Trabajadores de datos de inteligencia artificial mal pagados, a quienes se les pidió revisar videos de cirugías sin experiencia médica, o que fueron obligados a escuchar fragmentos de conversaciones de Alexa una y otra vez.
Estos son sólo algunos ejemplos de cómo es trabajar para la IA. Lejos de ser verdaderamente "artificial", la IA se basa en el trabajo de una fuerza laboral global oculta, que anota datos, etiqueta imágenes y capacita sistemas para funcionar a la perfección.
En lo que respecta a los derechos laborales de los trabajadores de datos de IA, existen varios problemas que siguen sin abordarse y que les impiden ser visibles. ¿Quiénes son estos trabajadores? ¿Qué buscan cuando solicitan empleos en IA? ¿Cómo contribuyen a la cadena de suministro de la IA? ¿Qué se puede hacer para mejorar sus condiciones laborales?
Para responder a estas preguntas, WageIndicator organizó el evento en línea "Los trabajadores fantasma: ¿Sabes quién está detrás de tu IA?", del cual puedes encontrar algunas conclusiones a continuación. Martijn Arets, experto independiente en la economía colaborativa y miembro del equipo de WageIndicator, organizó y moderó el evento.
Antonio Casilli: un mapa mundial del trabajo de datos
Cuando los trabajadores de datos están ubicados en Madagascar y la empresa de IA está en Europa
¿Dónde se ubican con mayor frecuencia los trabajadores de datos de IA y cómo se distribuye la cadena de suministro global de IA en todo el mundo?
Para contextualizar, Antonio Casilli, autor de "Esperando a los robots" y cofundador de DiPLab, lleva mucho tiempo investigando a los trabajadores de datos desde una perspectiva global para obtener una visión más completa de la cadena de suministro de la IA y de sus funciones.
Tomemos como ejemplo altavoces inteligentes como Alexa y Cortana: «Durante nuestras entrevistas, escuchamos la historia de un trabajador de datos al que le pagaban muy poco por escuchar fragmentos de conversaciones en Cortana y comprobar que las había transcrito correctamente. Este es sólo un ejemplo de lo sencillas, pero también repetitivas, que pueden ser estas actividades para los trabajadores de datos». Al mismo tiempo, estas actividades pueden ser muy desafiantes, ya que el trabajador recibe mucho estímulo en poco tiempo.
Y como explicó Castilli: «La cosa se complica aún más cuando analizamos la cadena de suministro. Podemos tener una empresa con sede en EE. UU. que subcontrata la contratación de estos trabajadores de datos a una plataforma china. La plataforma china subcontrata a una plataforma japonesa, y esta a una plataforma española, que acaba contratando a personas en Francia. Las personas en Francia generan los datos y los envían de vuelta a EE. UU.».
La distribución geográfica de la cadena de suministro de IA crea muchas situaciones complejas de gestionar.
Otro caso práctico que analizamos fue el de una empresa que afirma fabricar cámaras de vigilancia inteligentes que se utilizan en supermercados europeos. Estas cámaras son muy eficientes porque no solo detectan personas, sino que también interpretan su comportamiento. ¿Qué tipo de algoritmo complejo dirías que está detrás de esta solución de IA? En realidad, un grupo de 120 personas en Antananarivo, Madagascar, trabaja día y noche en una casa compartida convertida en una fábrica de datos. Todos son trabajadores jóvenes y con buena formación que podrían haber encontrado mejores empleos en otras situaciones y que eran conscientes de que estaban produciendo un tipo de IA. Eran IA.
La mayoría de las empresas de IA tienen su sede oficial en el hemisferio norte, pero en cuanto a dónde se producen los datos, la gran mayoría se produce en países como Indonesia, Filipinas, India, Nepal y Bangladesh. Y esos datos circulan por el Reino Unido y finalmente llegan a Estados Unidos, donde se utilizan para crear las soluciones de IA que todos amamos. En el caso de los trabajadores malgaches, la empresa que supuestamente fabrica las cámaras inteligentes envía datos de Europa a Madagascar, y los malgaches anotan los datos, o al menos los consultan, pero no hay una anotación real. Ellos son el algoritmo. Y lo que es peor, les pagan el equivalente a 100 euros en moneda local al mes. Y a algunos les pagan en comida: un kilo de azúcar, un kilo de frijoles, cinco kilos de arroz, según su rendimiento.
