Recomiendo:
0

Entrevista al sociólogo Antonio Casilli

«El mito del robot se emplea desde hace siglos para disciplinar la fuerza de trabajo»

Fuentes: CTXT



<p>Antonio Casilli</p>
<p>» src=»data:image/png;base64,/9j/4AAQSkZJRgABAQEAYABgAAD/2wBDAAoHBwgHBgoICAgLCgoLDhgQDg0NDh0VFhEYIx8lJCIfIiEmKzcvJik0KSEiMEExNDk7Pj4+JS5ESUM8SDc9Pjv/2wBDAQoLCw4NDhwQEBw7KCIoOzs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozs7Ozv/wAARCAHFAo4DASIAAhEBAxEB/8QAHwAAAQUBAQEBAQEAAAAAAAAAAAECAwQFBgcICQoL/8QAtRAAAgEDAwIEAwUFBAQAAAF9AQIDAAQRBRIhMUEGE1FhByJxFDKBkaEII0KxwRVS0fAkM2JyggkKFhcYGRolJicoKSo0NTY3ODk6Q0RFRkdISUpTVFVWV1hZWmNkZWZnaGlqc3R1dnd4eXqDhIWGh4iJipKTlJWWl5iZmqKjpKWmp6ipqrKztLW2t7i5usLDxMXGx8jJytLT1NXW19jZ2uHi4+Tl5ufo6erx8vP09fb3+Pn6/8QAHwEAAwEBAQEBAQEBAQAAAAAAAAECAwQFBgcICQoL/8QAtREAAgECBAQDBAcFBAQAAQJ3AAECAxEEBSExBhJBUQdhcRMiMoEIFEKRobHBCSMzUvAVYnLRChYkNOEl8RcYGRomJygpKjU2Nzg5OkNERUZHSElKU1RVVldYWVpjZGVmZ2hpanN0dXZ3eHl6goOEhYaHiImKkpOUlZaXmJmaoqOkpaanqKmqsrO0tba3uLm6wsPExcbHyMnK0tPU1dbX2Nna4uPk5ebn6Onq8vP09fb3+Pn6/9oADAMBAAIRAxEAPwD1XNJRR2qTIUUopKWgAopaKAAdKWkooAWlpKBQAUUUtIQe9HSiigAooo7UAFLRRQAYo70UUDCloFLQAmKWjFFABRiiigQUUtFAwpKWimISloopDCiijrTAKKKKACjvRRQAUUUUAIeaMGlooAKSlpDQAGiiigA4pKWigBKXtQaKAEJ4rD1D/j6at2sLUP8Aj5ak9i6fxFU0lLSVB1BRRRQAUUUdKACg+tFHagAooooASg0v4UlABRRS0AJiloooAUUtJml+lAC9qWk7UoNAxwpaQU6gR5L8U+PEcH/XuP5muKrtvip/yMdv/wBe/wDU1xOK1WxlLcOKcKbSimSSKOa6XTh/oMX0rm0966XT/wDjyjwO1SykW1p4pgp4oKPb6KKMUHKAGKWgUtACUtJS0AApaKBQAUUUUAFBoo+tIQUtFFIApelIKWgAooooAKKKXFABRRiloGFFFLTEJS9qKKACjHtS9qKAEpDTqSgYlLS9qSmAlLRRQAUUYooAWiiigBKKXFGKAEopaKAEopcUYoASijFFABSClopAGKKKKAE+tYeoD/SmrdrC1D/j6ah7GlP4ipRilxSfWoOkKSl4oxQISloxQaBgKSlNJQAUUUUAFFFFAAaKKSmAtFFLSAMcUtIKWgBaWkpwoAUUopBThQB5P8VP+Ritz/07/wBa4jNdx8Vf+Rhtv+vf+tcPWq2MpbhThTacKZJIldJp/wDx5R/SuaU810umn/Qo+O1SyolwelPA9qYM5qRaCj26lpKKDlFoPSkpaACloooAKWkooAWijvRQIWkpaSkMKWjtRQIOaWkHWlNIAoopaYAKKKXFIAFFNdwikntVRtSQcYplJN7F2lrP/tNfSkOqIP4aV0PkkaPSis3+1l/u0h1Uf3ad0LlZp0tZf9rf7NH9q+1F0HKzUorL/tX/AGaDqp/u0XQcsjTo/Gsv+1T/AHaT+1T/AHaLofKzVpe1ZP8AarelH9qt6Ci6DlkatLWT/ar+lH9qP6UXQcsjVpayP7Uf0o/tR/Si6DkZr54ozWP/AGnJ6Cj+05PQUXQckjYozWP/AGnJR/aclF0HJI2MijIrG/tKWj+0pTRdD5JGzRVezmaaPLVZoJasGKMUYoxQITFGKXFFACHpWFqH/H0a3sVhah/x9NQ9jSn8RTopSKKi50jaMUtHagBDR3oxRigAoxQaKAEope1FACGiiigAoooFABRRjNFAC96WkpaAFFKDSCl4oAcKUUgp2KAPKfirj+37X/r3/rXDV3XxW/5Dtp/17/1rha1jsZS3ClFJSimSSA10mmc2MX0rmhXSaXg2Ef40mUi8B61IKYtPHSpKPbqKKKZyhS0lOoAKKKKADFFFLSAKKKKAFpKKKAFooooELRRRQAUtFAoAWigUUARXP+pNYb/eNblz/qTWG33jSlsdFIbTTTjTTUI3YlFFFUQFFFH1oGApaAaKAD8KSiigQtFFFAw6UtJRQAUUUtABiiiigAooo7UALSjrScVG1widTkik3YZu6b/qzV4Vyf8AblzAhWFUUeuMmq8mv3x5NwwHsAKXOjN0ZSZ2tJiuEPiC+Bz9rk/OlTxPqCdLnd7MoNHtEL6vM7ukrkofGF0uPOto3H+ySDWnbeKtOnIWUvA3+2Mj8xVKSZDpSXQ2qwdQ/wCPpq245op0EkUiyKe6nIrF1D/j6aqewqfxFQ0lLiioOkbRS0UAIRSUtBoATvRS0lABmg0E0daAEooxRQAUUe9GKACiil70AFLSUooAUGlFIKcKAFFKM0gpwoA8r+K3Gt2Z/wCmB/nXCZrvfiv/AMhmyP8A0wP864KtY7GUtwp1NpRTJHD2rpdKP+gR/jXNg8iuk0rP2FPxpMpF9aeMY5pg6YqQVJR7aKKM0UzlFooooAWiiigApaSlpAFFFFABRRS0AJS0CigBRRRRTAKWgUuaQg6UUUUARXP+pNYbdTW5c/6lqw26n60pbHTSG0006kNSbMbRRRTJDvRRilpgAopcUmKQBRRRQAUUUtACUtFFABilooxTAKKKUUgE70x5VjHqaJpAgxnmqTzDkk/hWcp22NIwuSSSu3JOF9BVKadYzxk0ya4du/4CqEshJPNYuR1QpE73RI54qpLOd2c8UxjnvUTNzWdzdQQrSse9MaRs4JIpWPBppOeaLlOKH+aR3pVnf1qLBpcYPWnzE8iLtpql1ZS+ZbzNG3t0P1Fa8fib7Q4a7iw3QvGP6Vzw59M0oTjPrW0ZnNOjG9zs4pY54xJE4dT3FOxXJ2l3NZzB4zn1Xsa6W0vYbxMxNh8fMh6itkzmlGxPSU7pSGgkTFIaWigBKKWkoASiiigAFFJ70tACUUUUABpaSigBfpS0lKBQAopwpKUdKAFFOFNFOFAHlvxXH/E3sj/0xP8AOuCrvvixxqtj/wBcT/OuBrWOxlLcKUUgpRTJHjFdJpP/AB4J+Nc2tdJpH/HimPU1LKRfHSpAOKYKeKCj23AooopHMLRQOlFAgpaSloGFLSUUCCloooAKWkpRQADFFApaADAoope1Ago7UUtABRRS0AQ3X+pNYbda3Lr/AFJ+lYhQs3y0mdFIZikNS+RJjoaQwSdhSSZuyKgU/wAmTONppRbyH+E0yCOgVL9ml/umk8l92Mc0DQyintGydRim4pDE70d6ekTScKM08Wsv900WEQ0VN9llA+6aZ5bBtuOadhDaXFSraSkZ2mlNpKBnaaLMZBS08ROzYAyRUv2OXGSMfWiwXK9NklEa5701pASSD8o71RnlL5Oev8qxnLoawhdjZJvMbIqnLMN3Wns3BA6VWbBb1Fc0n2O6EENZyetQuOOtPkbjjpURJIwaRqkRMQKjJ+XJqVgDxUZGDQUNPTg033zUgHGaYDuJG3GPWpGJnnHGKdnFN6daXPODVEjxgelPBPXtUeMind8VcTORLGNx9zUrI0eHQlWHQg8imxEgjtV5UBj+vauymuZHHMvaXqn2r9xOR5w5B/vj/GtI1ys1u8UgeM4IOVOelb+nXovIPmGJU4cf1puLRg0WjSEU6kqRCUlLikoASilNJQAUlLRQAlFLSUAFKKSl60AApfekpaAFFOFNFOoGKKdTc04UAeX/ABYH/Ezsf+uR/nXAGvQPix/