“Hay que regular el extractivismo del conocimiento público”

Cecilia Ripak es economista especializada en la relaciones entre la universidad, el Estado y el mercado. En este entrevista realizada por la Agencia de Noticias TSS Unsam analiza el funcionamiento de los grandes monopolios digitales y cómo la apropiación privada del conocimiento genera nuevas formas de innovación y una posición dominante que vuelve cada vez más poderosas a estas empresas.

Siempre fui muy crítica del concepto de Sistema Nacional de Innovación. Me parece que es un problema porque la innovación y el conocimiento se producen de manera global. Si bien la dimensión nacional y los vínculos más próximos son importantes, no podemos reducir a la escala local el análisis de la organización, la innovación y la distribución de los réditos asociados a la innovación. Mi otra crítica es que siempre se analizan los vínculos sin pensar la innovación como una relación de poder”, sostiene Cecilia Rikap. La economista e investigadora del Conicet acaba de publicar un paper titulado Big tech, depredación del conocimiento y sus implicancias para el desarrollo en coautoría con Bengt-Åke Lundvall, uno de los creadores del concepto de Sistema Nacional de Innovación a fines de los 80 junto con Christopher Freeman y Richard Nelson.

Doctora en Ciencias Económicas (UBA) se dedicó durante años al estudio de la producción pública del conocimiento y los modelos de innovación que permitieron la conformación de los grandes monopolios digitales que hoy dominan el mercado mundial, como Facebook, Alphabet – cuya principal empresa es Google – y Apple. También analizó las redes de cooperación y competencia tecnológica de las grandes empresas farmacéuticas y sus relaciones de poder, en particular con las universidades y las start ups. Así llegó al concepto de “monopolios intelectuales”, que llamó la atención de Lundvall y lo impulsó a reorientar sus investigaciones en esta línea e invitarla a trabajar en conjunto.

“Si me hubiera escrito en abstracto para ofrecerme trabajar con él, le hubiera dicho que tenía un montón de críticas. Pero el correo era directamente para decirme que quería trabajar conmigo sobre lo que yo estaba investigando. Entonces, me dije ¿por qué no?”, recuerda Rikap. La noticia le llegó hace poco más de un año. Desde entonces ha estado colaborando activamente con Lundvall. Juntos participaron en algunos congresos y la semana pasada publicaron el primero de los trabajos que están desarrollando.

-¿En qué consisten los monopolios intelectuales?

-La particularidad que tienen los monopolios intelectuales de datos es que están generando una nueva forma de producir conocimiento, una forma de innovar que funciona de la siguiente manera: recopilan datos y esos datos se analizan con algoritmos de inteligencia artificial. A medida que procesan los datos, esos algoritmos se van corrigiendo a sí mismos y mejorando las predicciones que realizan, mejorando el producto del análisis, lo que les permite a los grandes monopolios intelectuales de datos reorientar sus negocios y productos en función de lo que cada perfil de individuo tenga más chances de comprar o consumir. Esto, a su vez, orienta a desarrollar nuevos negocios o futuras innovaciones. Es decir, parte del conocimiento que se apropian estos monopolios está basado en el análisis de datos.

-¿Cómo hacen esos algoritmos para aprender por sí mismos?

-Clasifican la información en distintos niveles de genericidad y especificidad, y van construyendo perfiles en función de esos niveles. Estos sistemas también pueden encontrar vínculos y relaciones a través de puntos o nodos de conocimiento. Un ejemplo hipotético sería que, teniendo la geolocalización de todas las personas en una base y el registro de los hinchas de fútbol en otra, se cruzan los dos datos y se detecta, por ejemplo, que la gente que vive en La Boca tiene una mayor propensión a ser hincha de Boca. Esto es algo obvio, pero llevado a escala de bases de datos sobre nuestros comportamientos, la información tiene capacidad para anticipar conductas. Lo más importante de este método para innovar es que, de alguna manera, el rol de los investigadores cambia, porque ya no hay una persona que medie en ese proceso. Por supuesto que esos modelos hay que crearlos, pero hay una aceleración del proceso de innovación que les permite a estas empresas ser multitecnología y multiproducto.

