora…; Serrano y Fernández Rodríguez, 2018), en una especie de ‘reciclaje’ competencial y credencial que evite su desafiliación definitiva. Axioma que es más que dudoso en el futuro si se plantea qué probabilidad real existe en que trabajadores y trabajadoras con bajos niveles de cualificación general, con escasas competencias digitales aprendidas, con conocimientos empíricos o experienciales en puestos de trabajo que han requerido limitadas cualificaciones efectivas, puedan adquirir, casi inmediatamente, las exigentes competencias digitales superiores que requieren los perfiles profesionales ganadores de la automatización 4.0. Más bien ya están siendo excluidos (operadores descualificados y/o veteranos; Degryse, 2016, p. 48): “Para estos trabajadores, la educación y la formación ofrecidas como soluciones en la narrativa dominante sobre los robots será inadecuada, al igual que fue inadecuada para ayudar a los trabajadores industriales manufactureros desplazados a lo largo de las últimas décadas” (Mishel y Bivens, 2017, p. 4).

La probabilidad de que los posibles perdedores acaben en un proceso de movilidad descendente en empleos y ocupaciones descualificadas del sector servicios, con una devaluación salarial y una degradación de sus condiciones de empleo es mucho mayor: como ha ocurrido, por cierto, en las últimas décadas con los también perdedores de la deslocalización y la desindustrialización de las economías desarrolladas por la globalización (frente a las clases medias ganadoras de esos procesos en las economías del subdesarrollo): “No es fácil para los camioneros reciclarse como programadores (…). Muchas personas no van a conseguir ciertas cualificaciones” (Susskind, 2020, p. 154). De la amplitud definitiva y real de los sectores de la ciudadanía que acaben perdiendo por la digitalización, frente a los sectores que ganen con la difusión de la inteligencia artificial y robótica, dependerá si los debates sobre el establecimiento de una renta básica universal, sobre la limitación pública de la inversión y difusión de las tecnologías 4.0 (‘robotasas’ por cada robot instalado), sobre el incremento de una fiscalidad más progresiva para proteger a quien pierde, se abrirán paso en la agenda social y política: “incluso aunque surjan nuevos empleos mientras los viejos se pierden por la automatización, será de poco consuelo para las personas que pierdan esos puestos de trabajo (…). Nuevos empleos que serán para otros trabajadores con cualificaciones tremendamente diferentes a las de los trabajadores despedidos” (Frey, 2019, p. 27).

Pragmáticamente, la automatización, la digitalización y la robotización redistribuyen las demandas de cualificación, las tareas de las ocupaciones, más que la eliminación del trabajo humano (Nedelkoska y Quintini, 2018): aquellos sin cualificación digital serán sustituidos y quienes sí la desarrollen, se integrarán cooperando con las tecnologías i40 (Hinojosa y Potau, 2017).

(C) Automatización de integración: apostando organizativamente por una digitalización y robotización inclusivas mediante la recualificación del trabajo humano (otra vez):

Un tercer enfoque, derivado de esa interpretación pragmática que rechaza la desaparición generalizada del trabajo humano por su sustitución digital, considera (y apuesta por) que la inteligencia artificial, la robótica y la ‘industria 4.0’ se implante y difunda mediante una automatización de integración entre las capacidades y fiabilidad de esta tecnología y las capacidades y fiabilidad humana de unos trabajadores y trabajadoras que pilotan, supervisan e intervienen en el funcionamiento de los dispositivos digitales y de los procesos digitalizados, así como en el diseño (y mejora continua humana) de sus algoritmos (explainable artificial intelligence-XAI⁷; Schüssler, 2020). A través de una cultura organizativa basada en un estilo tecnológico no únicamente de sustitución del factor humano, sino, por el contrario, en el reforzamiento e incremento en la intervención del factor humano en el control sobre la tecnología (augmentation automation, enabling technologies): la innovación tecnológica siempre será más eficaz y fiable, siguiendo una perspectiva ergonómica, si actúa coordinadamente con un factor humano cualificado, activo, con experiencia en los procesos productivos, con autonomía, con creatividad para mejorar continuamente los algoritmos digitales, traduciendo matemáticamente su experiencia en el ‘lenguaje máquina’ de programación, con su formación continua, con su participación: “Nuestro análisis nuestra que los humanos serán necesarios en la fuerza de trabajo: la ganancia de productividad total que estimamos vendrá si las personas trabajan junto a las máquinas” (McKinsey Global Institute, 2017, p. 3).

