El gesto como dato

El 14 de junio de 2026, Donald Trump celebró su octogésimo cumpleaños con la gala de artes marciales mixtas UFC Freedom 250 en el jardín sur de la Casa Blanca. Mark Zuckerberg asistió y fue visto conversando con el presidente. La velada reunió una jaula de combate, patrocinios corporativos, sobrevuelo militar, criptomonedas, donantes y figuras del poder político y económico. Fue el primer evento deportivo profesional celebrado en la residencia presidencial estadounidense. En su ostentación, la escena podía recordar más a Calígula que a la sobriedad esperable de una democracia constitucional. Reuters describió el cruce entre espectáculo, negocios y poder estatal, y People documentó la presencia de Zuckerberg.

No es una anécdota separada del asunto que sigue. Meta no es una aplicación aislada, sino una infraestructura corporativa que articula Facebook, Instagram, WhatsApp, Messenger y un servicio de publicidad digital de alcance global. En su último informe trimestral, la compañía declaró una media de 3.560 millones de personas activas cada día en esa familia de aplicaciones durante marzo de 2026. No es la suma de cuentas de cada plataforma ni un censo exacto de individuos, sino la métrica corporativa con la que Meta estima el alcance diario conjunto de sus servicios. El dato aparece en sus resultados oficiales del primer trimestre de 2026. La Comisión Europea la reconoce como gatekeeper bajo el Reglamento de Mercados Digitales, una categoría destinada a plataformas que funcionan como puertas de acceso decisivas entre empresas y personas usuarias. Esa designación no equivale, por sí misma, a una condena por monopolio. Sí nombra un poder de intermediación concentrado sobre comunicación, atención, publicidad y circulación de datos. El portal oficial de la Comisión recoge las designaciones vigentes.

La disputa antimonopolio estadounidense permanece abierta. En noviembre de 2025, el juez James Boasberg concluyó que la Comisión Federal de Comercio no había demostrado que Meta conservara un monopolio en el mercado definido por la agencia y rechazó forzar la venta de Instagram y WhatsApp. El 20 de enero de 2026, la FTC recurrió la sentencia y mantuvo su tesis de que las compras de Instagram en 2012 y WhatsApp en 2014 eliminaron amenazas competitivas nacientes. Reuters recoge la posición de la agencia, la sentencia y la respuesta de Meta. Más allá del desenlace judicial, queda una cuestión política. Qué significa que una misma empresa pueda organizar ámbitos tan distintos de la vida digital y convertirlos, directa o indirectamente, en recursos para su expansión en inteligencia artificial.

En abril de 2026 se supo que Meta había empezado a instalar en los ordenadores de parte de su plantilla en Estados Unidos un programa que registra movimientos de ratón, clics, pulsaciones de teclado y capturas ocasionales de pantalla. El objetivo era entrenar agentes capaces de utilizar un ordenador como lo haría una persona. La empresa lo expresó de manera directa: sus modelos necesitaban ejemplos reales de navegación, corrección y decisión, y cada integrante de la plantilla podía contribuir simplemente haciendo su trabajo cotidiano. Reuters informó del lanzamiento de la Model Capability Initiative.

Ahí aparece una inversión decisiva. La persona empleada no utiliza únicamente una herramienta. Su manera de utilizarla se vuelve materia prima para entrenar otra herramienta. El trabajo produce resultados, pero también ejemplos de comportamiento que alimentan sistemas diseñados para ejecutar tareas semejantes. En una entrevista publicada por El País, la filósofa Carissa Véliz, profesora de filosofía en la Universidad de Oxford y autora de Profecía, advierte que las predicciones sobre seres humanos no son descripciones neutrales. Presentadas como hechos, ordenan expectativas y contribuyen a producir el mundo que anuncian. La cuestión no se limita a si una máquina sustituirá empleo. Empieza antes, en el instante en que el trabajo humano se convierte en material con el que la máquina aprende a intervenir sobre el trabajo.

Un gesto capturado no es un gesto inocente

La vigilancia laboral no es nueva. Durante mucho tiempo sirvió para medir presencia, rendimiento, horarios y cumplimiento. Lo nuevo es que el registro puede aspirar a algo distinto. Ya no solo controla a quien trabaja. Convierte sus maneras de resolver una tarea en una capacidad técnica reutilizable.

Michel Foucault permite precisar el alcance de ese cambio. Su análisis no reduce el poder a la prohibición ni al castigo. Atiende a tecnologías que organizan cuerpos, tiempos, espacios, saberes y normas, y que al hacerlo producen sujetos y realidades. La disciplina trabaja sobre cuerpos individuales mediante la distribución, el examen, el registro y la corrección. El biopoder amplía esa lógica al gobierno de poblaciones, ritmos, riesgos y capacidades. No se trata solo de vigilar a una persona, sino de producir una población legible, comparable y administrable.

Aquí 1984 de George Orwell puede funcionar como referencia literaria, con una cautela decisiva. La telepantalla de la novela pertenece a un Estado totalitario que aspira a controlar intimidad, conducta y pensamiento. Meta no es ese Estado, y la monitorización de una plantilla no equivale a la vigilancia totalitaria que imagina Orwell. Pero el contraste ilumina algo relevante. La pantalla deja de ser únicamente una herramienta que se utiliza y pasa también a ser un dispositivo que observa. En este caso, lo que está en juego no es una policía del pensamiento, sino un poder corporativo capaz de capturar prácticas de trabajo, clasificarlas y reutilizarlas para entrenar automatización. 1984 sirve mejor como advertencia sobre la normalización de la observación que como etiqueta para describir el presente.

El programa de Meta opera en esa intersección. Recoge microacciones individuales, pero busca componer con ellas una población de trazas desde la cual modelizar una conducta. El clic, la secuencia de ventanas, la pausa antes de corregir un error o el atajo de teclado se transforman en unidades de cálculo. El mecanismo no se limita a observar el trabajo. Decide qué parte del trabajo será visible para la empresa, cuál será cuantificable y cuál podrá convertirse en entrenamiento para una automatización futura. Antes la vigilancia disciplinaria perseguía corregir el cuerpo presente. Ahora puede extraer de ese cuerpo un patrón que funcione cuando el cuerpo ya no esté.

Del gesto al saber incorporado

El paradigma de embodiment de Thomas Csordas, en diálogo con las técnicas corporales de Marcel Mauss, permite precisar qué está en juego. El cuerpo no es un depósito de conocimiento ni un archivo pasivo del que se extraen datos. Es la condición desde la que se percibe, se atiende, se anticipa y se actúa en el mundo. Una destreza laboral no consiste solo en una secuencia visible de movimientos. Incluye una relación situada con materiales, interfaces, compañeras y compañeros, ritmos, interrupciones y riesgos.

Esa diferencia importa en una fábrica y en una oficina. La mano que cose no ejecuta una serie mecánica de movimientos. Ajusta fuerza y velocidad a la resistencia del tejido, corrige ante una irregularidad, anticipa el siguiente paso y se coordina con el ritmo de otras personas. Del mismo modo, quien domina un programa complejo no suma clics aislados. Reconoce señales, recuerda excepciones, interpreta contextos y decide cuándo una regla deja de servir. Hay años de aprendizaje, cooperación, cansancio, improvisación y memoria práctica en cada secuencia aparentemente elemental.

Una cámara en primera persona o un registro de actividad puede capturar indicios de esa práctica. No captura la práctica entera. Produce una representación operativa, preparada para ser clasificada y entrenar un modelo. Esa representación puede regresar después al espacio de trabajo convertida en métrica de productividad, recomendación automática, sistema de vigilancia o diseño de un robot. El problema no es que los datos sean irreales. Es que presentan como equivalente del saber una porción técnicamente recortada y comercialmente explotable de ese saber.

Dos escenas de una misma extracción

La primera escena es la oficina. El programa de Meta, denominado Model Capability Initiative, recopila la coreografía invisible del trabajo administrativo para enseñar a sus agentes cómo se mueve una persona por un entorno digital. La empresa afirmó que la información se usaría para entrenar modelos, no para evaluar el rendimiento individual. Tras semanas de protesta interna, introdujo una pausa de hasta treinta minutos y un procedimiento para solicitar exenciones. Reuters documentó tanto el lanzamiento como esa rectificación parcial.

Meta sostiene que los datos no se utilizan para evaluar el rendimiento individual. Conviene no atribuirle más de lo que declara. Pero tampoco conviene suavizar la cuestión de fondo. Cuando negarse puede afectar a la relación laboral, el consentimiento deja de ser una simple casilla. El despliegue se limitaba formalmente a dispositivos de personal situado en Estados Unidos, aunque la herramienta podía capturar mensajes dirigidos a ese personal desde otros países. Reuters informó de que MCI registraba actividad en más de doscientas aplicaciones y sitios web, y de las dudas sobre finalidad, proporcionalidad y derechos bajo el RGPD. El motivo de la fricción jurídica no sería una única norma, sino la combinación de protección de datos, derecho laboral y garantías nacionales frente a la vigilancia de la plantilla.

La segunda escena es el cuerpo manual. En Corea del Sur, RLWRLD graba a personal de hostelería, logística y comercio con cámaras sujetas a la cabeza, el pecho y las manos. En el hotel Lotte de Seúl, una persona dobla servilletas de banquete mientras los dispositivos registran movimientos, posiciones y fuerzas. Se recoge material semejante en almacenes logísticos y comercios. El objetivo declarado es construir sistemas de aprendizaje para robots humanoides capaces de actuar en entornos reales. Associated Press explica cómo el proceso convierte filmaciones de trabajo en datos legibles por máquina.

A comienzos de abril de 2026, vídeos grabados en India mostraron a personal de confección cosiendo con cámaras montadas en la cabeza que apuntaban a sus manos. Una investigación de Scroll identificó la planta como una unidad de Pearl Global Industries en Gurugram y rastreó los dispositivos hasta Egolab.AI, una empresa fundada a comienzos de 2026 para reunir vídeo egocéntrico de personal fabril y venderlo como conjuntos de datos a compañías de robótica. Poco después, Egolab fue adquirida por Build AI, una firma estadounidense registrada en Delaware. Build AI hizo accesibles cien mil horas de ese tipo de material en una plataforma abierta. El recorrido es nítido. El gesto de unas manos en Gurugram se convierte en activo técnico y empresarial en California.

El consentimiento es el primer punto de fricción. Según Scroll, las personas que llevaron las cámaras en Pearl Global afirmaron que no se les pidió autorización ni verbal ni escrita. Preguntado de forma directa, un responsable de Egolab respondió que el consentimiento se había tomado “a su manera”, sin aclararlo. Quienes usaban las cámaras desconfiaban de los aparatos, que se calentaban junto a las sienes y obligaban a quitárselos para ir al baño o mantener una conversación privada. Cuando las imágenes circularon, algunas personas comprendieron que podían estar participando en una tecnología que reorganizara su empleo.

El segundo punto es aún más revelador. La misma grabación servía a dos extracciones simultáneas. Mientras el vídeo se vendía como materia prima para entrenar robots, Egolab ofrecía a la fábrica un informe de eficiencia laboral que clasificaba a la “mejor” y la “peor” persona trabajadora, cuantificaba minutos supuestamente ociosos y señalaba grupos que se reunían a conversar. El mismo gesto alimentaba la disciplina del cuerpo presente y el modelo de su posible sustituto. No es una metáfora tecnológica. Es una forma concreta de poder sobre el trabajo.

Agencia que el sistema no registra

Hablar de biopoder no debe convertir a quienes trabajan en figuras pasivas. Hay agencia y hay resistencia, aunque ninguna de las dos aparezca completa en los tableros de control empresariales. En Meta, la respuesta fue colectiva. Parte de la plantilla distribuyó folletos en oficinas estadounidenses y promovió una petición contra el programa; en el Reino Unido, algunas personas empleadas impulsaron una campaña de sindicalización con United Tech and Allied Workers. Reuters documentó ambas iniciativas. La presión no anuló MCI, pero obligó a Meta a introducir pausas y un procedimiento de exenciones. Eso no convierte el episodio en una victoria completa. Muestra que la captura no era recibida como una decisión técnica inevitable.

En Gurugram, la agencia aparece en actos más frágiles y cotidianos. Las personas trabajadoras preguntaron por qué necesitaban nuevas cámaras si la fábrica ya estaba vigilada, se quitaron el dispositivo para preservar su intimidad y, en algunos casos, lo apagaron. El reportaje de Scroll recoge esas decisiones y la incomodidad que las motivaba. No son gestos menores. Son formas de disputar el alcance de la observación desde una posición desigual. La teoría de la práctica de Sherry Ortner permite entender la agencia como capacidad de actuar dentro de relaciones de poder, no como libertad soberana. Y la advertencia de Lila Abu-Lughod evita romantizarla. La resistencia no sitúa automáticamente a nadie fuera del poder. Ayuda a mostrar dónde se concentra, cómo opera y qué costes impone.

¿Por qué apenas se les escucha? Porque el dispositivo está diseñado para traducir gestos a rendimiento, no para recoger razones, desacuerdos ni saberes sobre el oficio. El informe de Egolab contabiliza la conversación entre compañeras y compañeros como “tiempo ocioso” y convierte la pausa, el cuidado o la intimidad en pérdida cuantificable. La misma arquitectura de datos que hace visible un movimiento invisibiliza la interpretación que le da sentido.

La materialidad y la geografía del dato

La inteligencia artificial no habita una nube separada del mundo. En Atlas of AI, Kate Crawford propone leerla como una infraestructura material que depende de minerales, energía, agua, centros de datos, redes logísticas y trabajo humano. Esta perspectiva permite evitar dos errores. El primero es pensar que la automatización nace únicamente de software. El segundo es imaginar que sus costes se distribuyen del mismo modo que sus beneficios.

Paola Ricaurte insiste, desde América Latina, en que la inteligencia artificial tampoco puede entenderse solo como software. Es una trama de infraestructura, instituciones, energía y trabajo humano. Antonio Casilli y Paola Tubaro han documentado las desigualdades globales de la producción de datos para IA en Venezuela, Brasil, Madagascar y Francia. Etiquetar, transcribir, revisar, clasificar y producir muestras son tareas esenciales, pero con frecuencia invisibilizadas, precarizadas y distribuidas en cadenas transnacionales de subcontratación. Su estudio comparado muestra cómo esas cadenas reproducen desigualdades históricas.

Conviene situar Gurugram sin convertir India en un decorado. El sector textil indio emplea directamente a unos cuarenta y cinco millones de personas. Según Scroll, muchas de las personas que cosían en la planta procedían de áreas rurales de Bihar y Bengala, pertenecían a grupos socialmente subordinados y trabajaban jornadas de hasta doce horas. La investigación ofrece las cifras y los testimonios. La automatización no llega a un lugar vacío de conocimientos. Aprende de técnicas producidas en condiciones de desigualdad.

