El mejor año de la carrera profesional de la actriz Scarlett Johansson fue y seguirá siendo 2004. Es el año de Lost in Translation, la película que protagoniza junto a Bill Murray. Esta afirmación no es una crítica cultural sino la conclusión de un algoritmo creado por varios científicos de la Universidad Queen Mary de Londres que aseguran tener en su poder un juguete peligroso: “Permite predecir con 85% de éxito si el año más productivo de un actor está por venir o ya ha pasado”, explica a la Agencia SINC Lucas Lacasa, uno de los autores del paper.
Todos los algoritmos necesitan alimentarse con datos. En este caso, los investigadores han utilizado la Internet Movie Database (Base de datos de películas en Internet), popularmente conocida como IMDb, en donde figuran las carreras de más de 1,5 millones de actores y casi 900.000 actrices. Abarca desde 1888, año en el que se rodó la primera película moderna (que fue La escena del jardín de Roundhay) hasta 2016.
La creación de los londinenses es capaz de predecir en qué año cualquier actor alcanzará su cima, aunque han preferido no poner más ejemplos que el de Scarlett Johanson. También ofrece otras conclusiones, como que el 70% de los actores tiene carreras que solo duran un año, que en la industria hay rachas “calientes” y rachas “frías” (épocas en las que encadenan más trabajos seguidos o menos) y que, tras una mala racha, los hombres encuentran trabajo antes que las mujeres.
Las mujeres salen perjudicadas si nos atenemos a las conclusiones del algoritmo: si las carreras son inferiores a un año, hay más mujeres que hombres en esta situación, además de que es más probable que una actriz tenga sus años más productivos al principio y no al final de su carrera. “Sospechamos que detrás de esto está el machismo que existe en el mundo del espectáculo”, sostiene el investigador en SINC.
Algoritmos en procesos empresariales
El debate toma otro cariz si en vez de hablar de actores, hablamos de trabajadores comunes. “Si las empresas empiezan a tomar decisiones en base a este tipo de algoritmos será algo problemático”, explica a eldiario.es Anna Ginès i Fabrellas, profesora de Derecho y Trabajo de ESADE. Aunque no existen datos exactos, cada vez más compañías en el mundo utilizan la Inteligencia Artificial y más concretamente los algoritmos para tomar decisiones empresariales. Las grandes como Google, Amazon, Microsoft, Apple o Facebook, entre otras, lo llevan haciendo desde hace años.
“Si nos basamos única y exclusivamente en este tipo de algoritmos, que lo que han hecho es identificar patrones o conductas de actuaciones pasadas, estamos quitando mucho peso y mucho espacio para la imprevisibilidad”, continúa Ginès i Fabrellas. Se refiere a la total automatización del empleo, al momento en el que un conjunto de operaciones matemáticas basadas en los datos previos con los que fueron entrenadas definan nuestro devenir en una empresa.
“Vamos a ver cómo las compañías podrán contratar a alguien en base al uso de algoritmos”, dice la profesora. Si echamos un vistazo a los usos, el machine learning (aprendizaje automático) en las empresas se aplica sobre todo a la automatización de procesos y a la optimización de las ventas, pero no es descabellado pensar que, como el algoritmo de los científicos de la Queen Mary en el cine, algún día pueda surgir otro que mida el desempeño de un trabajador en una fábrica, por ejemplo.
Hace poco hablamos del caso de Eméritas Legal, una firma gallega que mide el éxito de los abogados según su “índice de rendimiento judicial”. Todo lo hace un algoritmo en base a unas determinadas variables que fue alimentado con sentencias de los tribunales españoles, así los clasifica en “buenos” y “malos”.
¿Nos podrá despedir un algoritmo?
Aunque el problema de los datos y cómo almacenarlos es algo que a muchos ya les ronda por la cabeza, en palabras de Ginés i Fabrellas “generaremos más en el futuro”. La profesora señala que el Internet de las Cosas (IoT) fomentará el negocio del Big Data: “La empresa sabrá literalmente todo: en qué momento me conecto, cuántas horas, cual es mi continuidad en la prestación de servicios, a qué hora hago algo...”.
Advierte que el uso de estos algoritmos “jamás podrá ser discriminatorio” y señala dos problemas: las variables directas y las indirectas. Como funcionarán a partir de patrones extraídos de unos datos, las condiciones de edad, raza o sexo “no podrán ser tomadas en cuenta”, dice. “Luego habrá otras derivadas que escondan una discriminación indirecta. Por ejemplo, el número de horas trabajadas”, continúa Ginès i Fabrellas.
La profesora pone un sencillo ejemplo: “Si solo despedimos a las personas que menos horas en cómputo global trabajan en la empresa, seguro que serán las mujeres que se han cogido reducciones de jornada o a tiempo parcial a fin de conciliar la vida laboral y familiar”. Y de igual forma que echarnos del trabajo, ¿podrá un algoritmo prejubilarnos cuando crea que ya llegó la hora? “No sé si llegaría tan lejos como para eso porque se refiere a algo que la empresa no puede controlar, no puede decidir unilateralmente quién cumple los requisitos legales para acceder a la jubilación o la prejubilación, pero sí el despido”, sentencia Ginès i Fabrellas.
En mayo del 2018 entró en vigor el nuevo Reglamento General de Protección de Datos (RGPD), por lo que la profesora no cree que exista “vacío normativo” y recuerda: “No estamos en un escenario en el que los algoritmos hayan aparecido y no estén regulados en ningún sitio”.