Muchas empresas registran los clics, calendarios y otras interacciones en línea de sus empleados para medir su rendimiento y recopilar información sobre su actividad.
Pero cada vez más personas son conscientes de la extracción pasiva de datos e intentan proteger el uso de su información sin su consentimiento.
Las prácticas de recopilación de datos deben ganarse la confianza de las personas, lo que exige pasar de la mera extracción a una recopilación de datos sobre ellas más cooperativa, humana y voluntaria.
Todas las organizaciones quieren mejores datos sobre las personas. Las organizaciones suelen utilizar esta información sobre la satisfacción y el compromiso de los empleados para evaluar y mejorar la cultura empresarial. Pero ¿cómo afecta a su valor último para la organización la forma en que recopilamos datos sobre las personas?
En la carrera por utilizar la inteligencia artificial (IA), muchas organizaciones han adoptado una mentalidad familiar respecto a los datos: recopilarlo todo y ordenarlo después. Pero la mayoría de los estadounidenses se sienten incómodos con el uso que hacen las empresas de sus datos y se resignan a pensar que han perdido el control, según una encuesta del Pew Research Center. Además, casi el 68 % de los consumidores de todo el mundo afirma tener cierta o mucha preocupación por su privacidad en línea. Estos sentimientos son peligrosos, porque la confianza se desvanece cuando las personas se sienten vigiladas en vez de respetadas.
Desde la vigilancia discreta hasta la inferencia de comportamientos, el auge de la extracción pasiva de datos está provocando una reacción adversa. Algunas personas están marcando sus propios límites al pedir a las empresas que no registren sus clics, extraigan información de sus mensajes de Slack o correo electrónico, ni incorporen sus datos al algoritmo de la empresa sin su consentimiento.
Si queremos que las personas confíen en los sistemas de IA —o en las organizaciones que los crean—, debemos empezar con prácticas de datos que se ganen esa confianza. Eso significa pasar de la mera extracción a algo más cooperativo, humano y voluntario.
¿Qué hace que los datos sean de calidad?
No todos los datos tienen el mismo valor. Para obtener los mejores datos, debemos cuestionarnos no solo qué datos recopilamos, sino también cómo llegan al sistema y con qué propósito.
Las cinco P de Deloitte para el tratamiento ético de datos ofrecen una guía sobre cómo deben ser los buenos datos: trazables, orientados a un propósito, respetuosos con la privacidad, bien protegidos y preparados con esmero. Además, los organismos reguladores están tomando nota y leyes como la Ley de IA de la UE y la Ley de Derechos de Privacidad de California también exigen más consentimiento y transparencia en la recopilación de datos.
Pero el cumplimiento normativo es solo el comienzo. Estos principios también deben asentarse en el contexto humano. Detrás de cada dato hay una persona que gestiona relaciones de poder y busca sentirse cómoda. Los datos que se ofrecen y se comparten libre y conscientemente (también conocidos como datos de parte cero) son fundamentalmente distintos de los datos inferidos, extraídos o obtenidos bajo la presunción de consentimiento.
Por qué la mayoría de los datos sobre las personas se queda corta
A las organizaciones no les faltan datos sobre las personas, pero, al aplicar estos criterios éticos y prácticos, queda claro que gran parte de esos datos resulta problemática si se utiliza por sí sola.
Por ejemplo, las encuestas sobre el compromiso de los empleados suelen ser anónimas y venir impuestas desde arriba. Las evaluaciones del rendimiento, aunque se hagan con buena intención, también suelen ser verticales y sesgadas, e indicar la contribución con retraso. Las herramientas de vigilancia, como el registro de pulsaciones y el seguimiento del comportamiento, ofrecen una ilusión de control, pero rara vez generan conocimiento útil; más a menudo, producen un «teatro de la vigilancia», ya que las personas ajustan su comportamiento para evitar el escrutinio, no para reflejar la realidad.
