Espanhol (pdf)
Artigo em XML
Referências do artigo
Tradução automática
Enviar este artigo por email
Citado por SciELO 
Citado por Google 
Similares em
SciELO 
Similares em Google 
Permalink
Introducción
El éxito en la difusión planetaria de modelos empresariales de origen norteamericano en el siglo XX fue respaldado en gran medida por marcos explicativos que los legitimaron. Argumentos "racionales" estrictamente económicos o fundados en mitos de origen dieron lugar al surgimiento de firmas con presencia global. La gran empresa transnacional diversificada emergió a partir de la máxima "la estructura sigue a la estrategia" (Chandler, 1990), y la departamentalización funcional resultó de la expansión geográfica de la frontera norteamericana. Otro modelo empresarial exitoso tuvo al "garage" (Zanón, 2020) como supuesto mitológico. Tributario del self made man, el paradigma del empresario que se hizo a sí mismo se expresó en la firma creada por un emprendedor "visionario" en el garage de la casa paterna, con socios compañeros de universidad. Cualquiera, con el solo hecho de proponérselo, podía devenir emprendedor exitoso si invertía su creatividad y habilidad innovadora. Sin dudas, los alrededores de San Francisco en los EE. UU., especialmente en Silicon Valley, constituyeron el epicentro de este tipo de empresas. A lo largo de su historia, esta región fue testigo de diversas experiencias sociales contraculturales liberadas de marcos coercitivos que devinieron en idearios emancipatorios individuales encarnados en el ethos emprendedor (Sadin, 2018): la resistencia y el espíritu utópico no se manifestaron colectivamente y se asumieron en la soledad propia de las prácticas informáticas.
Esta transformación desencadenó mutaciones económicas basadas en la cultura del riesgo: nuevas firmas basadas en el conocimiento en el campo de la electrónica se crearon en campus universitarios como Berkeley y Stanford, muchas de ellas financiadas con fondos públicos norteamericanos (especialmente del ámbito militar). Su "espíritu" innovador se fundaba en rechazar estructuras burocráticas de las empresas tradicionales, y conformó un cierto movimiento militante contra cualquier subordinación a grupos industriales establecidos. Silicon Valley emerge así como la primera región en la que la tecnología es entendida como gesto de subjetivación que propugna una utopía emancipatoria y libertaria de sesgo utilitarista pragmático, encarnada en la figura del emprendedor visionario. A partir de este pragmatismo, en la década de los 80 surgen los primeros desarrollos tecnológicos basados en la economía del dato. Su principal objetivo: hacer de cada aspecto de la vida algo medible y redituable. Ese fenómeno se potenció con la interconexión global facilitada por Internet durante la década de 1990.
La consolidación del modelo de silicolonización del mundo sobreviene con la caída de las Torres Gemelas en 2001, que en la sociedad norteamericana legitimó que los servicios de inteligencia interceptaran flujos de información a escala global para detectar perfiles amenazantes. La promulgación de leyes propias de un estado de excepción permitió acceder a bases de datos de operadores y a plataformas que almacenaban globalmente información privada de usuarios. Un actor central de esta estrategia militar industrial fue Google: gracias a los desarrollos de sus programadores en sus "ciudades corporativas"1 (Hochschild, 2008), creó dispositivos gigantescos de interpretación de conductas. La industria del conocimiento de Berkeley y Stanford de la década de los 60 quedó en cierto sentido obsoleta, y dio lugar a una verdadera industria del comportamiento, capaz de transformar las actividades de los usuarios en la web en servicios comercializables personalizados.
Redes sociales como Facebook, Twitter y MySpace volvieron disponible información personal que los usuarios depositaban libremente. El smartphone aceleró la "algorritmización de la vida" (Harari, 2018) con nuevas aplicaciones que auguraban un uso ilimitado de la comunicación digital, pero que también permitían recabar masivamente patrones de comportamiento personalizados. Según Sadin (2018), la utopía digital cultural y relacional que emergió en la década de los 60 en San Francisco fue reemplazada por una estrictamente económica y utilitaria.
Así, la etapa actual de este modelo es la consolidación de un paradigma pergeñado desde los 60. Desde nuestro punto de vista, la diferencia sustancial es el despliegue de la inteligencia artificial: complejos modelos algorítmicos que trabajan con enormes bases de datos, dotados de aptitudes interpretativas y autonomía decisional, que procurarán modelar las conductas partiendo de la libre participación de los usuarios en el flujo global de las conexiones digitales, y ya no a partir de mecanismos coercitivos. La transformación del modelo empresarial a lo largo de las últimas décadas que acompañó a esta siliconización tuvo su correlato en profundas mutaciones en la organización del trabajo, dado que los cambios en las estructuras organizacionales capitalistas se correlacionan con formas de cooperación del proceso productivo que sostengan la "hegemonía productiva" (Wright & Burawoy, 1994; Szlechter, 2014). Además, las transformaciones de la industria del conocimiento impactaron fuertemente en las prácticas de gestión de los "recursos humanos". El desarrollo de técnicas algorítmicas cada vez más sofisticadas que codifican diversos aspectos de la vida cotidiana provocó importantes cambios en el mercado de bienes y servicios y al interior de las firmas. La economía del comportamiento (Sadin, 2018) posibilitó penetrar en la intimidad de quienes trabajan y desplegó dispositivos de implicación subjetiva basados en datos. Pero -sostenemos- la incorporación de aspectos simbólicos y subjetivos en el proceso de valorización del capital no es novedosa. El experimento Hawthorne, que dio lugar a la Escuela de relaciones humanas de Elton Mayo en la década de 1930 (Szlechter, 2018), constituye un mojón en la "psicologización de las relaciones laborales" o "capitalismo emocional" (Illouz, 2007; Papalini, 2015; Hanlon, 2017). Veamos esto.
