- La datificación convierte aspectos de la vida humana en datos cuantificables para su análisis, monetización y control, apoyándose en infraestructuras globales digitales.
- Este proceso nunca es neutro: incorpora sesgos, reproduce desigualdades y tensiona derechos fundamentales como la privacidad y la autonomía personal.
- La economía política y la teoría decolonial muestran la datificación como un nuevo extractivismo o colonialismo de datos, concentrando poder en grandes corporaciones y Estados.
- Frente a ello, se proponen marcos regulatorios más fuertes, gobernanzas de datos inclusivas y prácticas de resistencia que limiten el alcance del sector de la cuantificación social.
La llamada datificación de datos personales se ha convertido en una de las grandes claves para entender cómo funciona hoy la economía digital, la inteligencia artificial y, en general, el poder en las sociedades conectadas. No hablamos solo de usar ordenadores o de pasar información a formato digital, sino de algo mucho más profundo: transformar casi cualquier aspecto de la vida humana en datos cuantificables, analizables y monetizables.
Esta datificación está en la base de fenómenos tan dispares como la publicidad comportamental, el capitalismo de vigilancia, la toma de decisiones automatizada en el sector público, el scoring crediticio o los sistemas de recomendación que nos siguen por todas partes. Al mismo tiempo, entra en tensión directa con derechos fundamentales como la privacidad y la protección de datos, y reabre debates clásicos sobre poder, desigualdad y colonialismo, ahora en clave digital.
Qué es realmente la datificación de datos personales
El término “datificación” sugiere que algo se convierte en datos, pero conviene afinar qué significa exactamente ese “algo” y qué implica el proceso. En su uso actual, los datos se conciben como el resultado de abstraer el mundo en categorías, medidas y formas de representación que permiten manipularlo, compararlo y explotarlo mediante sistemas informáticos. Es decir, son la materia prima para generar información y conocimiento, pero no aparecen de manera espontánea, hay que producirlos.
En el contexto que nos interesa, la datificación se refiere sobre todo a convertir aspectos de la vida humana (conductas, relaciones, emociones, desplazamientos, hábitos de consumo, rendimiento laboral, etc.) en datos digitales. Esa cuantificación no es neutra: normalmente se realiza con un propósito económico (monetización, segmentación publicitaria, optimización de procesos) o de control (vigilancia, gestión de poblaciones, evaluación y clasificación de personas).
Una definición temprana muy influyente explicó datificar como el acto de poner un fenómeno en forma cuantificada para poder tabularlo y analizarlo mediante técnicas de big data. La clave es que la datificación va más allá de la mera digitalización: no se trata solo de escanear documentos o pasar un formulario en papel a un formulario online, sino de crear estructuras de datos que permitan indexar, buscar, correlacionar y, en muchos casos, automatizar decisiones a gran escala.
Con el tiempo, el término ha ido ampliando su significado y hoy suele usarse también para describir la transformación continua de la vida social de manera que cualquier elemento de la experiencia humana pueda convertirse en una fuente inagotable de datos. Plataformas, aplicaciones y dispositivos se diseñan precisamente para que vivamos cada vez más actividades a través de ellos, de forma que siempre se esté generando nueva información medible.
Todo esto se traduce en una auténtica “datificación de todo”, impulsada tanto por grandes corporaciones tecnológicas como por Estados y, en menor medida, por organizaciones de la sociedad civil que también experimentan con el uso de datos para fines cívicos, periodísticos o de investigación.
Por qué los datos nunca son “brutos” ni neutros
Uno de los malentendidos más habituales es pensar que los datos son una especie de materia prima natural, pura y objetiva, algo que simplemente “está ahí” esperando a ser recogido. La investigación crítica en este ámbito insiste en que los datos siempre son el resultado de decisiones de selección, clasificación e interpretación. Lo que medimos, cómo lo medimos y qué dejamos fuera son elecciones cargadas de consecuencias.