-¿Por ejemplo?

-Amazon, Google y Microsoft son las empresas más fuertes en lo que es cloud computing. Ofrecen servicios de computación, tanto de hardware como de software, básicamente en las redes. Una empresa que tiene toda su información almacenada en los servidores de Amazon, en vez de necesitar a alguien que programe su sistema operativo o comprar un sistema empaquetado, puede acudir a servicios que también ofrece Amazon con soluciones en distintos módulos que puede ir adaptando, corrigiendo e incorporando en función de sus necesidades. También hay plataformas que permiten que los desarrolladores no necesiten crear todo el software. Pueden usar parte de los servicios ofrecidos en la nube y adaptarlos a las especificidades del negocio que ofrece.

-¿Cuál sería la contracara de esos beneficios que ofrecen estas grandes empresas?

-Los algoritmos que proveen se entrenan con datos de una multiplicidad de empresas y eso también mejora su modelo de inteligencia artificial. Es decir, al mismo tiempo que Amazon les cobra por procesar los datos, aprovecha para mejorar su propio servicio y hacer una innovación incremental automática por el mero hecho de procesar los datos. Eso acelera el proceso de innovación y las vuelve inalcanzables para cualquier otra empresa que quiera hacer lo mismo.

-¿Por eso mencionaba las relaciones de poder y desigualdad como parte de los procesos de innovación?

-Es el efecto de una economía cada vez más basada en datos, en la potencialidad que tiene la big data y la brecha que se va generando entre quienes tienen las capacidades de análisis y quienes no. Alguien puede desarrollar un modelo de inteligencia artificial, pero necesita los datos; o puede tener los datos, pero no el modelo. Incluso, puede tener los datos y el modelo, pero su fuente de datos va a ser mucho menos diversa que las de los gigantes digitales. Uber, por ejemplo, tiene nuestra geolocalización, sabe dónde vivimos, los lugares a los que solemos ir y cómo se mueve la gente por los lugares, pero no más. En cambio, Google tiene toda esa información con el Google Maps. Tiene información de todas las búsquedas que hacemos en Internet, de nuestros correos electrónicos, de las aplicaciones que tenemos en el celular, y la lista sigue.

-¿Cómo se vincula esto con lo que en el trabajo denominan sistema de innovación corporativo?

-Se refiere al modo en el que los monopolios intelectuales de datos organizan la innovación. Las técnicas más usadas son deep learning (aprendizaje profundo) y neural networks (redes neuronales). Sin embargo, alguien tiene en primer lugar que escribir el algoritmo, y no lo escriben solamente, ni principalmente, quienes trabajan en estas compañías. Estas empresas organizan sus sistemas de innovación asociados en la investigación con un montón de universidades y start, pero no socializan las rentas productos de las innovaciones. Eso lo demostramos comparando las estadísticas y las redes de copublicación con las de copatentamiento. Los gigantes digitales, por ejemplo, tienen investigaciones con muchas universidades sobre temas de salud que forman parte del sistema corporativo de innovación. No obstante, a la hora de patentar los resultados y de vender productos que se basan en esos resultados, las ganancias se las apropian de manera prácticamente exclusiva. Por eso, el paper habla de depredación y extractivismo de conocimiento.

-¿Cómo afecta eso a los países en desarrollo, que es el otro tema al que se refiere la investigación?

-El trabajo demuestra que esos monopolios no solo se vinculan con las universidades y las start ups de sus respectivos países o de países centrales. También realizan investigaciones en conjunto con instituciones de países periféricos. Además, analizamos la otra cara del proceso de innovación, la fase de aplicación, la de la escritura del algoritmo, que si bien la hacen con esas mismas instituciones, una parte importante se realiza en plataformas de desarrollo de software libre. La más conocida es GitHub. Allí aparecen proyectos para trabajar colaborativamente. Es un espacio en el que muchos desarrolladores trabajan de manera voluntaria y gratuita. De esta forma, los gigantes digitales generan una fachada que les permite sostener que están a favor del conocimiento público y abierto, de que comparten conocimiento con las universidades y las financian, cuando en realidad se están asociando con expertos de distintos campos. Esto les asegura los mejores resultados en materia de conocimiento e innovación y, al mismo tiempo, ser las únicas o al menos las principales beneficiarias en términos económicos. Los réditos y beneficios de la innovación se concentran en unos pocos actores en detrimento del resto de la sociedad. El resultado es que incluso en un contexto de una enorme aceleración de los desarrollos tecnológicos, los resultados siguen siendo paupérrimos a nivel de crecimiento económico.