Durante la década de 1920, el taylorismo comenzó a mostrar debilidad para transformar los objetos de lujo de una generación en los de primera necesidad de la generación siguiente (Coriat, 1994). La resistencia obrera señalaba el malestar que producía una férrea disciplina. Las empresas recurrían a psicólogos experimentales para resolver el problema que afectaba seriamente la productividad y que no encontraba solución desde el punto de vista técnico. Cualidades como lealtad y confiabilidad y emociones de la esfera íntima empiezan a constituir el ideal del trabajador, y transforman la visión victoriana de cualidades masculinas premiadas en la escena pública (del trabajo) y de femeninas reducidas al ámbito de lo privado (de la familia). La continuidad discursiva entre familia y trabajo llevó a la conclusión de que ser buen gerente implicaba ser buen psicólogo. Aspectos relegados a la intimidad del hogar, como comunicación de las emociones, tacto, habilidad de trabajo en equipo, capacidad de aceptar órdenes, atención a las emociones, control de la ira o escuchar de buena fe a los demás, redefinen la masculinidad en el espacio de trabajo y suavizan el carácter (Illouz, 2007). El nuevo gerente debía contar con atributos femeninos (Illouz, 2007) y la cooperación debía construirse persuasivamente (Barnard, 1938).
Uno de los primeros sectores de la economía norteamericana en enfrentar el cambio de paradigma en la organización del trabajo fue el automotriz. Ya en la década de 1910, la fábrica de Henry Ford ofrecía clases para formar la subjetividad dentro y fuera del ámbito de la producción. "Yendo al banco", "construyendo una casa", "empezando el día de trabajo", "un hombre buscando trabajo" eran temas de enseñanza cuya difusión disciplinaba a través de la adquisición de hábitos de ahorro, de trabajo y de "ciudadanía responsable" (Meyer, 1980, p. 75).
En el sector servicios, comenzó a valorarse una correcta gestión del cuerpo y de la personalidad (Bloomfield, 1915). La necesidad de eliminar lo azaroso implicó métodos rigurosos de selección, reclutamiento y entrenamiento del personal (Hanlon, 2017). Una nueva forma de racionalización del trabajo emergió (Bloomfield, 1915): la de la actitud. La personalidad no podía librarse al azar porque representaba a la organización. Cuerpo y mente pasaron a formar parte del producto (Mills, 1951). Los trabajadores con capacidad de autocontrol, habilidades cognitivas, estéticas y afectivas acordes con las nuevas formas de valorización del capital (Hanlon, 2017, p. 175-176; Kracauer, 1998) eran los más aptos para insertarse en el nuevo mercado laboral.
Los resultados del experimento de Mayo resaltaron el poder de la experiencia aglutinante interna (Szlechter, 2018). El nuevo capitalismo corporativo combatía la irracionalidad subyacente en la falta de cooperación con la construcción de una nueva subjetividad laboral que desplegara el potencial latente en cada quien (Hanlon, 2017).
Para Illouz (2007), se trata del surgimiento de un capitalismo emocional: el afecto deviene central en el comportamiento económico y la vida emocional sigue la lógica económica. En este nuevo paradigma, la cooperación se logra a través de un nuevo estilo terapéutico que disminuya las tensiones en la lucha de clases y logre manejar, comprender y desarrollar emociones que superen los límites de la productividad taylorista (Illouz, 2007). Las evaluaciones de desempeño se centrarán en habilidades manuales y en manejo de la personalidad y las emociones. Así, el capital procurará capturar para su beneficio habilidades cognitivas, estéticas y afectivas de los trabajadores (Hanlon, 2017) y los clasificará en productivos o menos productivos teniéndolas en cuenta. Al convertir a la personalidad y a las emociones en nuevas formas de clasificación social, los psicólogos contribuyeron a hacer del estilo emocional una moneda de cambio y articularon un nuevo lenguaje de personalidad (Illouz, 2007). Esta nueva forma de consumo productivo de la fuerza de trabajo supuso un giro subjetivo que dejaba de considerar el carácter como inmutable para pasar a concebir la subjetividad como un cúmulo de deseos, emociones y motivaciones a ser moduladas según las necesidades del capital (Hanlon, 2017).
Las contribuciones de la psicología a partir de 1920 son esenciales para la transición de un periodo "centrado en el trabajo", enfocado en el ajuste del trabajador al puesto a uno "centrado en las personas", enfocado en que el trabajo debe adecuarse y satisfacer necesidades motivacionales, emocionales, afectivas y sociales como medio más eficaz para incrementar la productividad y el desempeño (Cabanas & Sánchez González, 2016). Recién hacia 1960, con el surgimiento de la microelectrónica, los desarrollos tecnológicos implicaron que habilidades propias de la "intimidad" constituyeran la fuente central de valorización, dando lugar al periodo "posfordista".
Una denominación del nuevo perfil laboral emergente es el de "trabajo inmaterial": aquel que "produce un bien no durable, tal como un servicio, un producto cultural, conocimiento o comunicación" (Hardt & Negri, 2002, p. 219)2. El trabajo se desmaterializa y las capacidades cognitivas y emocionales serían cada vez más valoradas por las empresas, lo que implica una desmaterialización del capital mismo. El capital fijo pasó a constituir un saber almacenado, instantáneamente disponible por las TIC (Gorz, 1997).
En suma, el nuevo tipo de capitalismo cognitivo (Vercellone, citado por Moullier Boutang, Corsani, & Lazzarato, 2004) implica una creciente intelectualización del trabajo y requiere movilizar cada vez más dimensiones cognitivas de los sujetos, quienes deben involucrarse subjetivamente para poder anticipar situaciones. Las facultades lingüísticas, comunicativas y cognitivas de las personas devienen el principal recurso productivo, que se desarrolla más allá del espacio de trabajo. El conocimiento pasa a ocupar un rol fundamental del capital de las empresas y sostiene la competitividad corporativa3.
