Enrique Dans

Un estudio de los perfiles demandados por Apple en sus recientes búsquedas permite a Reuters deducir que la compañía está poniendo un énfasis especial en el ensamblaje de un grupo especializado en machine learning, pero que se encuentra con dificultades a la hora de conseguir que sus terminales ofrezcan prestaciones avanzadas de inteligencia artificial a niveles similares a los que otras empresas están siendo capaces de conseguir.

La raíz de la cuestión no es otra que las provocativas políticas de privacidad de la compañía, que imponen restricciones importantes a la hora de obtener y utilizar información de los usuarios. En su momento, esas políticas fueron concebidas como una forma de diferenciar a Apple con respecto a sus principales competidores: nosotros únicamente vendemos productos, pero no nos dedicamos a comercializar tu información, a espiarte ni a vender a los anunciantes tus datos, tus hábitos de uso o tus preferencias de navegación. Así, los datos procedentes del uso de, por ejemplo, Apple Maps, expiran a los quince minutos de ser introducidos, y no son almacenados para un posible procesamiento adicional. Con esas bases, construir un entorno como Google Now, capaz de cosas como leer tus correos, combinarlos con tus hábitos de transporte y emitir una recomendación sobre la hora a la que debes salir de casa teniendo en cuenta el punto de origen, de destino y las circunstancias del tráfico en ese momento parece como mínimo complicado.

Las dificultades de Apple a la hora de enfrentar esa cuestión merecen una cierta reflexión. La privacidad como tal no es un valor absoluto o una política que sea recomendable desarrollar y exhibir como bandera desde una perspectiva de maximalismo. Por supuesto, los usuarios demandan privacidad: a nadie le gusta imaginarse sus datos siendo procesados a sus espaldas, sin transparencia, para obtener de ellos información de todo tipo destinada a exprimir su cartera en función de hábitos que ni el propio usuario conoce de sí mismo. Que muchas empresas han abusado de la privacidad hasta extremos inimaginables resulta, hoy, completamente evidente. Que algunos gobiernos se han movido en esa misma dirección y, con la excusa de la seguridad, han puesto en marcha auténticas maquinarias hipertrofiadas hasta la aberración que harían palidecer al mismísimo Ministerio de la Verdad del 1984 de George Orwell resulta también completamente innegable.

Sin embargo, también parece claro que muchos usuarios, entre los cuales me encuentro, están dispuestos a pensar en sus datos como en algo que tiene un valor que no es lógico negar, al que no es preciso renunciar de manera maximalista y categórica. Si del procesamiento de mis datos puede extraerse información que me ayude, me aporte comodidad o mejore la propuesta de valor de un producto o servicio, y pueden buscarse garantías que eviten un uso opaco de los mismos, muchos usuarios estaríamos probablemente de acuerdo en permitir dicho uso. Los éxitos obtenidos por Google con Google Now, aunque la compañía no los haya digerido adecuadamente, han llevado a que muchos usuarios hayamos ido pasando de la sorpresa inicial y de cierta sensación incómoda al ver cómo el asistente exhibía una inteligencia que antes suponíamos privativa de las personas, a un uso sostenido y consistentemente acertado que, en no pocas ocasiones, nos facilita mucho la vida.

A la hora de atraer trabajadores especializados en machine learning, la compañía se encuentra un problema: puede resultar enormemente atractiva por quién es y por los recursos con los que cuenta, pero si no hay datos con los que trabajar, poco se va a poder hacer. Hablamos de un mercado de trabajo peculiar: de tamaño aún relativamente reducido, enormemente informado con respecto a lo que se desarrolla en las distintas compañías, a quiénes dirigen qué iniciativas, etc. Como ocurre con los desarrolladores, no se les atrae únicamente con dinero, es necesario poner encima de la mesa cuestiones relacionadas con el equipo: con quién vas a poder trabajar, qué planes tienen, qué vas a poder aprender, cuáles van a ser tus retos. Personas que, por lo general, trabajan en algo que les apasiona, y que si algo temen es estar en una empresa que suponga un freno para su carrera profesional en un momento en el que todo indica que la disciplina está explotando. Para Apple, todo un reto: su política de privacidad puede ser un gran atractivo para quienes usan sus productos, pero puede impedirle convertirlos en competitivos cuando intenta seguir a compañías con políticas mucho más permisivas.

Como todo, la respuesta parece estar en el equilibrio. Un equilibrio que, por otro lado, parece difícil obtener mediante complejos términos de uso de infinitas páginas que permitan tal o cual uso de tal o cual dato, cuya complejidad sin duda escaparía al 99% de los usuarios. Se trata de ser capaz de inspirar confianza, de ofrecer transparencia en el momento en que el usuario la desea, y de ofrecer opciones que permitan evitar aquellas consecuencias de la explotación de los datos que los usuarios estimen inadecuadas. Mucho trabajo que hacer, mucha educación que impartir, muchas explicaciones que dar. No es un simple «no usaremos tus datos», sino un «usaremos tus datos para tratar de ofrecerte un producto mejor, pero no abusaremos de ellos en formas que te parezcan censurables». Difícil tarea cuando los límites de lo que resulta aceptable o inaceptable hacer con los datos oscila de manera dramática en función de todo tipo de variables.

En mis clases, he aprendido a reconocer variables que, aún pareciendo estereotipos clásicos, responden bastante bien a la realidad: los alemanes en particular y los centroeuropeos en general son enormemente más celosos de su privacidad que el resto del mundo: vender servicios basados en la inteligencia de datos en el país que ha presentado mayor número de peticiones de eliminación de la fachada de sus casas en Google Street View resulta todo un reto. Los chinos en particular y los orientales en general son, en cambio, muchísimo más abiertos y permisivos, prácticamente todo les parece aceptable. Los norteamericanos tienden al pragmatismo y a una visión relativamente despreocupada, de «todo está bien si las consecuencias están bien». Una fuerte variabilidad que, unida a las políticas de las propias compañías, va a tener un intenso reflejo en el desarrollo de toda una industria, la del machine learning, que nos vamos a encontrar en cada vez más sitios, y que va a tener una gran influencia en la competitividad de empresas y economías en su conjunto.

Los problemas de Apple a la hora de desarrollar la vía del machine learning lo dejan bastante claro: las cosas no son blancas o negras, y las gamas de grises resultan fundamentales. Ni «vale todo», ni «cero tolerancia». Sin duda, vamos a ver mucho más en el futuro sobre ese balance entre privacidad e inteligencia.

This article is also available in English in my Medium page, “Apple needs to find a way to balance privacy with the needs of machine-learning«