Contribución marxista a la Inteligencia artificial

  

Juan López Páez

“La tecnología revela el modo de proceder del hombre con la naturaleza , el proceso inmediato de producción de su vida, y aclara así el condiciones de su vida social y las concepciones mentales que de ellas se derivan” 

K. Marx Capítulo XIII: El Capital tomo I°

La innovación tecnológica es un proceso objetivo, cuyos efectos potencialmente progresivos están en permanente conflicto con la acumulación del capital. Para un marxista el cambio tecnológico equivale al desarrollo cualitativo de las fuerzas productivas, en un marco de relaciones de propiedad definidas por un cuadro específico del modo de producción dominante.

La aproximación de Marx al tema tecnológico se inicia a principios de 1845 cuando emprende el estudio de los principales especialistas de su época, escritos de los alemanes Joham Beckmann (1739-1811) y JHM von Poppe (1776-1854) y pensadores ingleses de la Revolución Industrial en Inglaterra, Charles Babbage (1791-1871) y Andrew Ure (1778-1857), desarrollando los apuntes anotados en los Cuadernos Tecnológicos XIX (B 56), la cuestión tecnológica está indisolublemente ligada a la evolución de su pensamiento económico. Esta comprensión le permitió exponer cómo la innovación influyó en el paso del artesanado, a la manufactura, y a la gran industria. También le sirvió para entender la modificación cualitativa que entrañó el pasaje de la acumulación primitiva basada en un patrón tecnológico estable a la acumulación de capital, sostenida en innovaciones permanentes.

Innovar o perecer rige la dinámica de la acumulación capitalista

En la fase actual del capitalismo, la llamada “cuarta revolución industrial”, no es suficiente con comprender una tecnología aislada, sino el conjunto del dispositivo técnico y social contemporáneo que lo lleva a puerto. El auge de la aplicación de la Inteligencia Artificial (IA) sintetiza y automatiza tareas para cualquier ámbito de actividades intelectuales humanas, mecanismos que abarcan campos genuinamente universales, pero innovar no supone necesaria e inexorablemente un «progreso» debido a sus consecuencias sociales.

La tecnología del capital y la subsunción 

Hay que tener claro en qué sectores se implementan las nuevas tecnologías y como afecta al “secuestro de la totalidad de capacidad productiva del trabajador”.

La tecnología del capital juega un papel centralmente político en el proceso de producción, el capitalista, ejerce poder de mando sobre los trabajadores a partir del dinero, lo que Adam Smith llamó: “labour commanded”, mediante la compra de la fuerza de trabajo del obrero ejerce el poder de mando sobre los trabajadores a partir del dinero, el obrero no puede concurrir al mercado sino vendiendo como mercancía su propia fuerza de trabajo.

Marx lo analiza en el fragmento inédito del Capítulo VI de El Capital explicando las dos maneras de la “subsunción del trabajo”

—la formal: cuando el trabajador vende su fuerza de trabajo deja de ser dueño de sí mismo y se enajena al patrón y formalmente deja de ser propietario de sí mismo, 

—la real en el puesto de trabajo, cuando del trabajo activo del trabajador, el capitalista consigue el aumento de la productividad laboral y el incremento de la tasa de plusvalía.

Ambas formas son específicas de la explotación capitalista, con la inserción del nuevo fenómeno tecnológico de la IA, también se modifican las relaciones sociales y la lucha de clases, los sujetos están obligados a adaptarse y disputar la hegemonía dentro del proceso de cambio social.

A diferencia de todos los modos de producción anteriores el capital es “revolucionario” internamente, no cesa de trastornar todas las relaciones sociales, comprendidas las que él mismo crea, gira siempre en torno al crecimiento y en su caso le es necesariamente que sea exponencial y acumulativo, característica de su reproducción. Para el capital, las innovaciones en los procesos de cambio tecnológico crean un vasto dominio de posibilidades siempre cambiantes para mantener o aumentar la rentabilidad. La búsqueda de tecnologías genéricas que pudieran aplicarse casi en cualquier campo, como ha sucedido durante los últimos años con la computarización. Surge así un vasto territorio empresarial en torno a la invención y la innovación, lo que Brian Arthur en “The Nature of Technology” llama «nichos de oportunidad» que suministran por doquier nuevas tecnologías que inciden en la producción, circulación comercial, unidades militares de investigación que implican dominio geopolítico, vigilancia de individuos y trámites burocráticos.

