Tú eres el producto: cómo la inteligencia artificial convirtió tu conducta en la materia prima más valiosa del siglo XXI

M.A.R.H Salvador Acevedo Ortega

Docente universitario en la Universidad Autónoma de Chihuahua, Facultad de Economía Internacional e Ingeniería.

Existe una regla en los negocios que Simon Templar, ese caballero de intuiciones impecables, habría identificado en cuarenta segundos: cuando un servicio es completamente gratuito, la pregunta que todo hombre inteligente debe hacerse no es «qué estoy recibiendo», sino «qué estoy dando a cambio». Porque en el universo del comercio, la generosidad absoluta es una anomalía estadistica. Y las anomalías estadísticas, como cualquier buen investigador sabe, rara vez son accidentales. Google es gratuito. Instagram es gratuito. TikTok es gratuito. Facebook es gratuito. Estas empresas, reunidas, valen varios billones de dólares. Alguien está pagando. La pregunta es quién. Y la respuesta, cómodamente incómoda, es que ese alguien es usted. Aunque probablemente nadie se lo haya dicho con esta claridad.

La profesora Shoshana Zuboff, de la Harvard Business School, empleó varios años de investigación para darle nombre preciso a lo que está ocurriendo. En The Age of Surveillance Capitalism (2019) —uno de los libros más importantes escritos sobre tecnología y poder en lo que va del siglo— Zuboff identificó que el modelo de negocio dominante de la economía digital no es la venta de servicios a usuarios. Es la extracción de datos de comportamiento humano para construir predicciones sobre conducta futura que se venden a quienes quieren influir en ella. Usted no es el cliente. Es la mina.

Para entender cuánto ha cambiado nuestra relación con la identidad, conviene comenzar donde la sociología del siglo XX la dejó. En 1959, Erving Goffman publicó The Presentation of Self in Everyday Life, una obra que transformó la manera en que las ciencias sociales entienden la interacción humana. Su argumento central era que las personas gestionan constantemente la impresión que producen en los demás, utilizando lo que él llamó «gestión de la apariencia» —ropa, lenguaje, gestos, contexto— de manera análoga a la de un actor en escena. La vida social, argumentaba Goffman, es una obra de teatro continua en que todos interpretamos papeles distintos según la audiencia y el escenario.

Esta observación era incisiva y verdadera. Pero Goffman escribió en un mundo donde la representación tenía límites naturales: terminaba cuando uno llegaba a casa, cuando la audiencia se dispersaba, cuando la obra concluyía. La privacidad era el intervalo entre actuaciones. Lo que no pudo anticipar es que seis décadas después las plataformas digitales eliminarían ese intervalo por completo, convirtiendo la representación en permanente, la audiencia en global y, lo más revelador, la actuación en fuente de valor comercial. No solo actuamos ahora. Producimos datos mientras actuamos. Y esos datos son el verdadero propósito del escenario.

Zuboff introdujo un concepto que resulta fundamental para comprender la mecánica del fenómeno: el «excedente conductual». Cuando Google lanzó su motor de búsqueda en la década de 1990, recopilaba datos de búsqueda primariamente para mejorar sus resultados. Pero en algún momento de los primeros años 2000, sus ingenieros descubrieron que los datos sobre el comportamiento de búsqueda —no solo qué buscabas, sino cómo, cuándo, desde dónde, cuánto tiempo, qué hacías después— eran extraordinariamente útiles para predecir comportamiento futuro. Y que esa predicción podía venderse.

Lo que Zuboff documentó con precisión académica en su investigación publicada en el Journal of Information Technology (2015) es que esta lógica se expandió desde la búsqueda hacia cada dimensión de la vida digital: redes sociales, mapas, correo electrónico, wearables, hogares inteligentes, automóviles conectados. El resultado es un sistema de extracción de datos comportamentales de una escala sin precedente histórico, orientado no a mejorar el servicio que el usuario recibe, sino a construir modelos predictivos cada vez más precisos de lo que ese usuario va a hacer, comprar, votar o creer. La inteligencia artificial es el motor que hace posible esa precisión. Sin modelos de aprendizaje automático capaces de procesar billones de puntos de datos comportamentales simultáneamente, la promesa del capitalismo de vigilancia no sería ejecutable. La IA no es un accidente en esta historia. Es su condición de posibilidad.

