Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ian Lowrie
Nuestro mundo está densamente poblado por procesadores ubicuos, almacenamiento de gran
capacidad y sensores vigilantes. Las redes de tales máquinas están constantemente midiendo,
empaquetando, almacenando, circulando y operando en el mundo. Están ocupados
ensamblando y siendo ensamblados, compartiendo información y distribuyendo sus cargas de
procesamiento mientras toman decisiones y promulgan (enact) planes. Al mismo tiempo,
rechazan conexiones, mantienen sus sistemas inmunológicos, realizan seguridad en la red,
administran sus límites y controlan el acceso. Los cuerpos humanos se mueven entre esta
malla flexible y securitizada de silicio, electricidad, código, fibra óptica y datos: construcción,
mantenimiento y reestructuración. Su actividad asegura que las estructuras estéticas,
epistemológicas, económicas y políticas se entretejen a fondo en estas redes computacionales,
uniendo estrechamente lo técnico a lo social a medida que experimentan con nuevas formas
de trabajo y vida. Sin embargo, muchos de los que están construyendo estos sistemas no
parecen particularmente preocupados por garantizar que nuestros futuros computacionales
permanezcan bajo el control, o incluso la comprensión, de seres humanos carnales y culturales.
Por el contrario: mientras elaboran y mantienen el paisaje de datos, los técnicos del
capitalismo global de la información están ocupadas y felizmente sentando las bases para la
subcontratación de muchos procesos sociales, culturales y económicos a las máquinas
informáticas.
Conocí a estos técnicos por primera vez durante mi trabajo de campo en la comunidad de
ciencia de datos de Moscú. Casi todos los informáticos, matemáticos e ingenieros eléctricos
con los que hablé se consideraban a sí mismos actores menores en la economía global del
conocimiento, más interesados en explorar lo que llamaban "cuestiones científicas" sobre la
naturaleza de los algoritmos y su implementación que en construir la base para una forma
cualitativamente nueva de la economía de la información (Lowrie 2017). Si les toma la palabra,
su trabajo de infraestructura en el paisaje de datos fue casi un subproducto de sus proyectos
intelectuales, simplemente una oportunidad para encontrar nuevos datos para explorar y
dominios problemáticos en los que desatar sus algoritmos. Sin embargo, si observa lo que
realmente están construyendo, verá el surgimiento de una nueva y profunda forma de
automatización: una que no solo se basa en la extensión de las capacidades humanas y la
racionalidad en forma de líneas de montaje o telares Jacquard, sino que también trabaja
activamente para replicar esas capacidades y esa racionalidad en sistemas sociotécnicos
extendidos. No toda la automatización es algorítmica, pero todos los algoritmos se
automatizan, y la extensión de la automatización algorítmica de terrenos puramente
matemáticos y computacionales a infraestructuras sociotécnicas extendidas ha producido
transformaciones profundas, continuas y abiertas en la organización y función de los mundos
sociales contemporáneos.