En este sentido, se ha llegado a plantear que hablar de “datos brutos” es un oxímoron: no existe tal cosa como datos sin procesar, porque incluso la decisión de considerar algo como “dato” implica ya una abstracción previa. Por eso algunos autores proponen emplear el término “capta” (lo que se captura) en lugar de “data” (lo que se da), subrayando que la información no se encuentra de forma natural, sino que es capturada activamente a través de infraestructuras, métricas y modelos.
Desde esta óptica crítica, la datificación se interpreta como un nuevo modo de ver y ordenar el mundo. Quantificar no solo nos ofrece una herramienta para describir la realidad, sino que la reconfigura: aquello que no puede codificarse, no entra en las bases de datos ni en los algoritmos y, a efectos prácticos, tiende a volverse invisible. Esto importa mucho cuando el resultado de esos procesos se utiliza para conceder créditos, asignar ayudas sociales, puntuar a trabajadores o perfilar a votantes.
También se cuestiona la idea, muy extendida en la divulgación sobre inteligencia artificial, de que las máquinas “aprenden directamente de los datos”. El análisis crítico recuerda que, detrás de cada sistema de IA, hay decisiones humanas sobre qué recopilar, cómo etiquetar, qué modelos ajustar y con qué criterios evaluar los resultados. Presentar el aprendizaje automático como algo casi mágico que extrae verdades de grandes volúmenes de datos contribuye a ocultar esas decisiones y, con ellas, las relaciones de poder implicadas.
Además, expresiones de marketing como “los datos son el nuevo petróleo” refuerzan la idea de que los datos existen como un recurso natural que solo hay que extraer del suelo social. Esta metáfora, muy popular pero bastante tramposa, difumina problemas de apropiación y explotación, porque sugiere que no hay nada que cuestionar en que empresas o Estados perforen sin descanso en nuestra vida cotidiana para alimentar sus modelos de negocio o sus sistemas de vigilancia.
Elementos clave del proceso de datificación
Para entender cómo funciona en la práctica la datificación de datos personales, conviene distinguir dos grandes componentes interrelacionados: por un lado, la infraestructura técnica que hace posible recoger, procesar y almacenar datos; por otro, los procesos de generación de valor a partir de esos datos, ya sea valor económico, político, cultural o social.
En cuanto a la infraestructura, hablamos de un entramado global de plataformas, aplicaciones, servicios en la nube, bases de datos, dispositivos conectados y redes de telecomunicaciones que canalizan flujos continuos de información. Esta capa material y lógica suele estar controlada por grandes corporaciones y Estados, que deciden qué se puede hacer, en qué condiciones y a cambio de qué.
El corazón de este entramado son los mecanismos de recogida de datos personales. La forma más visible es la interacción directa de las personas con plataformas (redes sociales, buscadores, apps de mensajería, servicios de transporte, comercio electrónico, etc.), que registran todo tipo de señales: clics, ubicaciones, tiempos de permanencia, contactos, patrones de consumo, índices de productividad, estados de salud aproximados, entre otros. A esto se suman tecnologías menos visibles como cookies avanzadas, píxeles de seguimiento, SDKs en aplicaciones móviles o dispositivos del internet de las cosas.
Muchas plataformas hegemónicas han logrado que sus mecanismos de recopilación se extiendan fuera de sus propias interfaces. Un ejemplo clásico es la integración de botones, plugins o herramientas de login que permiten rastrear movimientos de las personas usuarias en miles de sitios y aplicaciones distintas, convirtiendo a la plataforma en una especie de “infraestructura de datos” omnipresente.
Para que esta maquinaria funcione, sin embargo, hace falta algo más: hay que conseguir que las personas organicen parte de su día a día en torno a esas plataformas. Es decir, que actividades que tradicionalmente se realizaban offline o a través de otros canales (quedar con amigos, compartir fotos, pedir un taxi, ver una película, comprar comida, ligar, etc.) pasen a hacerse siempre en entornos digitales que registran cada gesto y cada interacción.
El otro gran componente es la generación de valor a partir de los datos. Aquí entra en juego la analítica avanzada, el machine learning y todo un ecosistema de consultoras, agencias de marketing, empresas de intermediación de datos y departamentos internos de ciencia de datos. A través de todo ello, se construyen perfiles, se segmentan audiencias, se elaboran predicciones y se diseñan sistemas de decisión automatizada que influyen sobre comportamientos individuales y colectivos.
