democraciaabierta

Vivimos en la era de los ‘monopolios intelectuales’ que controlan infraestructuras – invisibles a nuestros ojos – en las que transcurren buena parte de nuestras vidas, consumos, productos, servicios y ocio. Son las nubes. Fuera de ellas no funcionarían gobiernos, empresas, hospitales, universidades ni aeropuertos.

¿Cómo llegamos a esto? ¿Era inevitable que el progreso científico nos trajera hasta aquí? La economista argentina Cecilia Rikap expone en dos libros recientes la forma en que estos monopolios intelectuales determinan también el rumbo de la innovación y las narrativas que lo sostienen.

The Rulers: Corporate Power in the Age of AI and the Cloud “explica cómo se relacionan entre sí los grandes actores que controlan el capitalismo global – el gobierno de Estados Unidos y cada una de las gigantes tecnológicas – y por qué algunas de las empresas más poderosas se subordinan a las gigantes de la nube para planificar, controlar y extraer más valor de sus propias esferas de control”, dice en esta entrevista Rikap, profesora asociada de economía y directora de investigación del Institute for Innovation and Public Purpose de la University College London.

El libro se basó en más de 100 entrevistas a investigadores en IA y gerentes de investigación de 55 grandes corporaciones, y se ampliará en su traducción al español con un nuevo actor en la escena: la Iglesia Católica, con la encíclica del papa León XIV Magnifica Humanitas.

En Teoría de la dependencia digital. Soberanía y desarrollo en el capitalismo del siglo XXI, Rikap se dirige a gobiernos de América Latina y Europa para exponer “cómo esta función del capitalismo global reconfigura centros y periferias, genera un proceso de extractivismos gemelos: el de la naturaleza, hoy renovado con los centros de datos, y el del conocimiento, que reduce cualquier capacidad de proyecto de desarrollo autónomo”. La autora apunta a desmontar “el paradigma de la innovación”, analizando de manera crítica la carrera tecnológica a la que se lanzaron gobiernos, empresas e instituciones académicas. También propone alternativas para salir de esa dependencia digital.

El siguiente es un extracto de la entrevista con democraciaAbierta.

**En The Rulers y Teoría de la Dependencia Digital desarrollas el concepto de monopolios intelectuales. ¿De qué se trata?**

Históricamente se piensa el monopolio intelectual como el monopolio de patentes o propiedad intelectual. Lo que hago es repensar el concepto a distintos niveles. Uno es en dinámica. Las empresas líderes transforman sistemáticamente distintas formas de conocimiento – datos, conocimiento científico, del propio proceso productivo, narrativas en la construcción de marcas – en sus activos. Capturan valor del resto de ecosistemas de otras organizaciones por apropiarse de conocimiento. El hecho de que se ubiquen en la frontera del conocimiento, las habilita para absorber y conectar el conocimiento que están haciendo otros y monetizarlo. Ese conocimiento no lo realizan ellas de forma exclusiva, sino que ocupan un lugar de control, más allá de la propiedad que tienen un montón de otras actrices económicas – empresas, universidades, organismos públicos de investigación – de las cuales absorben conocimiento, lo apropian y lo direccionan.

Es un proceso de manejo, coordinación, planificación de la ciencia y la tecnología, en el que van financiando y colaborando con distintos actores por proyectos específicos y después reagrupan y recombinan todo. Y eso es lo que monetizan.

No hace falta necesariamente tener la propiedad intelectual, porque podés mantener el conocimiento en secreto, como hacen las gigantes tecnológicas con sus bases de datos, y también porque la velocidad de la innovación hace que para los que no están en la frontera se vuelva imposible alcanzarlo. Yo uso la analogía del coyote y el correcaminos. Es imposible alcanzar un objetivo que se está moviendo a una velocidad mayor a la que vos te movés.