-¿Qué espacios hay para generar alternativas, o qué cosas se pueden hacer para evitar el impacto de estos monopolios del conocimiento en el desarrollo?

-El capitalismo del siglo veintiuno se caracteriza por una fuerte concentración de un conocimiento que ya no es solo científico o fáctico, sino también de enormes bases de datos sobre todas las dimensiones de la vida. Unas pocas empresas logran concentrarlo y transformarlo en activos intangibles y consiguen por esta vía apropiarse de una parte del valor que produce el resto de la sociedad. Favorecen una ruptura del vínculo entre innovación y crecimiento. Por eso, la disputa más fuerte que tenemos por dar es por la producción y circulación del conocimiento. Continuamente estamos produciendo conocimiento público que no resulta en mayores niveles de bienestar para la sociedad, sino en mayor rédito para unas pocas empresas y sus accionistas. Podemos apagar las notificaciones de todos los dispositivos, deshabilitar las cookies en todas las plataformas y un montón de soluciones individuales, pero esas acciones no permitirán cambiar la forma de organización de la vida, del conocimiento y, en definitiva, de los recursos.

-¿Entonces?

-El conocimiento sigue siendo una fuente fundamental de desarrollo, pero no todo conocimiento ni toda innovación es necesariamente buena. El conocimiento y la innovación no son neutrales, tienen ciertas orientaciones que están en disputa, sin olvidar quién va a usar y quién va a tener acceso a ese conocimiento. Podría pasar que se avance en que cada uno sea dueño de sus propios datos, pero también es importante la socialización de esos datos para que en un contexto de pandemia, por ejemplo, se puedan hacer investigaciones y encontrar resultados más rápidamente. Es necesaria una discusión profunda y compleja sobre los mecanismos para permitir que toda la sociedad acceda al conocimiento público. Hoy se produce muchísimo conocimiento público, pero lo monetizan de manera privada unos pocos. Estamos hablando además de la capacidad para decidir sobre cuál es la dirección de ese conocimiento y cuáles son las vías de investigación. Debemos asegurarnos que estén los mecanismos y las regulaciones que impidan el extractivismo del conocimiento público, la apropiación privada de datos que fueron producidos de manera pública.

-Para eso es necesario contar con políticas públicas, ¿no?

-Sí, pero hay que pensarlas integralmente. La política digital debe implicar la capacidad para acceder a Internet, para no ser analfabetos digitales o analfabetos en general, pero también es importantísimo que los países en desarrollo no se queden solo en esta primera parte y que también vean que, mientras producimos conocimiento de frontera, ese conocimiento termina favoreciendo al subdesarrollo. Eso es muy paradójico y nos debería llevar a realizar un replanteo general de la política científica y tecnológica de un país como el nuestro, que prioriza líneas de investigación que favorecen a los monopolios intelectuales. No solo se trata de las farmacéuticas y las digitales, u otros monopolios centrales como Monsanto/Bayer, sino también de empresas nacionales que se proyectan en ese mismo sentido, como el grupo Sigman o Bioceres. Decididamente, el camino es de mayor acceso al conocimiento, pero con la alerta y el reconocimiento de que los monopolios intelectuales ya han avanzado un paso más y cooptan esos espacios, los vuelven lo contrario al acceso abierto y al software libre. Muchas iniciativas que buscan contrapesar la privatización del conocimiento terminan subordinándose y favoreciendo a las grandes empresas, que ni siquiera tienen que pagar por el conocimiento producido socialmente.

¿Querés recibir las novedades semanales de Socompa?

Deja vacío este campo si eres humano: