Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
1
ISSN: 0328-3186ISSNe:1851-7072
REDES
Revista de Estudios Sociales de la Ciencia y
la Tecnología
Una perspectiva sistémica del desarrollo tecnológico
de las empresas en el ecosistema productivo
algorítmico
A systemic perspective on the technological development of firms
within the algorithmic production ecosystem
José Ramón Vilana
Arto1
ORCID: 0009-0009-7165-3408 jrvajrva@gmail.com
Ignasi Gozalo
Salellas1
ORCID: 0000-0001-9058-8036 igozalo@uoc.edu
(1) Departamento de Humanidades y Comunicación, Facultad de Humanidades, Universitat Oberta de Catalunya,
España.
Palabras clave
Resumen
Ecosistemas
productivos
Capitalismo
algorítmico
IA conexionista
Servitización
Captología
Economía
política de la
tecnología
Las mejoras que ha supuesto la aplicación de la IA en las organizaciones
empresariales están condicionadas por el marco sociocultural en el que están
inscritas, y que denominamos "ecosistemas productivos". Los ecosistemas
productivos funcionan como sistemas complejos constituidos por cuatro
agentes (tecnología, modelos de gestión empresarial, tipología del poder
predominante y subjetividad de los trabajadores) que interactúan ejerciendo
una influencia recíproca sin haber un claro protagonista. Este modelo distingue
tres tipos ideales de ecosistema productivo –fordista, posfordista y algorítmico–
y analiza cómo el desarrollo tecnológico en las empresas está imbricado en el
ecosistema productivo algorítmico, caracterizado por nuevas propuestas de
valor a los clientes como la servitización (Product as a Service) y el control de
los trabajadores y usuarios mediante herramientas captológicas. El aporte
principal es la articulación de forma sistémica de estos cuatro agentes que
suelen analizarse por separado, evidenciando su carácter co-constitutivo,
atravesado por la omnipresente pulsión acumulativa del capital.
Keywords
Abstract
Productive
Ecosystems
Algorithmic
Capitalism
Cloud
Computing
Servitization
Captology
Political
Economy of
Technology
The improvements brought about by the application of Artificial Intelligence (AI)
in business organizations are conditioned by the sociocultural framework within
which they are embedded, which we refer to as “productive ecosystems”.
Productive ecosystems operate as complex systems composed of four
agents—technology, management models, prevailing forms of power, and
workers’ subjectivity—that interact through reciprocal influences without any
single element acting as a clear protagonist. The model distinguishes three ideal
types of productive ecosystems—Fordist, post-Fordist, and algorithmic—and
analyzes how technological development within firms is embedded in the
algorithmic productive ecosystem. This ecosystem is characterized by new
customer value propositions, such as servitization (Product as a Service), as
well as by the monitoring and control of workers and users through captological
tools. The paper’s main contribution lies in the systemic articulation of these four
agents, which are often examined separately, highlighting their co-constitutive
character and the pervasive influence of capital’s accumulative drive.
Información del
artículo
DOI: 10.48160/18517072re62.913
Recibido: 19/02/2026
Revisado: 23/03/2026
Aceptado: 19/06/2026
Publicado: 20/06/2026
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
2
Introducción
Hoy en día, parece evidente que la IA ha supuesto una importante mejora de la
productividad de las empresas (Cripps et al., 2020; O'Connor, 2016; Wood, 2021)
y, además, está cambiando radicalmente la propuesta de valor que ofrecen a sus
clientes (Kim y Liu, 2023; Kotler y Keller, 2016; Srnicek, 2018). Sin embargo, el
espectacular avance de las redes neuronales profundas, los lenguajes
generativos o las aplicaciones captológicas que impelen a los trabajadores y
usuarios a continuar conectados no son fruto de un determinismo tecnológico,
sino que están condicionados por el marco sociocultural en el que se inscriben,
y que denominamos "ecosistemas productivos". Estos ecosistemas productivos
han evolucionado a lo largo de diferentes épocas –i.e., fordista (1920-1970),
posfordista (1970-2010) y algorítmica (desde 2010)–, y funcionan como un
sistema complejo constituido por una serie de agentes que interactúan
ejerciendo una influencia recíproca sin haber un claro protagonista. Constituyen
lo que Edgar Morin denomina máquinas no triviales (Morin, 1994), en el sentido
de que no son predecibles debido a la complejidad que supone la continua
interacción de sus agentes para constituir una recursividad organizacional,
donde los productos y los efectos son, al mismo tiempo, causas y productores
de aquello que los produce. Los agentes principales que forman parte de estos
ecosistemas productivos son; la tecnología, los modelos de gestión empresarial,
la tipología de poder predominante y la subjetividad de los trabajadores.
En esta investigación nos preguntamos cómo se co-constituyen estos
cuatro agentes en el ecosistema productivo algorítmico y la influencia que tienen
en el desarrollo tecnológico de las empresas. También indagamos cómo se
constituyen las nuevas propuestas de valor como la servitización (Product as a
Service); y qué supone, para la subjetividad de los trabajadores, el paso de
dispositivos disciplinarios a dispositivos más persuasivos como la captología.1
1 Del inglés captology, término acuñado por B. J. Fogg, científico del comportamiento de la
Universidad de Stanford, para referirse al estudio de la capacidad persuasiva de los algoritmos
para influir sobre las actitudes y comportamientos de los seres humanos. Compuesto del
acrónimo de Computers As Persuasive Technologies y la desinencia –logy.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
3
Nuestro objetivo es ofrecer un marco interpretativo de alcance sistémico que
articule estas cuatro dimensiones, habitualmente analizadas por separado.
Enfoque teórico-metodológico
Este trabajo se inscribe en la economía política y la sociología histórica de la
tecnología, y adopta la forma de un ensayo teórico de carácter histórico-
interpretativo, donde pretendemos construir un marco interpretativo que articule,
en perspectiva diacrónica, las grandes transformaciones empresariales.
El enfoque metodológico se apoya en dos dimensiones. En primer lugar, la
construcción de tres tipos ideales de ecosistema productivo –fordista, posfordista
y algorítmico–, que cumplen una función equivalente a la de los tipos ideales
weberianos. Según Weber (2002), el tipo ideal no pretende describir toda la
casuística de la realidad empírica, sino construir un constructo conceptual que
destaque ciertos rasgos y omita otros con el objeto de producir una herramienta
heurística capaz de orientar la interpretación. Los tres ecosistemas productivos
propuestos no pretenden ser descripciones exhaustivas de períodos históricos,
sino construcciones analíticas que permiten identificar la naturaleza co-
constitutiva de los cuatro agentes propuestos: modelos de gestión, tecnología,
subjetividad y poder. Por eso, la periodización que proponemos (1920-1970,
1970-2010 y desde 2010) no responde a determinados hitos cronológicos, sino
a transformaciones graduales en las que conviven lógicas emergentes con otras
que perduran del período anterior. En segundo lugar, recurrimos a casos
empresariales –p. ej., Rolls-Royce, Siemens, Michelin o Amazon– con una
intención ilustrativa y exploratoria. Los hemos seleccionado por su carácter
paradigmático en sus respectivos sectores y por la disponibilidad de información
pública, y los empleamos para esclarecer las tendencias descritas, sin que de
ellos pueda deducirse sin más la generalización del modelo.
Aparición del ecosistema productivo algorítmico
Catarsis de la IA conexionista
A principios de la década de 2010, la IA sufrió una transformación radical que
revolucionó el modelo hegemónico de gestión empresarial y ayudó a conformar
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
4
un nuevo ecosistema productivo. Hasta entonces, la historia de la IA se había
caracterizado por la alternancia entre dos paradigmas, el simbólico y el
conexionista, sin haber un claro protagonista. El paradigma simbólico considera
que la realidad se reduce a un conjunto de símbolos que representan todos los
objetos y conceptos relacionados mediante un sistema de reglas predefinidas.
El paradigma conexionista considera la realidad como una gran red neuronal
donde el conocimiento no es algo estático, sino que está distribuido en la red,
donde emerge a partir de las interacciones entre sus nodos.