Nuevas configuraciones tecnológicas se suceden, aquellas que Joseph Schumpeter denominó «vendavales de destrucción creativa», la innovación es esencial para la supervivencia competitiva entre empresas y la sociedad interioriza lo nuevo a expensas de lo antiguo. 

La dinámica rectora de la innovación y su importancia 

Para Marx el cambio tecnológico conduce la acción de la ley del valor-trabajo, que rige el funcionamiento del capitalismo, la que considera que el valor de un bien o servicio está determinado por la cantidad de «tiempo de trabajo socialmente necesario» para producir. A través de la innovación se alteran las proporciones de trabajo contenidas en las mercancías, y esta transformación modifica los precios relativos que orientan la producción.

Los impactos institucionales

David Harvey nos muestra como las “contradicciones cambiantes” del capitalismo, es decir las crisis económicas cíclicas son esenciales para la reproducción del capitalismo y en ellas sus desequilibrios son remodelados y reorganizados para crear una nueva versión del núcleo dinámico que acapara el aumento de la tasa de beneficio a largo plazo. Mientras que individualmente representa un beneficio para un capitalista y/o empresa de un determinado sector, lo es a su vez contraproducente para el conjunto del capitalismo, la automatización plena del trabajo no es posible sin poner en riesgo al propio sistema. ¿Y a qué es debido? A dos factores: la flexibilización laboral y la destrucción de las fuentes de plusvalor: el estrago del trabajo asariado en grandes proporciones, ambos representan un riesgo para la supervivencia del capitalismo, en los países ricos se compensa con una mayor intensidad de explotación y expropiación en los países pobres de la periferia.

Es relevante considerar a esta tecnología en el marco de las tendencias del desarrollo capitalista. La IA como tecnología de uso difundido reproduce, actualiza y reconfigura las relaciones de explotación y dominio características del capitalismo. Al mirar esta tecnología bajo ese prisma, se percibe que es más lo que tiene de continuidad que de ruptura –sin que ello implique desestimar sus potencialidades. Por tanto, no nos encontramos ante una ruptura radical en la historia de la humanidad sino ante un capitalismo que dispone de nuevas capacidades tecnológicas, a partir de las cuales se busca reorganizar el proceso de acumulación y redefinir las capacidades de apropiación para incrementar la tasa de acumulación de capital.

La Inteligencia Artificial vista desde la crítica de la economía política, plantea que actualmente los sistemas de inteligencia artificial contribuyen a reducir los costos de circulación (al automatizar funciones como la atención a clientes, la generación de publicidad personalizada, la gestión de inventarios, etc.) y acelera la rotación del capital , pero tienen un impacto restringido sobre el proceso de producción, con lo cual las ventajas de su aplicación son parciales. Como afirma David Harvey: “los gastos y el trabajo empleados en la circulación del capital tienen que costearse mediante deducciones al valor y al plusvalor producido en la producción”. 

Por tanto, para los capitales es benéfico implementar tecnologías para reducir los costos de circulación y volver más eficiente el conjunto de la reproducción, pues de esa manera hay una mayor cantidad de plusvalor que puede ser apropiado como ganancia. En ese sentido, la introducción de la inteligencia artificial en los procesos de circulación, administración, etc., hace posible un aumento en la apropiación de plusvalor y de ganancias. No obstante, si no revoluciona el proceso de producción, el potencial de esta tecnología sólo se aprovecha parcialmente.

La hiperaceleración de la IA

La Ley de Moore (1965) expresaba que aproximadamente cada 2 años se duplica el número de transistores en un microprocesador lo que genera un crecimiento exponencial de la potencia computacional, pues bien la cantidad de computación utilizada para entrenar los modelos de IA más potentes se ha multiplicado por 10 cada año del último decenio. Algo que antes tardaba varias semanas en procesarse se procesa ahora en segundos.