Desde nuestro punto de vista, claramente existen rupturas y continuidades entre el capitalismo fordista y el posfordista o cognitivo: componentes inmateriales del trabajo pasaron a tener un lugar preeminente en la valorización, pero muchos aspectos rutinarios y estandarizados del taylorismo aún hoy se mantienen. Probablemente el principio central del posfordismo materializa una suerte de polinización cruzada entre el taylorismofordismo y la escuela de relaciones humanas (Clegg, 2006), dando lugar un tipo de variante "postposfordista". En este sentido, la economía del comportamiento (Sadin, 2018) conllevó una nueva forma de gestión para lograr una verdadera administración científica del trabajo intelectual y afectivo e imponer novedosas formas de implicación subjetiva.
Como venimos sosteniendo, ya durante el fordismo se advertía la pretensión organizacional de conquistar la totalidad de la subjetividad (Whyte, 1956), pero recién durante la década de los 70 las prácticas de gestión de RR. HH. de grandes empresas (Peck, 2013; Capelli & Travis, 2018) lograron avances sustanciales en este sentido. Las técnicas fordistas de reclutamiento y selección de personal, como revisiones manuales de CV, entrevistas cara a cara, exámenes psicométricos y tests de personalidad estructurados, fueron reemplazadas (Peck, 2013) por entrevistas no estructuradas o prácticas de reclutamiento cualitativas más informales4. Pero las firmas comprendieron que sus métodos evaluatorios cualitativos no tenían "base científica"5, no podían evaluar el potencial y eran impersonales (Garvin, 2013). Los defensores de los nuevos métodos sostenían la necesidad de predecir científicamente la implicación subjetiva, el desempeño laboral, la capacidad de crecimiento y el ajuste a la cultura corporativa (Bersin & Chamorro-Premuzic, 2019; Peck, 2013).
En aquella década, también los desarrollos informáticos volvieron disponibles información y dispositivos que permitieron darle un giro a la administración global de los RR. HH. Cada vez más y nuevos datos son captados, procesados y utilizados para ajustar procesos de selección, evaluar trayectorias actuales y futuras y para "tomar la temperatura" del clima organizacional; alinear los comportamientos a la cultura o crearla; incentivar la implicación laboral e, incluso, para hacer visible lo invisible en el trabajo.
El derrotero histórico en las estrategias de implicación subjetiva desplegadas en el capitalismo nos ayuda a contextualizar el objetivo central de este artículo que procura arrojar luz sobre las estrategias de recursos humanos que implementan las firmas que responden al modelo CAFA (acrónimo de Google, Apple, Facebook y Amazon).
Big data, inteligencia artificial y people analytics en la gestión
Los desarrollos tecnológicos de finales de siglo pasado impactaron decisivamente en el planteo de nuevas posibilidades para la gestión del trabajo. La industria del conocimiento que está en su base dio lugar en las décadas siguientes al desarrollo de una economía del comportamiento. Comenzado el siglo XXI, el surgimiento de redes sociales de libre acceso como Facebook, Instagram, Twitter y LinkedIn permitió recopilar cantidades colosales de datos para procesar y predecir conductas de usuarios y, así, encontrar patrones de comportamiento. Estos datos se convierten en los insumos para la construcción de big data (BD)6. Estos son datos:
tan grandes o tan complejos que no pueden manejarse con métodos tradicionales de procesamiento. En general, también se conoce al BD por sus tres 'V': volumen, velocidad y variedad. El volumen se refiere a su gran tamaño. La variedad, a la amplia cantidad de formatos no estándar, y la velocidad, a la necesidad de procesarlos con rapidez y eficacia. (RedHat, 2020, párr. 2).
La identificación de patrones de comportamientos permitió la difusión de sugerencias personalizadas, a la vez que masivas. Este fenómeno se conoce como "algorritmización7 de la vida". En el mundo laboral, los BD posibilitaron el surgimiento de los peopple analytics (PA), técnica del campo de la inteligencia artificial8 resultante del análisis y aplicación de macrodatos para el desarrollo de prácticas vinculadas con la administración del personal. Su objetivo es medir actividad, productividad, eficiencia, motivación o implicación y satisfacción. Incluso, se utiliza para detectar talentos, seleccionar y reclutar, evaluar desempeño y potencial, así como para diseñar estrategias de promoción y desvinculación. La analítica relacional que proponen los PA estudia interacciones sociales (no comportamientos individuales) (Leonardi & Contractor, 2018): intercambios de mails, chats, transferencias de archivos. Estos componentes forman parte de lo que se denomina "digital exhaust", una suerte de perfil digital saturado que muestra patrones de relacionamientos de un individuo o grupo. La minería sobre esos datos (o data mining) establece modelos analíticos relacionales.
A modo de ejemplo, veamos las aplicaciones más difundidas:
1. Evaluaciones lúdicas. Son tests psicométricos que "mejoran" la experiencia del candidato. Proporcionan feedback en tiempo real o escenarios interactivos e in-mersivos para hacer más disfrutable la evaluación. Las elecciones y los comportamientos son "minados" por algoritmos para verificar cuánto se ajustan al rol propuesto. También los serious games, apps para teléfonos celulares, ocupan un lugar destacado9. Su "seriedad" radica en que fueron diseñados por neurocientíficos, psicólogos y científicos de datos para detectar el potencial humano. Cuánto se duda antes de actuar, qué secuencia de acciones se sigue, cómo se resuelven problemas es información que se guarda en el juego para luego analizar creatividad, persistencia, capacidad de aprendizaje basada en errores, habilidad para jerarquizar problemas, inteligencia social y personalidad; además, proporcionan un retrato en alta resolución de la psiquis y el intelecto del jugador y evalúan el potencial de líder o de espíritu innovador (Peck, 2013).
2. Entrevistas digitales. Los algoritmos se usan para interpretar expresión facial, tono de la voz, emociones -ansiedad y excitación-, lenguaje, velocidad, foco, etc. Reemplazan la observación humana y las inferencias intuitivas.
3. Minería de datos. Analiza las huellas "digitales" con el supuesto de que el comportamiento en la web revela intereses, personalidad y habilidades, lo que ayuda a predecir el ajuste a un puesto o carrera.10 La "huella digital" de un candidato constituye una suerte de "aura digital" (Peck, 2013).