yEbD/AK5t/OvP+9ax2MZbhThTaUUyR4ya6TSP+PBPqa5sda6TSObBfqallRNBfrUgxio1FSL0xSKPbKMUUUHKLRRRQAUtJ1ooAWigUtACUUtFAwpRRRQIWiiigBaKKKQC0UlLSAKKKKYEV1/qWrJgmET5I4rVuv8AUmsRutD2N6exqwXcc0m0KKfcXEVudpUVn6cP9J/CpNU/1o+lC2E4+9YkjuUmnUBRVi4uIrcgEA1m2P8ArxWlc2scpBY4piaSdiD+0o/7lRrcCe6UgYFSfYIf74qCJFS8AXkA0ily9CfUwFVSBWbn2rT1TGFrN4okXT2LumgeZVq4vUhfbtzVfTf9ZVqe1heTc7YNNbGc7c2pWOpjH3KS1YTXO4jrT3tLcKTuplgAJsA0ArW0LlzdLbEDbVVtT4+7RqeN4qgcUmxxhdXbNHTyHkZyBzVbWNQP/HrFxu+8fb0qS2nW1t5Zm6KvA9T2rCeVpJGkY5Zjk1MpWRcYc0wkk+XYD0qsRu6/lT++TScYrkbPRgrFZhgbahfByO/arMg+UnvmqrA5qDdEDghD3J6A9KiwSBng96snk800x55NBZXccZFRP9asmPnmoXUf5FIYz1HpQeBwKCMDNKozigZHtJPWkCcc1MQBkVHu2nrQKw5RT1QnFQPLg9cCkW7SMfNIM1rBGMy6hw3OKv25DnrzWKt7bvyJVJ9Aa1LGVWx7812UtGclTYtyIHLDjg8GoYpDaXC3Cjjow9RVkgckdDUcke5Afzrptc5mzaDBlDKcgjIIoqjpM26BoSfmjPH0NX65WrOw0NopTSUgEo7UUGgBKMc0ppKACijrRQAdKO1JS0AFLRRQAopaQcU6gYopwpopaBHmXxZH/EwsD/0zb+defV6F8Wf+P3T/APrm38689Nax2MpbgOlKPekFKKZI5a6PRv8AjwX/AHjXOCuj0b/jwA/2jSZUdzSX3qQfSoxUi8Uij2yijpRSOUUUUUUAFLSUtABQKWigAo96KWgYUZoopAFL2pKUUxBS0gpaQBS0lLSAKXtSUtMCC7/1JrEbqa27v/UGsRupoex0Udixp3/HxT9U/wBcPpVaGUwvuFFxcGd9xpJlSi+a5JY/8fAq7exzOw2ZxWXFIY33DtV5dSkbjbnFURJO5F9nuM96WCF0uF3+tTi9mP8AyzqCa4lL7iuMUWBN7WLl/A823aM1R+wy/wB01MNUfGMUv9pt6CldAnJLYlsbd4pPmGKS7t5pJsqTiq/9oSb80/8AtR/Si6E73vYZ9jn9zUlmDFcYfg0n9pyYztqs87PJv70aFK76GjeWrzMGXkVVOny46U+C7ncbV5qYy3eMbae4k5R0MfUHZFWDpj5m/pVAH+dWL92+0Sl+oOMVSLZ744rnmddJdR8hz3xmot+DjOaczblwcexqsSVGMnJPQCsGdaJcjJOfpUBxk/rT0J6Y9hUczCNSzEADvSLQYUjOKikcKOtY9/4hjhLJECxHoKxJvFDAE45HQGmoNjdRLc6p5vmPpULTDcTnrXGN4guZiMPj04qZL64kKszEE9ar2bEqyZ1SyBuQcipFOMHqDWLbXjKQOxrUUsVGBjPWocbGqkmPmkCqTnHesu51MR5+bpxkVZulY8A4A7VhXKZbBGcdBTirkzlyle91y43nyyMDvis+TU5JO7An1q2IIXYq2Xb+4vJqVNOkkGEt44x6u2T+QroSSOJttlKCckbg7bu5xgV0WiazNEwEp3D88VS/sZ8jzJj9FUCnNo7RKZEEpAPJEhBH5VpHfQlppanodvKlzAJEbI7+1TLllK4IrktFslnG6HUr+AtwQsnf3zWlcXN14faO4vb83WnyNseSRAHhJ6HI6iutM5matrJ9nvwT91vlats8VxcXiXRr+4ENtfxySucKvPJrrrWTzraNz1IwfrWVVdQiS5pDS9qSsShKKKKAEooooABRSUdqAFopKKAFpaSjpQA4UtNp1AxRTgabSigDzX4s5+16f/uNXnleifFkf6Tpx/2GrzutY7GMtwFKKbThTJHLXR6L/wAeA/3jXOCuj0X/AI8f+BGkyluaQHFSDiox1qQcDikUe