No obstante, el carácter único de la IA no está relacionado sólo con el crecimiento de la capacidad computacional. Los avances recientes en el procesamiento paralelo y el uso de aceleradores de hardware, como las unidades de procesamiento gráfico (GPU) y las unidades de procesamiento tensorial (TPU), han sido posibles gracias al avance continuo de la Ley de Moore. Esto ha allanado el camino para modelos de IA más sofisticados, como redes neuronales profundas y algoritmos avanzados de aprendizaje automático.

Las principales condiciones del auge reciente de la IA son: 

1) La extracción masiva y cada vez más acelerada de datos digitales, que hacen posible un conocimiento detallado del mundo físico y de las prácticas sociales en entornos virtuales.

2) El aumento y abaratamiento en la capacidad de cómputo, así como la producción de chips especializados que se adecuan mejor a las necesidades de procesamiento de datos de los sistemas de inteligencia artificial.

3) La mejora en las técnicas de procesamiento de los datos (machine learning y deep learning), diseñadas para modificar de manera adaptativa y automática sus parámetros, de tal forma que su capacidad mejore paulatinamente.

4) Las mejoras de las infraestructuras de procesamiento de datos –la “computación en la nube”– y de telecomunicaciones –por ejemplo, las redes 4G y 5G.

Dos características actuales de su adopción limitan su impacto sobre la productividad y la rentabilidad en el conjunto del sistema: Su aplicación en los procesos de producción es muy restringida. Su adopción no ha alcanzado la masividad que requiere una revolución productiva generalizada, aun cuando es fuente de ganancias extraordinarias para los capitales individuales que lideran su implementación. Por contra la revalorización tecnológica y mayores gastos de capital: Capital Expenditure (CapEx) alimentan las perspectivas de inversión.

Desde que OpenAI lanzó ChatGPT (noviembre de 2022), la inteligencia artificial se ha convertido en tema recurrente de conversación entre inversores, emprendedores y ejecutivos. Según los resultados empresariales del primer trimestre de 2024, las grandes empresas tecnológicas, conocidas como los titanes de la nube, están invirtiendo sumas considerables en la construcción de centros de datos de IA.

Estas inversiones en IA se equiparan a las de la industria más intensiva en capital, como la petrolera. Por ejemplo, se estima que Saudi Aramco tendrá un gasto de capital este año de 50.000 millones de dólares, una cifra similar a lo que Microsoft destinará para construir centros de datos de IA, que es un crecimiento del 31% en su negocio Azure Cloud. De manera similar, el gasto de Meta se asemeja al de Chevron. Este fuerte gasto de capital se destinará, según declararon las empresas en sus resultados, a la adquisición de servidores de IA impulsados por chips especializados, infraestructura de red y almacenamiento asociado, así como sistemas de refrigeración.

Ashley Oerth, estratega asociada de Mercados Globales en Invesco, señala que "la vanguardia de la investigación en IA está definida por las grandes empresas que pueden desplegar suficiente capital para hacer más con más, los innovadores intrépidos que han descubierto cómo hacer más con menos (a menudo a través de ofertas de productos más específicas) y los pocos aventureros que buscan nuevos nichos o casos de uso".

La carrera por liderar la era de la inteligencia artificial ha disparado el gasto en capital (CaPex) de las grandes empresas tecnológicas. En esta ola de innovación, Wall Street prevé que Microsoft gaste 83.000 millones. En el trimestre cerrado en junio, el último de su año fiscal, la multinacional estadounidense elevó su CaPex más de un 55% respecto al mismo periodo del año anterior. Gran parte de estas inversiones se destinan a la construcción o expansión de centros de datos, así como a la adquisición de procesadores, especialmente unidades de proceso gráfico (GPU) de Nvidia, indispensables para entrenar los modelos de lenguaje y ejecutar las aplicaciones de inteligencia artificial.

La IA entendida como Tecnologías de Propósito General (TPG), son innovaciones fundamentales que tienen el potencial de provocar transformaciones significativas en la economía, afectando a múltiples sectores, mejorando la productividad y fomentando el crecimiento económico. No solo tiene un impacto significativo en la productividad, lo que podría generar un mayor crecimiento económico en el futuro, tienen el potencial de transformar una amplia gama de industrias, desde la automoción hasta la medicina, pasando por la educación y el entretenimiento, al mejorar la toma de decisiones, automatizar tareas y personalizar servicios.

