La eficiencia económica guiada por datos, ¿objetivo o factor de preocupación?

Esa es, en muchos casos, la dimensión que potencialmente separa a algunos proyectos del éxito o del fracaso. WebVan fue una web de comercio electrónico creada a comienzos del siglo XXI, financiada por inversores de capital riesgo como Sequoia Capital y empresas de tecnología como Yahoo!, y que consumió más de 800 millones de dólares en apenas tres años.

Quince años después, Instacart, un servicio que ofrece entrega en casa de productos de supermercado procedentes de tiendas locales, defiende que su diferencial con respecto a WebVan reside principalmente en dos elementos: la penetración del internet móvil en la población residencial, y la utilización masiva de la “Ciencia de Datos” (el conjunto de técnicas, algoritmos y mejores prácticas para la adquisición, procesamiento, visualización y análisis de información) para optimizar la “última milla” del envío y equilibrar la oferta y la demanda.

Sin embargo, hay voces que alertan de que una eficiencia económica perfectamente optimizada y gestionada a través de datos obtenidos en tiempo real, conllevará obligatoriamente una mayor desigualdad. Desde 1975, la tesis de que el precio a pagar por una mayor eficiencia económica es una mayor desigualdad ha formado parte del argumentario político y social de uno y otro lado del rango ideológico. Si aceptamos la premisa, ¿puede la utilización de los datos ayudar a equilibrar la balanza de alguna manera? O, dicho de otra manera, ¿son los datos neutros?

El modelo de la “tiranía de los expertos”, donde los proyectos de desarrollo económico y reducción de la pobreza son gestionados por tecnócratas, es frecuentemente criticado en muchas ocasiones por buscar demasiado fervientemente esa eficiencia económica sin considerar otros parámetros, limitando por tanto el impacto social requerido. ¿Es posible utilizar los datos, y nuestras actuales capacidades para procesarlos y analizarlos, como vía de actuación en la que se consideren otros parámetros adicionales? ¿O, por el contrario, nos adentramos en lo que Nuria Oliver, experta de datos de Vodafone, menciona como potencial “tiranía de los datos”, cambiando a un lobo por otro? Como multitud de ejemplos recientes comandados por Tay, el chatbot de Microsoft que hace apenas un año ocupaba primeras planas en las noticias por aprender, de los propios usuarios de Twitter con los que interactuaba, comportamientos homófobos y racistas, los sistemas son tan inteligentes como los datos a partir de los cuales aprenden.

Aunque muchos de los proyectos relacionados con datos se encuentran aún en pañales, surgen voces que piden ya un cierto nivel de gobernanza para proyectos que puedan tener impacto social, político o militar. Independientemente de la verdad subyacente en noticias como la de los drones incorrectamente guiados por software de aprendizaje automático, que atacan a civiles inocentes en Pakistán, el proceso de aprendizaje de los algoritmos actuales depende de esos datos de entrada y de las reacciones que sus acciones producen sobre nosotros y en su interacción con otros sistemas. Entidades como el Berkman Klein Center de Harvard y su project “Ethics and Governance of Artificial Intelligence”, el manifiesto contra armas autónomas firmado por, entre otros, Elon Musk y Stephen Hawking o su continuación como proyecto, OpenAI, buscan el compromiso entre las grandes posibilidades que los datos y su proyección en la inteligencia artificial nos puede proveer como sociedad, y el riesgo que supone ceder cada vez mayor control a herramientas a las que cada vez entendemos menos. No solo la eficiencia económica sino la social dependen de esa balanza.

En el Máster en Digital Business de ICEMD se ponen en común, además de conocimientos, herramientas y tácticas que capacitan a los profesionales, este tipo de reflexiones que contribuyen a la toma de decisiones. Más información e inscripciones aquí.