Esta dinámica no es exclusiva del sector de tecnología. Las farmacéuticas son otro ejemplo. Pero en la tecnología hay algunos monopolios intelectuales que son particularmente masivos porque el tipo de conocimiento del cual se apropian es necesario para la mayor diversidad de actores de la economía y la sociedad. Son Amazon, Microsoft y Google. Además de ejercer un monopolio intelectual sobre sus plataformas o servicios tradicionales, tienen el espacio económico y la infraestructura sobre la cual se orquesta todo el resto de los monopolios intelectuales.

¿La nube?

La nube es el espacio de la fábrica de las tecnologías digitales, pero es también el mercado donde las distintas piezas de tecnología digital se intercambian. Y ese intercambio no se da mostrando cómo están escritos el código y los algoritmos. Se intercambian cajitas cerradas, que se usan y se consumen también adentro de la nube. Cualquier tecnología digital, incluso los modelos de IA de Meta o de empresas chinas como DeepSeek, se ofrece como servicio en las nubes de estas empresas. Y muchas empresas que son monopolios intelectuales ellas mismas, funcionan adentro de la nube. En el caso de Netflix, adentro de Amazon Web Services (AWS).

Estas gigantes generan una dependencia máxima, porque una diversidad de organizaciones, gobiernos, universidades van a la nube. Y con la IA, más atracción se genera para migrar a la nube.

Como corolario, estas empresas tienen una visión panóptica de la economía global. Cuando una organización almacena sus datos en la nube, el gigante de la nube ve la metadata. Y, de esa manera, puede mirar para dónde va la economía, qué zona geográfica está consumiendo más servicios, comparar con el pasado, ver qué negocios y qué industrias están funcionando mejor o peor. Eso le permite diseñar más servicios, eventualmente entrar en otros mercados, y establecer un control y una planificación de la economía a gran escala.

El movimiento del software libre y la investigación académica, ¿no podrían ejercer como contrapesos? ¿Cómo interactúan con los monopolios intelectuales?

El software libre nace como una búsqueda de contrapeso al software propietario y a la expansión del copyright. Un antiguo socio de Microsoft decía que el software libre es un cáncer. Pero desde ese momento, los grandes poderes corporativos han aprendido y son muchísimo más sofisticados en las formas de control y apropiación de los ámbitos públicos de producción de conocimiento, como el software libre.

Ponen en software libre piezas de su propio software como una manera de generar estándares de facto para que toda la industria adopte su tecnología, y después ofrecen servicios complementarios y los ecosistemas, las plataformas donde ese software se puede después – conectado con los desarrollos específicos – monetizar.

El ejemplo de Android es harto conocido. Después de adquirir Android, Google decide ponerlo en software libre para promocionar su adopción por las empresas de celulares y por los desarrolladores de aplicaciones para Android, creando ese ecosistema de aplicaciones del cual Google siempre saca tajada. Es un ecosistema predatorio. Obviamente, Google necesita las aplicaciones para monetizar lo que de otro modo sería simplemente software libre. Pero la cantidad de desarrolladores que están haciendo aplicaciones, hace que Google no dependa de ninguno (la propia Google también desarrolla sus aplicaciones), mientras que los desarrolladores sí dependen de Google.

Un proceso análogo lo vemos en la nube. Ahí se producen todas las piezas de toda la arquitectura de software y hardware que está detrás de absolutamente todas las organizaciones, entonces hay todavía más desarrolladores, e incluso dentro de la nube se ofrecen parte de estos softwares libres como una manera de convencer de utilizar más la nube, porque no pagas por el código, pero pagas por la capacidad de procesar ese código.

En la academia, el otro ámbito de producción de conocimiento público, lo que sucede es un proceso de transformación que empuja a los y las investigadoras a colaborar con la empresa, a pensar que nuestra contribución a la sociedad se mide en función del valor económico que se extrae de nuestras investigaciones. La narrativa es “tenés que hacer conocimiento que tenga impacto económico, hacé tu spin-off [empresa derivada]”. En el proceso de creación de esas empresas ya está parte del proceso de favorecer a los monopolios intelectuales, porque estos necesitan otros actores que estén tomando el riesgo, haciendo inversiones, creando parte del conocimiento que después los monopolios ensamblan y redireccionan.