Incluso enfoques prometedores como el análisis de redes organizativas dependen de la huella digital: datos como el volumen de correos electrónicos o los metadatos de los calendarios, generados como subproducto de la actividad en línea, que rara vez se ofrecen voluntariamente y a menudo introducen sesgos.
La señal de datos más humana que tenemos
Sin embargo, hay una fuente de datos que nos acerca mucho más a la verdad.
Los datos de reconocimiento no se extraen ni se infieren: se ofrecen. Cuando alguien se toma un momento para reconocer públicamente la contribución de un colega, lo hace de forma voluntaria e intencionada. Nos revelan algo que ningún otro sistema puede: quién marca la diferencia, en tiempo real y a ojos de sus compañeros.
Eso, por sí solo, cambia la ecuación. La mayoría de los datos sobre las personas proviene de arriba o se recopila entre bastidores. El reconocimiento, en cambio, viene de compañeros que se fijan, se preocupan y son dignos de confianza. Según el Barómetro de Confianza de Edelman, los empleados tienen 2,5 veces más probabilidades de confiar en sus compañeros de trabajo que en su director ejecutivo. Cuando las personas creen en la fuente, creen en lo que cuenta.
Además, los datos de reconocimiento cumplen todos los aspectos de la lista de verificación ética de las cinco P de Deloitte:
Procedencia clara: se sabe exactamente quién comparte la señal
Propósito alineado: el reconocimiento existe para celebrar, animar y reforzar los valores compartidos
Privacidad y protección explícitas: estos mensajes están pensados para compartirse en un espacio social y visible, no para recopilarse a escondidas
La preparación puede incorporarse desde el principio: el software de apoyo puede ayudar a quienes reconocen a estructurar sus mensajes para aportar más información y vincular los elogios con comportamientos concretos que puedan reconocer tanto las personas como la IA. Por ejemplo, «Gran trabajo al orientar la conversación hacia los objetivos» aporta más información que «¡Buen trabajo, eres genial!».
El reconocimiento también es una forma de los codiciados datos de parte cero. Aunque las personas no digan explícitamente «Utiliza este reconocimiento en tus análisis del rendimiento», sigue habiendo una diferencia significativa entre los datos que se ofrecen y los que se toman.
El reconocimiento se comparte de forma intencionada, a menudo en un espacio social y visible, con el propósito de destacar un gran rendimiento. Esto lo convierte en un poderoso ejemplo de consentimiento implícito. Las personas eligen compartir estas señales con sus propias palabras y en su propia voz. Por eso, los datos de reconocimiento son más humanos y éticamente más sólidos que las alternativas recopiladas de forma pasiva.
Y lo que es fundamental, la intención detrás del reconocimiento casi siempre es positiva: celebrar, animar, agradecer. Por eso es uno de los pocos tipos de datos en los que la intención humana y el uso organizativo están naturalmente en sintonía, ya que ambos se centran en sacar a la luz y celebrar el buen trabajo.
Las organizaciones pueden combinar el reconocimiento con otras señales, como el compromiso, las competencias o el rendimiento, para elevar el nivel ético y analítico de todo su conjunto de herramientas de análisis de las personas. Pero el reconocimiento sigue destacando como una señal excepcionalmente humana y digna de confianza.
Aprovechar las señales que las personas quieren compartir
La ética de los datos importa ahora tanto como el conocimiento que estos aportan. Si queremos mejores respuestas, necesitamos mejores datos de entrada. Si queremos confianza, debemos utilizar datos que la merezcan.
El futuro del análisis de las personas no se construirá a partir de clics ni de metadatos de calendarios. Se construirá a partir de las señales que las personas ofrecen libremente porque quieren que se las vea y confían en el sistema que las ve.
Eso convierte al reconocimiento en un modelo que vale la pena seguir. No porque sea blando, sino porque es sólido. No porque haga sentir bien a las personas, sino porque hace que las organizaciones sean más inteligentes.
Deja de extraer datos de las personas. Empieza a escucharlas.