Por los diversos sectores:

En la industria financiera

Varias instituciones están adoptando la tecnología, especialmente la inteligencia artificial, así como el machine learning, revolucionando el sector al mejorar aspectos operativos clave. La tecnología desempeña un papel crucial en la detección del fraude mediante la supervisión continua de transacciones en busca de patrones inusuales, lo que ayuda a detectar actividades fraudulentas y prevenir pérdidas financieras. Además, está reconfigurando el sector financiero al reducir los costes de riesgo y cumplimiento, mejorando los canales de atención al cliente y aumentando la eficiencia y eficacia general del sector, según indican algunas consultoras.

Como ilustra Mobeen Tahir, director de Análisis Macroeconómico y Soluciones Tácticas en WisdomTree, durante el Salón de la Electrónica de Consumo de 2024, los coches captaron gran atención. La sensación predominante entre los participantes fue que la trayectoria de la IA en la industria automotriz está apenas comenzando. Grandes fabricantes como Mercedes-Benz, BMW y Volkswagen presentaron asistentes virtuales impulsados por IA generativa, llevando la funcionalidad a un nivel más sofisticado y proporcionando experiencias de usuario altamente personalizadas.

En el sector de la salud

La inteligencia artificial presenta una serie de desafíos y oportunidades, según destaca AllianceBernstein. Entre los desafíos se encuentran el tratamiento de datos sensibles y la falta de fiabilidad de la IA en un sector donde las decisiones de los profesionales son vitales, según Vinay Thapar, gestor del fondo AB International Health Care, con Rating Fundspeople. Sin embargo, también se destacan oportunidades como la investigación de nuevos fármacos, la mejora del diagnóstico de enfermedades y la optimización del tratamiento de pacientes con enfermedades raras.

En los mercados de renta variable

Bert Flossbach, cofundador de la gestora Flossbach von Storch, comenta que "el auge de la IA también ha repercutido en los mercados de renta variable, y no solo en los que se supone que son los ganadores inmediatos. La valoración de la renta variable estadounidense, que representa dos tercios del índice MSCI World, ha seguido aumentando en los últimos tiempos y, con una relación precio/beneficios (PER) de 23,4 veces ha alcanzado un nivel superior a la media, incluso en un contexto histórico."

Por otro lado, según Tomasz Godziek, responsable de Thematic Equities en J. Safra Sarasin Sustainable AM, "el sector tecnológico es más atractivo que nunca debido a varias razones. Las compañías que hoy lideran el rally tecnológico distan mucho de las que protagonizaron la burbuja de las puntocom a finales de los noventa." Godziek señala que "el gigante de la inteligencia artificial Nvidia cotiza 30 veces por encima de los beneficios del año que viene, coincidiendo justo con su media de los diez últimos años, cuando muchas compañías de la era de las puntocom se valoraban 100 veces por encima de sus beneficios, muchas muy endeudadas y otras en pérdidas."

Oerth también opina sobre el tema, mencionando que "las valoraciones de los valores tecnológicos, tanto a corto como a largo plazo, han aumentado notablemente y las expectativas de beneficios futuros de las principales empresas tecnológicas se han revisado al alza." La estratega considera que la reciente escalada de los valores tecnológicos debería detenerse.

El poder de mercado

Explica Marx que la competencia entre capitalistas y el desarrollo del crédito capitalista sirven de palanca para la centralización del capital. La centralización del capital hace que la riqueza social se concentre en un pequeño grupo de grandes capitalistas o en una unión de ellos. El poder de mercado de las empresas no se limitan a la propiedad de la IA, trasciende a otro aspecto del modo de producción capitalista: la competencia. Según publica el FMI sobre la dimensión del cambio tecnológico, es que más allá del mercado laboral, incide sobre el poder de mercado de las empresas. Alphabet y Microsoft, entre otras, poseen claramente el dominio de las tecnologías de IA de avanzada. Crearlas es costoso y requiere datos masivos, a los cuales pocas empresas tienen acceso. Pero eso significa que, como propietario del capital que representa la IA, este puñado de empresas se llevará una parte grande del botín. 