Cuando aparece el ADN recombinante [una molécula de ADN creada en laboratorio en la década de 1970], el gobierno de Estados Unidos decide no regularlo, y además se autoriza a los fondos de pensión a invertir en capital de riesgo en lo que a las universidades se las había empujado a desarrollar, empresas spin-off a partir de esos desarrollos científicos. Así se promueve la emergencia de startups de biotecnología y de otro campo del saber, las tecnologías de información y telecomunicaciones, financiadas con capital de riesgo de fondos de pensiones, lo que genera la periferia de actrices que después van a estar produciendo parte del conocimiento para el monopolio intelectual.

En esa periferia se siguen insertando empresas startup que van surgiendo y los propios investigadores, no solo de Estados Unidos y de Europa, sino de instituciones que se ubican en países como Argentina o Brasil.

La agenda de investigación académica de la IA está dictada por empresas como Microsoft y Google. Ellas publican artículos académicos y los presentan en conferencias junto con miles de investigadores de cientos de universidades. Al estar sistemáticamente investigando con esos investigadores, influyen sobre lo que están desarrollando y sobre lo que desarrollan los colaboradores de esos investigadores y los colaboradores de los colaboradores. Se sientan en los comités organizadores de estas conferencias diciendo quién gana un premio, quién puede presentar un paper, etcétera.

Así van generando una idea de cuáles son las preguntas relevantes y cuáles no dentro de cada campo del saber, en este caso, de la IA.

Hay un proceso de doble dependencia de los investigadores más conocidos en IA que mantienen su afiliación académica y además trabajan para una empresa. Es el caso de Yann LeCun, que fue investigador y profesor de la New York University e investigador jefe de Meta, hasta que se va de Meta y arma su startup, que después termina dependiendo del financiamiento de las mismas empresas.

Todos estos son mecanismos de control, más allá de la propiedad, en la búsqueda no solo de acumular, sino de dictar qué se va a investigar y cómo se va a pensar la investigación misma.

¿Qué peso tienen los gobiernos, incluso el de Estados Unidos, en este proceso?

Estados Unidos, a la par que creó los monopolios intelectuales con las propias empresas, ve ahora amenazada su capacidad de dictar el capitalismo global. Y no solo por la emergencia de China, sino porque estas empresas funcionan como si fueran estados, antidemocráticos y no elegidos por nadie, gobernando sus plataformas y esferas enormes del capitalismo de formas completamente invisibles. Nos damos cuenta de cuánto se depende de la nube cuando se caen servidores y hay hospitales o aeropuertos que no funcionan.

El propio gobierno de Estados Unidos está en una coalición con estas gigantes tecnológicas, con un montón de rispideces porque al gobierno no le gusta depender de un cambio tecnológico que no controla. Durante la guerra fría, la DARPA (Defense Advanced Research Projects Agency) y el Pentágono, en conjunto con el Congreso y la presidencia, llevaron adelante la planificación de la ciencia y la tecnología para garantizar la supremacía geopolítica de Estados Unidos, y lograron incentivar a las empresas innovadoras a seguir trayectorias que favorecían a la industria militar para reforzar y concretar ese objetivo de supremacía.

Pero, terminada la guerra fría, esta vocación de planificación fue dejada de lado por el gobierno, y tomada por las gigantes tecnológicas, en particular Amazon, Microsoft y Google en todas las tecnologías digitales. Esto genera un problema interno, a la par que la existencia de estas empresas a nivel global es fundamental para seguir posicionando a Estados Unidos como la gran potencia geopolítica.

¿Qué pueden hacer los gobiernos y sociedades del resto del mundo?