La IA simbólica es fundamentalmente deductiva y está basada en la
manipulación de símbolos que representan objetos o conceptos de la realidad
para emular el pensamiento humano mediante un sistema de reglas predefinidas
que describe de manera determinista cómo se relacionan los símbolos. Este
sistema de reglas actúa como un motor de razonamiento con una estructura
básica del tipo "si (condición), entonces (acción)". Este enfoque lógico-deductivo
la convierte en un proceso explícito e interpretable, en el que es fácil rastrear el
proceso de razonamiento a partir de las reglas lógicas que se han aplicado para
llegar a una determinada conclusión. Tuvo una gran repercusión a partir de la
década de 19602 y decayó a finales de la de 1980, debido a la ineficiencia de los
sistemas expertos en los que se basaba para adaptarse a la compleja casuística
de la percepción, el lenguaje y el razonamiento humanos. Los detractores de la
IA simbólica –p. ej., Dreyfus, 2007– critican su visión reduccionista y mecanicista
del mundo al ignorar aspectos fundamentales como la complejidad inherente al
comportamiento humano –por ejemplo, no consideran la naturaleza encarnada
2 De hecho, en 1956, los científicos John McCarthy y Marvin Minsky acuñaron el término
"inteligencia artificial" para contraponerlo al conexionismo de la cibernética primitiva, ya que, en
una época anterior, predominó un incipiente paradigma conexionista originado en un artículo
fundacional escrito en 1943 por el neurofisiólogo Warren McCulloch y el lógico Walter Pitts, donde
propusieron modelar matemáticamente una red neuronal (Cardon, Cointet y Mezières., 2018), y
que culminaría con el famoso Perceptron de Frank Rosenblatt (1957), que construyó la primera
máquina conexionista concebida para el reconocimiento de imágenes. Aunque la aplicación
práctica de esta máquina sufrió las limitaciones técnicas de la época y, sobre todo, se vio frenada
por el desarrollo de una IA que exploraba una dirección de investigación completamente
diferente: la IA simbólica (Cardon, Cointet y Mezières, 2018).
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
5
y contextual de la mente humana que defiende la fenomenología–, la capacidad
de adaptabilidad ante contingencias, la autogestión o la creatividad.
En cambio, la IA conexionista, en la que se basan hoy en día las redes
neuronales profundas, considera el pensamiento como un cálculo masivo y
paralelo de procesos mentales distribuidos, donde el conocimiento no se
almacena estáticamente, sino que aparece a nivel colectivo como efecto
emergente de las interacciones entre una vasta red de conexiones en la que los
datos están lo más atomizados posible para eliminar cualquier estructura
explícita (Cardon, Cointet y Mezières, 2018).
La evolución de la IA ha sufrido dos "inviernos" que pusieron en peligro el
desarrollo de esta tecnología. El primero, a principios de la década de 1970, fue
debido principalmente a los pobres resultados obtenidos por la opción
conexionista del Perceptron de Frank Rosenblatt. El segundo invierno de la IA
(1987-1993) surgió tras el colapso del paradigma simbólico dominante,
especialmente los sistemas expertos basados en reglas (Cardon, Cointet y
Mezières, 2018).
Uno de los hitos que definieron el fin de la disputa entre la IA simbólica y la
IA conexionista, después del segundo invierno de la IA, fue la propuesta que los
investigadores Krizhevsky, Sutskever y Hinton presentaron en 2012 en la
competición anual ImageNet Large Scale Visual Recognition Challenge
(ILSVRC) sobre visión por computador. Se trataba de una red neuronal profunda
con varias capas denominada AlexNet que supuso una catarsis en el desarrollo
de la IA conexionista (Krizhevsky, Sutskever y Hinton, 2012).
A partir de entonces, la IA conexionista resurgió como un antagonismo al
cognitivismo computacional en el que se basaba la IA simbólica, al considerar la
naturaleza masivamente distribuida y paralela de los procesos mentales como
alternativa a la cognición clásica. Explota la metáfora de las neuronas, basada
en unidades elementales unidas entre sí por una vasta red de conexiones donde
el conocimiento no se almacena de manera estática, sino que se aloja en la
intensidad de las conexiones entre las unidades.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
6
Para ello requiere codificar la realidad del mundo en forma de una
representación digital. Todos los textos, imágenes y sonidos se convierten en
vectores con cientos de dimensiones que son procesados por las miles de capas
de las redes neuronales profundas. Este enfoque, basado en la reducción del
contenido a meros datos, de significados a reconocimiento de patrones
estadísticos, supuso un giro radical de la epistemología de la IA. En vez de
intentar enseñar a los ordenadores un método centrado en reglas usando
principios gramaticales, tal y como defendía el enfoque simbólico, se redujo el
habla a meros datos que podían ser interpretados sin la presencia de un
conocimiento o entendimiento lingüístico. Los datos que necesita el paradigma
conexionista no solo deben ser masivos, sino que tienen que estar lo más
atomizados posible para eliminar cualquier vestigio de estructura explícita. Unos
datos que, una vez etiquetados y verificados, constituyen lo que los
programadores de IA denominan "verdad fundamental o verdad base" (Ground
Truth) (Crawford, 2023: 138). A partir de estos datos específicos verificados, la
IA generaliza patrones mediante "inferencia inductiva" (Crawford, 2023) para
poder hacer predicciones o tomar decisiones sobre casos no vistos. Es decir,
realiza un proceso predictivo de generalización que constituye un proceso
probabilístico que imita cómo los humanos aprendemos de la experiencia.
Sin embargo, Pasquinelli afirma que la IA conexionista no predomina sobre
la IA simbólica porque sea más "inteligente" o imite mejor las estructuras
cerebrales, sino porque los algoritmos inductivos y estadísticos son más eficaces
para captar la lógica de la cooperación social que los deductivos, ya que fueron
las relaciones sociales las que forjaron las teorías algorítmicas de la IA siguiendo
la lógica de la autoorganización para captar mejor el campo social y económico.
En este sentido, Pasquinelli recuerda que el paradigma de la autoorganización
se ha utilizado para explicar muchos fenómenos del mundo exterior, como el
funcionamiento autoorganizado de los mercados que postula Hayek, la teoría
sobre las estructuras autoorganizativas de los sistemas termodinámicos de Ilya
Prigogine o la concepción de la Tierra como superorganismo que defiende la
hipótesis de Gaia de James Lovelock. El proyecto de la IA no es biomórfico, en
el sentido de imitar la inteligencia humana, sino sociomórfico, al haber sabido
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
7
codificar las formas de cooperación social y controlar la inteligencia colectiva
(Pasquinelli, 2023).
Hacia un nuevo modelo hegemónico de gestión empresarial
El auge de la IA conexionista contribuyó de forma decisiva al cambio de
paradigma empresarial que se consolidó alrededor de 2010, aunque este cambio
no puede atribuirse exclusivamente a la IA conexionista. Los modelos de gestión
posfordista dejaron de constituir una ventaja competitiva sostenible para las
empresas. La gran mayoría de ellas implantaron los principios del Lean
Manufacturing, soportados por redes de ordenadores descentralizadas y
potentes aplicaciones informáticas distribuidas para gestionar sus operaciones
(Castells, 1996). También influyó el exceso de oferta en los mercados (Srnicek,
2018), la saturación del capital simbólico de las marcas (Klein, 2001) y la crisis
financiera de 2008.
Uno de los cambios más relevantes que adoptaron muchas empresas en
esa época consistió en un nuevo tipo de propuesta de valor que se podía ofrecer
a los clientes gracias al desarrollo de la IA conexionista. Esta innovadora
propuesta de valor se fundamenta en el concepto de Jobs to Be Done (JTBD),
desarrollado por Clayton Christensen.3 El supuesto es que los clientes no
compran productos o servicios por sus características intrínsecas, sino porque
necesitan resolver un determinado problema o alcanzar un objetivo específico,
es decir, completar un "trabajo" que debe hacerse. Esta acepción de "trabajo" no
se refiere a la acepción marxiana del trabajo necesario para producir un
producto, ni al trabajo que el propio producto hace desde un punto de vista
performativo, sino a lo que el cliente quiere lograr (Christensen et al., 2016).
3 Clayton Christensen es uno de los mayores expertos en innovación en el mundo empresarial y
creador del concepto "innovación disruptiva", que presentó en su célebre libro The Innovator's
Dilemma (Christensen, 1997). El concepto de JTBD de Christensen surge a partir de una frase
atribuida al prestigioso economista de Harvard Theodore Levitt: "La gente no quiere comprar un
taladro con una mecha de un cuarto de pulgada. Quieren un agujero de un cuarto de pulgada”
(Christensen, 2006).