Alessandro Acquisti, Curtis Taylor y Liad Wagman documentaron en el Journal of Economic Literature (2016) la economía de este sistema con rigor: el mercado global de datos de comportamiento humano opera a una escala de cientos de miles de millones de dólares anuales, y su valor aumenta exponencialmente con la granularidad y la precisión de los datos recopilados. La diferencia entre saber que alguien busca información sobre autos y saber cuándo exactamente en el ciclo financiero personal está más receptivo a una oferta de financiamiento, a qué hora del día es más influenciable por cierto tipo de mensaje y qué combinación de palabras activa su respuesta emocional más rápida, puede valer millones. Esa diferencia es lo que la IA proporciona.

El filósofo francés Jean Baudrillard publicó en 1981 Simulacres et Simulation, un texto que en su momento resultó incómodamente profético. Baudrillard argumentó que la sociedad posmoderna había llegado a un punto en que los signos y representaciones de la realidad tenían más peso que la realidad misma: el mapa precede al territorio. Su concepto de simulacro describe algo que hoy se vive en carne propia en millones de perfiles digitales: la versión editada, filtrada y curada de una persona puede volverse más real —más influyente, más citada, más generadora de consecuencias materiales— que la persona actual que existe fuera de la pantalla.

Esto no es solo una observación filosófica. Tiene consecuencias prácticas que las plataformas explotan con sofisticación creciente. La identidad digital que construyes —tu historial de búsquedas, tus reacciones a contenido, tus patrones de consumo de información, tus interacciones sociales, el tiempo que pasas en cada tipo de contenido— genera un perfil predictivo que los algoritmos conocen con una precisión que tú mismo no tienes sobre tu propia conducta futura. Los investigadores de Facebook demostraron en un estudio de 2015 que sus modelos podían predecir rasgos de personalidad —introversion, estabilidad emocional, apertura a la experiencia— con mayor precisión que los amigos cercanos de la persona, usando únicamente sus patrones de interacción en la plataforma. El algoritmo te conoce mejor que tus amigos. Eso debería hacerte pensar.

En Chihuahua, este fenómeno tiene una dimensión que su geografía intensifica de manera específica. La frontera con Estados Unidos en Ciudad Juárez es uno de los puntos de intercambio de datos más densos del continente: los cruces fronterizos generan registros biométricos, historial de transacciones, patrones de movimiento y datos de comunicaciones que alimentan sistemas de análisis conductual de múltiples agencias y corporaciones. Las plantas de manufactura avanzada que han llegado por el nearshoring implementan sistemas de monitoreo de productividad que registran comportamiento laboral con una granularidad que ningún capataz humano podría igualar: tiempos de ciclo individuales, patrones de error, pausas, movimientos, comunicaciones digitales en entorno laboral.

La filósofa británica Carissa Véliz argumentó en Privacy Is Power (2020) que la privacidad no es un lujo individual ni un capricho jurídico. Es una condición del poder: quien controla los datos de una persona controla su capacidad de sorprender, de cambiar, de actuar de maneras que el sistema no haya anticipado. En una región de alta densidad industrial, alta movilidad laboral e intenso intercambio transfronterizo, la vulnerabilidad a la extracción de datos comportamentales es estructuralmente mayor. Los trabajadores de la manufactura avanzada en Chihuahua producen datos de conducta laboral que sus empleadores pueden usar para modelos de predicción de productividad, ausentismo y rotación, sin que necesariamente exista un marco regulatorio mexicano equivalente al Reglamento General de Protección de Datos de la Unión Europea que limite esa extracción.

Tus datos de conducta laboral, tus patrones de compra y tus reacciones digitales construyen un modelo de ti que otros poseen y tú no controlas.

La inteligencia artificial es lo que convierte esta extracción masiva de datos en poder operativo. Un banco de datos comportamentales sin modelos de aprendizaje automático es simplemente una biblioteca inmanejable. Con IA, esos datos se convierten en perfiles predictivos de alta resolución capaces de anticipar decisiones antes de que el individuo las tome conscientemente. Investigadores de la Universidad de Stanford demostraron en 2017 que un algoritmo de aprendizaje automático podía inferir la orientación sexual de personas con una precisión significativamente superior a la humana usando únicamente fotografías faciales públicas. No porque el rostro lo revele directamente, sino porque el modelo aprendió correlaciones estadísticas entre características faciales y respuestas conductuales que los humanos no detectamos conscientemente. El algoritmo ve lo que el ojo humano no puede ver. Y lo que ve, lo vende.