A medida que alquilen las tecnologías a empresas de otras industrias, la participación de la mano de obra seguirá cayendo, en tanto que el ingreso generado por las tecnologías de IA subirá.

Un Futuro con mayor concentración empresarial 

La concentración empresarial que mide la cuota de mercado colectiva de las empresas más grandes de un sector.

Sólo las empresas más grandes utilizan la IA de forma intensiva en su actividad principal. La IA permite a estas empresas ser más productivas, rentables y grandes que sus competidores. El desarrollo de modelos de IA es incluso más caro, en términos de capacidad bruta de computación —un costo inicial cuantioso que solo las pueden permitirse—, y además requieren ser entrenados con enormes conjuntos de datos, que las empresas muy grandes ya tienen disponibles gracias a su gran número de clientes; este no es el caso de las empresas pequeñas. Además, después de entrenar y crear un modelo de IA, su funcionamiento llega a ser costoso. 

Por ejemplo, entrenar el modelo GPT-4 durante su desarrollo inicial cuesta más de USD 100 millones y necesita aproximadamente USD 700.000 al día para funcionar. El costo típico de desarrollar un modelo grande de IA podría pronto alcanzar los miles de millones de dólares. Los ejecutivos de las principales empresas de IA predicen que las leyes de escala que muestran una fuerte relación entre el aumento de los costos de entrenamiento y la mejora del desempeño se mantendrán en un futuro próximo, lo que otorga una ventaja a las empresas con acceso a los presupuestos más abultados y los conjuntos de datos más grandes.

Así pues, solo las empresas más grandes y sus socios comerciales desarrollarían modelos patentados de IA, como ya han hecho Alphabet, Microsoft y OpenAI y no las empresas más pequeñas. Es así como las empresas grandes se hacen más grandes.

El otro punto es la influencia de tales empresas acaparadoras sobre el marco regulatorio de los Estados para lograr que coincida con sus propios intereses y dirigir la innovación hacia sus objetivos. Existe una gran incertidumbre en torno al alcance de las actuales leyes de propiedad intelectual respecto al entrenamiento de modelos con millones de puntos de datos que quizás incluyan la propiedad intelectual protegida de terceros. Las leyes de propiedad intelectual podrían llegar a responder con la creación de algo parecido a una “maraña de patentes” que, en la práctica, evite que los desarrolladores entrenen modelos con datos sobre los que no tienen derechos claros.

“el modelo de negocio de Big Tech, no se basa en crear puestos de trabajo, sino en automatizarlos”

Michael Roberts

Trabajar sin fronteras, los talleres clandestinos digitales detrás del auge de la IA

En el proceso de la producción capitalista, los modelos empresariales de negocio son un sistema de acciones basado en unos recursos y unas capacidades cuya finalidad es generar y captar valor.

Lo que conocemos como las relaciones de producción, «esas relaciones determinadas, necesarias e independientes de sus voluntades» que los hombres anudan «en la producción de su vida social», y las fuerzas productivas a las que están asociados, vale decir, los recursos, técnicas y saberes movilizados en esta producción de la existencia social.

La aparición de nuevos tipos de modelos empresariales basados en un producto digital han sido potenciados por los algoritmos de la Inteligencia Artificial. Los algoritmos son principalmente una forma de capital fijo, medios de producción optimizados para la obtención de rendimiento económico.

Los algoritmos son conjuntos de instrucciones con un objetivo de forma dinámica para "aprender" del contexto, el conjunto de técnicas de software permite crear los algoritmos necesarios, para ello es necesario la extracción de datos (la datificación) que generen reglas de decisión cambiando su estructura de programación (aprendizaje maquinal) para adaptar su estructura algorítmica a los objetivos propuestos, por ejemplo, clasificar o predecir. Entre los distintos tipos, podemos destacar aquellos que detectan patrones (visión computarizada, habla computarizada) como las reglas de conexión en redes, y también los que deciden sobre la base de la detección de patrones, como los clasificadores, los algoritmos de recomendación, o los que toman decisiones en un coche autónomo.