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
8
El JTBD ha podido implantarse en las empresas gracias al desarrollo de los
algoritmos, mediante la "servitización" de los productos, también denominada
Product as a Service (PaaS). Este modelo de negocio constituye una revolución
en la propuesta de valor que se puede ofrecer a los clientes. El modelo es muy
sencillo: en vez de vender un producto a un cliente, se le cobra por el uso que
hace de él. El negocio de streaming es un claro ejemplo –p. ej., Netflix, Spotify,
YouTube, etc. La novedad es que, gracias a la digitalización, hoy en día este
modelo de suscripción se está expandiendo a otros terrenos nunca abordados
antes, como alojamientos, bienes de higiene personal o jets privados. Uno de los
ejemplos más notables en el entorno industrial es el alquiler de reactores que ha
desarrollado Rolls-Royce: gracias a la implantación de sensores en los motores
y al uso de sofisticados algoritmos, Rolls-Royce ofrece a las líneas aéreas la
posibilidad de no comprar los motores, sino de pagar una tasa por hora de
utilización. Estos sensores recogen todo tipo de datos relativos al funcionamiento
del motor que, combinados con datos del clima o información del tráfico aéreo,
les permite tener información en tiempo real del estado del motor, e incluso
prever posibles problemas que son considerados en el programa de
mantenimiento que también realiza Rolls-Royce. Además, todos estos datos le
permiten un conocimiento exhaustivo del rendimiento de los motores que puede
aplicar al diseño de nuevos modelos (Srnicek, 2018).
Este modelo de negocio Product as a Service (PaaS), que permite la
digitalización, ha sido adoptado por empresas de sectores de todo tipo, como
Michelin, que ha diseñado una propuesta de valor para sus clientes basada en
cobrar por el uso de los neumáticos en función de los kilómetros que recorren,
gracias a la información que aportan unos sensores instalados en los propios
neumáticos. El PaaS se está consolidando en el ecosistema productivo
algorítmico gracias a las plataformas digitales que abarcan todos los mercados,
aunque sigue siendo un negocio minoritario en términos de facturación.
En su informe anual de 2024, la propia Michelin reconoce que su negocio
principal sigue siendo la venta tradicional de neumáticos y que el segmento de
actividades especiales y soluciones –donde se incluye el PaaS– sigue siendo un
negocio marginal; su estrategia de crecimiento Michelin in Motion 2030 fija, de
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
9
hecho, el objetivo de alcanzar solo un 20% de los ingresos totales en productos
y servicios no relacionados con la venta de neumáticos para 2030 (Michelin,
2021). En este sentido, el PaaS constituye un modelo de gestión hegemónico en
términos cualitativos al marcar la tendencia en el ecosistema productivo
algorítmico, aunque no constituye el modelo de gestión que mayoritariamente
adoptan las empresas de este ecosistema. Este mismo planteamiento es
análogo al que utilizó Marx al considerar la producción industrial en la Inglaterra
del siglo XIX como el modo de producción hegemónico de esa época, cuando,
en realidad, las fábricas solo representaban una pequeña proporción de la
producción del país respecto a otras formas de producción mayoritarias como la
agricultura o la minería, y a pesar de ello posteriormente se produjo una
industrialización de todas las formas de trabajo (Negri y Hardt, 2004). Del mismo
modo que, al principio del ecosistema posfordista, solo Dell aplicaba técnicas de
Lean Manufacturing en la industria de ordenadores o Zara en la industria textil y,
hoy en día, constituye una práctica generalizada en prácticamente todas las
industrias.
La necesidad de las plataformas digitales de un extractivismo intensivo de
datos promueve una estrategia basada en ganar cada vez más usuarios
ofreciendo incluso servicios gratuitos o deficitarios –algo que sería
incomprensible según los principios clásicos de la gestión empresarial fordista y
posfordista– con tal de mantener su insaciable actividad extractiva. Una vez que
tienen los datos, los utilizan de muchas maneras. Google y Facebook los
emplean para venderlos a los anunciantes; empresas industriales como Rolls-
Royce, Michelin o Philips para mejorar sus productos y ofrecer a los clientes una
propuesta de valor basada en el modelo PaaS –que los competidores no pueden
copiar. Uber los usa para optimizar el servicio que ofrece a los clientes, al mismo
tiempo que monitorea la inmensa red de trabajadores autónomos y precarios que
alimentan la plataforma. Amazon, por su parte, alquila infraestructuras digitales
a terceras empresas para que puedan extraer y analizar datos que también utiliza
ella misma para alimentar sus algoritmos, consiguiendo un círculo que consolida
su posición monopolística.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
10
Máquinas de-significadoras
Si el mainframe4 constituyó el "símbolo" del poder centralizado de las grandes
corporaciones industriales fordistas (Ceruzzi, 2003) y las redes distribuidas de
ordenadores personales representaron el paradigma descentralizado del
posfordismo, en el ecosistema productivo algorítmico el hardware que simboliza
esta nueva era es el Cloud Computing.5 El Siglo XXI se ha caracterizado, en
efecto, por una relación simbiótica entre los avances algorítmicos, por un lado, y
las innovaciones en hardware, por otro: una gran parte del éxito de AlexNet en
2012 se basó en el descubrimiento de que las redes neuronales podían
entrenarse con grandes cantidades de datos en múltiples núcleos de GPU
(Graphics Processing Unit) en paralelo, hasta el punto de que estas unidades,
diseñadas originalmente para el renderizado de gráficos, se han convertido en
esenciales para procesar conjuntos de datos masivos (Bigelow, 2018).
A comienzos del presente siglo, los sistemas distribuidos de redes de
ordenadores personales que predominaron en el posfordismo empezaron a
verse insuficientes para adaptarse al entorno empresarial tan volátil que exigía
la insaciable pulsión acumulativa del capital. Las empresas necesitaban
tecnologías de información más flexibles, escalables y con mayor capacidad de
proceso para poder acometer proyectos puntuales a nivel global (Piccoli y
4 Este tipo de ordenador está constituido por una gran unidad de proceso central que utiliza el
procesamiento por lotes (Batch Processing) y consiste en un proceso repetitivo que puede
gestionar una gran cantidad de datos de forma lineal y estandarizada. Uno de los mainframes
más utilizados en la década de 1950 para procesar la logística y el control y administración de
todos los procesos fabriles en corporaciones fordistas como General Motors (1952), fue el IBM
701. En la década siguiente el mítico IBM 360 –basado en estos mismos principios– se utilizaría
en la gran mayoría de empresas multinacionales.
5 El Cloud Computing no es estrictamente hardware, sino un servicio computacional remoto. El
hardware estaría constituido por los servidores, los sistemas de almacenamiento y las
comunicaciones que permiten ofrecer ese servicio. Sin embargo, en el contexto de este trabajo,
consideraremos Cloud Computing al conjunto de todos los elementos del hardware, software y
servicios que constituyen la propuesta de valor que se ofrece a los clientes.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
11
Watson, 2004). La aparición de internet de banda ancha6 y los avances en
tecnologías de virtualización7 hicieron posible ofrecer servicios computacionales
remotos, consolidándose así el denominado Cloud Computing, lo que facilitó en
parte la solución a este problema.
Esta innovadora propuesta permite a las empresas acceder a recursos
informáticos como servidores, almacenamiento de datos, redes y software a
través de internet, sin necesidad de poseer una infraestructura digital propia,
pagando solo por el uso que hacen de estos recursos (Hamdaqa y Tahvildari,
2012). El cliente disfruta de unos recursos informáticos de una manera
transparente, como si fueran propios, aunque, en realidad, estén ubicados en
servidores remotos interconectados y localizados en cualquier parte del mundo.
Esto hace que la escalabilidad de los recursos que puede utilizar una empresa
sea muy elevada, pudiéndolos aumentar o reducir en cualquier momento,
dependiendo de sus necesidades puntuales. De esta manera, las empresas
evitan invertir grandes cantidades en equipos de hardware y software que,
además, deben ser actualizados continuamente. En definitiva, el Cloud
Computing convierte a las tecnologías de información de las empresas en
recursos más flexibles y escalables.
Este nuevo enfoque quedó perfectamente reflejado en un célebre y
visionario artículo de George Gilder; The Information Factories –publicado en
Wired–, donde previó muy acertadamente cómo el futuro del almacenamiento y
procesamiento de datos sería dominado por enormes centros de datos –que
denominó Server Farms. Estas granjas de servidores alojan cantidades
colosales de información, accesible a través de cualquier dispositivo móvil –p.
ej., teléfono, tableta, portátil– conectado mediante una aplicación web, marcando
6 La aparición de internet de banda ancha a principios de la década de 2000 fue producida gracias
al desarrollo de una serie de tecnologías como la DSL (Digital Subscriber Line), las conexiones
por fibra óptica o el cable módem, lo que permitió aumentar el ancho de banda y reducir la
latencia –tiempo que tarda un paquete de datos en moverse entre dos puntos.
7 Tecnología que permite dividir un servidor físico en múltiples servidores virtuales.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
12
el inicio de la "era del petabyte”.8 Intuyó asimismo cómo, en poco tiempo, los
grandes gigantes informáticos como Google se convertirían en Information
Factories para gestionar una magnitud de información inimaginable hasta
entonces. También argumentó acerca de cómo los centros de datos redefinirían
la economía de la informática, centralizando el procesamiento y el
almacenamiento en nodos globales formados por potentes procesadores
interconectados, trasladando la dependencia de los ordenadores personales
locales a servicios remotos (Gilder, 2006).