4. Análisis de sentimientos para comprender las "necesidades". Es una tecnología cognitiva para registrar y analizar palabras y tono: de muy positivos a muy negativos. "No se trata de observar el contenido de los correos o el patrón de navegación en internet. Se trata de mirar el tono inconsciente de las palabras vertidas en los blogs y comentarios en la web" (Burrel, 2018, p. 14. Traducción propia).
5. Análisis del "contenido de los contenidos". Desarrollos que identifican el contenido emocional subyacente en los contenidos subidos en las redes sociales. Por ejemplo, la funcionalidad Crane de la red social corporativa Yammer11, de Microsoft, mensura en tiempo real, automáticamente y sin intervención humana la carga emocional de los contenidos publicados por los empleados. Así, ayuda a entender mejor los efectos que eventos clave y decisiones empresariales tienen en la moral de las y los empleados, con el fin de reducir la rotación y ofrecer mejores productos y servicios a sus clientes. Desarrollada por la empresa Kanjoya, afirma poder distinguir hasta 80 emociones diferentes en los discursos (Simonotti, 2014).
Beneficios de la inteligencia artificial en la gestión de RR. HH.: la perspectiva de las empresas
Según las empresas, PA ofrece innumerables beneficios que mejoran el desempeño organizacional. Los más destacados son los siguientes:
1. Aumento de la imparcialidad en el reclutamiento, contratación, identificación y atracción de talentos. La inteligencia artificial reduce de hecho el riesgo de una contratación sesgada: introduce mérito por algoritmo.
2. Reducción de desmotivación.
3. Mejora de valores organizacionales y fortalecimiento de la cultura.
4. Retención de talentos. La inteligencia artificial permite analizar online qué empleado merece una promoción, cuándo o por qué se va a marchar.
5. Análisis eficaz de las interacciones sociales. Hasta ahora, los PA se centraron mayormente en datos de atributos personales de las y los empleados, manifiestos como rasgos (hechos que no cambian: origen étnico, género, historia laboral) o estados (hechos que sufren modificaciones: edad, nivel educativo, antigüedad en la firma, beneficios percibidos, ausentismo, desplazamiento del hogar al trabajo). Esta analítica es necesaria pero no suficiente: solo en apariencia es relacional. Los datos relacionales capturan, por ejemplo, comunicaciones entre personas en diferentes departamentos en un día determinado. La investigación sobre la temática demuestra que las relaciones entre empleados -junto con los atributos personales- explican el desempeño. La clave es encontrar en los datos patrones que se correlacionan con el buen (o mal) desempeño. A través del análisis de redes sociales12, se identifican patrones estructurales que sientan las bases fundamentales de cualquier estrategia de analítica relacional. Ejemplos de estos patrones son ideación (quiénes tendrán buenas ideas), influencia (quiénes modificarán las conductas de otros), eficiencia (qué equipos terminarán en tiempo y forma un proyecto), innovación (qué equipos serán más innovadores), silo (qué organización está más encerrada en sí misma) y vulnerabilidad (cuáles son los empleados de los que la organización no debiera desprenderse) (Leonardi & Contractor, 2018).
Metodología
El proyecto Entre buenos y malos trabajos. Un estudio sobre las representaciones de los trabajadores sobre sus propios trabajos en la Argentina actual, radicado en la Universidad Nacional de General Sarmiento (Argentina), propone identificar el lugar que ocupa el trabajo en la vida cotidiana de las y los trabajadores a partir del análisis de sus representaciones sobre el propio trabajo, teniendo en cuenta factores sociales, económicos, políticos y culturales en torno a los cuales desarrollan sus vivencias13. Asimismo, estudia dichas representaciones en diversas actividades y desde el punto de vista de los actores. Parte de la hipótesis general de que las representaciones respecto del trabajo propio y su relevancia en la vida material y cultural influyen en el uso del tiempo, dentro y fuera del espacio de trabajo.
La metodología utilizada es cualitativa y el abordaje elegido es el etnosociológico (Bertaux, 2005): se estudia un mundo social determinado centrado en una actividad específica o en una categoría de situación que agrupa a un conjunto de personas. Las palabras de los actores se consideran relatos de prácticas en situación que permiten comprender los contextos sociales en cuyo seno han nacido y a las que reproducen o transforman. El foco está puesto en el estudio de las prácticas recurrentes que remiten a procesos sociales estructurales, como es el caso que tratamos aquí de la aplicación de BD y de PA como herramientas de gestión de los RR. HH. y su relación con estrategias generales de implicación subjetiva presentes en el capitalismo actual.
El diseño metodológico se asentó en el estudio de casos. Parte del equipo se focalizó en empresas que siguen el modelo CAFA14. La selección se fundamenta en que, en el capitalismo actual, estas empresas constituyen la vanguardia de la realización de los negocios y tracciona a otras, por lo menos en lo que a las políticas de gestión de RR. HH. se refiere, dada la pretendida eficacia de sus propuestas para lograr exacerbación de la implicación laboral, reducción de la rotación y, en definitiva, retención de "talentos" a partir de la aplicación de dispositivos de gestión basados en el uso de dispositivos dependientes de BD y PA. En Argentina, estas empresas que proporcionan servicios basados en el conocimiento (SBC), ocupan el tercer lugar en exportación15 y se ubican en uno de los sectores más dinámicos de la economía del país: entre el 2007 y el 2017, su empleo creció un 65% más que en el resto de la economía, y las ventas un 70%, frente a un avance general del 12%; en conjunto, emplean a más de 430.000 personas en forma directa16. El 90% tienen fundadores que ya se conocían antes del lanzamiento por haber compartido espacios de formación o de trabajo, y cuya edad promedio es de 35 años.
