Resumen de Del Greenwashing al Machinewashing: estrategias de comunicación engañosas en la industria del turismo
A finales de la década de 1960 y principios de la de 1970, cuando la industria de los combustibles fósiles fue criticada por dañar al medio ambiente, las empresas contaminantes pusieron en marcha estrategias de comunicación y lanzaron campañas publicitarias con la intención de mejorar su reputación y ofrecer una imagen más respetuosa frente a la naturaleza.
Con el tiempo, esta práctica de comunicación poco ética, ya que en el fondo seguían apostando por los combustibles fósiles, vino a ser cada vez más frecuente y se denominó greenwashing.
El auge de las tecnologías digitales como el big data, la inteligencia artificial o el aprendizaje automático plantean nuevos desafíos en términos de "ética digital". Hoy podemos ser testigos de un nuevo tipo de greenwashing, en esta ocasión vinculado al sector de la tecnología y denominado machinewashing. Esta práctica comparte las mismas estrategias comunicativas “de lavado de cara de empresas”. Es decir, utilizan campañas de relaciones públicas y publicidad para crear la ilusión superficial de un cambio positivo en la empresa, sin que la realidad lo verifique.
De acuerdo con las primeras definiciones, el machinewashing es esencialmente una nueva forma de greenwashing utilizada típicamente por los gigantes tecnológicos para asegurar sus buenas intenciones en torno a las tecnologías digitales y concretamente a la inteligencia artificial. Ante la preocupación por las posibles consecuencias negativas de un mal uso de la inteligencia artificial estas empresas trabajan arduamente para asegurarnos sus buenas intenciones, aunque en ocasiones, la realidad dista mucho de la imagen que proyectan. Para esto, utilizan estrategias de comunicación (información engañosa comunicada u omitida a través de palabras, imágenes o el algoritmo subyacente de la inteligencia artificial) para componer una imagen positiva, mientras que se centran en la participación en lobbies y en el uso de las relaciones públicas para conseguir retrasar regulaciones más estrictas que les permitan seguir desempeñando conductas poco éticas.
Es curioso que algunas de las secuelas negativas provocadas por un mal uso de la Inteligencia artificial (los accidentes fatales de vehículos autónomos, prejuicios raciales en las sentencias penales, o la vigilancia masiva que erosiona el estado de bienestar) a menudo tienen sus raíces en los algoritmos que impulsan los flujos de ganancias de muchas empresas tecnológicas. Los economistas denominan estos costos sociales “externalidades negativas”.
Identificar información engañosa en el dominio de la inteligencia artificial puede ser más complicado en comparación con el dominio medioambiental debido a la naturaleza compleja y opaca de la inteligencia artificial (algoritmos, tecnología patentada, etc.). Sin embargo, en ambos encontramos esencialmente organizaciones que buscan presentarse de una manera más favorable a las partes interesadas debido a los posibles efectos nocivos (secundarios) para el medio ambiente (greenwashing) o para la sociedad y las personas (machinewashing).
Este trabajo pretende identificar las llamadas técnicas de machinewashing utilizando un modelo ideado por el Prof. Peter Seele, “Modelo de 4 criterios" pero aplicándolo a una de las industrias que más rápidamente están viendo su transformación digital: el sector del turismo.
Al igual que con el cambio climático y la degradación ambiental, si dejamos la supervisión de las máquinas inteligentes únicamente en manos de las empresas que construyen y venden las tecnologías, sufriremos muchas más crisis en las próximas décadas provocadas por conductas poco éticas porque mientras las ganancias sigan fluyendo, los gigantes tecnológicos tendrán pocos incentivos para cambiar los valores y que impulsaron su éxito. La inteligencia artificial aún está emergiendo, pero tenemos claro que es el nuevo marco de nuestras vidas por lo que necesitamos asegurarnos de que se desarrolle un entorno seguro y positivo para los humanos.