Uno de los vectores que impulsaron el desarrollo del Cloud Computing fue
la necesidad de empresas como Amazon o Google de desarrollar sus propias
infraestructuras digitales para gestionar la ingente cantidad de datos que se
generaban en sus plataformas. El caso de Amazon es ya un clásico: desarrolló
una infraestructura digital basada en el Cloud Computing para resolver sus
problemas internos de capacidad.9 Posteriormente, en 2006, decidió
comercializar esa infraestructura a terceras empresas bajo el nombre de Amazon
Web Services (AWS), para convertirse en su negocio más lucrativo (Srnicek,
2018). Después de Amazon, aparecieron otras plataformas que ofrecían sus
infraestructuras digitales a terceros, como Microsoft Azure (2010) o Google
Cloud Platform (2012), lo que permitió democratizar una tecnología digital
puntera, solo alcanzable para unos pocos, haciéndola accesible a
8 Un petabyte (PB) es una unidad de almacenamiento de datos equivalente a
1.125.899.906.842.624 bytes (250 bytes), equivalente aproximadamente a 500 mil millones de
páginas de texto.
9 Amazon sufría elevados picos de demanda que se producían fruto de las promociones que
realizaban –p. ej., el Black Friday–, que saturaban sus servidores, causando frecuentes caídas
de su página web. El resto del tiempo, gran parte de la capacidad estaba subutilizada, lo que la
hacía ineficiente y costosa. Por eso, decidió desarrollar una infraestructura interna más flexible
basada en la virtualización y la modularización, de manera que los diferentes equipos de trabajo
en todo el mundo podían acceder a sistemas de almacenamiento, capacidad de computación y
bases de datos bajo demanda, sin necesidad de reconfigurar servidores físicos cada vez
(Rossman, 2014).
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
13
emprendimientos start-up y pequeñas empresas, acelerando su capacidad de
innovación y escalabilidad.10
Muchas empresas utilizan, hoy en día, servicios de Cloud Computing para
ofrecer a sus clientes la nueva propuesta de valor, basada en la "servitización"
de sus productos (Product as a Service). Siemens, por ejemplo, necesitaba una
infraestructura digital con gran capacidad de proceso que pudiera analizar los
datos que recopila a través de sensores instalados en miles de sus productos,
como turbinas, trenes o maquinaria industrial, para poder desarrollar un sistema
IoT (Internet of Things) a gran escala. Como su propia infraestructura digital no
le permitía satisfacer estas necesidades, debido a su limitada capacidad de
procesamiento y falta de escalabilidad, decidió contratar los servicios de Cloud
Computing de Amazon Web Services, que combinó con su propia plataforma en
la nube denominada InsightsHub, diseñada específicamente para el IoT
industrial. Gracias a este servicio, ahora puede recopilar y analizar estos datos
en tiempo real, y desarrollar modelos predictivos que le permiten diseñar un
adecuado plan de mantenimiento de los equipos, así como cobrar a los clientes
una cuota por su uso. Por ejemplo, gracias a los datos que recopila y analiza de
los sensores que tiene instalados en sus ferrocarriles, puede predecir fallos en
componentes críticos como los frenos o los motores, reduciendo el coste de
mantenimiento y mejorando la seguridad (Bahlmann, s./f.).
Granjas de datos
Al observar los modelos de gestión empresarial y la tecnología algorítmica con
una perspectiva sistémica, empezamos a vislumbrar ciertas influencias
recíprocas propias de los ecosistemas productivos, según el principio de
10 Los servicios que ofrecen estas plataformas se pueden agrupar en tres modelos de servicio:
1) infraestructura como servicio (IaaS), donde el cliente utiliza recursos de infraestructura
virtuales como servidores, almacenamiento y redes –p. ej., Amazon EC2 o Google Compute
Engine–; 2) plataforma como servicio (PaaS), la cual proporciona a los usuarios un entorno
completo donde trabajar con todo tipo de aplicaciones y sistemas operativos –p. ej., Google App
Engine o Microsoft Azure App Services–; y 3) software como servicio (SaaS), mediante el cual
se proporcionan aplicaciones completas al usuario, accesibles mediante un navegador web –p.
ej., Google Workspace o Microsoft 365 (Piraghaj et al., 2017).
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
14
recursividad organizacional de los sistemas complejos que proclama Morin
(1994). Por un lado, vemos cómo el Job to Be Done de propuestas de valor como
la servitización de productos (Product as a Service) –como los casos señalados
de Siemens para los ferrocarriles, Michelin para los neumáticos, Philips para los
sistemas de iluminación o Rolls-Royce para las turbinas aeronáuticas–
constituyen una ventaja competitiva sostenible para las empresas algorítmicas.
Por otro lado, estas propuestas de valor difícilmente se podrían haber realizado
sin las posibilidades que ofrece el Cloud Computing de las plataformas. Pero, al
mismo tiempo, los ingresos que supone el lucrativo negocio del Cloud Computing
financian de forma indirecta el negocio principal de las plataformas, mediante
una estrategia de subvenciones cruzadas, como en el caso de Amazon (Srnicek,
2018). Observamos cómo las diversas fuerzas imbricadas en el ecosistema
algorítmico se influyen mutuamente y tienden a reforzar el extractivismo de
datos: para ganar competitividad, las empresas necesitan gestionar mejor los
datos que producen tanto ellas como sus clientes, y para ello recurren a los
servicios del Cloud Computing, lo que refuerza el posicionamiento de las
plataformas, las cuales, gracias al Cloud Computing, mejoran su capacidad
extractiva (Crawford, 2023).
Vemos cómo la organización del trabajo en el ecosistema productivo
algorítmico influye en el desarrollo de la tecnología o, en términos marxistas,
cómo los medios de producción –en este caso, el Cloud Computing o las redes
neuronales profundas– imitan las relaciones de producción, es decir, la
organización ampliada del trabajo en la sociedad. Además, en este ecosistema,
también se puede aplicar la idea de Pasquinelli cuando afirma que las
tecnologías de la información aumentaron su dominio sobre la sociedad no por
un desarrollo tecnológico de carácter determinista, sino por su capacidad innata
para captar la cooperación social (Pasquinelli, 2023).
Todo el contenido puede ser reducido a meros datos a los que se les
despoja de significado, incluso de cualquier huella de estructura explícita para
pasar por la trituradora de las capas ocultas de las redes neuronales profundas
que solo buscan patrones estadísticos que resignifiquen la realidad. Los centros
de datos algorítmicos se han convertido en máquinas "de-significadoras" del
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
15
mundo, en máquinas de la nada que, mediante la fuerza bruta de la estadística,
reinterpretan la realidad. En las empresas, los procesos internos, las máquinas
o incluso los productos o servicios que ofrecen a los clientes, cada vez más, son
reducidos a datos para ser optimizados, incluso los trabajadores son
vectorizados y reducidos a un mero conjunto de datos numéricos susceptibles
de comparación, clasificación y predicción (Rouvroy y Berns, 2013). La
comunicación entre algoritmos y trabajadores ocurre entre dos esferas
epistemológicas diferentes. Cuando el algoritmo de Amazon despide
automáticamente a un trabajador por no alcanzar la productividad
preestablecida, no argumenta, no persuade, no negocia, sino que revela una
verdad calculada que, por su propia estructura, no admite réplica discursiva. Es
indiferente a la naturaleza y motivaciones del sujeto, a su contexto personal o a
las condiciones de su entorno.
En realidad, denominar a estas máquinas como de-significadoras supone
un sesgo antropocéntrico, pues lo que ocurre no es la supresión del sentido sino
su resignificación bajo otra gramática, donde el significado estadístico,
desprovisto de narrativa, causalidad y emocionalidad, desplaza al significado
hermenéutico del que depende la inteligibilidad humana. Emerge así un nuevo
régimen de sentido, una verdad aletheica, tal y como lo denomina Eric Sadin,
donde la exactitud se confunde con la verdad (Sadin, 2020).
Las plataformas se han convertido en el actor más relevante de la cadena
de suministro, al controlar las tecnologías de información que utilizan los
proveedores, fabricantes y detallistas. Además, no solo han desbancado al
cliente de la posición privilegiada que tenía anteriormente, sino que también lo
han convertido en un productor de contenido. Para ello, en el ecosistema
algorítmico, el capital ha sabido hibridar la vida laboral con la personal para
convertir al trabajador en un "prosumidor",11 al haber logrado modificar su
11 Este término, acuñado por Alvin Toffler en su libro The Third Wave (Toffler, 1980), ha sido
utilizado por autores como Han (2021), Srnicek (2018) o Zuboff (2022) para referirse al carácter
dual del usuario y productor de contenido en las redes sociales.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
16
subjetividad mediante técnicas conductuales, tal y como veremos en el apartado
siguiente.