***
Los humanos han estado automatizando su mundo durante mucho tiempo. El primer
dispositivo regulado por retroalimentación que reemplazó el trabajo humano fue
probablemente un reloj de agua inventado por Ctesibio alrededor del año 250 a. C., que
eliminó la necesidad de reposición manual de la cámara de agua saliente, manteniendo
automáticamente el flujo de entrada final a la cámara de medición a un ritmo constante (Nocks
2008). La invención del termostato por Cornelius Drebbel en el siglo XVII es un hito más
conocido, que pronto fue sucedido por una explosión en el siglo XVIII en la automatización de
molinos, telares y otros dispositivos industriales. Estas máquinas usaban programación
analógica en forma de engranajes, volantes, enlaces, levas y seguidores para reemplazar el
trabajo humano y la cognición requerida en el desempeño de tareas específicas, regulares y
predecibles. Muchas instancias modernas de automatización, especialmente de funciones
industriales, surgen directamente de este linaje mecánico. Sin embargo, la forma de
automatización contemporánea por excelencia se basa, en cambio, en el comando
computacional, el control y la comunicación de información en lo que yo llamo ensamblajes
algorítmicos.1
Abundan las definiciones técnicas de los algoritmos, aunque el consenso académico sigue
siendo esquivo (véanse los debates en Moschovakis 2001 y Gurevich 2011). Sin embargo, las
diversas definiciones sintéticas dadas por los propios científicos informáticos y de datos
podrían reducirse a algo así como "un conjunto de procedimientos formales para operar en un
conjunto específico de datos en una cantidad finita de tiempo para producir un rango
específico de resultados". Los algoritmos son procedimientos matemáticos y computables para
hacer cosas como enrutar el tráfico, diagnosticar tumores cancerosos a partir de imágenes de
resonancia magnética o emparejar personas en sitios de citas. Sin embargo, estos conjuntos de
procedimientos no pueden hacer mucho por sí solos. Como me dijo Grigori, un científico de
datos moscovita: "Una receta, incluso una muy buena, no es una panadería". Un algoritmo por
sí solo es algo endeble: unos pocos conceptos, un enfoque heurístico, elaborado en unas pocas
líneas de código. Sin estar integrado en un sistema sociotécnico más amplio, un algoritmo
permanece inmóvil, inerte (Gillespie 2014). Para hacer que un algoritmo funcione, es bastante
obvio que necesita poder de procesamiento, un medio de almacenamiento y recuperación y
datos; menos obviamente, debe asegurarse de que esta arquitectura computacional
permanezca completamente integrada con los procesos sociales, con lo que mis colegas en
Moscú llamaron con frecuencia "el mundo de las tareas aplicadas". Como lo explicó Grigori:
“Sin clientes, una panadería no [permanecerá abierta]. De manera análoga, ¡necesita encontrar
cosas para que su algoritmo las haga! Problemas por resolver, datos por digerir”.
La automatización algorítmica representa una ruptura genuinamente novedosa con las formas
anteriores de automatización, principalmente debido a su capacidad para reunir y operar en
una amplia gama de procesos digitales y analógicos a la vez. Como sugieren Hamid Ekbia y
Bonnie Nardi (2018) en su contribución a esta colección, en un ensamblaje algorítmico se
rompe la distinción entre procedimientos matemático-formales y la manipulación real de
objetos en el mundo. No parece del todo hiperbólico decir que lo que nos encontramos aquí es
un colapso de la barrera entre la res cogitans computacional y la res extensa social-
infraestructural.3 El poder desatado por este colapso, la capacidad de supervisar directamente,
intervenir y operar sistemas materiales extendidos por mandato matemático es la base para
una metástasis verdaderamente histórica del control algorítmico.
Una respuesta ha sido simplemente continuar haciendo lo que históricamente los etnógrafos
hemos hecho mejor: seguir a la gente, centrándonos en las nuevas formas de trabajo que
emergen junto a los ensamblajes algorítmicos. Algunos académicos que trabajan en este
sentido han sugerido que estas nuevas formas de automatización no reemplazarán o no podrán
reemplazar el trabajo humano, sino que simplemente pueden desplazarlo (Irani 2015).
Ciertamente, construir y mantener la mayoría de los tipos de ensamblajes algorítmicos aún
requiere trabajo humano, por ahora. Esta sugerencia está, en parte, empíricamente justificada,
ya que la automatización parece tener un efecto general ambiguo, o incluso positivo, sobre el
empleo (p. ej., Deloitte 2015). Sin embargo, no veo ninguna razón teórica para que asumamos
que este seguirá siendo el caso, especialmente a medida que los procesos algorítmicos asumen
cada vez más la responsabilidad de su propio desarrollo, evolución y mantenimiento, mientras
que el control de drones se integra más a fondo con el software de gestión y logística. El
optimismo sobre la necesidad futura del trabajo humano no debería cegarnos ante los
potenciales emergentes para una reconfiguración drástica del papel que juega dicho trabajo en
la socioeconomía. Me parece que la insistencia en que los ensamblajes algorítmicos no pueden
reemplazar a los humanos habla más de las ansiedades disciplinarias y políticas
contemporáneas que de cualquier análisis objetivo de las capacidades y limitaciones de esos
ensamblajes.