2UUtJSOUUUUUtAwooopCFxRRRTAKWkopDFooooELRQKKBh0paSloEFL3pKWgApaSloAguz+5NYjda27v/UmsRutD2OijsNpDSnpTSak2YVa08AzYIzVTNXNP/1wqo7mctiW7naOXCDiprc/aIvnXFMumiWX5hmo2vflCRjFW3qZLVaET2zBjxxUbQuvOOKtSPI6AHgVYVVNme9KyZpzNIzVgkYZApxtZAMkcVesziNjjpVdrw5ZT3pWSQc2ugu3FvynPrVdYWbnHFaCsDZZNEOx4dp4NOxKkVYhJCN6DNWbS6llnCtjFBheOE7eRUNgCLnn1pMejMHVZc3s3++f51TV8il1F83kh7lz/OoAxzjHauWR201ZE4bOR+tNbIPLAjrSEnbwOaaFX5c8YrM3RMqhmAB4HWsDxHf7B5MJHuc1uXEogtWfO0AZJ9K425huNSBlA8m3Y8MfvP8AT0FVGNyZz5TEleV8rGu7PVugFQ/2bu+eTcxPUKpNdfY6HaxxiVoyxH8TnP6VJqDwQW3IxtPQVpzJbGS945GPTyozHZyY9XYCpvJuF4EMSj3k/wDrUtzr8MfyoyHnqOajXURK+Mrk/hTu+o9OjLMJnUgMkR+kv+IrYXVbW0QJdzLC2OjHP8qxVkKFWI+U9T6UWsFtqGsQmdA4WFmUdvvYGf1qXGL3LjOSaSNC48QWW0tEk9wCOscRI/OsJL7+0LiVCrxJGhdg3DEZAx+tdxPb+TGqhRtxwBwK5XX4hp1zHqIBaMja49c9RSpct7F1lPlvchjvEhixHGigH6UqXdzIjSIHZRnJX5VH41XaAxzq3ySRlQ8e7kMp/rVy2uGjhMHlqUbORWml/eMdbe6UH8QTwsA0Mg3DIy2eK1tL8Sxs+2dSueG9vqKxW0FzKWRsLnjjmrh0BjD5gIWRRx71S5d0QufqdNbSLaXpKNmOTkEdK19YhOpaFPboFZ2KlQ3TOR1rldMdkRLe4DKQfl4/zxXTR+aIQqEEfrW1Od0ROFjF8TeHJDNbajotuiTQDDxQgLu/2hXR+ENdOqpPB5RzDguw/hbup/Go7a4LEpOm0kfgfWqfgOBdOv8AU9PXpHOefUYBH6Vcvh0MrWZ2tIaWmk1zlAaO1H0pO9AwpKWkNAgoopO1AxaKSloEFLSUUDHDpSimg0ooAcKcKaKXrQB5x8Wf9bpx/wBlq85r0f4sD5tOPs1ecHrWkdjKW4UopPpSjrVEEi10Oi/8eP8AwI1zq10Wh/8AHkf940mOO5qKaevIpgp4IFIs9spaSikcotLSCloAKWkooAWiiigApaSlpDCl60lHegQtFJS0ALRSUvFIApaSlFAB0paSlpgQXf8AqGrDbqa3Lv8A1BrEPWh7HRS2G0004001JsxKtWDqkuScVVNAJHSqTM5K5avXV5SRUMRCyAmo8560oobCKsjTnZZI12EYxTw8a2pXdzWWHYDrxSbj60+YnldjStpEWNgTVGQDzD9aj3H1ozSuUo2dzTSVPsm0nmmHY8QKHDCqGTjrShiOhouLlNCK4MSEO2ajs5ALrJ7mqm4nqaASOhxRcaic7fDN3Nn/AJ6Nz+NRAgkEA1Neki4lB/vGq6MSOR+FczOyOxOoJ6HjuKbcXENpA0s7KoClsFgCcDtVPUtVXSrMMsfmzStsijzjcaxJ9C1bXbuOXU40hgQFHcnEki5zhV/hFJR6suU2laK1KsviHXfEVpM+m2MFrZnKGWZssfXFa9gy3NhaHPSMBvqODU81pDbWcdraxrFEg+VaNPVVXysAbSSuO4puXRGU4O17kl/dpaQhMgOensP8a53U7WS90+YvOoOMqgP862ptPN1L5054zwKqXFlAkbjaTkYxSi7GXJKZw8tm0sq+UgAI5wMAGrvkg/NgEqMdOtaptWKhAuFHaiO0YjATircmzeFFQKsELzw+RCQrucDce9bOm6dFbTnaATEixF/7×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» v:shapes=»Imagen_x0020_2″ /> </font></strong></p>
<p align= 