Para recabar datos, en el 2019 se realizaron doce entrevistas en profundidad a cuadros medios y medios altos, varones y mujeres, de empresas del modelo CAFA en Argentina17. Las entrevistas (que se grabaron) tuvieron entre una hora y media y dos horas y media de duración, y se realizaron en los espacios de trabajo de las y los entrevistados, durante sus jornadas laborales. Luego, se procesaron usando el software AtlasTi. Para ello, se procedió a la identificación de fragmentos de los discursos que remitieran a las categorías de análisis determinadas por el equipo de investigación. También se realizaron observaciones no participantes en los lugares de trabajo, se tomaron fotografías, se consultaron los sitios públicos de las empresas en cuestión y se revisaron documentos corporativos aportados por las y los entrevistados, con el fin de complementar la información obtenida en los encuentros cara a cara.
En este artículo presentamos ejemplos de cómo se gestionan actualmente los recursos humanos en este tipo de empresas a partir de la aplicación de BD y PA. Dejamos de lado, por un tema de extensión, las consecuencias concretas que la puesta en juego de estos dispositivos tiene para la experiencia laboral cotidiana de quienes trabajan.
Resultados
Facilidad y potencialidad de objetivar aspectos subjetivos
La apreciación positiva de las y los entrevistados respecto de la facilidad y la potencialidad de BD y PA para poner a disposición de las empresas datos relevantes de la fuerza de trabajo es una constante en las respuestas. Se resalta el hecho de que, debido a su volumen, esa información solo es aprovechable por la aplicación de estos dispositivos: se convierte en datos significativos a partir del procesamiento y de la identificación de patrones de comportamiento a partir de la aplicación de algoritmos. Permiten hacer inferencias sobre quienes trabajan: la aplicación de la analítica de datos vuelve material lo inmaterial, visible lo invisible y convierte las características subjetivas en patrones de comportamiento:
Son datos de personas, de comportamiento de personas y claro, siendo psicóloga y neurocientífica, es lo que más me gusta. Y la verdad que los datos adentro de la compañía y datos de este tipo son muy baratos, son muy fácil de obtener. [...] Así que las compañías tienen a su disposición una cantidad de datos que, la verdad, es una mina de oro [...] y se pueden sacar insights que no se pueden sacar con otros métodos. (Entrevistada 1)
La parte más compleja, que es donde se usa Big Data e Inteligencia Artificial con algunos modelos, es en medir lo que no es hard digamos, lo que no es duro. [...] Lo que es más complejo por ahí es si SOS [...] un jugador de equipo, si SOS una persona que tiene poder de innovación, si SOS una persona que tiene ciertos dotes de liderazgo. Eso es lo que es más complejo de identificar porque no es duro, sino que es un conjunto de variables y tiene que ver mucho con el contexto en el que estás, que es lo que ayuda a redondear el perfil. Porque hay muchas de esas personas que naturalmente se tienen que convertir en líderes de equipo, llegado a un punto de madurez. Entonces, esa identificación de ciertas métricas es lo más importante y lo más complejo de hacer y ahí también se usa Big Data. [...] Donde necesitás inteligencia artificial es en la otra parte que no es directamente mesurable digamos. (Entrevistado 4)
Hallazgos en el proceso de digitalización de las emociones: nuevos liderazgos y patrones de interrelaciones
A lo largo de un día de trabajo, entonces, empezamos a ver un montón de acciones que están digitalizadas. Estamos digitalizando emociones. (Entrevistado 5)
Lo que te permite hacer la inteligencia artificial es que vos le das muchos datos y empiezan a encontrar patrones y algoritmos y empiezan a darte información. Por ejemplo, ahora estamos haciendo uno para ver quién es influencer dentro de la compañía [...] entonces cómo podés encontrar influencers dentro de tu empresa. (Entrevistado 2)
Ahora bien, lo invisible que se vuelve visible no se limita solamente a características o capacidades soft. La disponibilidad de datos y su analítica habilita el surgimiento de patrones de interrelaciones, más allá de las necesarias para el desenvolvimiento del proceso productivo concreto; esto es, toda organización implica la definición de relaciones esperadas entre sectores de una organización. Ahora bien, la participación (voluntaria, aunque deseada y promovida) en los dispositivos de interacción puestos en juego habilita a la gestión la lectura interacciones inesperadas, que implican algún grado de comunicación con y reconocimiento del otro u otra. Así se mapean y registran relaciones informales entre sujetos. A partir de un movimiento recursivo, el mapeo permite hacer nuevas inferencias sobre las acciones actuales y presentes, posibles y futuras de los sujetos: de la visibilización de lo individual, centrada en las personas, se pasa a la visibilización de lo global, centrada en los colectivos; de allí, nuevamente a lo individual para hacer pronósticos.
Nosotros creamos como parte de un modelo de reconocimiento interno una plataforma que se llama StarMeUp, donde vos tenés una cierta cantidad de estrellas para dar mes a mes, y las estrellas se dan en base a los valores de la compañía. Entonces, no sé, acá como valores tenés el actuar éticamente, el pensar en grande, el ser un jugador de equipo, la excelencia, etcétera, entonces yo distribuyo mis estrellas en base a excelencia a gente que quiero reconocer [...] y a fin de mes hay como un leaderboard, donde vos ves quién va primero segundo, tercero, a fin de año podés ver quién es el que más estrellas se llevó. A veces hay estrellas especiales, para reconocer cosas especiales, hay estrellas para reconocer a equipos completos, donde decís, yo le voy a dar...quiero reconocer al equipo de comunicaciones entero porque se zarparon con la comunicación que lanzaron. [...] La gente de data analytics nos han mostrado mapas de interacciones donde vos ves por dónde pasan todas las redes informales dentro de la compañía, y decís "yo me estaba quemando el coco para saber cuáles son los key players y acá la organización me lo está diciendo. Y está diciendo quiénes son los excellent de todos los meses de todos los años de todos los sites. O estás viendo quién es el tipo por el que pasan no solo los tipos más estrellados. [...] Fijate, quizás este tipo no es el más estrellado de todos, pero todo el tráfico pasa a través de él, como que ¡ojo!, porque a través de él pasan un montón de...es el eslabón principal de tráfico de conocimiento. Es interesante ver qué pasa entre los sites, qué tan integrados están y cómo se reconocen entre sí, después ves otros sites en los cuales la gente se reconoce puertas adentro, quizás no han salido, no han tenido oportunidad de trabajar con otros. (Entrevistado 2)
Entonces si encontrás esas relaciones y esos patrones de, no sé si se diría de forma autónoma o independiente, pero semi espontánea o naturales. Sin tener que mandarte un formulario y decirte qué persona es la que más colabora, sino que en base a esa interacción social vos identificas esos patrones. (Entrevistado 3)
Aplicaciones emergentes a partir de la analítica relacional
Un aspecto interesante de la analítica relacional es que generaliza, y de algún modo impone, la práctica de observación y de evaluación del desempeño de cualquier persona por cualquier otra. El desempeño no se limita a la realización de una tarea concreta, sino que incluye el establecimiento de interrelaciones personales a través del reconocimiento. Reconocer a otro u otra se vuelve parte del contenido del trabajo cotidiano. El reconocimiento, que debe ser público (a través de las redes) y continuo, alimenta un intercambio informacional que, facilitado por la analítica de datos, permite hacer inferencias por analogía del comportamiento a futuro de las personas.
