El capitalismo de vigilancia explicado sin tecnicismos

Hay un modelo de negocio que te observa cada vez que abres el móvil, cada vez que buscas algo, cada vez que dudas entre dos productos y al final no compras ninguno. No es ciencia ficción ni una teoría conspirativa de foro oscuro. El capitalismo vigilancia datos es el nombre que le puso la socióloga Shoshana Zuboff a algo que ya lleva décadas funcionando a pleno rendimiento, y que la mayoría de nosotros aceptamos sin leerlo en ningún contrato porque, sencillamente, nadie nos lo explicó en palabras normales.

La idea central es sencilla aunque incómoda: tú no eres el cliente. Eres la materia prima. Lo que produces cuando navegas, cuando te comunicas, cuando te mueves por la ciudad, tiene un valor económico enorme. Y hay empresas que lo extraen, lo procesan y lo venden. La pregunta es qué hacen exactamente con ello, y hasta dónde llega esa extracción.

De dónde viene todo esto

A principios de los años 2000, Google tenía un problema clásico de las startups: había construido algo brillante pero no sabía muy bien cómo ganar dinero con ello. La solución que encontró cambió la historia de internet. En lugar de cobrar por el buscador, empezó a usar los registros de búsqueda de los usuarios, datos que antes desechaba, para predecir qué anuncios les resultarían relevantes.

Funcionó tan bien que se convirtió en el estándar del sector. Lo que empezó como un subproducto se convirtió en el producto. Pronto no era solo Google: Facebook, Amazon, aplicaciones de todo tipo empezaron a construir sus modelos de negocio sobre el mismo principio. Cada interacción que haces en sus plataformas genera datos de comportamiento que alimentan sistemas diseñados para predecir, y eventualmente moldear, lo que harás a continuación.

Esto conecta directamente con algo que ya exploramos cuando analizamos cómo se obtienen los datos para entrenar la IA: la lógica extractiva no es nueva, pero ha escalado a una dimensión que antes era imposible imaginar.

Qué se recoge exactamente

Aquí es donde muchas personas se llevan la primera sorpresa. No estamos hablando solo de tus búsquedas o tus likes. El espectro de datos que se recolecta es mucho más amplio y detallado.

• El tiempo exacto que pasas mirando una publicación antes de hacer scroll.
• A qué hora del día eres más activo y cuándo tu atención decae.
• Cómo cambia tu ritmo de escritura cuando estás nervioso o contento.
• Tus patrones de movimiento físico si tienes activada la geolocalización.
• Con quién te comunicas, con qué frecuencia y qué tipo de contenido compartís.
• Qué productos miraste pero no compraste, y cuánto tiempo después volviste a mirarlos.

Por separado, cada uno de esos datos parece trivial. Pero combinados y procesados por sistemas de predicción cada vez más sofisticados, forman un retrato de tu psicología, tus vulnerabilidades y tus deseos que puede ser más preciso que el que tendrían tus amigos más cercanos.

El negocio de predecir tu comportamiento

El objetivo no es solo conocerte. Es anticiparte. Las empresas que operan dentro del capitalismo de vigilancia no se limitan a venderte publicidad relevante, aunque eso es lo que presentan públicamente. Lo que realmente ofrecen a sus clientes corporativos es algo más potente: garantías de comportamiento futuro.

Dicho de otra manera: no solo saben lo que has hecho, sino lo que harás. Y eso tiene un precio de mercado. Cuanto más precisa es la predicción, más vale el producto. Por eso la carrera por recopilar datos no tiene techo: cada nueva señal mejora el modelo, y un modelo mejor se traduce en ingresos mayores.

Esto tiene implicaciones que van más allá de los anuncios. Un sistema que predice el comportamiento también puede influir en él. No hace falta una conspiración oscura para entenderlo: si el algoritmo sabe que cierto tipo de contenido te mantiene más tiempo en la plataforma, te lo mostrará, independientemente de si ese contenido es bueno para ti o no. Y esto ya erosiona algo más sutil que el empleo: tu capacidad de llegar a tus propias conclusiones sin intermediarios.

Por qué lo aceptamos sin rechistar

Esta es, quizás, la pregunta más interesante del asunto. Nadie nos puso un contrato delante diciéndonos «a cambio de usar este servicio, cedes el derecho a ser analizado psicológicamente». Lo que hicieron fue enterrar esas condiciones en términos de uso que nadie lee, y envolver la propuesta en algo irresistible: comunicación gratuita, entretenimiento sin límite, conexión permanente con las personas que quieres.

La gratuidad fue el anzuelo perfecto. Cuando algo no tiene precio visible, tendemos a asumir que no tiene coste. Pero lo tiene, y se paga con algo que no aparece en ninguna factura: atención, tiempo y datos sobre quién eres.

Zuboff lo llama el «desconocimiento inducido». Las plataformas están diseñadas para que no pienses demasiado en el mecanismo que las sostiene. La experiencia de usuario es fluida, agradable, adictiva. Los mecanismos de extracción son invisibles. No es un accidente de diseño, es una decisión estratégica.