Antonio Casilli. LAMIOT / WIKIMEDIA COMMONS

 

La revolución de la inteligencia artificial (IA) no puede prescindir de los datos producidos y seleccionados por el hombre, usuario o pequeña mano invisible de micro-trabajo. Para el sociólogo Antonio Casilli, es urgente proteger estas actividades laborales contra la depredación de las plataformas.

Casilli es uno de los observadores más sagaces de las mutaciones provocadas por las tecnologías de la información. Desde hace algunos años, se interesa en concreto por el » digital labour » y realiza con su ensayo En attendant les robots. Enquête sur le travail du clic (Seuil) un brillante análisis de los movimientos profundos que están a punto de transformar radicalmente el mundo del trabajo. La entrevista la realizó Erwan Cario.

¿Cuál es su definición de «digital labour«?

Este término, ante todo, es una expresión que se mantiene en inglés por razón de su sentido. A causa de la polisemia de la lengua francesa. En francés, se tiende a hacer converger el término «trabajo» con el término «empleo» o el de gesto productivo. En otras lenguas, en inglés, se separan esos significados. Se dice » work » cuando es una actividad productiva, y » labour » cuando es una relación social. Y además, si se habla de «digital» y no «numérico», es que es un trabajo del «dedo», digitus en latín. Así pues, la definición que doy es: toda actividad que produce valor y que se basa en los principios de tarificación y de datación (tratamiento automático de la información). La tarificación, es la reducción a tareas simples, fragmentadas y estandarizadas – la tarea más simple, es la pulsación- y la datación es la producción de datos para las plataformas y las inteligencias artificiales, que esas plataformas se esfuerzan en producir y en mercantilizar, y se basan en realidad en un flujo constante de datos producidos y tratados.

Usted identifica tres grandes familias de trabajadores digitales, ¿cuáles?

La primera y la más visible, aquella con la que el público francés y europeo ya está familiarizado es la que se llama «el trabajo a demanda». Pasa por las aplicaciones en tiempo real inmediato para permitir a nuestros consumidores acceder a servicios o productos. Son Uber, Deliveroo, servicios personales que están ahora por todas partes en el debate público, pues han centrado lo que en su momento se llamó » la uberización «.

NOS ENFRENTAMOS A LA ENÉSIMA MARAVILLOSA SOLUCIÓN PARA PAGAR CADA VEZ MENOS A LA FUERZA DE TRABAJO, PRECARIZÁNDOLA Y EXCLUYÉNDOLA DE UN RECONOCIMIENTO FORMAL

La segunda familia, mucho menos conocida, menos visible, y sin embargo claramente presente incluso en países como Francia es la del «micro-trabajo». Es todo lo que hace referencia a plataformas en las que multitud de trabajadores se dedican a la realización de tareas profundamente fragmentadas, y sobre todo micro-remuneradas. Se pagan a uno o dos céntimos. Y aún se tiene la suerte en Francia de que están relativamente bien pagadas. Son tareas que exigen entre algunos segundos o algunos minutos para llevarse a cabo, que van desde la maquetación de imágenes, la re-transcripción de pequeños fragmentos de texto, registro de voces u organización de información. Es un fenómeno global, no únicamente situado a escala de una ciudad, como puede serlo Uber, es una forma de poner a trabajar a personas que están en países lejanos.

La tercera familia viene a continuación de la segunda, pues en el micro-trabajo, se encuentra haciendo «tareas banales» que consisten en mirar videos, fotos, escribir pequeños textos, organizar la información, siendo pagado por muy poco, límite cero. Esta tercera familia, es por lo tanto el, por así decirlo, trabajo gratuito, el que nosotros como usuarios realizamos en las plataformas sociales. Se lleva a cabo en las redes sociales como Facebook, YouTube o Instagram. Publicamos contenido, desde luego, pero hacemos mucho más que eso. Se realiza un trabajo de selección y clasificación de la información, señalando lo que es problemático respecto a las propias normas de la plataforma.

Su primer capítulo se titula «¿Los humanos reemplazarán a los robots?» No es un claro guiño de humor, necesario para destruir el mito del fin del trabajo…

El mito del robot, que es el de la automatización completa, que embruja al imaginario industrial, primero occidental y hoy global, desde hace tres siglos, es una promesa siempre renovada, un espejismo que se aleja siempre… Es un horizonte utópico, pero que tiene un impacto concreto sobre nuestra vida cotidiana. Porque desde hace siglos este mito se ha empleado para disciplinar a la fuerza de trabajo, obligar a los trabajadores a dejarse de tonterías pues siempre se les puede reemplazar por una máquina de vapor, después por una máquina industrial y ahora por una máquina inteligente. El robot del que se habla no es un autómata antropomorfo, hoy es un robot de datos; es decir, una forma da automatizar los procesos funcionales. Y esta automatización pasa hoy por lo que se llama inteligencia artificial, que se basa en la presencia de datos. Pero cuando se dice esto, se olvida siempre decir quién produce esos datos. Los producen las mismas personas que conocen el riesgo de ser expulsados del empleo formal. Porque se necesita alguien que pinte las imágenes; que seleccione los datos; que limpie la información, y ese alguien, no es un ingeniero ni un data scientist , somos usted y yo, y cientos de miles de personas, entre las Filipinas y Costa de Marfil, que durante una jornada, han de producir esos datos que son indispensables para el aprendizaje estadístico y la economía de los robots. Finalmente, no se puede prescindir de tales personas. Al contrario, ese mercado paralelo de micro-trabajo, de trabajo invisible, de trabajo digital explota ahora, pese a un esfuerzo de ocultación; pese a un esfuerzo de invisibilización que es crucial para poder vender a los inversores el sueño del robot.