Este es uno de los principales flujos que Casilli, su equipo y otros grupos de investigación han estado investigando, junto con otro flujo interno notable en China, que conecta las ciudades costeras con las del interior, donde el PIB es menor y se realiza el trabajo con datos; el flujo de América Latina hacia Estados Unidos y Europa; y finalmente, África.
De dónde están a quiénes son: Asociación de Etiquetadores de Datos y Claartje ter Hoeven para un retrato realista de los trabajadores de datos en todo el mundo.
¿Quiénes son los trabajadores de datos? Trabajadores con necesidades, aspiraciones y trayectorias muy diferentes. Lejos de la fuerza laboral indistinguible sin características específicas que estos trabajadores parecen ser debido a su condición de "trabajadores fantasma" y su invisibilidad.
Para esclarecer quiénes son los trabajadores de datos y los problemas a los que se enfrentan, WageIndicator invitó a Joan Kinyua, presidenta de la Asociación de Etiquetadores de Datos y exanotadora de datos; a Ephantus Kanyugi, vicepresidente de la DLA; y a Claartje ter Hoeven, profesora de la Universidad de Utrecht, quien trabaja en el proyecto ERC "El bienestar del trabajador fantasma: un marco integrado" sobre las condiciones y el bienestar de los trabajadores de datos de IA en Europa.
"Este no es un campo emergente", insistió Joan Kinyua. Empecé a trabajar como etiquetador de datos en 2017, y mi trabajo consistía básicamente en trabajar con los conjuntos de datos que recibíamos de Europa para su anotación. Puedo afirmar con certeza que participé en el proyecto que mencionó Antonio Casilli, porque vimos videos de alguien eligiendo algo en un supermercado y luego tuvimos que etiquetarlo. Cómo lo ponía en el carrito o cómo lo devolvía, eso era algo que nosotros debíamos anotar.
Cuando aún era un campo emergente, trabajar con datos parecía una gran oportunidad para muchos: «El trabajo con datos es un trabajo muy informal, que no requiere ningún tipo de formación, y las empresas a menudo afirman pagar el mismo salario que un administrador de casas o una niñera. Tenía mucha fe en el etiquetado de datos; siempre creí que los salarios iban a mejorar, que los derechos de los trabajadores iban a mejorar, pero cinco años después la situación solo empeoraba, por eso creamos la Asociación de Etiquetadores de Datos».
La DLA continúa su misión de abogar por un trato justo, apoyo a la salud mental y una remuneración digna para los trabajadores de datos, quienes son reconocidos como contribuyentes cruciales al avance de la IA.
La concienciación es clave: «Es explotación, nada menos, especialmente para aquellos trabajadores que no saben que están siendo explotados. Aprendimos de nuestra experiencia, recopilamos información de otras personas en el sector y fundamos la asociación». Sin embargo, muchos otros trabajadores de datos no tienen la suerte de beneficiarse de esta concienciación.
Ephantus Kanyugi, vicepresidente de la asociación, también aportó su experiencia: «He trabajado en el mismo proyecto que Joan, pero también en proyectos para etiquetar cadáveres y pornografía, y hay que aceptarlo todo porque no hay trabajo estructurado, ni horario fijo, ni pago de horas extras. Los trabajadores a menudo se acostumbran, pero a través de conversaciones e interacciones empezamos a comprender que se podía hacer algo al respecto mediante políticas y la promoción».
Todo se reduce al boca a boca: «En la primera semana de existencia de la asociación, sin campañas activas, logramos atraer a unos 400 miembros. Es una comunidad muy cerrada. De momento, estamos en proceso de iniciar campañas, pero actualmente tenemos unos 700 miembros».
Por su parte, al entrevistar a más de 5000 trabajadores de datos en 27 países de la UE en plataformas como Amazon Mechanical Turk, Micro Workers, Click Worker y Appen, Claartje ter Hoeven y su equipo lograron esclarecer diferentes categorías o perfiles de trabajadores de datos.
Hay un gran grupo de trabajadores que se dedican a este trabajo durante un tiempo, ven cómo es y luego lo dejan. Esa es la mayoría. Para otro grupo, trabajar con datos es un segundo trabajo que realizan mientras se benefician de la seguridad social de su trabajo principal. Algunos intentan ganarse la vida con este trabajo, pero es un porcentaje muy pequeño, porque en la mayoría de los países de estudio, el trabajo con datos casi siempre está por debajo del umbral de pobreza. Finalmente, están quienes disfrutan trabajando con datos y lo hacen por diversión.