Daniel Solove, profesor de derecho en la Universidad George Washington, argumentó en Nothing to Hide (2013) que el argumento más peligroso en el debate sobre privacidad y vigilancia digital es el de «no tengo nada que ocultar». El argumento falla porque confunde privacidad con secreto. Privacidad no es proteger información vergonzosa. Es mantener control sobre las condiciones en que la información sobre uno mismo circula y se usa. Perder ese control no significa que alguien conozca sus secretos. Significa que alguien puede usar información sobre sus patrones de conducta para influir en sus decisiones sin que usted sepa que está siendo influenciado. Eso es lo que el capitalismo de vigilancia, potenciado por IA, hace a escala industrial todos los días.

La respuesta a este panorama no pasa por el pánico tecnológico ni por la desconexión como estilo de vida. Pasa por algo más preciso y más urgente: comprender con claridad qué tipo de transacción se realiza cada vez que se usa un servicio digital gratuito, y tomar decisiones informadas sobre cuándo esa transacción vale la pena y cuándo no. La Unión Europea dio el paso más ambicioso en esta dirección con el Reglamento General de Protección de Datos (GDPR, 2018) y con el AI Act (2024), que establece obligaciones específicas de transparencia para sistemas de IA que toman decisiones sobre personas. La regulación no es perfecta. Pero nombra el problema con la precisión que permite actuar sobre él.

Para las universidades de Chihuahua, lo anterior implica una responsabilidad curricular concreta: formar profesionistas que entiendan la economía de los datos no como una cuestión de tecnología sino como una cuestión de poder. Un médico que no comprende qué hace su hospital con los datos clínicos de sus pacientes, un contador que no entiende cómo los datos financieros de su empresa se procesan en plataformas de terceros, un ingeniero de manufactura que no conoce qué datos genera su planta y quién los posee: todos son profesionistas incompletos en la economía del siglo XXI, independientemente de la excelencia de su formación disciplinar.

Simon Templar, hombre de recursos ilimitados y paciencia estratégica, habría apreciado la elegancia del sistema. No requiere violencia. No requiere conspiración visible. Solo requiere que la mayoría de las personas continúe creyendo que el servicio es gratuito y que sus datos son un peaje menor por la conveniencia recibida. Es el negocio más perfecto de la historia: uno en que el cliente paga sin saber que es el producto, y sonríe mientras lo hace.

La diferencia entre ese cliente y alguien genuinamente libre en el ecosistema digital no es técnica. Es cognitiva. Es saber qué tipo de transacción se está realizando. Y esa conciencia, como siempre en esta serie, empieza por hacerse la pregunta correcta en el momento correcto.

Acquisti, A., Taylor, C., & Wagman, L. (2016). The economics of privacy. Journal of Economic Literature, 54(2), 442–492. https://doi.org/10.1257/jel.54.2.442

Baudrillard, J. (1994). Simulacra and Simulation. University of Michigan Press. (Obra original publicada en 1981)

Goffman, E. (1959). The Presentation of Self in Everyday Life. Anchor Books.

Kosinski, M., Stillwell, D., & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences, 110(15), 5802–5805. https://doi.org/10.1073/pnas.1218772110

Parlamento Europeo. (2018). Reglamento (UE) 2016/679: Reglamento General de Protección de Datos (GDPR). Diario Oficial de la Unión Europea. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX:32016R0679

Parlamento Europeo. (2024). Reglamento (UE) 2024/1689: Ley de Inteligencia Artificial (AI Act). Diario Oficial de la Unión Europea. https://eur-lex.europa.eu/legal-content/ES/TXT/?uri=CELEX:32024R1689

Solove, D. J. (2013). Nothing to Hide: The False Tradeoff Between Privacy and Security. Yale University Press.

Véliz, C. (2020). Privacy Is Power: Why and How You Should Take Back Control of Your Data. Bantam Press.

Wang, Y., & Kosinski, M. (2018). Deep neural networks are more accurate than humans at detecting sexual orientation from facial images. Journal of Personality and Social Psychology, 114(2), 246–257. https://doi.org/10.1037/pspa0000098

Zuboff, S. (2015). Big other: Surveillance capitalism and the prospects of an information civilization. Journal of Information Technology, 30(1), 75–89. https://doi.org/10.1057/jit.2015.5

Zuboff, S. (2019). The Age of Surveillance Capitalism: The Fight for a Human Future at the New Frontier of Power. PublicAffairs.