Las salidas típicas de estos procesos incluyen publicidad hipersegmentada, fijación dinámica de precios, gestión en tiempo real de cadenas de suministro, modelos de riesgo crediticio o de fraude, sistemas de recomendación de contenidos y productos, algoritmos de priorización de noticias o de resultados de búsqueda, y un largo etcétera. Aunque el foco suele ponerse en las grandes plataformas tecnológicas, existen multitud de actores medianos y pequeños dentro de lo que se ha llamado el “sector de la cuantificación social”.
De los orígenes comerciales a la Cuarta Revolución Industrial
Aunque hoy asociamos la datificación sobre todo con redes sociales o aplicaciones móviles, su historia arranca mucho antes en el ámbito del comercio y la gestión logística. La contabilidad, los primeros registros estadísticos y las bases de datos empresariales ya apuntaban a la idea de cuantificar procesos sociales y económicos para hacerlos más legibles y gobernables.
En la modernidad, distintos Estados desarrollaron sistemas estadísticos y burocráticos cada vez más sofisticados para medir poblaciones, tierras, impuestos y actividades económicas, como forma de controlar y administrar sus territorios. Ese impulso por convertir la realidad social en algo “contable” y gobernable es un antecedente claro de la lógica actual de la datificación, aunque los medios técnicos sean hoy infinitamente más potentes.
Con la expansión de las tecnologías digitales, el abaratamiento del almacenamiento y la capacidad de cómputo, la datificación dio un salto cualitativo. La combinación de internet, móviles inteligentes, sensores conectados y modelos de big data ha permitido registrar y analizar la vida cotidiana con un grado de detalle y un alcance que, hace unas décadas, habría parecido ciencia ficción.
En este contexto, la datificación se ha convertido en el pilar de lo que muchos describen como Cuarta Revolución Industrial. Los datos, incluidos los personales, pasan a asumirse como la nueva materia prima sobre la que se construyen procesos productivos, cadenas logísticas, servicios financieros, sistemas de transporte urbano, plataformas de contenidos, modelos de negocio basados en suscripción y un largo etcétera.
Las redes sociales y las ciencias de redes han desempeñado un papel central en esta evolución. La representación de relaciones humanas mediante grafos de nodos y enlaces ha permitido extraer patrones de interacción, influencia y difusión, no solo entre personas, sino entre personas y objetos o incluso entre objetos conectados entre sí (internet de las cosas). Esto ha abierto el camino a nuevas formas de datificación de las relaciones sociales y materiales.
Sin embargo, este modo de mirar el mundo a través de nodos y conexiones tiende a ignorar lo que no encaja en esa lógica. Si algo no puede representarse como nodo o como relación cuantificable, queda fuera del mapa. Este “nodocentrismo” implica que determinadas experiencias, vínculos o contextos desaparecen de la imagen computada de la realidad, con las implicaciones que ello tiene cuando esa imagen se utiliza para tomar decisiones automatizadas.
Economía política de la datificación: trabajo, plataformas y capital
Desde la economía política, especialmente en la tradición marxista, la datificación se ha analizado como un fenómeno estrechamente vinculado a la generación de beneficios y a nuevas formas de explotación. Una de las ideas más conocidas es la del “trabajo digital” de las personas usuarias: cada interacción en redes sociales, cada contenido subido, cada comentario, like o desplazamiento de pantalla se interpreta como trabajo no remunerado que alimenta la producción de datos de la que las plataformas obtienen valor.
Otras aproximaciones amplían el foco para fijarse en la propia forma económica de las plataformas. Las grandes compañías que dominan el ecosistema digital actúan como mercados multilaterales en los que se encuentran distintos grupos: por un lado, usuarios y usuarias que generan datos; por otro, anunciantes, intermediarios de datos y proveedores de servicios que pagan por acceder a esos datos o a la capacidad de influir sobre las personas a través de ellos; en medio, las propias plataformas, que extraen plusvalía facilitando, controlando y explotando estas interacciones.