Nuevo giro en la gestión empresarial de la subjetividad
La subjetividad del trabajador también sufre un desplazamiento en el ecosistema
productivo algorítmico. Una de las herramientas que se utilizan para conseguir
esta regresión identitaria es la captología, desarrollada por el profesor B. J. Fogg
de la Universidad de Stanford, gracias a su modelo de comportamiento FBM
(Fogg Behaviour Model) (Fogg, 2022), basado en la teoría de la modificación
conductual de Skinner (1938). La captología "hackea" el cerebro humano para
inducir, de manera subliminal, determinadas conductas. Su principal objetivo es
crear hábitos que vinculen los productos y servicios que ofrece una empresa con
las rutinas y emociones de los usuarios, de manera que estos lleguen a utilizar
sus productos sin necesitar ningún tipo de acción explícita, como anuncios,
promociones, etc. Los hábitos discurren bajo una forma de pensamiento
subconsciente similar al concepto de pensamiento rápido de Kahneman
(2012).12 No son más que la capacidad del cerebro para recuperar rápidamente
la respuesta conductual adecuada a una rutina que desarrollamos
automáticamente, casi de forma inconsciente.
Este punto débil cognitivo del cerebro humano es precisamente lo que
explotan las empresas del ecosistema productivo algorítmico, al atraer al usuario
mediante unos túneles mentales que compartimos todos los seres humanos,
basados en el hecho de preferir la simplicidad y huir espontáneamente de lo
complejo (López Mondéjar, 2024). Esta aversión humana a la complejidad hace
que el objeto de las empresas sea vincular el consumo de sus productos con una
acción irreflexiva por parte del usuario que se active en función de un
determinado concepto o emoción.
12 Kahneman (2012) afirma que tenemos dos tipos de pensamiento. Por un lado, el Sistema 1:
pensamiento rápido, intuitivo y emocional, basado en destrezas innatas y experiencias previas.
Por otro, el Sistema 2: pensamiento lento, analítico y consciente, que requiere un esfuerzo y
atención.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
17
Por ejemplo, Amazon busca crear un hábito en sus clientes que vincule el
deseo de comprar un libro con la acción de abrir su página web, casi como un
acto reflejo. Para eso, desarrolla prácticas de marketing que serían
incomprensibles en el anterior ecosistema posfordista, al priorizar la creación de
hábitos entre los usuarios sobre la venta de sus propios productos. Por ejemplo,
utiliza su página web para publicar anuncios de sus competidores, de manera
que se posiciona en la mente del consumidor como un sitio fiable y neutral donde
comparar productos, lo que acaba generando un hábito muy efectivo en los
usuarios.
En el plano descriptivo, la conformidad por parte del usuario con el proceso
extractivista resulta, en buena medida, irrelevante: la eficacia de los algoritmos
captológicos no depende del consentimiento reflexivo, sino de su capacidad para
orientar la conducta operando sobre los automatismos del pensamiento rápido
(Kahneman, 2012). Si aplicamos el concepto de libertad positiva y negativa de
Berlin,13 vemos que la captología busca cambiar el entorno de la elección con el
objeto de alterar el comportamiento de las personas: aunque no viola la libertad
negativa –en el sentido de que no ejerce una coerción externa–, sí constituye
una amenaza a la libertad positiva al operar sobre el subconsciente. Desde esta
clave crítica, los mecanismos causales que subyacen en activadores externos
como los nudges14 o el contagio emocional tratan de eludir el proceso racional
de toma de decisiones del individuo, lo que algunos autores han caracterizado
13 Isaiah Berlin definió a la libertad negativa como la ausencia de interferencia, coerción u
obstrucción por parte de otros o del Estado y a la libertad positiva como la capacidad de un
individuo de ser dueño de su voluntad, de controlar sus acciones y de determinar su propio
destino. Es decir, tiene que ver con la autonomía o el autogobierno mediante el cual una elección
depende del propio sujeto, no de fuerzas externas de cualquier tipo (Berlin, 1988).
14 Los nudges son activadores externos que buscan modificar el comportamiento de las personas
mediante una intervención sutil no coercitiva. En el entorno digital, un nudge es, por ejemplo, el
sistema de recomendación de Amazon cuando nos sugiere que compremos determinados
productos basados en nuestro historial de búsquedas y compras, o Spotify cuando nos
recomienda una canción concreta. Este concepto fue popularizado por Richard H. Thaler y Cass
R. Sunstein en el libro Nudge: Improving Decisions about Health, Wealth, and Happiness (Thaler
y Sunstein, 2008).
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
18
como una forma de manipulación difícilmente compatible con el respeto a la
autonomía (Han, 2021; Susser, Roessler y Nissenbaum, 2019; Yeung, 2017;
Zuboff, 2022).
Sin embargo, esta caracterización dista de ser unánime. Los defensores
del paternalismo libertario sostienen que los nudges preservan la libertad de
elección, puesto que no eliminan ninguna alternativa ni modifican de manera
sustantiva los incentivos económicos del agente (Thaler y Sunstein, 2008).
Frente a esa postura, consideramos –en línea con Susser, Roessler y
Nissenbaum (2019)– que la dimensión moralmente relevante no es la
disponibilidad formal de opciones, sino el carácter encubierto de la influencia,
que se ejerce sin que el sujeto pueda reconocerla ni resistirse a ella. Es ese
rasgo –la opacidad de la intervención, y no la mera persuasión– lo que permitiría
hablar de manipulación en sentido estricto (Susser, Roessler y Nissenbaum,
2019).
Desde esta misma perspectiva crítica, los dispositivos captológicos
tensionan el ideal ilustrado de subjetividad reflexiva y crítica que empezó a
constituirse con la modernidad. El sapere aude kantiano quedaría interrumpido
por lo que López Mondéjar describe como una identidad adhesiva, formada por
sujetos obedientes y homogeneizados, con una capacidad narrativa atrofiada
que dificultaría la construcción de una subjetividad propia, hasta reducir la
constitución identitaria del sujeto algorítmico a "aspectos miméticos de modelos
sociales expuestos en las redes" (López Mondéjar, 2024:78). Esta tesis de la
regresión identitaria –la producción de un "yo mínimo sin ningún tipo de identidad
personal" (López Mondéjar, 2024: 22)– converge con el diagnóstico de Han
(2021) sobre la homogeneización de la subjetividad en la sociedad del
rendimiento.
Hemos visto cómo las empresas gestionan subjetividades para adaptarlas
a las propuestas de valor hegemónicas en cada ecosistema. Para ello pueden
construir o deconstruir identidades, desarrollar máquinas disciplinadoras –como
en el ecosistema fordista– o de-significadoras –como en el algorítmico–, ignorar
a los clientes con productos estandarizados o modificar su conducta para que
produzcan contenido. Lo único que no cambia es la pulsión omnipresente de la
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
19
acumulación del capital que subyace tras todos estos procesos contingentes.
Todo está relacionado para satisfacer esa pulsión: ni el espectacular avance de
las redes neuronales profundas, el Cloud Computing o los lenguajes generativos
son fruto de un determinismo tecnológico, ni la subjetividad algorítmica es
consecuencia natural de la evolución solipsista de la psique humana, sino de la
ambición de empresas como Google, Facebook o X para que estemos más
tiempo desconcentrados.
Evolución de la tecnología en los diferentes
ecosistemas productivos
La perspectiva histórica de los ecosistemas productivos nos permite una mirada
retrospectiva para entender los mecanismos que han contribuido a consolidar el
capitalismo actual. Ajena a cualquier suerte de singularidad evolutiva como las
tesis involucionistas del tecnofeudalismo de Varoufakis (2024), de catastrofismo
irreductible como la colapsología de Servigne y Stevens (2020) o el
aceleracionismo de Srnicek y Williams (2017),15 esta propuesta nos permite
analizar la evolución de la tecnología con un enfoque sistémico, permitiéndonos
observar el encaje que existe entre los agentes que constituyen cada ecosistema
15 Varoufakis argumenta que el capitalismo ha "muerto" y ha sido reemplazado por un sistema
económico regresivo, que denomina tecnofeudalismo, basado en un sistema de extracción de
rentas por parte de las plataformas digitales que ha reemplazado los pilares fundamentales del
capitalismo basado en la competencia de los mercados y los beneficios (Varoufakis, 2024).