Algo parecido ocurre con los sistemas que ya crean vínculos emocionales con los usuarios: cuando la experiencia es emocionalmente satisfactoria, la vigilancia que la sostiene pasa desapercibida.

Lo que se sabe, lo que se especula y lo que preocupa de verdad

Aquí conviene separar lo documentado de lo que entra en el terreno de la hipótesis. Lo documentado es sólido y bastante preocupante por sí solo: los datos de comportamiento se venden a anunciantes, se usan para personalizar contenidos, y en algunos casos documentados, como el escándalo de Cambridge Analytica, se han empleado para intentar influir en procesos electorales.

Lo más especulativo, aunque no descartable, es hasta qué punto estos sistemas pueden coordinarse entre sí para generar perfiles aún más detallados cruzando datos de distintas plataformas. Los llamados «data brokers», empresas intermediarias que compran y venden bases de datos de usuarios, existen y operan legalmente en muchos países. Lo que hacen exactamente con cada fragmento de información, y quién tiene acceso final a los perfiles resultantes, es mucho más opaco.

También existe una conversación legítima sobre si los algoritmos de recomendación, especialmente en el ámbito de las noticias, pueden polarizar a la población de manera sistemática. Hay investigación académica que apunta en esa dirección, aunque el debate científico sigue abierto y los datos son complejos. No es correcto afirmar que las redes sociales causan la polarización, pero tampoco es honesto decir que no tienen ninguna influencia.

Y en el fondo de todo esto hay una pregunta que conecta con los sesgos que transmitimos a los sistemas: cuando los algoritmos aprenden de nuestros comportamientos, no aprenden solo nuestras preferencias. También aprenden nuestras manías, nuestros miedos y nuestras contradicciones.

Qué herramientas existen para protegerse

El panorama regulatorio ha cambiado algo en los últimos años. El RGPD europeo fue un primer paso serio: obliga a las empresas a pedir consentimiento explícito para ciertos tipos de datos y da a los usuarios el derecho a solicitar qué información se tiene sobre ellos. En la práctica, su aplicación es irregular y muchas empresas han encontrado formas de cumplir la letra de la ley mientras vacían su espíritu.

A nivel individual, algunas cosas ayudan: usar navegadores con bloqueo de rastreadores, revisar los permisos de las aplicaciones, limitar la geolocalización a cuando se usa la app, optar por servicios que no basan su modelo en publicidad. Pero aquí hay que ser honestos: la protección individual tiene límites estructurales. Si tu círculo social usa WhatsApp, tus metadatos aparecen en los servidores de Meta aunque tú no tengas cuenta.

La resistencia más efectiva es sistémica, no individual. Pasa por regulación más estricta, por modelos alternativos de financiación de servicios digitales y por una educación tecnológica que enseñe a las personas qué ocurre realmente cuando tocan la pantalla. Algo que, a día de hoy, brilla por su ausencia en la mayoría de los sistemas educativos.

Todo ello se cruza con una tendencia más amplia que hemos visto al analizar los sistemas que predicen conductas humanas: la lógica de anticipar el comportamiento para controlarlo no se queda en el comercio, y eso debería hacernos pensar.

El problema de fondo no es tecnológico

Uno de los errores más comunes al hablar de capitalismo de vigilancia es presentarlo como un problema de privacidad. No lo es, o al menos no solo. Es un problema de poder.

El poder de saber cosas sobre millones de personas que ellas mismas desconocen sobre sí mismas. El poder de modificar entornos de información para que determinados comportamientos sean más probables. El poder asimétrico entre quien tiene los datos y quien los genera. Esta asimetría es la esencia del problema, y no se resuelve simplemente leyendo los términos de uso.

También hay una dimensión económica que se suele pasar por alto. Los datos de comportamiento no generan solo ingresos publicitarios. Informan decisiones de producto, estrategias de precios dinámicos, modelos de puntuación crediticia y sistemas de contratación. Cuando un algoritmo decide si pasas la primera criba laboral, está usando una lógica construida sobre datos de comportamiento masivo. Lo que empezó como publicidad ha colonizado muchas más capas de la vida cotidiana.

Y en ese proceso, algo que parecía abstracto, el capitalismo vigilancia datos, se vuelve muy concreto: puede determinar si te dan un crédito, si ves una oferta de trabajo, si un seguro te aplica una tarifa diferente a la del vecino.

¿Estamos dispuestos a pagar el precio de la comodidad digital?

La pregunta que deja todo esto no es técnica. Es ética y política. Hemos construido una infraestructura digital de una utilidad innegable, y la hemos financiado cediendo un nivel de transparencia sobre nuestras vidas que ninguna generación anterior habría imaginado posible. El debate ahora es si ese trato era el único posible, o si simplemente fue el que aceptamos sin negociar porque nadie nos explicó qué estábamos firmando.

Quizás la pregunta más importante no es cómo protegerse individualmente, sino qué tipo de infraestructura digital queremos como sociedad y quién debería tomar esa decisión. Porque hasta ahora la han tomado, en gran medida, las empresas que se benefician de la respuesta actual.

Preguntas frecuentes