Algunas de las conclusiones clave de esta investigación incluyen cómo se sienten los trabajadores de datos respecto a sus trabajos, como explica Claartje ter Hoeven: «Algunos piensan que trabajar solos en casa, sin compañeros ni jefes, no es tan malo porque ya han pasado por muchas cosas en sus vidas y trabajar con datos facilita las cosas. Al mismo tiempo, cuando nos reunimos con algunos de ellos en Róterdam para realizar un documental, disfrutaron mucho sentados juntos durante dos días y compartiendo sus experiencias, incluso las más inusuales, como compartir sus medidas corporales o tomarse fotos con ropa de verano».
| Claartje ter Hoeven (Universidad de Utrecht) y su equipo de investigación revelan el mundo oculto de los datos europeos o trabajadores fantasma. Habló con Martijn Arets sobre su proyecto para el podcast The Gig Work de WageIndicator. Escucha el episodio (en inglés) «Trabajo fantasma: el mundo laboral invisible tras la IA». |
Los trabajadores de datos también deben lidiar con el hecho de que «la legislación suele tardar mucho en actualizarse, y muchas empresas intentan aprovecharse de ello», añadió Joan Kinyua durante la mesa redonda. Las tareas se están volviendo cada vez más complejas y se les asignan tareas más detalladas y microeconómicas que antes.
Así que el nivel de trabajo anterior consistía simplemente en arrastrar esto, añadir aquello, dibujar una persona, dibujar un árbol, dibujar una casa, y ya está. Pero luego entra en detalles. ¿Esta persona está trabajando? ¿Es un niño? ¿Es un adulto? ¿Está olfateando? Si es un coche, ¿la luz intermitente está a la izquierda o a la derecha? ¿Está encendido? ¿Está apagado? En cada fotograma. Desde algo que se puede hacer en dos horas hasta algo que se necesita 20 horas.
Ephantus Kanyugi añadió: «Normalmente trabajamos 20, 18 ó 20 horas, seis días a la semana, y nos pagan unos 10 o 20 dólares por toda la semana. Y después de todas esas horas, ni siquiera te pagan si no pasas el control de calidad», concluyó Joan.
A veces, los proyectos no son lo que parecen cuando las empresas los anuncian («Dijeron tener una oferta de trabajo para anotación de datos, pero pidieron fotos de niños haciendo volteretas o posturas muy extrañas»), o las condiciones cambian según el país al que se postulan los trabajadores.
Claartje ter Hoeven compartió una conversación con un trabajador «que estaba en África, pero de alguna manera, con una VPN, hizo que pareciera que estaba en Europa. Las tareas eran las mismas, la diferencia era el salario».
No es ningún secreto que la cantidad de trabajo necesaria para cobrar puede variar constantemente según la ubicación de los trabajadores: como explicó Ephantus Kanyugi: «Cuando en África se tiene acceso al mismo trabajo, que es exactamente lo mismo, nos damos cuenta de que hay que alcanzar objetivos más altos, así que simplemente no tenemos tiempo libre. Una vez tuve que alcanzar un objetivo del 95 % para cobrar, pero no era lo mismo para alguien en el extranjero. Y entonces alguien en el extranjero cobra, digamos, 13 dólares la hora, mientras que yo sólo recibo, digamos, 20 dólares después de una semana entera. Eso es fraude».
Los altos niveles de vigilancia y la mala salud mental son otros factores que contribuyen al empeoramiento de las condiciones laborales.
Como subrayó Joan Kinyua: «Normalmente les gustan las aplicaciones de vigilancia instaladas en nuestras cámaras porque sólo quieren asegurarse de que no le has dado tu cuenta a nadie».
Y por lo general falta un espacio mental saludable: “La mayoría de nosotros vivimos en casas de una sola habitación, y cuando te dan un proyecto con contenido pornográfico, es posible que te obliguen a trabajar en él con tus hijos o tu cónyuge cerca”.
Es (también) una cuestión de calidad de los datos
¿Por qué podría afectar esto a la calidad de la IA? ¿Cuáles son las implicaciones de responsabilidad para las empresas de IA?