Tenemos estos seis valores que pintamos en las oficinas, pero el tema es con esto cómo lo llevas a la vida, entonces un modo digital, es el modo de poder reconocer a las personas. Acá hace unos segundos Nicolás reconoció a Analía, que en realidad cuando decimos "reconoció" es "le dio una estrella a Analía con el valor de innovar", y acá le hizo un comentario, "por todo el trabajo irremplazable que hiciste en DOCS". Entonces yo si quiero puedo venir acá y darle un like, y a Nicolás si lo tiene en su teléfono, ¿qué sé yo?, le va a aparecer un check que "che, mirá, acá XX lo vio y le pareció muy bueno". Entonces esto es algo que todo el tiempo va fluyendo, es transparente, es súper fácil dar una estrella. Si yo quiero venir y reconocer a alguien puedo hacerlo desde la computadora o puedo hacerlo desde el celular, puedo elegir acá a una persona, puedo poner un texto, una foto, también puedo avisarle a sus jefes y demás. [...] Después tenés todo un tema de métricas por detrás que es lo que usan las personas de recursos humanos, comunicaciones internas, diferentes áreas, ¿no? (Entrevistado 2)
-[...] cómo hacés visible lo invisible porque, por ejemplo, la gente del banco XXX que también usa StarMeUp, el director nos decía que ellos a veces tienen gerentes que por ahí tienen treinta personas a cargo y a veces pasaban un mes, dos meses, y no daban una sola estrella, entonces [...] ellos empezaron a tener charlas con este gerente, que por ahí le decían "che, no hay nadie en todo tu equipo que haya hecho algo en estos meses que sea digno de destacarse, porque no diste ni una estrella" [...] y qué podemos aprender a partir de los datos de esta parte de Big Data, bueno, lo que te mostraba, entre oficinas o puede ser entre legales, el área comercial, el área de tecnología, cómo interactúan, qué tanto tenés hilos, cómo te puede ayudar algo como esto a unir y tender puentes entre las áreas ¿no? Después también el tema de prevenir o saber qué gente se va a ir y bueno, vos ahí sabrás si te interesa retener o...sacar diferentes informaciones de los patrones.
Después también tenemos otras cosas ... hay uno que está muy bueno que me permite por ejemplo predecir gente que se quiere ir. [...] Fíjate, tengo uno, este gráfico lo que me permite es empezar a analizar, ver personas, ves esta gente que esta acá está con riesgo, en el próximo mes de dejar la empresa.
-¿Por qué?
-Porque no recibieron y no dieron estrellas en estos últimos seis meses, están desconectados, ni una, es raro.
-Porque siempre trabajan en equipo, ¿no?
-Trabajan en equipo, puede ser que a veces trabajás para un cliente y estás por ahí medio solitario, entonces, ¿qué podría yo hacer con esto? En realidad, es un modelo predictivo, no me está diciendo en realidad. es una fórmula matemática que me dice "hay gente que está con riesgo de irse", en base a gente que ya se fue. Entonces yo agarro, doy aviso a los patrones y aplico una fórmula. Entonces si yo quisiera podría compartirle a la gente de recursos humanos una lista con quién es esta gente que está con riesgo de irse. (Entrevistado 4)
El carácter subjetivante de las aplicaciones de BD y PA
La subjetividad individual y colectiva está en el centro de la escena a partir de la puesta en juego de estos dispositivos que lejos están de tener un carácter meramente instrumental. Es decir, BD, PA y sus dispositivos no son simplemente recursos para facilitar el desarrollo de una tarea y, ni siquiera, la visibilización de lo invisible; son recursos que, bien usados, permiten el surgimiento de una subjetividad cuyas características son las mismas que las del dispositivo que se aplica para conocer su comportamiento:
Somos una compañía que no solamente desarrollamos software ágil, utilizamos metodologías ágiles para ser quienes somos. Es una definición recursiva de lo que nosotros hacemos. [...] nos hemos dado cuenta que ya no se trata de ser bueno en ejecutar en el mundo digital, de hacer digital, sino que uno tiene que ser digital. (Entrevistado 1)
Estamos hablando de cambios de procesos fundamentales. De cómo piensan las personas, de cómo perciben su relación laboral y su entorno. ¿Vieron cómo es esto que lo dijeron, esto de dejar de pensar en digital, a ser digital? Nuestra función es tratar de que las empresas abracen una cultura digital y no le tengan miedo a una aplicación (...) Queremos ser como más proactivos, más participativos. Buscamos sociedades más democráticas. Sumado a eso, a la necesidad de transformar digitalmente el pensamiento de las personas. (Entrevistada 3)
La cultura corporativa emergente de las prácticas subjetivantes
Ser digital, así, es parte de la cultura de estas empresas, de su ADN18. A pesar de su "modernidad ágil", estas organizaciones no están exentas de necesitar materializar y echar mano al poder de la experiencia aglutinante interna que mencionábamos en un apartado anterior. La sola interacción no garantiza la comunidad: es necesario que esté embebida de los valores corporativos. La comunión con los valores alinea la acción y la encauza, elimina posibles asperezas resultantes de la interacción dado que esta se significa siempre en un contexto de colaboración global: dar feedback positivo incluso a quien no se conozca cara a cara genera comunidad; dar feedback "negativo" también, porque la negatividad se resignifica como una marcación de "buena voluntad" necesaria para encauzar el accionar conjunto. Las aplicaciones que alimentan los BD actúan como "velcro institucional y nos permite hacer que determinadas personas empiecen a echar raíces y a sentirse parte, para empezar a empoderar a cada uno a ser un guardián de esa cultura" (Entrevistado 5).