Esta integración amplía las capacidades del factor humano para que obtengan más resultados, para que desarrollen nuevas funciones, con más calidad y menos tiempo, ampliando sus habilidades (Dellot, 2018; Ekbia y Nardi, 2017. Esta automatización de integración facilita la rentabilización más rápida, más eficaz y con más calidad de las fuertes inversiones de capital, de formación y de mantenimiento que exige (y ralentiza también) la introducción de la inteligencia artificial y la robótica, al tiempo que permite la mejora de las condiciones de trabajo del factor humano: “el conocimiento técnico mantiene su relevancia porque ‘empodera’ a los trabajadores para que ofrezcan una retroalimentación crítica sobre la implantación y el desarrollo continuado de los sistemas de IA, porque no todas y cada una de las posibles soluciones técnicas puede implantarse práctica y fiablemente” (Kolbe, 2020, p. 14). Eso sí, del factor humano cualificado, con conocimientos y competencias avanzados, lo que mantiene el tradicional debate sobre la polarización del futuro del trabajo humano y el empleo, entre los perdedores y los ganadores de la digitalización: mucho más cuando a los grupos profesionales semi y descualificados más afectados por la actual ola de automatización digital se les favorece hasta tres veces menos para participar en procesos formativos en sus organizaciones, frente a los perfiles ya ganadores de esos procesos (Nedelkoska y Quintini, 2018, p. 9).

La defensa de una automatización de integración implica devolver el protagonismo y la centralidad de los nuevos procesos de trabajo digitalizados al propio ser humano, a un factor humano que es considerado organizativamente como relevante, como un yacimiento de conocimientos tácitos sobre los procesos y las técnicas, de inteligencia y ‘empirismo’ aplicado, que permiten, si a ese factor humano se le proporcionan los suficientes recursos organizativos, la propia eficacia y efectividad de la inteligencia artificial: volviendo a hacer visible la importancia y el rol del factor humano para que la digitalización sea ‘exitosa’ y, por tanto, siga avanzando en su difusión. Apostando por una automatización, digitalización o robotización ‘inclusiva’ (Stewart et al., 2019; Degryse, 2016). Enfoque que permitiría equilibrar las prácticas mediáticas y empresariales en las que, cuando se presentan los nuevos prototipos de las tecnologías digitales de la i40, nuevos robots, nuevas aplicaciones, nuevos vehículos, nuevas instalaciones robotizadas, todo el foco se centra en la tecnología y sus ‘habilidades’, en muchas ocasiones ‘ocultando’ las redes de trabajadores y empleadas, de la fuerza de trabajo, que les dan ‘soporte’ para ese funcionamiento: como un mundo digital sin seres humanos, que es resultado del trabajo humano, velado tras las bambalinas organizativas (como el jugador de ajedrez humano escondido en las ‘tripas’ del autómata construido en 1770 por Wolfgang von Kempelen…).

(D) HETEROMATIZACIÓN: HACIENDO VISIBLES LA IMPRESCINDIBLE COMPUTACIÓN HUMANA DEL TRABAJO HUMANO EN LA DIGITALIZACIÓN Y ROBOTIZACIÓN, TAMBIÉN SUS CONDICIONES DE TRABAJO:

Visibilidad del trabajo y de los seres humanos que es el objetivo central de un último enfoque sobre la automatización digital y robotizada: el enfoque de la heteromatización (heteromation). Una propuesta de análisis de los procesos de digitalización que no proviene ni de las ciencias sociales, ni de la econometría, ni de las reflexiones jurídicas dominantes, sino de investigaciones de las ciencias de la computación, con una mirada etnográfica (sociológica y antropológica) sobre el funcionamiento real y organizativo de las tecnologías de automatización: subrayando no las expectativas (en ocasiones más cercanas a la ‘ciencia-ficción’, ¿tecno-fantasiosas?) de los prototipos, sino las experiencias reales de la inteligencia artificial ya implantadas, en funcionamiento. La heteromatización implica señalar que en muchos procesos digitales es imprescindible la participación del trabajo humano, la computación humana, para que funcionen adecuadamente: desde operadores humanos⁸ que etiquetan y/o aceptan imágenes, documentos y materiales en internet para que se incluyan en las bases de datos gestionadas bajo algoritmos (aburrida, rutinaria y estresante… al enfrentarse habitualmente a imágenes violentas y brutales, que tienen que filtrar); ‘etiquetaje’ que no se puede automatizar por las dificultades (todavía) del reconocimiento de imágenes por la inteligencia artificial; pasando por el trabajo desarrollado en (micro)tareas para completar online servicios desmenuzados por parte de trabajadores y trabajadoras humanas en plataformas como Amazon Turk (Álvarez y Pérez Zapata, 2020); hasta el trabajo de los propios consumidores que gestionan aplicaciones digitales para realizar sus compras, realizando tareas ‘gratuitamente’ mediante el uso de las interfaces de las páginas para concluir la compra, o gestionando autónomamente sus productos en el uso de las cajas digitales sin ‘empleo humano’… cuyo trabajo es realizado por los propios consumidores, manipulando los productos, tecleando y pulsando las pantallas táctiles, recogiendo los recibos (Dellot, 2018). Incluso en instalaciones industriales robotizadas, apoyadas por decenas de miles de trabajadores y trabajadoras, que nunca aparecen en las fotografías y vídeos de supuestas fábricas automáticas: por ejemplo, Tesla en su mítico centro de trabajo en Fremont (California⁹), supuestamente una fábrica automática y poshumana (Debord, 2017), mantiene, fuera del foco de la actividad de un centenar y medio de robots avanzados, casi una decena de miles de tradicionales trabajadores/as del automóvil que siguen trabajando en cadenas de montaje (con duras condiciones de trabajo, al tiempo que intentan sortear las políticas de la compañía para que no se sindiquen…; Wong, 2017).

Este soporte y trabajo humanos, aunque ocultados en las imágenes e imaginarios mediáticos sin seres humanos, son imprescindibles para que los sistemas digitales puedan funcionar como se espera, una instrumentalidad inversa (inverse instrumentality) que debe ser rastreada y hecha visible, puesto que la inteligencia artificial necesita apoyo humano para ser eficaz, para rellenar las lagunas que no puede cubrir en la complejidad de multitud de procesos productivos y de trabajo, todavía actualmente: una automatización realmente alimentada por el ser humano (human-fueled automation; Degryse, 2016). Es cuestionable que las tareas rutinarias no impliquen, además y como prerrequisito para su eficacia, simultáneamente tareas no-rutinarias, conocimientos y habilidades tácitas e implícitas que son en realidad difícilmente automatizables y que, por tanto, teniéndolas en cuenta en la investigación sociológica, explican un ritmo mucho más lento en la supuesta sustitución del factor humano por unas tecnologías digitales y robóticas, que siguen dependiendo de aquél (Pfeiffer, 2018a).

El sistema tecnológico, realmente sus diseñadores/as humanos, sigue ‘derivando’ tareas al factor humano para su explotación, simulando que este último es innecesario: hacia “la capacidad computacional humana más barata que los sistemas automatizados” (Ekbia y Nardi, 2014). La heteromatización y su instrumentalidad inversa favorece el discurso del triunfo de la inteligencia artificial frente al trabajo humano enfatizando discursivamente que los sistemas digitales supuestamente proporcionan todo tipo de servicios a los seres humanos, cuando realmente están usando instrumentalmente el trabajo de éstos en múltiples tareas de apoyo y gestión: como sistemas digitales que requieren para ser funcionales al ser humano su capacidad de computación y acción humanas (Ekbia, 2016). En procesos que “combinan las capacidades de humanos y máquinas insertos en una narrativa de celebración de la máquina (…) Las organizaciones tienden a esconder su trabajo humano, empujándolo a los bastidores, narrando que las computadoras son las únicas que hacen el trabajo real. Esta estratagema tiende a hacer a los trabajadores y sus necesidades menos visibles, y a la organización menos responsable [respecto a esas necesidades]” (Nardi y Ekbia, 2018). Este enfoque de heteromatización permite también hacer emerger los costes humanos de esa computación humana, de la digitalización y de la inteligencia artificial. Como en la precarización de los riders que hacen funcionar el reparto logístico de bienes y servicios a través de las aplicaciones digitales de gestión de su trabajo humano, mientras son evaluados continuamente por la plataforma digital para la que trabajan: “Ocultar a los trabajadores que están tras los formularios web, las API (Application Programming Interface) y las ATM (Active Media Technology) ayuda a los empleadores a verse a sí mismos como ‘constructores’ de tecnologías innovadoras, más que como empleadores despreocupados de sus condiciones de trabajo” (Irani y Six Silberman, 2013, p. 613).