El trabajo con datos no es realmente un sector emergente. En lugar de pedir nueva legislación, podría tener sentido aplicar la existente.
"Todo trabajador merece un trabajo decente", continuó Claartje ter Hoeven. "El trabajo decente debería proporcionarse sobre la base de los cinco pilares del trabajo decente de la Asociación Internacional del Trabajo. Y no creo que este tipo de trabajo cumpla ninguno de ellos. Ante todo, por los derechos de los trabajadores, pero también por la calidad del trabajo con datos, porque sabemos por la psicología organizacional y los estudios organizacionales que si las personas no tienen condiciones laborales decentes, la calidad del trabajo se verá afectada".
Sobre la calidad del trabajo con datos: «Como comentó uno de los participantes del chat, hay personas que tienen que anotar datos médicos sin ningún conocimiento médico. Si hablamos de digitalizar historiales médicos, no lo veo como un gran problema. Pero si tuviera que anotar clips de consultas médicas, eso podría ser problemático para los productos que se entregan. Y eso podría suponer un problema en términos de responsabilidad, porque los datos no cumplirían con los objetivos».
Antonio Casilli añadió una reflexión sobre la calidad del trabajo con datos y la responsabilidad corporativa: «La razón por la que no vemos que estos trabajadores descuiden estas tareas es que las plataformas están organizadas de tal manera que, si los trabajadores no rinden al máximo de sus capacidades y habilidades, su índice de precisión disminuye y se les niegan las tareas, lo que significa que se les niega la compensación». Los trabajadores de datos ahora pueden evaluar cirugías sin conocimientos médicos, porque eso es algo que ahora es posible. Dado que el entrenamiento de IA se basa en grandes cantidades de datos, las empresas buscan una distribución normal de las respuestas a las tareas. Si tienen una distribución normal, pueden centrarse en el promedio y excluir el resto. Lo cual es un riesgo en sí mismo. Esa calidad es difícil de evaluar para las propias empresas. Lo único que pueden hacer es capacitar, reentrenar y reentrenar. Así, este ciclo nunca se detiene. Este trabajo nunca desaparecerá si la situación se mantiene así.
No todo es nuevo: el paralelismo con algunos sectores "tradicionales" como el textil en Indonesia
Dado que el trabajo de datos no es un campo emergente, comparte algunas características con otros sectores "tradicionales" donde los trabajadores carecen de seguridad social y trabajo justo.
Lydia Hamid, coordinadora de proyectos en Gajimu (equipo de WageIndicator en Indonesia), puso como ejemplo el sector textil en Indonesia: «Un panorama muy complejo, con muchos subcontratistas, donde los trabajadores no saben quién es responsable de quién ni a quién acudir si tienen una pregunta o una queja».
Durante los últimos seis años, Lydia y su equipo han trabajado con socios sindicales en una academia de datos y proyectos de Makin Terang centrados en la transparencia de datos para mejorar las condiciones laborales en el sector.
¿Qué podemos aprender de otros sectores? ¿Existen similitudes?
El sector textil es una parte muy importante de nuestra economía: es el segundo mayor contribuyente a nuestro PIB. En 2023, teníamos alrededor de 19 millones de trabajadores en el sector manufacturero, y de ellos, alrededor del 20 % trabajará en el sector textil, de la confección y del calzado.
Estos hallazgos presentan varios desafíos: Esta industria en Indonesia se compone de una combinación de fábricas de alto nivel y también de bajo nivel, muchas de las cuales se encuentran en zonas rurales. Indonesia tiene un salario mínimo diferente para cada región, por lo que estos factores de bajo nivel tienden a priorizar la reducción de costos y la producción a gran escala. Esto incluye la contratación de trabajadores de zonas rurales para pagarles salarios más bajos, y también pueden reubicar sus fábricas para aprovechar la mano de obra más barata en otras regiones, de forma similar a lo que están haciendo las empresas de inteligencia artificial del hemisferio norte. Es más, muchos de ellos operan como subcontratistas de fábricas más grandes y de mayor nivel, y los trabajadores no saben adónde acudir para quejarse de sus condiciones laborales. Permanecen en gran medida desconectados de la cadena de suministro general, y las prácticas laborales a menudo pasan desapercibidas. Las malas condiciones laborales van de la mano con el incumplimiento de las normas laborales, incluidas las medidas de seguridad y la protección de la maternidad.
