“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. Entonces, si bien la dimensión nacional y los vínculos más próximos son importantes, no podemos reducir el análisis de la organización, la innovación y la distribución de los réditos asociados a la innovación, a la escala nacional. Mi otra crítica siempre fue que analiza los vínculos sin un componente de análisis de la innovación como una relación de poder”, sostiene la economista e investigadora del CONICET Cecilia Rikap, que acaba de publicar un paper denominado “Big tech, depredación del conocimiento y sus implicancias para el desarrollo”, junto 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) y especialista en las relaciones entre universidad, Estado y mercado, Rikap se dedicó durante años al estudio de la producción pública del conocimiento y los modelos de innovación que permitieron la conformación de grandes monopolios digitales que hoy dominan el mercado mundial, como Facebook, Alphabet (cuya principal empresa es Google) y Apple. De manera similar, también analizó las redes de cooperación y competencia tecnológica de las grandes empresas farmacéuticas y sus relaciones de poder, en particular con universidades y 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 email era directamente para decirme que quería trabajar conmigo sobre lo que yo estaba investigando. Entonces, me dije ¿por qué no?”, recuerda Rikap, y detalla que la noticia le llegó hace poco más de un año. Desde entonces han estado colaborando activamente con Lundvall, participaron en algunos congresos y la semana pasada publicaron el primero de los trabajos que están desarrollando en conjunto.

¿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, 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. Es decir, que van mejorando el producto del análisis de esos datos, 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?

Los algoritmos 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 de datos 1 y el registro de los hinchas de fútbol en una base de datos 2, se cruzan esos dos datos y se detecta, por ejemplo, que la gente que vive en La Boca tiene una mayor propensión a ser de Boca. Esto es algo obvio, pero llevado a escala de bases de datos sobre nuestros comportamientos, tienen la capacidad de anticiparlos. Lo más importante de este método para innovar es que, de alguna manera, el rol de les 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, Microsoft son las empresas más fuertes en lo que es cloud computing (computación en la nube), ofrecen servicios de computación, tanto de hardware como de software, básicamente en las redes. Una empresa puede tener toda su información almacenada en los servidores de Amazon y, en vez de necesitar a alguien que esté programando su sistema operativo o comprar un sistema operativo 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 de desarrollo como un servicio, que permiten que los desarrolladores no necesiten crear todo el software, sino que puedan usar parte de los servicios ofrecidos en la nube, adaptándolos a las especificidades del negocio que está ofreciendo.

“Alguien puede desarrollar un modelo de inteligencia artificial pero necesita los datos, o puede tener los datos pero no el modelo, o, 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”, dice Rikap.

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

Los algoritmos que proveen estos monopolios 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, o 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 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), pero alguien tiene que escribir el algoritmo en primer lugar, y no lo escriben solamente, ni principalmente quienes trabajan en estas organizaciones, sino que estas empresas organizan sistemas de innovación corporativos, asociados con un montón de universidades y start ups con las que investigan, aunque luego no socializan las rentas de la innovación. Eso lo mostramos comparando las estadísticas y redes de copublicación con las de copatentamiento. Por ejemplo, estas empresas tienen investigaciones con muchas universidades sobre temas de salud, como parkinson, cáncer y cardiopatías, que forman parte del sistema corporativo de innovación, pero 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?

Mostramos que esos monopolios no solamente se vinculan con universidades y start ups de sus respectivos países o de países centrales, sino que también realizan investigaciones en conjunto con instituciones de países periféricos. Además, analizamos la otra parte del proceso de innovación, porque la base científica es una parte, que en general la hacen con universidades y algunas empresas, pero también está la parte más aplicada, de la escritura del algoritmo, que si bien se hace con esas mismas instituciones, una parte importante la realizan en plataformas de desarrollo de software libre. La más conocida es GitHub, adonde aparecen proyectos para trabajar colaborativamente en los que muches desarrolladores trabajan de manera voluntaria y gratuita. Entonces, generan una fachada de 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 los distintos campos en los que están investigando, de una manera que les asegura los mejores resultados en materia de conocimiento e innovación, al mismo tiempo en se aseguran de ser las únicas o al menos las principales beneficiarias de ese proceso, en términos económicos. Así, los réditos y el beneficio de la innovación se concentran en unos pocos actores, en detrimento del resto de la sociedad, y el resultado es que, aún estando en medio de una aceleración enorme de desarrollos tecnológicos, a nivel de crecimiento económico, los resultados siguen siendo paupérrimos.

“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, esos datos se analizan con algoritmos de inteligencia artificial”, sostiene Rikap.

¿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 XXI está caracterizado por una fuerte concentración de conocimiento, que ya no es solo científico o tácito, sino también de enormes bases de datos sobre todas las dimensiones de la vida. Unas pocas empresas logran concentrarlo y transformarlo en activos intangibles, a través de los cuales consiguen parte del valor que se produce en el resto de la sociedad, favoreciendo una ruptura del vínculo entre innovación y crecimiento. Por eso, creo que 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 económico 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 estas no son las que permitirán cambiar esta forma de organización de la vida, del conocimiento y, en definitiva, de los recursos.

¿Entonces?

Hay que empezar por reconocer que el conocimiento sigue siendo una fuente fundamental de desarrollo, pero que no todo conocimiento ni toda innovación es necesariamente buena. El conocimiento y la innovación no son neutrales, tienen ciertas orientaciones que tenemos que disputar, sin olvidar quién va a usar y quién va a tener acceso a ese conocimiento. Porque podría pasar que se avance en que cada uno sea dueño de su propio dato, 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 mecanismos que permitan que el conocimiento público pueda ser accedido por toda la sociedad. Hoy se produce muchísimo conocimiento público, pero se monetiza de manera privada por unas pocas empresas. No es solo conocimiento público, es más acceso a ese conocimiento público, más capacidad de decidir sobre cuál es la dirección de ese conocimiento público y cuáles son las vías de investigación. Y, después, poder asegurarnos de que están los mecanismos y las regulaciones que impidan el extractivismo de ese conocimiento público, la apropiación privada de ese conocimiento y, en definitiva, la extracción de rentas a través de un conocimiento que fue producido de manera pública.

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

Sí, pero hay que pensar integralmente a las políticas. La política digital tiene que considerar la capacidad para acceder a Internet y 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 lleva a hacer un replanteo general de la política científica y tecnológica de un país como la Argentina, que prioriza líneas de investigación que favorecen a los monopolios intelectuales, no solo de las farmacéuticas y las empresas digitales u otros monopolios centrales en el devenir del país, 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 más 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 de lo que querían ser: el acceso abierto, el software libre y todas las iniciativas que buscaban contrapesar la privatización del conocimiento terminan subordinándose y favoreciendo a estas empresas, que ni siquiera tienen que pagar por ese conocimiento.

^{TSS (UNSAM) - 17 de diciembre de 2020}