La IA por un lado automatiza procesos laborales y por otro, es un producto del trabajo (la recolecta e integración de los datos y creación de algoritmos). En la producción de IA, las empresas digitales presentan una variedad de roles laborales y de gestión, dos tipos de trabajadores son especialmente distintivos en el contexto: los trabajadores altamente calificados de la ciencia de datos y los trabajadores encargados de la datificación, los llamados “taskers”.

Los primeros, profesionales cualificados que desarrollan infraestructuras intensivas en datos, entrenan modelos de aprendizaje automático y llevan a cabo experimentos y análisis exhaustivos de datos. 

Los segundos, una fuerza laboral masiva en su mayoría invisible detrás de las máquinas, desempeñan funciones vinculadas a la preparación de los datos empleados en el entrenamiento de modelos de aprendizaje automático. En su enorme mayoría, se encuentran en condiciones laborales precarias y en modalidades basadas en tareas (taskification), siendo común su empleo a través de plataformas como Mechanical Turk, la plataforma de crowdsourcing (externalización abierta de tareas) de Amazon y ClixSense.

Es posible considerar los algoritmos como parte de una línea genealógica que, como dice Marx en el «Fragmento sobre las máquinas», comienza cuando el capitalismo adopta la tecnología como capital fijo y la impulsa a través de varias metamorfosis, «la última de las cuales es la máquina o más bien un sistema automático de maquinaria (…) puesto en movimiento por un autómata, por fuerza motriz que se mueve a sí misma» 

La Inteligencia Artificial se nos vende como un conjunto de tecnologías autónomas e independientes que aprenden por sí solas y que son una panacea de avances en beneficio de la Humanidad, tras ese discurso se esconde por un lado el fetichismo de la mercancía que hace patente que los humanos no están en posición de controlar relaciones sociales que no comprenden correctamente. No alcanzan a ver que hay una realidad oculta: la explotación de trabajadores de datos del Sur Global y por otro como indica el economista marxista Michael Roberts: “el modelo de negocio de las grandes empresas del Big Tech , no se basa en crear puestos de trabajo, sino en automatizarlos”, es decir rebajar los costes de la fuerza de trabajo realizada por el obrero —el capital variable—.

Detrás del auge de la IA, un ejército de trabajadores en «talleres clandestinos digitales» se concentra en el Sur Global. No hay estadísticas oficiales, pero el informe “Working Without Borders” del Banco Mundial de septiembre 2023 estima que entre 154 y 435 millones de personas trabajan en este rol en todo el mundo, un trabajo emergente, especialmente en los países en desarrollo.

Trabajadores de clics

Los modelos matemáticos que sustentan las herramientas de IA se vuelven más inteligentes al analizar grandes conjuntos de datos, que deben ser precisos y legibles para ser útiles. Por eso, clic a clic, un ejército de humanos a coste reducido y en gran medida no regulado, sin legislación transforma los datos sin procesar en materia prima digital –capital constante– necesaria para las empresas de IA.

Marx dejó muy claro cómo la riqueza se genera a través del trabajo de los seres humanos y la manera en que el mecanismo de explotación, de extracción de plusvalía, se convierte en el motor del crecimiento de la sociedad capitalista. En Filipinas, uno de los mayores destinos del mundo para el trabajo digital, más de 2 millones de personas realizan este tipo de “trabajo colectivo”, un trabajo digital subcontratado según estimaciones oficiosas del gobierno como parte del vasto submundo de la IA. Al menos 10.000 contratistas autónomos, realizan esta labor en una plataforma de microtareas llamada Remotasks, propiedad de la startup Scale AI de San Francisco, valorada en 7.000 millones de dólares. Scale AI, trabaja para empresas como Meta, Microsoft y compañías de inteligencia artificial generativa como Open AI, el creador de ChatGPT, Scale AI ha recibido cientos de millones de dólares para etiquetar datos para el Departamento de Defensa de Estados Unidos. 