Desde esta óptica, la datificación es el motor de un capitalismo que se apoya en la extracción sistemática de información sobre la vida humana, a menudo de forma poco visible. La experiencia cotidiana se convierte en materia prima para alimentar algoritmos de predicción y control. De aquí surgen conceptos como el “capitalismo de vigilancia”, que subraya cómo la observación masiva y continua de las conductas se integra en el modelo de negocio de muchas empresas tecnológicas.
Otros autores dan un paso más y proponen centrarse en la fuerza de abstracción de la mercancía en lugar de limitarse a la noción de trabajo digital. Lo verdaderamente nuevo no sería tanto que los usuarios produzcan datos, sino que la vida misma -relaciones, movimientos, afectos, decisiones- pueda ser traducida a unidades intercambiables de valor, lo que algunos denominan “relaciones de datos”. Bajo esta perspectiva, la datificación reorganiza la vida social para optimizar la extracción de valor informacional en cualquier momento y lugar.
También se ha planteado que los propios datos se convierten en una forma de capital específico, acumulable y explotable a largo plazo. Quien concentra más datos de mejor calidad y cuenta con la capacidad de procesarlos tiene una ventaja competitiva enorme frente a otros actores, lo que refuerza tendencias monopolísticas y dificulta la entrada de nuevos participantes en el mercado.
Datificación, derechos fundamentales y crisis del consentimiento
Desde el punto de vista jurídico, la datificación de datos personales se ve como un desafío directo a derechos fundamentales como la protección de datos y la vida privada. En el marco europeo, el propio Reglamento General de Protección de Datos (RGPD) reconoce expresamente la protección de las personas físicas frente al tratamiento de sus datos personales como un derecho fundamental, no como una mera cuestión contractual o de consumo.
Hace décadas que se vienen advirtiendo los peligros de una recogida masiva e indiscriminada de datos personales para la autonomía individual. La idea de que “si no tienes nada que ocultar, no tienes nada que temer” ha sido contestada desde la teoría jurídica señalando que la privacidad no solo protege secretos, sino también la capacidad de experimentar, cambiar de opinión, equivocarse y actuar sin estar sometido permanentemente a la mirada de terceros.
En este contexto, el modelo clásico del consentimiento informado -marcar casillas tras leer supuestamente una política de privacidad- se ha ido revelando insuficiente. La complejidad técnica de la datificación, la opacidad de los algoritmos, la asimetría de poder entre plataformas y personas usuarias, y la extensión de los tratamientos (perfiles inferidos, decisiones automatizadas, uso combinado de múltiples fuentes de datos) hacen casi imposible que un individuo entienda y evalúe realmente a qué está consintiendo.
La jurisprudencia reciente en la Unión Europea refleja estas tensiones. Casos en los que se analiza la legalidad de modelos basados en la publicidad comportamental, incluyendo variantes como el “consiente o paga”, muestran cómo el consentimiento se está mercantilizando: se ofrece al usuario elegir entre aceptar un rastreo intensivo para fines publicitarios o pagar una cuota para evitarlo, llevando el debate al terreno de cuánto vale, en términos monetarios, mantener un mínimo control sobre la propia huella digital.
En paralelo, otras resoluciones judiciales han calificado la recolección masiva e indiscriminada de datos por parte de grandes plataformas como una injerencia grave en los derechos a la vida privada y a la protección de datos, especialmente cuando se produce sin una base jurídica sólida o en contextos de transferencias internacionales en los que no se garantizan niveles adecuados de protección.
Ante este panorama, el RGPD y otras normas relacionadas intentan reequilibrar mínimamente la balanza, introduciendo principios como minimización de datos, limitación de la finalidad, transparencia reforzada, evaluaciones de impacto y derechos específicos (acceso, rectificación, portabilidad, oposición, limitación del tratamiento, derechos frente a decisiones individuales automatizadas, etc.). No obstante, la escala y velocidad de la datificación hacen que el derecho vaya casi siempre por detrás de la práctica.