La opción china no es deseable. ¿Qué es lo que hizo China? Replicó el mismo modelo con algunas características propias, con un poco más de control del Estado, lo que no es una buena noticia para las mayorías, porque lo que resulta es un modelo de desarrollo tecnológico también antidemocrático, de captura y apropiación del conocimiento colectivo para el beneficio de las empresas chinas y del gobierno chino. Y no solo no es deseable, sino que no es viable, porque se inició antes de que las gigantes tecnológicas de Estados Unidos hubieran penetrado su economía. No hay manera de que América Latina, Europa, África y otras partes de Asia puedan seguir un desarrollo semejante, porque los gigantes tecnológicos ya están en todos lados.

Entonces, ¿dónde empezar? Los monopolios intelectuales no nos dominan solamente porque controlan los algoritmos y los datos; controlan también las narrativas que inhabilitan y debilitan la capacidad del propio Estado de imaginar alternativas.

Por ejemplo, la afirmación “la regulación no debe ahogar la innovación”. Esto se lo han dicho, durante el gobierno de Keir Starmer en el Reino Unido, a la oficina de defensa de la competencia (CMA), que se supone tiene que regular los abusos de poder de mercado. Esta preocupación de que la regulación no vaya en detrimento de la innovación va con otro discurso hermanado, que la innovación es la clave para el crecimiento económico y que el crecimiento económico es indispensable para el desarrollo, el progreso, el buen vivir.

Pero ni toda la innovación genera crecimiento económico, ni el crecimiento económico es desarrollo, ni necesariamente solo con políticas redistributivas el crecimiento se convierte en desarrollo.

Hay un montón de innovación que no debería suceder, que es peor para las condiciones de vida de las personas, desde la bomba atómica hasta los algoritmos utilizados en las redes sociales que generan adicción y problemas de salud mental, el uso de la IA como arma automática de guerra, o para controlar a los y las trabajadoras en los lugares de trabajo, o para reemplazar tareas creativas, o incluso para dictar hasta nuestra capacidad de pensar e imaginar futuros.

Sin embargo, los gobiernos siguen pensando de una forma muy cautiva de estas narrativas. Y en ese marco, es muy poco lo que se puede hacer. Incluso cuando nos damos cuenta de que es un problema que estas empresas se vuelvan tan dominantes, ellas agregan otro discurso más, que es la velocidad e inevitabilidad del cambio tecnológico. “La carrera de la IA va tan rápido. No puedo creerlo. Ni los propios desarrolladores científicos lo entendemos”. Bueno, escuchame, hay alguien que pisa el acelerador. Hay alguien que invierte, que decide que esto se siga haciendo. Si lo ves tan peligroso, ¿por qué seguís invirtiendo? Esto es demagogia pura.

¿En esa demagogia se pueden insertar los últimos anuncios de modelos de IA “escapando” y “atacando” sistemas de otras empresas?

Exacto. Es parte del proceso innovativo fracasar y cometer errores. Pero transformar el error, que es humano porque hicieron mal el modelo, y decir que la IA era tan poderosa que terminó hackeando acá y allá, es convertir tu fracaso en el diseño del modelo en una estrategia de marketing, porque te posiciona de una manera que profundiza el FOMO [en inglés, miedo a perderse algo]. Si es tan peligroso, yo quiero tenerlo; no me quiero quedar sin esta arma. Fomentan la competencia entre los gobiernos mientras ellas controlan y planifican de forma autoritaria la mayor parte de la economía.

Es muy poco lo que se puede hacer si no nos damos cuenta de que no hay que subirse al carro de esta carrera por la IA generativa. No la queremos en un montón de ámbitos. Eso no significa que no queramos otros modelos de IA, pero hay que sentarse a discutir cuáles, con qué propósito y cuánto se puede desarrollar esta tecnología. Los gobiernos tienen que empoderarse primero para salir de ese velo de control narrativo en el que piensan que si no invierten miles de millones para tener su propia IA, entonces no están haciendo nada.

Decías “no queremos la IA generativa en un montón de ámbitos”. ¿Cuáles, por ejemplo?

Hay que empezar por algo pequeño pero fundamental: separar por completo al sector público de estas empresas. Si los estados quieren regular a estas empresas, no pueden depender de ellas. Y empezar por un sector específico, con el fin de que mostremos que podemos tener un prototipo de ecosistema tecnológico alternativo al servicio de las necesidades de las personas y que se desarrolle dentro de límites planetarios.