La empresa empezó a trabajar en el país en 2017, luego en 2021, cuando Remotasks se expandió en el Sur Global, a la India, Venezuela, Brasil, Ruanda y Ghana, las tasas de pago se desplomaron. Algunas plataformas son instalaciones similares a centros de llamadas, como CloudFactory con sedes en Kenia y Nepal. El antropólogo David Graeber los caracteriza como empleos carentes de significado o propósito (bullshit jobs).

Los trabajadores de datos son esencialmente la inteligencia humana detrás de la inteligencia artificial. Clasifican imágenes destinadas, por ejemplo, a vehículos autónomos, identificando minuciosamente cada automóvil, peatón, ciclista, o cualquier objeto relevante para un conductor, cuadro por cuadro y desde cada perspectiva posible de la cámara. Etiquetar un clip de varios segundos de imágenes lleva alrededor de ocho horas. 

Su principal tarea es entrenar la IA y proporcionarle información relevante. Enseñan a la IA a ver el mundo desde una perspectiva humana a través de instrucciones y alimentación de datos. Además, ayudan a la IA a interpretar correctamente estos datos y tomar decisiones y valoraciones similares a las humanas.

 Los trabajadores de datos son ampliamente activos en cuatro áreas diferentes de recopilación y procesamiento de datos: 

—Etiquetado e interpretación de datos, por ejemplo, analizando fotografías aéreas para Amazon.

—Generación y categorización de datos, donde los trabajadores de datos también pueden crear contenido como texto o imágenes para ampliar los conjuntos de datos. Las tareas pueden ser, por ejemplo, leer algo en voz alta o tomar y subir una foto.

—Evaluar el desempeño de los sistemas de inteligencia artificial haciendo que los trabajadores de datos brinden retroalimentación sobre sus respuestas y mejoren su lenguaje o patrones de comportamiento. Por ejemplo, puedes decirle al sistema que una respuesta fue inapropiada, que la IA usó un tono diferente o que debería usar un idioma diferente.

—Se contrata a trabajadores de datos para que actúen como si fueran una IA. Esto lo utilizan, por ejemplo, las empresas que explican a sus clientes que han automatizado determinadas tareas mediante IA, en lugar de admitir que sus clientes son atendidos por trabajadores precarios en Filipinas.

La IA está profundamente involucrada con las relaciones sociales constitutivas del capitalismo intensivo en datos, el destello de la futurología que provoca la IA hacen desviar muchos estudios en sus análisis en los que el concepto del trabajo humano ha desaparecido y caen en la trampa del “fetichismo de la mercancía”, como señala Marx, es una característica de la sociedad productora de mercancias, la simple ilusión o "falsa conciencia" entendida ésta como una comprensión errónea de la realidad de las relaciones sociales capitalistas, consistente en considerar las mercancías como objetos triviales que satisfacen necesidades, presentándose como objetos independientes de su productor, cuando en realidad su valor proviene de las relaciones sociales que lo han producido. 

El patrón de reproducción del capital mantiene una inercia que radica en una necesidad determinante de que sea permanente. El mercado de la inteligencia artificial generativa mantendrá un crecimiento significativo, se espera que dicho mercado aumente significativamente, de 11 mil millones de dólares en 2020 a casi 128 mil millones de dólares en 2024 y más de 1,3 billones de dólares en 2032 según publica Statista . Esto se debe a una explosión de herramientas de IA generativa en los últimos años, como Bard de Google, ChatGPT de OpenAI y Midjourney de Midjourney, Inc.

 

La producción cotidiana del capital no sólo reproduce la relación social capital/trabajo, también reproduce las formas específicas de dicha relación: los medios de 

producción requeridos, número de trabajadores disponibles y calificación de la mano de obra, valores de uso en los que encarna el valor, y sus procesos, como modalidades predominantes de explotación, organización de la producción (círculos de calidad, trabajo domiciliario, etc.), mercados y consumidores. 

La datificación combina dos procesos: la transformación de la vida humana en datos a través de procesos de cuantificación y la generación de diferentes tipos de valor a partir de los datos, el escritor británico James Bridle apunta que la inteligencia artificial en su forma actual se basa en la apropiación generalizada de la cultura existente concentrada por el proceso de datificación, es pura acumulación primitiva: la expropiación de la “fuerza de trabajo” de la mayoría que enriquece a empresas privadas tecnológicas de Silicon Valley.