Servigne y Stevens sostienen que el mundo constituye un sistema complejo y frágil,
marcado por una vulnerabilidad sistémica derivada de las intensas interconexiones y
dependencias entre las redes globales que lo conforman –p. ej., redes de cadenas de suministro,
energía, economía o informática. Un fallo en cualquiera de estas redes podría desencadenar un
colapso sistémico que transformaría radicalmente el mundo tal y como lo conocemos (Servigne
y Stevens, 2020).
El aceleracionismo, neologismo acuñado por Srnicek y Williams, propone "acelerar" los
procesos tecnológicos y económicos del capitalismo para superar sus limitaciones y construir un
futuro poscapitalista más justo (Srnicek y Williams, 2017).
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
20
productivo, es decir, la subjetividad del trabajador, los modelos de gestión
empresarial, la tecnología y el poder.16
En el ecosistema productivo fordista, el paradigma empresarial de grandes
corporaciones integradas verticalmente que postulaban autores como Coase
(1937), Schumpeter (1942) o Chandler (1980) está muy alineado con la
predominancia, en esa época, de arquitecturas centralizadas de grandes
ordenadores (mainframes) y con el predominio de la IA simbólica basada en
reglas. También encaja muy bien con la subjetividad del trabajador, convertido
en un eslabón más del proceso fabril, alienado por un poder disciplinario al
someterse a un estricto sistema de reglas y estandarización de procesos. Todos
estos agentes no son más que el reflejo de una manera de entender el mundo,
bajo la episteme de la racionalidad, que predominaba entonces, como un sistema
cerrado y controlable.
Este mismo encaje también se observa en el ecosistema productivo
posfordista bajo la episteme de un mundo reticular y autoorganizado. Lo
observamos en el paradigma de los modelos de gestión empresarial con redes
de empresas descentralizadas, en los sistemas de redes de ordenadores
distribuidos, y en la necesidad de tener trabajadores autónomos y
autocontrolados para poder desenvolverse en organizaciones atomizadas y en
el único tipo de poder que puede ejercerse eficientemente en este entorno: aquel
16 Por "encaje", en este contexto, no nos referimos a una relación de causalidad determinista
entre los agentes, sino al "encaje estratégico" (strategic fit) que Porter sitúa en el núcleo de su
idea de estrategia (Porter, 1996). Según este autor, la ventaja competitiva sostenible no procede
de la excelencia aislada de cada actividad, sino de la coherencia del sistema que estas
conforman, en virtud de tres órdenes de ajuste –la consistencia de cada elemento con la lógica
del conjunto, el refuerzo recíproco entre las actividades y la optimización del esfuerzo coordinado.
Si trasladamos este concepto al modelo de los ecosistemas productivos, el encaje designa la
similitud y las sinergias entre las características de los cuatro agentes –la subjetividad del
trabajador, los modelos de gestión empresarial, la tecnología y el poder–, el refuerzo o la
influencia que se ejercen entre sí y su alineamiento con la respectiva episteme. El encaje no
implica, por tanto, que un agente determine a los demás ni que la tecnología obedezca a un
desarrollo autónomo, sino que los cuatro se co-constituyen como un sistema que se refuerza
mutuamente cuya coherencia explica la estabilidad relativa de cada ecosistema productivo.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
21
que los trabajadores se imponen a ellos mismos y el que ejercen sobre sus
compañeros al interiorizar el discurso del pensamiento positivo transmitido a
través de la cultura organizacional.
Este encaje demuestra el carácter co-constitutivo de los cuatro agentes
bajo la influencia de la respectiva episteme y, al mismo tiempo, refuta cualquier
determinismo tecnológico o desarrollo autónomo de la subjetividad de los
trabajadores, el poder o los modelos de gestión empresarial. La IA simbólica se
desarrolló en el ecosistema fordista porque entonces se creía que el
pensamiento humano se podía reducir a un sistema de reglas predefinidas que
seguían un simple proceso deductivo, tal y como reflejaba entonces la teoría
computacional de la mente (Gardner, 1985) y la teoría del cognitivismo (Cardon,
Cointet y Mezières, 2018). Del mismo modo que bajo la episteme reticular
posfordista, el subjetivismo del trabajador basado en relacionar la felicidad con
la actitud personal no fue fruto de un desarrollo solipsista de la psique sino de la
autonomía y autocontrol que requerían las redes de empresas descentralizadas.
El ecosistema productivo algorítmico no constituye una excepción a este
enfoque. Al comienzo de este ecosistema, muchas empresas se dieron cuenta
de que fabricar buenos productos ya no era suficiente. La saturación de los
mercados (Srnicek, 2018), la dificultad para mantener la diferenciación de las
marcas (Holt, 2002; Keller, 2013; Klein, 2001), la externalización de la fabricación
a contract manufacturers (Arruñada y Vázquez, 2006), o el auge de China como
mayor fabricante mundial, cuestionaron el paradigma de los modelos de gestión
vigentes hasta entonces.17 Las empresas tenían que mejorar el vínculo con sus
17 A partir de la década de 1990, muchas empresas empezaron a externalizar la fabricación
completa de sus productos a contract manufacturers que acabaron produciendo sus propios
productos con sus propias marcas, compitiendo directamente con sus antiguos clientes. Es el
caso del contract manufacturer chino SAIC que acabó compitiendo con sus antiguos clientes
como Volkswagen o GM con sus propios modelos Rowan o Soyat. También Lenovo, antiguo
contract manufacturer de IBM, acabó compitiendo con su cliente, que acabó vendiéndole su
división de computadoras personales (Arruñada y Vázquez, 2006) o el fabricante de aviones
chino AVIC acabó compitiendo con su antiguo cliente, Airbus.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
22
clientes si querían sobrevivir. El desarrollo tecnológico que supuso el Cloud
Computing, las plataformas digitales, las nuevas posibilidades del Product as a
Service (PaaS), Internet of Things (IoT) o la Infrastructure as a Service (IaaS) les
abrieron posibilidades impensables hasta entonces al poder mejorar su
propuesta de valor como la servitización de sus productos o el uso de las redes
sociales. Gracias a la tecnología, podían recoger datos de los clientes a través
de sus productos y ofrecerles ofertas personalizadas,18 mejorar la propuesta de
valor,19 prever sus necesidades o, incluso, modificar su conducta (Zuboff, 2022).
Si en el ecosistema fordista, las empresas eran consideradas como una
gran computadora, bajo la episteme de la racionalidad, y en el ecosistema
posfordista, se consideraban como una máquina social, bajo la episteme
neuronal, constituida a través de lazos débiles autoorganizados, en el
ecosistema algorítmico, las empresas se están convirtiendo en granjas de datos
donde los productos son las semillas que siembran en hogares y empresas a
través de los cuales recopilan ingentes cantidades de información de sus
clientes. La lista de productos que se equipan con sensores IoT en los hogares
es cada vez mayor –p. ej., altavoces, relojes, luces, electrodomésticos, etc.–, y
en las empresas se empieza a aplicar a cualquier producto industrial, permitiendo
nuevas propuestas de valor como cobrar solo por el Job to Be Done que realizan:
compresores de aire –metros cúbicos de aire que comprimen– , neumáticos –
Actualmente, China representa el 35% de la fabricación mundial de productos. Este
porcentaje ha aumentado espectacularmente en los últimos 25 años desde un 7% en 2000 y se
espera que siga creciendo en los próximos años (Norton, 2024).
18 Por ejemplo, Nike utiliza Instagram y X para recopilar datos de sus clientes, como comentarios
en publicaciones de campañas –por ejemplo, #JustDoIt– y contenido generado por los usuarios.
También emplea herramientas de análisis social, como Adobe Marketing Cloud, para rastrear
visitas a su sitio web desde las redes sociales, preferencias de sus productos y datos
demográficos.
19 Gracias a los datos que recogen los sensores instalados en los motores de los aviones, Rolls-
Royce, con su propuesta de valor "Power-by-the-hour", se puede responsabilizar del
mantenimiento, monitorización en tiempo real y reparaciones para garantizar un rendimiento
óptimo. Si un motor no cumple con las horas acordadas, Rolls-Royce asume penalizaciones, lo
que refuerza la confianza del cliente.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
23
kilómetros que recorren–, maquinaria industrial –piezas que cortan o pliegan–,
etc.20 Esta información es analizada por los algoritmos alojados en plataformas
digitales para hacer recomendaciones a los clientes –p. ej., cuando va a caducar
un producto en el refrigerador o cómo mejorar un proceso para ahorrar energía
en una empresa– y así fortalecer los vínculos con ellos, construyendo una
cautividad de la que cada vez será más difícil desligarse.
