TRIBUNA

La sociedad de los clculos

En tiempos del big data, la sociedad no es observada desde categoras en las que encajaran
los individuos sino a partir de las huellas que realmente dejan y que los singularizan. Los
algoritmos capturan los acontecimientos sin categorizarlos
DANIEL INNERARITY
29 OCT 2016 - 00:00

CEST
La sociedad de los clculos

Se podra decir sin exageracin que vivimos en una sociedad desconocida. Se est suscitando
un intenso debate acerca de por qu se equivocan las encuestas, por qu fallan referendos que
parecan previsibles, pero me temo que eso es un caso concreto que acredita una dificultad
mas general de predecir los eventos futuros. No slo nos cuesta adivinar el resultado de las
elecciones y las consultas, sino tambin el xito de una serie de televisin, el comportamiento
de una empresa en la bolsa o las crisis financieras. Tienen estos fracasos alguna explicacin,
sobre todo si tenemos en cuenta que no carecemos de sofisticados instrumentos de medicin?
Durante los ltimos aos se ha hablado mucho de crisis de la representacin poltica y este
fenmeno tiene mucho que ver con el debilitamiento de los procedimientos estadsticos y los
modelos predictivos que hacan inteligible el comportamiento social. No nos sentimos bien
representados porque cada vez menos gente obedece a una sola lgica, pero tambin porque
no queremos ser entendidos ni gobernados as. Hay en esta resistencia hacia las categoras
generales una explcita o implcita reivindicacin de la singularidad. En ltima instancia, la
desconfianza de los individuos hacia polticos, periodistas, sindicalistas o expertos obedece al
rechazo a ser engullido en clasificaciones previamente definidas. Lo ms que uno puede
aceptar es que le consideren como parte de la gente, y de ah el xito de esta categora tan
leve, en la que es ms fcil reconocerse que en otros trminos ms enfticos.
Esta lgica es tambin consecuencia de la individualizacin que acompaa al uso del mundo
digital. En sociedades jerrquicas en las que el acceso al espacio pblico estaba muy
restringido era fcil hablar en nombre del individuo mediante las categoras que lo
representaban. Gobernantes, lderes de todo tipo y estadsticos hablaban por la sociedad. Esta
palabra delegada aparece cada vez ms como abstracta y arbitraria, incapaz de representar la
diversidad de las experiencias individuales. Los individuos se representan a s mismos o
reclaman no ser reducidos a la categora que les representa.
Ahora bien, toda institucin que pretenda dirigirse al pblico se encuentra con la dificultad de
identificar los deseos de los clientes, los intereses de los trabajadores o la voluntad de los
votantes en un momento en el que los nichos de mercado, la clase trabajadora o la distincin
entre derecha e izquierda han dejado de ser categoras rotundas. Cmo calcular la sociedad
sin categorizar a las personas, sin etiquetarlas excesivamente, pero sin perder al mismo tiempo
la capacidad de identificar a las personas y a los grupos sociales con cierta precisin?

Este es el contexto en el que se presenta la solucin del big data. La sociedad no es observada
desde categoras en las que encajaran los individuos sino a partir de las huellas que realmente
dejan y que los singularizan. En vez de las variables estables y estructurantes, los algoritmos
prefieren capturar los acontecimientos (un click, una compra, un desplazamiento, una
interaccin...) sin categorizarlos.
Para justificar el desarrollo de estos instrumentos predictivos los promotores del big data
descalificaron la capacidad de los juicios humanos como el origen de muchos errores,
demasiado optimistas, ideologizados, sometidos a las emociones. No es casual que estos
procedimientos de interpretacin de nuestras sociedades hayan despertado el entusiasmo de
la izquierda y la derecha; para quienes estaban especialmente interesados en la
autorrealizacin personal, esta revolucin de los clculos prometa emanciparse de cualquier
categora totalizante y consagrar la decisin individual, pero tambin fue asumida por las
polticas neoliberales de los 80, que generalizaron los indicadores pensando as enterrar
definitivamente a las ideologas en favor de una nueva objetividad tecnocrtica.
Para obtener los mejores resultados de esta revolucin de los clculos hay que tomar
distancia, no obstante, frente a ciertos mitos que la acompaan. De entrada, la revolucin de
los datos no nos garantiza la objetividad. Estamos ante una revolucin que consagra las
correlaciones sin causas y los datos sin teora. Pero tambin sabemos, frente a este
objetivismo extremo, que los datos brutos no existen. Toda cuantificacin es una construccin
que establece convenciones para interpretarlos.
Hay otra fuente de inexactitud que procede de que ciertos datos no son el resultado de una
huella involuntaria sino de una accin intencional. Como todas las mtricas de reputacin en la
web, no es difcil manipular los indicadores. Las emisiones de televisin estn muy atentos a
los comentarios que suscitan en Twitter, las marcas cuentan los likes que han recibido (o
comprado) en Facebook, los militantes de los partidos se instalan en sus cuarteles generales
para bombardear las redes sociales cuando su candidato sale en la televisin, hay instituciones
mejorando su performance en los indicadores y no tanto en lo que se supone que los
indicadores deberan medir...
Tal vez lo ms insatisfactorio de esta revolucin de los clculos es que no es nada
revolucionaria. El anlisis de datos acta como un dispositivo de registro, hasta el punto de
tener grandes dificultades para identificar lo que en esa realidad hay de aspiracin, deseo o
contradiccin. Como ha advertido Dominique Cardon, la ideologa de esta sedicente
superacin de toda ideologa es un comportamentismo radical: por un lado nos pensamos
como sujetos emancipados de toda determinacin, pero continuamos siendo en una medida
mayor de lo que desearamos seres previsibles al alcance de los calculadores. Si hemos de
tomarnos nuestra libertad en serio, tambin forma parte de ella nuestra aspiracin de
modificar lo que hemos sido dando as lugar a situaciones hasta cierto punto impredecibles.
Y a este respecto los algoritmos que se dicen predictivos son muy conservadores. Los
algoritmos predictivos no dan una respuesta a lo que las personas dicen querer hacer sino a lo
que realmente hacen sin decirlo. Son predictivos porque formulan continuamente la hiptesis
de que nuestro futuro ser una reproduccin de nuestro pasado, pero no entran en la
compleja subjetividad de las personas y de las sociedades, donde tambin se plantean deseos

y aspiraciones. Apenas registran, por ejemplo, la aspiracin personal de dejar de fumar y

continan hacindonos publicidad de tabaco, dando por supuesto que seguiremos fumando;
en el plano colectivo, tampoco ayudan gran cosa a la hora de formular ambiciones polticas,
como la lucha contra la desigualdad, que contribuyen a reproducir. Cmo queremos entender
la realidad de nuestras sociedades si no introducimos en nuestros anlisis, adems de los
comportamientos de los consumidores, las enormes asimetras en trminos de poder, las
injusticias de este mundo y nuestras mejores aspiraciones de cambiarlo?

Daniel Innerarity es catedrtico de Filosofa Poltica, investigador Ikerbasque en la Universidad

del Pas Vasco y profesor visitante en la Universidad de Georgetown