Autonomía, conducta y dependencia de las métricas
Más allá de la dimensión puramente legal, distintas teorías críticas han empezado a preguntarse qué le ocurre a la autonomía personal en un entorno en el que casi todo lo que hacemos es registrado y analizado. El uso combinado de algoritmos de segmentación, psicometría, sistemas de puntuación y dispositivos de seguimiento en tiempo real puede erosionar poco a poco la capacidad de decidir sin estar condicionados por incentivos y nudges basados en datos.
Algunas autoras hablan de un nuevo “conductismo de datos”, en el que el objetivo ya no es comprender a la persona, sino predecir y moldear su comportamiento a partir de patrones estadísticos. Sistemas de recomendación, notificaciones diseñadas para explotar sesgos cognitivos, ofertas personalizadas o interfaces cuidadosamente optimizadas contribuyen a dirigir nuestra atención y decisiones hacia los objetivos de quien controla los datos.
Paralelamente, la datificación fomenta una creciente dependencia de métricas externas para definir quiénes somos y qué valemos: puntuaciones de reputación, rankings, contadores de seguidores, registros de productividad, estadísticas de salud obtenidas por pulseras o relojes inteligentes, etc. Cuando esas medidas son opacas y están controladas por actores privados, se abre una brecha entre la experiencia subjetiva y la imagen datificada de uno mismo, que acaba pesando más en muchas decisiones relevantes.
Esto lleva a plantear si la integridad mínima del yo -la sensación básica de ser un sujeto con cierta coherencia y margen de maniobra- no está siendo erosionada por la datificación ubicua. Si saber quiénes somos, qué sentimos y qué nos conviene queda cada vez más mediatizado por datos recopilados y procesados por terceros, la idea misma de agencia y conocimiento humano queda en entredicho.
Datificación, desigualdad y discriminación algorítmica
La datificación tampoco afecta a todo el mundo por igual. Investigaciones en distintos ámbitos han mostrado que los sistemas de perfilado automatizado, scoring crediticio, evaluación de riesgos o asignación de recursos tienden a reproducir e incluso intensificar desigualdades preexistentes de clase, raza, género o estatus migratorio.
Cuando se entrenan algoritmos con datos históricos que reflejan sesgos estructurales (discriminación en la concesión de créditos, en la vigilancia policial, en la selección de personal, en el acceso a la vivienda o a prestaciones sociales), lo más probable es que esos sesgos se incorporen al modelo y se consoliden, ahora con una apariencia de objetividad matemática. Las poblaciones vulnerables pueden ser así vigiladas, clasificadas y penalizadas con una intensidad mayor, pero con menos posibilidades de impugnar la decisión, porque muchas veces ni siquiera se les explica cómo se ha llegado a ella.
Este tipo de problemas se ha documentado en contextos muy diversos: sistemas automatizados de ayudas sociales que etiquetan a determinadas personas como “fraudulentas”, algoritmos de publicidad que muestran anuncios de trabajos de alto salario mayoritariamente a hombres, modelos de reconocimiento facial con peor rendimiento para personas racializadas, filtraciones masivas de datos, o herramientas de evaluación de riesgo penal que puntúan sistemáticamente más alto a determinados grupos étnicos.
En todos estos casos, la datificación funciona no solo como una tecnología de clasificación, sino como un dispositivo de poder que distribuye oportunidades y castigos de manera desigual. De ahí que muchos enfoques críticos insistan en que cualquier análisis de la datificación de datos personales debe incorporar la dimensión de justicia social y no quedarse en debates meramente técnicos o de privacidad individual.
Colonialismo de datos y geopolítica de la datificación
Una de las líneas de análisis más potentes en los últimos años vincula la datificación con la historia del colonialismo y la colonialidad del poder. La idea central es que, igual que en la era colonial se explotaban territorios, recursos naturales y mano de obra en beneficio de potencias imperiales, hoy se explotan recursos sociales (relaciones, comunicaciones, comportamientos, conocimientos) en beneficio de grandes corporaciones y Estados, fundamentalmente de los centros del capitalismo global.