La estrategia a largo plazo de las empresas algorítmicas se basa en
intensificar estos vínculos con los clientes para evitar competir solo con el
producto donde la batalla en coste con los grandes contract manufacturers
asiáticos como Foxconn está perdida.21 Bajo esta perspectiva sistémica,
podemos comprender que el nudge del reloj inteligente cuando llevas varias
horas sin moverte o el consejo que le da el algoritmo de la fresadora al operario
para mejorar el mecanizado de una pieza no solo constituyen evidentes mejoras
técnicas del producto, sino que también son parte de una estrategia de las
empresas para sobrevivir.
Conclusiones
Una primera conclusión que se desprende de este trabajo es la eficacia
heurística del modelo teórico del ecosistema productivo, a pesar de la necesaria
reducción, como aproximación adecuada a la realidad compleja que constituye
el funcionamiento del capitalismo en cada época. Su carácter evolutivo tiene
muchas analogías con el enfoque genealógico de Pasquinelli (2023), al
considerar al capitalismo actual como la adaptación de unos actores y fuerzas
ya conocidas a un entorno en continua transformación co-constituido
principalmente por la tecnología, los modelos de gestión empresarial, la
subjetividad de los trabajadores y la tipología del poder. Una continuidad con
20 Véanse por ejemplo los casos de Atlas Copco (Atlas Copco, s. /f.), Michelin (Michelin, 2025) y
Trumpf (Hoecklin, 2016), respectivamente.
21 Actualmente, Foxconn fabrica el iPhone y el iPad de Apple, la tablet Kindle de Amazon, la
PlayStation de Sony, la Xbox de Microsoft, la consola de Nintendo, varios modelos de
ordenadores para HP, Dell, Acer, televisores para Sharp y Sony, entre otros muchos (Chan, 2013;
Maharani y Mursitama, 2023; Wang y Jiang, 2021).
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
24
diferentes máscaras que sigue dominada por la omnipresente y diacrónica
pulsión acumulativa del capital.
Este modelo de ecosistemas productivos diverge de las tesis marxistas de
Boltanski y Chiapello (2002) que consideran al espíritu del capitalismo como el
verdadero agente de la historia, y también de las tesis operaístas, como las de
Tronti y su giro copernicano, que afirman que son las revueltas de los
trabajadores las que configuran los desarrollos del capital (Tronti, 2001). Nuestra
propuesta está más cercana al concepto de paradigma científico de Kuhn (2006)
o a la de marco tecnológico del construccionismo social de la tecnología (Bijker,
Hughes y Pinch, 1987). También tiene ciertas analogías con la sociedad-red de
Castells (1996), sobre todo en lo que se refiere al ecosistema productivo
posfordista.
La segunda conclusión es la imbricación de la IA, al igual que otros avances
tecnológicos anteriores como el mainframe fordista o las redes descentralizadas
de ordenadores posfordistas, en los marcos sociales, políticos y económicos en
los que se desenvuelven las empresas, ajena a cualquier forma de determinismo
tecnológico. Pasquinelli, en este sentido, afirma que la IA no solo constituye una
herramienta para automatizar el trabajo y sustituir a los trabajadores, sino que
busca imponer nuevos estándares de "inteligencia" que reproduzcan y amplíen,
de forma más o menos invisible, jerarquías sociales y económicas que refuercen
el poder existente y aumenten los beneficios de las empresas (Pasquinelli, 2023).
La tercera conclusión es la alineación y coherencia del desarrollo de la
subjetividad del trabajador con el contexto sociocultural y tecnológico del
ecosistema productivo. Al igual que en el ecosistema fordista el dispositivo
disciplinario buscaba paliar la subjetividad deficitaria del trabajador subordinando
el cuerpo a la máquina, o en el ecosistema posfordista, los dispositivos de control
lograron moldear el exceso de subjetividad del trabajador bajo el discurso de la
psicología positiva. En el ecosistema algorítmico, las empresas utilizan
dispositivos de naturaleza más persuasiva, extendiendo sus tentáculos para
modificar la subjetividad, no solo de los trabajadores, sino también de los clientes
para convertirlos en prosumidores de contenido. Las empresas algorítmicas
necesitan trabajadores y clientes con un "yo mínimo" (López Mondéjar, 2024: 78)
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
25
que les permita robar su atención mediante señuelos captológicos para poder
modificar su conducta. Ya no es necesaria su conformidad, ya que la capacidad
de persuasión de los algoritmos permite socavar la libertad positiva del individuo
sin que este sea consciente.
Por último, destacar la importancia del marco de pensamiento contingente
que subyace a cada ecosistema productivo. El paradigma fordista se basaba en
la idea de representar el mundo como una computadora y reducirlo a un sistema
cerrado y previsible donde toda la realidad se podía representar mediante
símbolos y reglas. El paradigma posfordista, al contrario, influenciado por las
tesis de Hayek, creía que el mundo era inaprensible y que solo podíamos
conocer partes de él. Por eso, tiende a autoorganizarse en pequeños nodos en
los que sus agentes toman decisiones basadas en conocimiento tácito con solo
fragmentos dispersos de información incompleta. Los modelos de gestión
posfordista buscan capturar los flujos de este conocimiento y experiencia social
–i.e., el conocimiento tácito supraconsciente de la red–, diseminados a lo largo
de los nodos que constituyen las redes de empresas. El paradigma algorítmico
considera que el mundo se puede representar mediante un conjunto de datos.
Toda la realidad se puede datificar despojándola de su significado original para
reducirla a patrones estadísticos que resignifiquen dicha realidad. En el contexto
empresarial, gracias a la capacidad de las nuevas tecnologías, esto significa que
es posible capturar todos los comportamientos sociales y la racionalidad
colectiva de trabajadores y clientes, así como el rendimiento en tiempo real de
las máquinas, permitiendo un extractivismo y análisis masivo del conocimiento
humano y maquínico con una eficiencia desconocida hasta ahora.
La pregunta que nos planteamos ahora es si avanzamos hacia una suerte
de paradigma "posalgorítmico" donde la IA podría alcanzar una omnisciencia que
aprehenda todo el conocimiento explícito y tácito, humano y maquínico, donde
ya no sea necesario capturar ningún tipo de General Intellect y el mundo vuelva
a ser un sistema cerrado y previsible, o si, al contrario de esta inevitabilidad
histórica, avanzamos a otra etapa más del capitalismo, dominado por otro marco
de pensamiento contingente, que gracias a la naturaleza camaleónica de sus
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
26
agentes se adaptará una vez más a un nuevo contexto bajo la única esencia que
permanece: la pulsión acumulativa y omnipresente del capital.
Referencias bibliográficas
Arruñada, B. y X. H. Vázquez (2006), “When your contract manufacturer
becomes your competitor”, Harvard Business Review, 84, (9), pp. 135-145.
Atlas Copco (s./f.), AIRPlan: contrato integral para suministro de aire comprimido,
Atlas Copco. https://www.atlascopco.com/es-
es/compressors/service/plans/air-plan
Bahlmann, C. (s./f.), Putting the AI on rails, Siemens Mobility.
https://www.mobility.siemens.com/global/en/company/thought-leadership-
stories/putting-the-ai-on-rails.html
Berlin, I. (1988), “Dos conceptos de libertad”, en Berlin, I., Cuatro ensayos sobre
la libertad, Madrid, Alianza, pp. 187-243.
Bigelow, S. J. (2018), “What does GPU hardware do in the data center?”,
TechTarget, 13 de noviembre.
https://www.techtarget.com/searchdatacenter/answer/What-does-GPU-
hardware-do-in-the-data-center
Bijker, W. E., T. P. Hughes y T. Pinch (eds.) (1987), The social construction of
technological systems: New directions in the sociology and history of
technology, Cambridge, The MIT Press.
Boltanski, L. y E. Chiapello (2002), El nuevo espíritu del capitalismo, Madrid,
Akal.
Cardon, D., J.-P. Cointet y A. Mazières (2018), “Neurons spike back: The
invention of inductive machines and the artificial intelligence controversy”,
Réseaux, 21, (5), 173-220. https://doi.org/10.3917/res.211.0173
Castells, M. (1996), La sociedad en red: Economía, sociedad y cultura, Vol. 1,
Madrid, Alianza Editorial.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
27
Ceruzzi, P. E. (2003), A history of modern computing, 2ª ed., Cambridge y
Londres, The MIT Press.
Chan, J. (2013), “The politics of global production: Apple, Foxconn and China's
new working class”, New Technology, Work and Employment, 28, (82), pp.