Aihwa Ong mostró hace décadas que la disciplina fabril no organiza solo salarios y tiempos, sino también género, autoridad, resistencia y subjetividad. La novedad actual es que la observación de esas prácticas puede materializarse como conjuntos de datos vendibles para entrenar inteligencia artificial y robótica. La Ley india de Protección de Datos Personales Digitales ofrece un marco parcial. Sin embargo, la investigadora Astha Kapoor ha advertido que el dato egocéntrico no siempre mantiene una correspondencia directa entre la mano grabada y una identidad individual. El riesgo no se agota, por tanto, en la privacidad personal. Afecta a un colectivo que aporta una técnica, soporta la vigilancia y puede afrontar después sus consecuencias laborales. Kapoor propone pensar en derechos colectivos sobre los datos.

Ese enfoque ayuda a nombrar el circuito que une Gurugram y California. La experiencia se extrae en un territorio, se procesa bajo contratos opacos en otro y se convierte en valor corporativo en un tercero. En cada tramo persiste una asimetría. Quien aporta el gesto rara vez sabe qué se registra, con qué modelos se entrenará, quién controlará las aplicaciones resultantes o cómo se repartirán las ganancias de productividad. Llamar innovación a un sistema que privatiza saberes colectivos sin participación ni retorno para quienes los hacen posibles es, como mínimo, una descripción incompleta.

Lo que el dato recorta

El dato no es una copia del trabajo, sino un recorte. Conserva lo que una cámara, un sensor o una interfaz puede registrar y lo que una empresa decide convertir en variable. Deja fuera buena parte de lo que vuelve competente una práctica. La cooperación informal, el cuidado entre compañeras y compañeros, la memoria de errores, el cansancio, la atención compartida o la interpretación de una situación excepcional no desaparecen porque no existan. Desaparecen porque el sistema de captura no sabe tratarlos como información rentable.

Por eso no basta con preguntar si el robot logrará coser una prenda o ejecutar un trámite. Hay que preguntar qué relación social se reorganiza para que esa capacidad sea entrenable. El modelo no recibe un saber intacto. Recibe una traducción empresarial de ese saber. Después, esa traducción puede volver como dispositivo de evaluación, recomendación, automatización y sustitución.

Ley europea, protección parcial

La legislación europea importa, pero no agota el problema ni sustituye la acción colectiva. El Reglamento General de Protección de Datos aporta principios de finalidad, minimización y transparencia, además de derechos sobre datos personales. El Reglamento de Inteligencia Artificial prohíbe desde febrero de 2025 los sistemas de reconocimiento de emociones en el trabajo y la educación. Considera de alto riesgo determinadas herramientas destinadas al empleo y a la gestión de personas trabajadoras. Sin embargo, el Reglamento vigente mantiene el 2 de agosto de 2026 como fecha de aplicación de las obligaciones pertinentes para los sistemas de alto riesgo. El acuerdo político provisional alcanzado el 7 de mayo de 2026 por el Parlamento y el Consejo sobre el Digital Omnibus aplazaría esa aplicación al 2 de diciembre de 2027 para los sistemas de alto riesgo autónomos, a falta de adopción formal y publicación en el Diario Oficial. No existe una prohibición europea general de toda monitorización digital del trabajo, ni un derecho colectivo europeo ya consolidado que permita a una plantilla decidir por sí misma si sus gestos pueden entrenar un modelo ajeno.

Ese vacío ayuda a entender la pertinencia de la propuesta de Astha Kapoor. Para los datos egocéntricos de Gurugram, el daño y la eventual sustitución no recaen solo sobre una persona identificable. Afectan a un colectivo que comparte condiciones de trabajo, técnicas y riesgos. La respuesta no puede reducirse a una casilla individual de consentimiento. Requiere información comprensible, representación sindical o equivalente, negociación previa, evaluación independiente del impacto laboral, capacidad real de impugnar el sistema y participación en las ganancias de productividad cuando el saber de la plantilla alimenta la automatización.