En este marco, se habla de “colonialismo de datos” para describir un régimen en el que la vida humana se considera un dominio abierto a la extracción sistemática de datos. Las infraestructuras digitales -plataformas, nubes, estándares, cables submarinos, centros de datos- se concentran mayoritariamente en unas pocas regiones y bajo el control de un puñado de actores, que imponen sus reglas y modelos de negocio al resto del mundo.
Esta lógica no se limita a una metáfora. Existe una guerra económica y tecnológica muy real por el control de los recursos sociales globales, con especial protagonismo de los sectores de cuantificación social de Estados Unidos y China. La competencia abarca desde la innovación en inteligencia artificial y reconocimiento facial, hasta la fabricación de chips, los sistemas de pagos, los modelos de comercio electrónico y los acuerdos internacionales de propiedad intelectual.
Históricamente, las tecnologías de información fueron esenciales para administrar territorios coloniales y para legitimar la explotación mediante narrativas sobre el “progreso” y la “civilización”. La datificación actual prolonga y amplía estas funciones: permite gobernar a distancia, gestionar poblaciones, moldear opiniones y, al mismo tiempo, invisibilizar las relaciones de dominación al presentarlas como meras innovaciones tecnológicas.
Desde la teoría decolonial se subraya que la datificación no solo domina en el plano material, sino también en el plano cognitivo y epistémico: refuerza la idea de que solo lo cuantificable cuenta, desplaza otros modos de conocimiento y reduce la complejidad del mundo social a variables y correlaciones. Frente a ello, se reclaman formas de producción y uso de datos que partan de las comunidades afectadas y cuestionen la apropiación unilateral por parte de corporaciones y gobiernos.
Resistencias, límites y posibles salidas
La gran dificultad a la hora de plantear alternativas es que la datificación busca precisamente colonizar todo el espacio y el tiempo sociales. Si siempre hay algún dispositivo registrando, alguna plataforma mediando o algún algoritmo procesando, parece casi imposible situarse fuera de su alcance. Aun así, hay líneas de resistencia que apuntan hacia posibles grietas en este sistema.
Una primera línea pasa por identificar los límites internos de la propia datificación. Igual que el proyecto colonial generó centros y periferias, la racionalidad datificadora también produce zonas que no logra cuantificar completamente: experiencias no capturables en métricas, prácticas comunitarias que rehúyen la monitorización constante, espacios tecnológicos diseñados deliberadamente para minimizar la recogida de datos.
Otra línea se sitúa en el terreno normativo y político: fortalecer regulaciones como el RGPD, impulsar leyes que restrinjan usos abusivos de la inteligencia artificial, fomentar obligaciones de transparencia algorítmica, apoyo a modelos de gobernanza de datos que incluyan a las comunidades afectadas y que exploren fórmulas como los trusts de datos, los commons digitales o las infraestructuras públicas de datos.
También existen formas de resistencia más individuales o cotidianas: abandonar determinadas plataformas, configurar con rigor las opciones de privacidad, recurrir a herramientas que limiten el rastreo o el perfilado, apostar por servicios alternativos menos intrusivos, o implicarse en movimientos que cuestionan la expansión del sector de la cuantificación social. Aunque estas acciones, aisladas, puedan parecer poco efectivas frente a gigantes globales, contribuyen a construir una sensibilidad crítica compartida.
En paralelo, proliferan proyectos que intentan demostrar que los datos pueden igual servir para empoderar comunidades, mejorar servicios públicos u orientar políticas en favor de la justicia social, siempre que su recogida y uso se basen en el consentimiento informado, la participación real y el control colectivo. El reto está en evitar que estas iniciativas queden absorbidas por la misma lógica extractiva que pretenden transformar.
La datificación de datos personales atraviesa así muchos de los debates más urgentes de nuestro tiempo: desde la inteligencia artificial hasta la protección de datos, pasando por la desigualdad social, la concentración de poder económico y la herencia del colonialismo. Entenderla como un fenómeno histórico, político y jurídico complejo, y no solo como un tema técnico de big data, es clave para poder decidir qué vida digital queremos construir y qué límites estamos dispuestos a poner a la conversión de nuestra existencia en números explotables.