100-115. https://doi.org/10.1111/ntwe.12008
Chandler, A. D. (1980), “The growth of the transnational industrial firm in the
United States and the United Kingdom: A comparative analysis”, The
Economic History Review, 33, (3), pp. 396-410.
Christensen, C. M. (1997), The Innovator's Dilemma: When new technologies
cause great firms to fail, Boston, Harvard Business School Press.
Christensen, C. M. (2006), “What Customers Want From your Products”, Working
Knowledge, Harvard Business School. https://www.library.hbs.edu/working-
knowledge/what-customers-want-from-your-products
Christensen, C. M. et al. (2016), Competing against luck: The story of innovation
and customer choice, Nueva York, Harper Business.
Coase, R. H. (1937), “The nature of the firm”, Economica, 4, (16), pp. 386-405.
Crawford, K. (2023), Atlas de IA: Poder, política y costes planetarios de la
inteligencia artificial, Barcelona, Ned Ediciones.
Cripps, H. et al. (2020), “The use of Twitter for innovation in business markets”,
Marketing Intelligence & Planning, 38, (5), pp. 587-601.
https://doi.org/10.1108/MIP-06-2019-0349
Dreyfus, H. (2007), “Why Heideggerian AI failed and how fixing it would require
making it more Heideggerian”, Artificial Intelligence, 171, (18), pp. 1137-
1160.
Fogg, B. J. (2002), Persuasive technology: Using computers to change what we
think and do, San Francisco, Morgan Kaufmann.
Gardner, H. (1985), The mind’s new science: a history of the cognitive revolution,
Nueva York, Basic Books.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
28
Gilder, G. (2006), “The information factories”, Wired, 1° de octubre.
https://www.wired.com/2006/10/cloudware/
Hamdaqa, M. y L. Tahvildari (2012), “Cloud computing uncovered: A research
landscape”, Advances in Computers, 86, pp. 41-85.
https://doi.org/10.1016/B978-0-12-396535-6.00002-8
Han, B.-C. (2021), Psicopolítica, Barcelona, Herder.
Hoecklin, P. (2016), “To the point”, TRUMPF Express, (1/16), p. 5.
https://www.trumpf.com/filestorage/TRUMPF_US/Corporate/Corporate_Br
ochures_and_publications/Express-Issue-012016.pdf
Holt, D. B. (2002), “Why do brands cause trouble? A dialectical theory of
consumer culture and branding”, Journal of Consumer Research, 29, (1),
pp. 70-90. https://doi.org/10.1086/339922
Kahneman, D. (2012), Pensar rápido, pensar despacio, Barcelona, Debate.
Keller, K. L. (2013), Strategic brand management: Building, measuring, and
managing brand equity, 4ª ed., Harlow, Pearson.
Kim, J. y W. E. Liu (2023), “Airbnb purchase intentions: How familiarity and social
media impacts millennials”, Journal of Global Hospitality and Tourism, 2, (2),
pp. 183-202. https://doi.org/10.5038/2771-5957.2.2.1028
Klein, N. (2001), No logo: El poder de las marcas, Barcelona, Paidós.
Kotler, P. y K. L. Keller (2016), Marketing management, Harlow, Pearson.
Krizhevsky, A., I. Sutskever y G. E. Hinton (2012), “ImageNet classification with
deep convolutional neural networks”, Advances in Neural Information
Processing Systems, 25, pp. 1097-1105.
https://papers.nips.cc/paper/2012/file/c399862d3b9d6b76c8436e924a68c
45b-Paper.pdf
Kuhn, T. S. (2006), La estructura de las revoluciones científicas, 3ª ed., México
D. F., Fondo de Cultura Económica.
López Mondéjar, L. (2024), Sin relato: Atrofia de la capacidad narrativa y crisis
de la subjetividad, Barcelona, Anagrama.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
29
Maharani, D. y T. N. Mursitama (2023), “Implementing ethical 'code of work
ethics': A case study of Apple and Foxconn supply chain”, E3S Web of
Conferences, 426, Article 02152.
https://doi.org/10.1051/e3sconf/202342602152
Michelin. (2021), Michelin in Motion 2030, Clermont-Ferrand, Michelin.
https://www.michelin.com/en/group/michelin-in-motion-strategy
Morin, E. (1994), Introducción al pensamiento complejo, Barcelona, Gedisa.
Negri, A. y M. Hardt, (2004), Multitud: Guerra y democracia en la era del Imperio,
Buenos Aires, Debate.
Norton, B. (2024), “China is 'world's sole manufacturing superpower', with 35%
of global output”, Geopolitical Economy Report, 31 de enero.
https://geopoliticaleconomy.com/2024/01/31/china-world-manufacturing-
superpower-production/
O'Connor, S. (2016), “When your boss is an algorithm”, Financial Times, 8 de
septiembre. https://www.ft.com/content/10ef33a8-70d3-11e6-a0c9-
1365ce54b926
Pasquinelli, M. (2023), The eye of the master: A social history of artificial
intelligence, Londres, Verso.
Piccoli, G. y R. T. Watson (2004), “Strategic alignment of IT and business: A
conceptual framework”, International Journal of Information Technology and
Management, 3, (2), pp. 177-194.
Piraghaj, S. F. et al. (2017), “A survey and taxonomy of energy-efficient resource
management techniques in platform-as-a-service cloud”, en Chen, J., Y.
Zhang y R. Gottschalk (eds.), Handbook of research on end-to-end cloud
computing architecture design, Hershey, IGI Global, pp. 410-454.
Porter, M. E. (1996), “What is strategy?”, Harvard Business Review, 74, (6), pp.
61-78.
Rossman, J. (2014), The Amazon way: 14 leadership principles behind the
world's most disruptive company, North Charleston, CreateSpace
Independent Publishing Platform.
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
30
Rouvroy, A. y T. Berns (2013), “Gouvernementalité algorithmique et perspectives
d'émancipation: Le disparate comme condition d'individuation par la
relation?”, Réseaux, 177, (1), pp. 163-196.
https://doi.org/10.3917/res.177.0163
Sadin, É. (2020), La inteligencia artificial o el desafío del siglo: Anatomía de un
antihumanismo radical, Buenos Aires, Caja Negra.
Schumpeter, J. A. (1942), Capitalism, socialism, and democracy, Nueva York,
Harper & Row.
Servigne, P. y R. Stevens (2020), Colapsología: El calentamiento global y el
colapso de nuestra civilización, Barcelona, Arpa Editores.
Skinner, B. F. (1938), The behavior of organisms: An experimental analysis,
Nueva York, Appleton-Century-Crofts.
Srnicek, N. (2018), Capitalismo de plataformas, Buenos Aires, Caja Negra.
Srnicek, N. y A. Williams (2017), Inventar el futuro: Poscapitalismo y un mundo
sin trabajo, Barcelona, México D. F., Buenos Aires y Nueva York, Malpaso.
Susser, D., B. Roessler y H. Nissenbaum (2019), “Online manipulation: Hidden
influences in a digital world”, Georgetown Law Technology Review, 4, (1),
pp. 1-45.
Thaler, R. H. y C. R. Sunstein (2008), Nudge: Improving decisions about health,
wealth, and happiness, Londres, Penguin Books.
Toffler, A. (1980), The third wave, Nueva York, William Morrow.
Tronti, M. (2001), Obreros y capital, Madrid, Akal.
Varoufakis, Y. (2024), Tecnofeudalismo: el sigiloso sucesor del capitalismo,
Barcelona, Deusto.
Wang, T. y B. Jiang (2021), “Understanding the manufacturing plant of Foxconn:
Global visions and local practices in the labor regime of China”, en Jiang,
B. (ed.), Landscape empowerment, Singapur, Springer.
https://doi.org/10.1007/978-981-15-2067-9_2
Redes. Revista de Estudios Sociales de la Ciencia y la Tecnología 62 (2026)
www.revistaredes.unq.edu.ar
Revista Redes
ISSN:
0328
-
3186
DOI: 10.48160/18517072re62.913
ISSNe:
1851
-
7072
31
Weber, M. (2002), Economía y sociedad: Esbozo de sociología comprensiva,
México D. F., Fondo de Cultura Económica.
Wood, A. J. (2021), Algorithmic management: Consequences for work
organisation and working conditions, Working Papers Series on Labour,
Education and Technology, (2021/07), Sevilla, Joint Research Centre-
European Commission.
Yeung, K. (2017), "’Hypernudge’: Big Data as a mode of regulation by design”,
Information, Communication&Society, 20, (1), pp. 118-136.
https://doi.org/10.1080/1369118X.2016.1186713
Zuboff, S. (2022), La era del capitalismo de la vigilancia: La lucha por un futuro
humano frente a las nuevas fronteras del poder, Barcelona, Paidós.