Y, de repente, cuando nos damos cuenta de que habíamos construido algo, en donde las personas realmente comparten comentarios de forma proactiva [.] debido a la conexión que tenemos ahora, me siento mucho más abierta a decir "hey, recién nos conocemos y me encantaría compartir esta información con vos sobre cómo podés mejorar". [...] Y psicológicamente, queremos compartir que no sienten que haya un costo o que, si te digo que mejores, no vas a estar enojado conmigo porque ya tenemos esta relación. Tengo la visibilidad de la organización y entiendo que esa es nuestra cultura, eso es lo que se espera. [...] Supervisamos los datos, entendemos esas interacciones y hablamos con las personas, con nuestra gente, con nuestros clientes, para decir "¿Los estamos ayudando a construir la cultura que ellos desean con estas interacciones y este tipo de tecnología?" (Entrevistado 2)
Nosotros sabemos la importancia de un "gracias" en el mundo real. El "gracias" de alguna manera cierra un vínculo, cierra un ciclo, hace sentir que realmente estamos bien, tenemos un vínculo. "Mirá, hiciste algo por mí y te lo agradecí. Está todo bien." ¿No? Vos no me vas a pedir que yo haga algo de la misma cuantía, pero con que me hayas dado las gracias ya está todo bien. Ahora, ¿qué pasa con un "gracias" en el mundo digital? El "gracias" en el mundo digital se publica en un feed que inspira a todo el resto a decir "che, yo también podría hacer esto y ser reconocido." [...] Empieza entonces a elevar a las personas y a hacerlas notables. (Entrevistado 3)
Conclusiones
El estudio de las redes sociales digitales se ha consolidado dentro de los Estudios Organizacionales (EO) durante los últimos años (Yuqin, Kraut, & Kiesler, 2007; Stempfhuber & Liegl, 2016; Whelan, Teigland, Vaast, & Butler, 2016; Martos, 2012; Sözen, Basim, & Hazi, 2009). En este campo, los debates sobre estas cuestiones muestran dos vertientes bien marcadas: una funcionalista y otra crítica. La primera pone el foco en verificar la eficacia en el diseño de estas redes para cumplir con los objetivos organizacionales. La segunda aborda consecuencias negativas vinculadas con la invasión de la privacidad y la intimidad de los sujetos.
Así, desde la mirada funcionalista, Yuquin et al. (2007) sostienen que es central establecer predicciones teóricas para comprender el diseño de estas comunidades y su crecimiento, la conformación de subgrupos, las formas de intervención y las políticas de recompensa, para así mejorar la identidad y los lazos que se forjan. Sõzen et al. (2009) analizan el impacto del capital social que posibilita participar en las redes sociales en la mejora de la performance organizacional e individual. Para ellos, dentro de los EO el estudio de las redes sociales se clasifica en dos grupos: el de las redes interorganizacionales y el de las intraorganizacionales. Este último busca determinar patrones de relaciones entre empleados, unidades o departamentos para identificar potenciales líderes empresariales y tomar decisiones respecto de quienes quedan fuera. Por su parte, Whelan et al. (2016) proponen esquemas para mejorar la eficacia económica en la gestión de este tipo de plataformas a pesar de que reconocen que algunos estudios critican el carácter binario en el análisis de los sentimientos y emociones vertidas en las redes sociales (Gaspar, Claudia, Panagiotopoulos, & Seibt, 2016) y los problemas del trabajo sobre información de carácter público frente a las leyes de protección de datos personales (Buchanan & Ess, 2009).
Dentro de las variantes críticas en los EO, Martos (2012) propone mirar las amenazas a la privacidad durante la interacción en las redes sociales; sostiene que es preciso controlar los diferentes aspectos de esta privacidad. Asimismo, Stempfhuber y Liegl (2016) advierten sobre los cambios inducidos por las innovaciones tecnológicas en la percepción de la intimidad contemporánea en tanto las apps generan formas ambiguas de involucramiento en las redes sociales, con consecuencias sobre la vigilancia y el control que es necesario atender.
Más allá de las elucubraciones que puedan darse en el campo teórico de los EO, en el plano real de las prácticas son muchas las empresas conscientes de que el uso de las redes sociales, de BD y de PA presenta problemas. Se rescata que, al aplicarse en el reclutamiento, se reduce el sesgo social en la selección: los algoritmos pueden identificar personas que antes no hubieran sido seleccionadas por falta de credenciales académicas u origen social. Sin embargo, el uso de variables predictivas puede ocasionar otros problemas dado que muchos cientistas de datos saben muy poco del contexto del empleo. Además, los modelos a los que aplican algoritmos toman como referencia a empleados considerados de mejor desempeño en el pasado, a partir de características tales como expresiones faciales, palabras utilizadas, comentarios en las redes sociales públicas, etc. Esto, a pesar de que la lógica de las competencias vigente en este paradigma (a diferencia de la lógica de las calificaciones vigente de manera generalizada antes de la siliconización), pregona evaluar los aportes posibles a futuro de las personas sobre la base de lo que son capaces de hacer, más que sobre la base de lo que ya han hecho o aprendido. Y el algoritmo incluirá generalmente variables que reflejan atributos vinculados a hombres blancos de origen social medio o alto: podrían valorar que el candidato juegue o haya jugado al rugby (Capelli, 2019). Así, la aparente eliminación de la meritocracia estaría fundada en la incorporación de criterios científicos pero, al observar la realidad, el acto de fe meritocrático (Szlechter, Vanegas-Daza, & Tijonchuk, 2018) sigue siendo preponderante.19
Es muy difícil chequear las diferencias reales de atributos entre los de mayor y peor desempeño, sobre todo cuando la mayoría de esos atributos tienen que ver con emociones o la intimidad. Incluso, esas diferencias se basan en tipologías cuyo fundamento, como mínimo, podría considerarse dudoso. Por ejemplo, se asientan en la creencia de que el uso de ciertas palabras o expresiones resulta, inevitablemente, de características personales estables y duraderas en el tiempo, y que responden a patrones de comportamiento que determinarán invariablemente conductas actuales y futuras, independientemente del contexto o de quienes hayan intervenido en esas interacciones particulares. Los "posteos" pudieron ser creados durante la juventud y no reflejar opiniones actuales. Que a uno o una le guste el posteo de alguien es muy diferente a contar con competencias para trabajar en un equipo con esa persona. Copiar a alguien en un mail no implica una relación estrecha (Capelli, 2019; Leonardi & Contractor, 2018). Así, ciertas acciones pueden no ser un resultado causal, lineal ni unívoco de características personales, íntimas.