Lydia también mencionó el caso de los trabajadores a domicilio: «Contribuyen significativamente a la producción textil, pero a menudo pasan desapercibidos y se enfrentan a desafíos similares a los de los trabajadores de datos, como salarios bajos y falta de seguridad laboral. Incluso pueden involucrar a su familia, como a sus hijos, en el trabajo debido a la necesidad de cumplir plazos ajustados».
¿Cuáles son los objetivos del proyecto para lograr mejoras en este contexto? «Queremos aumentar la transparencia de los datos y la cadena de suministro, centrándonos en más del 40 % de las fábricas en API abiertas logísticamente, o ahora conocidos como centros de suministro abiertos. El proyecto tiene como objetivo garantizar que los empleados públicos tengan acceso justo a información de calidad sobre su trabajo».
Martijn Arets concluye: «El caso de la industria textil demostró que existen muchas similitudes entre las industrias y que el sector de los trabajadores de datos no es un sector único que deba esperar nuevas regulaciones: la aplicación de la legislación laboral vigente marcaría una gran diferencia. Cabe mencionar algunas diferencias: en la industria textil, los sindicatos estaban fragmentados, pero bien organizados dentro del sector, mientras que en el sector de los trabajadores de datos no son activos. Esto podría deberse a que, en muchos países, los sindicatos están politizados y siguen un enfoque optimista hacia la tecnología, según el cual el gobierno se complace en acoger a las grandes empresas tecnológicas en sus países, sin cuestionar la calidad del trabajo que ofrecen».
Soluciones: contratos que cumplir, pero también responsabilidad corporativa, acción colectiva, apoyo emocional y nuevas herramientas.
¿Hay soluciones a la vista? Se pidió a los ponentes que respondieran a esta pregunta en la parte final del seminario web, moderado por Fiona Dragstra.
"El primer paso es concienciar a estos trabajadores sobre sus derechos", declaró al abrir el debate. "Este no es un tema nuevo, y la legislación laboral se aplica a las personas en estos países, especialmente por lo que hemos tratado hoy: si eres un trabajador con un contrato, o incluso con otro tipo de contrato, en Madagascar, te aplican las leyes de Madagascar. Por lo tanto, la legislación laboral debería aplicarse".
Gran parte del problema se relaciona con la variedad de contratos disponibles, incluso en los mismos países.
"Los contratos de estos trabajadores son muy diferentes", explica Antonio Casilli. "A veces nos encontramos con personas con contratos de un mes. A veces, en el mismo país, en la misma empresa, nos encontramos con personas contratadas por dos días. Un día, cinco días. Y a veces nos encontramos con muchas personas a las que se les paga por tarea". Este es probablemente el caso que más se ha estudiado, porque empezó con Mechanical Turk, que probablemente fue la primera plataforma, que las plataformas funcionan con la filosofía de todo vale, básicamente adoptarán cualquier tipo de arreglo contractual que sea más ventajoso para ellos.
Así que, a veces, si tenemos contratos, podemos usar la ley para que se cumplan; a veces, tenemos que encontrar formas más innovadoras de abordar el problema; y a veces, tenemos que idear nuevas herramientas, lo que en sociología llamamos repertorios de contención, que son las que tienen a su disposición quienes participan en la acción colectiva.
La responsabilidad corporativa es otro aspecto crucial y muy difícil de implementar porque, como destacó uno de los participantes, las plataformas tienen mucho personal disponible para reemplazar a quienes se van. Sin embargo, siguen siendo responsables de estos trabajadores.
Antonio Casilli continuó: «Necesitamos asegurarnos de que las empresas de IA rindan cuentas de lo que sucede a lo largo de la cadena de suministro. Lo que sucede en Kenia es relevante para alguien en Texas o California. El salario que se paga a la gente en Indonesia es relevante para la calidad de la IA que se produce en Ámsterdam. Contamos con algunas herramientas, especialmente en Europa. Tenemos el RGPD, que regula los datos privados. Tenemos la Directiva sobre el Trabajo en Plataformas, aprobada el año pasado y aplicable a los trabajadores de datos. Y luego tenemos, y creo que la más importante, la Directiva de Debida Diligencia, también aprobada el año pasado. Esta directiva establece que, si una empresa europea de cierto tamaño desea externalizar un proceso empresarial, es responsable de las condiciones humanas, laborales y ambientales de lo que sucede a lo largo de la cadena de suministro».