Los procesos algorítmicos, de acuerdo con las líneas argumentales dominantes en las ciencias
humanas, replican y, de hecho, pueden exacerbar las formas existentes de desigualdad, al
tiempo que eliminan el juicio humano supuestamente humano del ciclo de decisión sobre
funciones sociales críticas. Aunque la mayoría de estas críticas se centran en implementaciones
algorítmicas específicas, hay una sensación generalizada en la literatura de que el problema
radica en la automatización en sí misma, que los procesos algorítmicos de alguna manera
necesariamente y en general no logran capturar el matiz y la especificidad de los procesos
humanos y sociales. La solución preferida, más a menudo gestual e incipiente que concreta y
programática, es la contextualización del conocimiento algorítmico y la reintroducción de
humanos al desarrollo, implementación y mantenimiento de ensamblajes algorítmicos. No
considero que este sea un camino particularmente feliz para el conocimiento antropológico en
la era de la automatización algorítmica.
¿Así que, qué debe hacerse? Ciertamente, ni yo ni los otros colaboradores de esta colección
estaríamos contentos con una antropología de algoritmos que excluya a los humanos del
análisis social por completo. Esto sería, en el mejor de los casos, prematuro: como demuestran
ampliamente las contribuciones recopiladas aquí, los ensamblajes algorítmicos permanecen
completamente integrados y dependen de una miríada de formas de trabajo humano para su
función, a pesar de mi insistencia en la novedad genuina y el poder de la automatización
algorítmica. Tomando prestado un término del ensayo de Nafus (2018), un enfoque exclusivo
en los ensamblajes algorítmicos como objetos técnicos dejaría una gran parte de las ciencias
sociales "sin hacer". Más bien, me parece que la mejor manera de avanzar es separar
cuidadosa (carefully) y pensativamente (thoughtfully) nuestros roles como etnógrafos de
ensamblajes algorítmicos y como antropólogos de lo contemporáneo.
Creo, sin embargo, que nuestras teorías en este dominio deberían centrarse en los ensamblajes
algorítmicos en sí, más que en sus usos contingentes dentro de situaciones sociales específicas.
Ciertamente, deberíamos criticar aquellos despliegues de control algorítmico que producen y
hacen circular malos afectos, disminuyen las capacidades humanas, dañan el mundo biótico y
exacerban (o crean nuevas) desigualdades. Sin embargo, creo que las preocupaciones teóricas
existentes con tales tendencias negativas nos dicen más sobre nuestro imaginario político
colectivo que sobre las posibilidades y restricciones objetivas de los ensamblajes algorítmicos.
Me parece respaldado por una forma en última instancia estéril de determinismo tecnológico,
que refleja una incapacidad lamentablemente prevalente para pensar de manera expansiva e
imaginativa sobre las líneas utópicas de fuga contenidas en nuestro presente ciertamente
brutal. Karl Marx, después de todo, no fue un crítico de la automatización. En cambio, nuestra
tarea debería ser desarrollar rigurosamente una comprensión arquitectónica de los espacios de
problemas conceptuales, tecnológicos y sociales abiertos y explorados por la innovación
algorítmica.
***
Sin embargo, dado que nuestro presente ha visto su parte de botas humanas estampando
rostros humanos, y que los humanos siguen siendo los arquitectos, constructores y
mantenedores de la mayoría de los ensamblajes algorítmicos, es fácil entender por qué la
especulación futurológica informada etnográficamente en este dominio ha demostrado casi
uniformemente pesimista. La etnografía está obligada a adherirse estrechamente a los detalles
bajo observación, y los detalles sociológicos no han sido particularmente inspiradores,
especialmente dada la imbricación de la automatización algorítmica con el capitalismo de
plataforma (Srnicek 2017) y la precarización del trabajo (Noble 2011; Srnicek y Williams 2015).
En sus compromisos concretos con los mundos de la práctica humana, el conocimiento y la
crítica etnográficos deben continuar militando contra el daño causado por implementaciones
específicas de automatización algorítmica, examinar su lugar dentro de la economía política
global y esforzarse por alentar las relaciones de colaboración con ingenieros, diseñadores e
informáticos que son necesarios para construir ensamblajes más humanos de procesos
computacionales y sociales.