En cuanto a la protección de la intimidad, revisar el comportamiento en redes sociales públicas resulta una invasión de la privacidad. Si bien la información a la que se accede es pública, las personas que crearon los "posteos" no tuvieron la intención ni autorizaron a que se utilicen con fines "laborales". Esto se agrava dada la escasez de leyes protectivas de datos personales en el lugar de trabajo y de los usos de la inteligencia artificial en ámbitos laborales (Figueroa, 2019). El acceso a la información proveniente de interacciones que podrían considerarse del ámbito privado para determinar posibles comportamientos y actitudes en el ámbito laboral desatiende que las personas pueden voluntariamente desplegar distintos tipos de comportamientos y actitudes en diferentes contextos, o que utilizan estrategias de relacionamiento diferenciales según sus objetivos y los espacios vinculares. En la base de esta desatención pareciera estar la creencia de que los sujetos despliegan su accionar y sus relaciones en un único plano, que no utilizan recursos para mostrarse y actuar de manera diversa según los contextos, los objetivos y con quiénes se relacionan; una fe, en definitiva, en la uniformidad y linealidad de las conductas.
Aunque muchas compañías que utilizan BD y PA son conscientes de estos condicionantes, cada vez los aplican con mayor frecuencia, dado que las prácticas de RR. HH. buscan legitimidad científica. Esto no parece haber cambiado desde los hallazgos de Mayo. Como afirma uno de nuestros entrevistados: "El big data lo que hace es facilitarte hoy por hoy ese procesamiento que de otra forma sería sumamente costoso de llevar adelante. Te abarató el costo, pero no te puso la idea, porque la idea es la misma de Gran Hermano o de 1984 de Orwell" (Entrevistado 1). El sueño empresarial de lograr una mayor implicación subjetiva y encontrar aquellos que mejor se adapten a la cultura, de controlar y predecir el desempeño individual y colectivo es anterior al surgimiento de estos dispositivos. Quizás hoy se hace más evidente que en las empresas se aspira a crear una cultura basada en "datos científicos" con conductas mensurables, comunicables, entrenables y operacionalizables, a partir de la creencia generalizada de que culturas basadas en datos responden bien a cambios basados en datos (Garvin, 2013).
En definitiva, la utilización de BD en la gestión de RR. HH. revela tensiones siempre existentes entre el análisis estadístico y el etnográfico. El uso del método científico en el análisis de redes e interacciones sociales para predecir quiénes serán las y los empleados de mejor desempeño muchas veces lleva a conclusiones de un nivel de generalidad y vaguedad que no permite operacionalizar sus recomendaciones. Esto se puso en evidencia de manera contundente en el Proyecto Oxygen de Google (Garvin, 2013), de 2006, que procuraba encontrar correlaciones entre bienestar y productividad y mostró que el análisis de los resultados de las evaluaciones de desempeño según tipos de personalidad no permitía encontrar patrones que vinculen satisfacción en el trabajo con niveles de ventas, productividad o rentabilidad; también, que las técnicas etnográficas (entrevistas en profundidad y observación participante) son imprescindibles para encontrar patrones de conducta: en lugar de seguir a miles de empleados, se estudia con profundidad la experiencia de unos pocos. Ese caso revela el sobredimensionamiento de la capacidad del análisis de BD para recabar información original; incluso, su utilización puede descubrir verdades obvias. Los responsables del proyecto reconocieron que los comportamientos observados en managers de alto desempeño no fueron sorprendentes, pero se espera que el listado de conductas de alta performance logre suficiente repercusión porque estuvieron basadas en datos de la propia empresa. El argumento que le otorga fortaleza a los hallazgos radicaba en que los atributos descubiertos les pertenecen a la firma, al tiempo que fueron descubiertos por y para Google (Garvin, 2013).
Si bien las estrategias de implicación subjetiva no son algo nuevo en el capitalismo, cuestión que fue ampliamente abordada en este artículo, la utilización de algoritmos para analizar y predecir conductas por medio de los PA constituye toda una novedad por dos motivos: por un lado, la "base científica" de las decisiones en política de RR. HH. logra una mayor legitimidad; por otro, BD permite penetrar en la intimidad de los sujetos de una manera nunca vista. La ludificación de los espacios de trabajo y la transformación de los hogares en espacios productivos gracias al home office hacen que las preocupaciones en torno al work life balance parezcan cosa del pasado. Cada vez más se analizan y evalúan espacios de intimidad de las y los trabajadores. Las estrategias individuales y colectivas de resistencia que se daban de manera más o menos oculta o de espaldas al capital se tornan cada vez más públicas, pasibles de evaluación y de sanción. No se trata de mostrar que este presente distópico no muestre grieta alguna, sino que es necesario buscar estrategias cada vez más sofisticadas que se opongan a una algoritmización total de la vida.