La acción colectiva sigue siendo el camino a seguir para que los trabajadores de datos se mantengan unidos, denuncien el trato injusto y participen en políticas y actividades de promoción, como demuestra la Asociación de Etiquetadores de Datos. Joan Kinyua y Ephantus Kanyugi compartieron algunas de las medidas clave que se han tomado: «Hemos tenido la gran suerte de conocer a actores clave del sector que nos están poniendo en contacto con actores gubernamentales. Esto nos permitirá presentar nuestro caso a los responsables políticos y, con suerte, impulsar regulaciones que protejan a los trabajadores».
Otro aspecto que apoya a los trabajadores de datos es el desarrollo de comunidades. Soluciones prácticas pueden incluir «oficinas donde las personas puedan ir a trabajar en comunidad durante unos días y compartir lo que hacen. Estamos tan acostumbrados a trabajar en casa y al aislamiento que nunca nos hemos conocido realmente, así que ese tipo de interacción y de unión entre las personas podría ser de gran ayuda».
| También estuvo entre el público Krista Polovski, quien compartió su experiencia como trabajadora de datos, activa en la defensa de los trabajadores y organizadora de Turkopticon, que nació en 2019 como un sitio web de reseñas para brindar a los trabajadores de Amazon Mechanical Turk un espacio para compartir información sobre solicitantes y tareas malintencionadas. Ahora, se ha convertido en una organización sin fines de lucro dirigida por trabajadores que defiende a los trabajadores y sus derechos. Formamos parte de una coalición que trabaja arduamente en la formulación de políticas. Muchos trabajadores de datos son contratistas independientes, no tienen una oficina a la que acudir ni seguro médico, pero se creen afortunados de conseguir incluso el poco trabajo que consiguen. Por eso, motivar a los trabajadores para que luchen por un mejor tratamiento a veces es una gran lucha. Hemos conseguido algunos contactos dentro de Amazon para animarlos a revisar las cuentas bloqueadas y suspendidas y a mantener abiertas las líneas de comunicación. |
Por último, pero no menos importante, es necesario tener en cuenta la salud mental de estos trabajadores. Joan continuó: «Debido a la naturaleza del trabajo, donde las personas trabajan muchas horas, sentados en un escritorio, sin interactuar con otras personas, los trabajadores desarrollan problemas mentales que les provocan mucha ansiedad y depresión. Además, imagínense ver pornografía 20 horas al día durante casi una semana...». La salud mental es crucial y estamos planeando talleres sobre este tema.
Conclusiones
- Los problemas laborales de los trabajadores de datos a menudo se pasan por alto, pero la expansión global de la cadena de suministro, con trabajadores de datos en Madagascar trabajando para empresas europeas, y el empeoramiento de las condiciones laborales, hacen que este debate sea más necesario que nunca, dado que se trata de un sector con una larga trayectoria.
- Al igual que en otros sectores, los trabajadores de datos tienen necesidades, aspiraciones y trayectorias muy diferentes. Entre los problemas comunes se incluyen los bajos salarios, los plazos ajustados, los altos niveles de vigilancia y la mala salud mental debido al aislamiento.
- Como sector con una larga trayectoria, está compuesto por trabajadores que no necesitan ser tratados de forma diferente sólo por ser IA, sino ver que sus condiciones laborales y sus salarios mejoran con el apoyo de la legislación, la defensa de sus derechos y la concienciación de clientes y medios de comunicación.
- También es hora de empezar a hablar más sobre el trabajo de datos y sus salarios. Los trabajadores de datos pueden tener contratos diferentes, pero eso implica conversaciones más profundas. Deberíamos olvidarnos de los salarios solo porque sean trabajadores "atípicos".
- La creación de comunidades puede ayudar a generar conciencia y hacer que los trabajadores de datos se sientan menos solos, pero la aplicación de la ley o las nuevas herramientas para protegerlos y apoyarlos deben ir de la mano.
El próximo seminario web de WageIndicator de la serie sobre la economía de plataformas y el impacto de la IA en el trabajo está programado para el 31 de octubre de 2025: inscríbase en «Negociando con el Algoritmo: El Futuro del Trabajo y los Convenios Colectivos», el evento en línea para comprender mejor el papel de los convenios colectivos en un mundo dominado por la IA.