Con un PIB mundial que en apenas 30 años se ha multiplicado por tres y un control del 60% de la producción, el transporte y los servicios a escala mundial por parte de las grandes corporaciones a través de sus cadenas de suministro, tenemos un modelo en el que las empresas obtienen sus beneficios aplicando bajos salarios, ejerciendo presión política en contra de los salarios mínimos vitales o contra las reglamentaciones que velan por un trabajo social y laboralmente seguro y se aprovechan de la utilización del empleo informal, la mano de obra dispersa por gran parte del Sur global sigue siendo explotada sin piedad. 

En cada ciclo la reproducción el capital se hace más fuerte, porque se incrementa con valor nuevo en cada ciclo; tiende a elevar la composición orgánica, elevando el gasto —capital constante— por sobre el gasto destinado a la compra de fuerza de trabajo —capital variable —. Ello le permite al capital generar una población obrera excedente —ejército de reserva — (se ramifica en otros países, Ruanda. Ghana….) con lo cual culmina el proceso de supeditación real del trabajo al capital. 

Como señalan Grohmann y Araújo en “Beyond Mechanical Turk: The Work of Brazilians on Global AI Platforms” (2021), al analizar el futuro del trabajo parece encaminarse hacia una "tendencia creciente de la tareasificación [taskification] del trabajo". El trabajo estaría a punto de convertirse en una tarea, los empleos digitales se organizarán por tareas para su subcontratación: esto podría suceder con un tercio de los empleos estadounidenses en 20 años, lo que haría que las leyes laborales y su aplicación sean irrelevantes.

La aparición de nuevos tipos de modelos empresariales basados en un producto digital han sido potenciados por los algoritmos de la IA, los algoritmos son conjuntos de instrucciones con un objetivo de forma dinámica para "aprender" del contexto, el conjunto de técnicas de software permite crear los algoritmos necesarios, para ello es necesario la extracción de datos (la datificación) que generen reglas de decisión cambiando su estructura de programación (aprendizaje maquinal) para adaptar su estructura algorítmica a los objetivos propuestos, por ejemplo, clasificar o predecir. 

La preocupación real es la concentración del mercado laboral. La IA o la automatización son solo una herramienta para darle a las empresas poderosas una nueva arma. Las tecnologías no crean ni destruyen empleos por sí solas. Eso lo hacen las empresas, que están dirigidas por gerentes que toman decisiones específicas. Cualquier uso de la IA para aumentar o automatizar el trabajo humano no es una característica inherente de la tecnología, sino una decisión tomada por gerentes humanos. El economista turco Daron Acemoglu lo destaca: “No es coincidencia que empresas como Google estén empleando menos de una décima parte del número de trabajadores que las grandes empresas, como General Motors, solían hacer en el pasado”

La IA es un gran avance en la automatización, pero no eliminará la contradicción básica dentro del modo de producción capitalista entre el impulso a aumentar la productividad del trabajo y la rentabilidad del capital a lo largo del tiempo. Existe una tendencia a que la rentabilidad caiga a medida que aumenta la productividad. A su vez, eso conduce eventualmente a una crisis en la producción que detiene o incluso revierte la ganancia en producción derivada de la nueva tecnología.

Es tarea del marxismo revelar los aspectos esenciales que se esconden en las manifestaciones que asume el fenómeno de la IA como forma social que sirve de instrumento del capital, hay dos supuestos clave en Marx para explicar las leyes del movimiento en el capitalismo: 

1) que solo el trabajo humano crea valor 

2) y que con el tiempo, la inversión de los capitalistas en tecnología y medios de producción superará la inversión en fuerza de trabajo humana; habrá un aumento en la composición orgánica del capital con el tiempo (la proporción entre el capital constante y el capital variable.)

El fenómeno de la IA como herramienta de alienación y extrañamiento del trabajo humano, que incumbe a los modelos tradicionales de contratación y organización del trabajo, incide en el debate sobre la sustitución de la fuerza laboral y, en última instancia, afecta a la esencia humana.