Cuando hablamos de los efectos de la IA sobre el empleo, «el estudio de Oxford» de 2013, ya predijo que el 47% de las tareas actuales tienen grandes posibilidades de desaparecer. Se explica que eso es un análisis que torna regularmente…

LOS DATOS COMUNES NO PUEDEN SEGUIR SIENDO OBJETO DE LA DEPREDACIÓN CAPITALISTA

Tengo tendencia a creer que cada generación tiene su propio estudio Oxford. La generación precedente había probado la prosa de alguien como Jeremy Rifkins quien a mediados de los 90, afirmaba prácticamente lo mismo. Nos podemos remontar hasta 1801 con el primer padre de la economía política inglesa, Thomas Mortimer, que ya distinguía dos tipos de tecnologías: una que acompaña al trabajo humano y otra que lo reemplaza. En su época, ¡hablaba del molino mecánico! Esta misma profecía se renueva constantemente con una repetición impresionante. Depende de nosotros ver por qué necesitamos someternos a esto. Nos enfrentamos a la enésima maravillosa solución para pagar cada vez menos a la fuerza de trabajo, precarizándola y excluyéndola de un reconocimiento formal; alejando a los trabajadores de todo un conjunto de protecciones vinculadas al empleo clásico, herencias de luchas sociales, y por lo tanto restringiendo cada vez más la masa salarial.

¿Cómo actuar frente a esos ataques frontales contra el trabajo asalariado?

La situación está en constante evolución, es ciertamente febril. Hay tres ejes de reacciones que surgen para desplegar formas organizativas. La primera es emplear instrumentos surgidos de las luchas sociales para reafirmar la dignidad del trabajo; su reconocimiento y su remuneración. Se trata de las formas de sindicalización, ya sea en forma de sindicatos clásicos que tratan de lograr su propia transformación numérica, o con nuevas formas sindicales expresadas mediante gremios, asociaciones más o menos informales o grupos de usuarios de plataformas.

El segundo aspecto, es la constitución de alternativas viables a ese capitalismo de plataformas introduciendo una forma de cooperativismo de plataformas. Es la reactivación del movimiento mutualista, de la inscripción de plataformas y tecnologías digitales en el contexto de la economía social y solidaria. Eso consiste en crear «el Uber del pueblo», «el Twitter colectivizado «, etc. Es un movimiento que adquiere envergadura hoy. Pero subsiste la cuestión respecto a su solidez y su capacidad para que no se lo apropien las plataformas capitalistas. Cuando vemos a Google financiar tales iniciativas, hay que replantearse el asunto.

El tercer elemento, para mí el más interesante, es el de los comunes. Lo que estamos a punto de crear con nuestro trabajo de teclear, son conocimientos comunes, datos comunes, recursos informativos comunes, y esos elementos comunes no pueden seguir siendo objeto de la depredación capitalista. Al contrario, hay que dotarlos de lógicas diferentes; de puesta en común; de desarrollo de gobernación colectiva, y finalmente crear un conjunto de derechos: ¿quién tiene el derecho de hacer qué con esos datos? Basta con ver su perfil de Facebook, vinculado a otros cientos, para darse cuenta: no hay nada más colectivo que un dato personal. Y si nos referimos a la remuneración ligada a esos datos, hay que llegar a la renta universal e incondicional. No uno de los muchos falsos amigos que han aparecido en los últimos tiempos, me refiero desde luego a una renta universal con todas las prestaciones sociales iguales por doquier y que se financiará mediante una fiscalidad de la tecnología digital. 

Este texto fue publicado previamente en sinpermiso.info. Traducción de Ramón Sánchez Tabarés. Texto original:
http://www.europe-solidaire.org/spip.php?article47503

Fuente: https://ctxt.es/es/20190123/Politica/24067/capitalismo-de-plataforma-uber-antonio-casilli.htm