La educación es una prioridad. La escuela debería prohibir el uso de IA generativa, porque reduce las capacidades de pensar. ¿A qué se va la escuela? Se va a aprender a pensar, a desarrollar la creatividad. Si todo eso ya viene reemplazado o “facilitado” por la IA generativa, ¿cuál es el presente y el futuro de la escuela? Pero, sobre todo, ¿cuál es el presente y el futuro de las generaciones que después van a tener que enfrentar estos mismos problemas? ¿Con qué imaginación, con qué capacidad de pensamiento?

¿Esta conversación se está dando en algún lugar?

Esta conversación es algo que vengo teniendo con parte del grupo que piensa la política tecnológica para los parlamentarios de la socialdemocracia en el Parlamento Europeo. Surgió de nuestras conversaciones sobre una nube verdaderamente pública. Hay al menos en ellos un interés, y desde los bloques de la izquierda y de Los Verdes del Parlamento Europeo también hay interés en la escuela y en la huella ecológica de estas tecnologías. Y hay interés en América Latina también, en Brasil, en Uruguay, en la Intendencia de Montevideo, en Argentina, en la provincia de Buenos Aires.

Hay una búsqueda para identificar el posible cobro de impuestos de parte de congresistas españoles. Puedo dar fe de que están pensando en la problemática de los centros de datos, en una moratoria a la instalación de centros de datos, que me parece urgente y que tiene que ser una moratoria a la construcción de centros de datos privados para habilitar al sector público. Pero no alcanza con ese interés. Del interés a la realización veo todavía mucho camino por andar.

**En Teoría... disputas la propuesta del presidente argentino Javier Milei de convertir su país en un polo de centros de datos e IA argumentando que Argentina tiene muchos “pibes programando”.**

Concebir un modelo de IA no lo hacen los desarrolladores de software ni los ingenieros de sistemas, sino científicos de la computación, de IA, matemáticos, físicos y gente que tiene doctorados, que se dedica a la concepción abstracta de modelos de estadística avanzada compleja. No es escribir líneas de código para una app o para resolver un sistema informático de una empresa. Son tipos de trabajo muy distintos. El desarrollador de software puede adoptar el modelo de IA y usarlo. Argentina tiene un montón de desarrolladores de software que pueden ser los que adopten la IA, pero también son los que en parte van a ser reemplazados por ella.

Si Argentina tiene capacidades para crear modelos de IA no están en la industria del software. Están en las universidades y en las mal llamadas ‘campeonas nacionales’ que desarrollan machine learning (tipos específicos de modelos de IA), como MercadoLibre o Globant.

Por otro lado, para que exista la IA hace falta otro tipo de trabajo todavía más precarizado, que muchas veces termina haciendo el desarrollador de software. Me refiero a la puesta a punto de las bases de datos para entrenar modelos. Se utilizan bases de datos que están clasificadas por personas con microtareas, trabajo a destajo, contratadas por empresas tercerizadas que también se llevan una tajada, precarizando mucho más a los y las trabajadoras.

Y hay otro trabajo, el reinforcement learning [aprendizaje por refuerzo], cuando el modelo está semientrenado y empieza a responder preguntas y la persona le dice si la respuesta está bien o está mal. Este trabajo es fundamental para mejorar, a partir de un proceso inductivo, la capacidad de respuesta de la IA. Eso también demanda trabajo precarizado.

Lo que tenemos detrás de la IA es un puñado reducido de personas, en relación a la fuerza de trabajo global, que son las que desarrollan los modelos, entienden cómo funcionan y tienen muy buenos salarios. Una mayoría, que cada vez se ensancha más, de trabajo precario para contribuir al entrenamiento del modelo, y un eslabón intermedio que son los desarrolladores de software. Algunos hoy se consolidan como los que mejor aplican y crean adaptaciones de la IA, pero en gran parte tienen riesgo de ser reemplazados por ella.