El debate no es si llegará la automatización. Ya está reorganizando el trabajo. La cuestión es quién controla los datos laborales, quién decide qué saberes son extraíbles, quién participa en esa decisión y cómo se distribuyen los beneficios. El biopoder no opera únicamente sobre cuerpos aislados. Ordena poblaciones, distribuye vulnerabilidades y convierte capacidades de vida en objetos de administración. Reconocer agencia y resistencia obliga, por tanto, a mirar no solo aquello que el sistema captura, sino también aquello que las personas hacen para limitarlo, desviarlo, discutirlo o negarse a que se convierta en destino.

Fuentes

• Michel Foucault, Vigilar y castigar. Nacimiento de la prisión (1975), Siglo XXI. Véanse también Defender la sociedad y Seguridad, territorio, población para la distinción entre disciplina, biopoder y gubernamentalidad.
• George Orwell, Nineteen Eighty-Four (1949), Secker & Warburg. Referencia literaria empleada como contraste sobre vigilancia y normalización de la observación, no como equivalencia histórica.
• Marcel Mauss, “Técnicas y movimientos corporales” (1936), en Sociología y antropología, Tecnos.
• Thomas J. Csordas, “Embodiment as a Paradigm for Anthropology”, Ethos, 18(1), 1990, pp. 5-47.
• Sherry B. Ortner, Anthropology and Social Theory. Culture, Power, and the Acting Subject, Duke University Press, 2006.
• Lila Abu-Lughod, “The Romance of Resistance. Tracing Transformations of Power through Bedouin Women”, American Ethnologist, 17(1), 1990, pp. 41-55.
• Aihwa Ong, Spirits of Resistance and Capitalist Discipline. Factory Women in Malaysia, SUNY Press, 1987.
• Kate Crawford, Atlas of AI. Power, Politics, and the Planetary Costs of Artificial Intelligence, Yale University Press, 2021.
• Paola Ricaurte, “Data Epistemologies, the Coloniality of Power, and Resistance”, Television & New Media, 2019.
• Antonio A. Casilli, Paola Tubaro, Maxime Cornet, Clément Le Ludec, Juana Torres-Cierpe y Matheus Viana Braz, Global Inequalities in the Production of Artificial Intelligence. A Four-Country Study on Data Work, 2024. Véase también P. Tubaro, A. A. Casilli, M. Fernández Massi et al., “The digital labour of artificial intelligence in Latin America”, Globalizations, 22(2), 2025.
• Carissa Véliz, “La IA presenta las predicciones como hechos, y eso tiene implicaciones éticas profundas”, entrevista de Manuel G. Pascual, El País, 15 de mayo de 2026. Véase también Profecía. Lecciones sobre el uso y abuso de la predicción, desde los antiguos oráculos hasta la IA, Debate, 2026.
• Sobre el alcance de Meta, resultados oficiales del primer trimestre de 2026: 3.560 millones de personas activas diarias de media en marzo de 2026 dentro de la familia de aplicaciones. Sobre concentración de plataformas y litigios, Comisión Europea, Gatekeepers Portal y Reuters, 20 de enero de 2026.
• Sobre la gala de UFC en la Casa Blanca, Reuters, 14 de junio de 2026 y People, 17 de junio de 2026.
• Sobre el programa de Meta, Reuters, 21 de abril, 12 de mayo, 29 de mayo y 2 de junio de 2026.
• Sobre Gurugram, Egolab.AI y Build AI, Ayush Tiwari y Raghav Kakkar, “How Big Tech is harnessing the data of Indian factory workers to train robots”, Scroll.in, 20 de mayo de 2026.
• Sobre RLWRLD, Associated Press, 12 de mayo de 2026.
• Reglamento (UE) 2016/679, Reglamento General de Protección de Datos.
• Reglamento (UE) 2024/1689, Reglamento de Inteligencia Artificial, calendario de aplicación de la Comisión Europea y acuerdo político provisional del Parlamento y el Consejo sobre el Digital Omnibus, 7 de mayo de 2026.