Tus datos trabajan, pero tú no cobras
Nos han acostumbrado a pensar que un dato sin importancia no vale nada. La hora a la que abrimos una aplicación, cuánto tardamos en contestar, qué producto miramos sin comprar, por dónde caminamos, cuándo hacemos una pausa o qué decisión tomamos en el trabajo parecen fragmentos triviales de la vida cotidiana.
Pero un dato aislado casi nunca es el verdadero negocio. El negocio aparece cuando miles de fragmentos se unen, se comparan con los de otras personas y se convierten en un patrón. Ese patrón permite inferir qué nos interesa, qué nos preocupa, cuánto estamos dispuestos a pagar, cuándo somos más vulnerables a una oferta o qué comportamiento es probable que adoptemos después.
La materia prima no es solamente nuestra identidad. Es nuestra conducta.
Y mientras nosotros producimos esa información viviendo, trabajando y utilizando servicios digitales, otros pueden transformarla en perfiles, predicciones, ventajas comerciales y dinero.
No hace falta que seas famoso
Existe la idea de que solo los datos de una persona rica, famosa o políticamente influyente tienen valor. No es cierto. La relevancia de un dato depende de para qué sirve y de quién pueda combinarlo con otros.
Una persona aparentemente anónima puede revelar:
- Qué tipo de publicidad convierte mejor.
- Cuándo un trabajador empieza a perder concentración.
- Qué ruta realiza habitualmente.
- Qué clientes responden a una determinada manera de hablar.
- Qué producto compara antes de comprar otro.
- Qué señales preceden a una baja, una renuncia o una reclamación.
- Qué precio parece dispuesta a aceptar.
La importancia económica de una persona, por tanto, no coincide necesariamente con su salario. Una persona puede cobrar poco y, sin embargo, producir información que ayude a una organización a ahorrar, vender, predecir o controlar mucho más de lo que le paga.
Esta es una distinción esencial: el salario mide lo que una organización ha aceptado pagarte; no mide todo el valor que generas.
El producto no siempre es el dato: puede ser la predicción
Cuando se habla de “vender datos”, muchas personas imaginan una hoja de cálculo con nombres, teléfonos y direcciones. Eso existe, tanto legal como ilegalmente, pero el mercado actual es más sofisticado.
Una empresa no necesita vender tu identidad directamente. Puede vender:
- Un segmento publicitario: “personas con alta probabilidad de comprar”.
- Una puntuación de riesgo o solvencia.
- Una estimación de tus intereses.
- La posibilidad de mostrarte un anuncio en el momento más oportuno.
- Una predicción de abandono, enfermedad, impago o consumo.
- Una herramienta que adapta precios, ofertas o descuentos según el perfil.
- Un modelo entrenado con comportamientos de millones de personas.
Por eso, cuando una plataforma afirma que “no vende datos”, la frase puede ser técnicamente cierta y, al mismo tiempo, ocultar la parte esencial del negocio. Quizá no entregue una base de datos descargable, pero sí monetiza el conocimiento extraído de ella o vende a terceros la capacidad de localizar, clasificar e influir en determinados grupos.
La Comisión Federal de Comercio de Estados Unidos concluyó en 2024 que grandes plataformas sociales y de vídeo habían desarrollado una vigilancia extensa para monetizar información personal, incluso incorporando información procedente de intermediarios de datos. El informe señaló que la publicidad dirigida constituye una parte central del incentivo económico de este modelo. Informe de la FTC sobre plataformas sociales y servicios de vídeo
Los datos irrelevantes dejan de ser irrelevantes cuando se relacionan
Un clic no dice demasiado. Diez mil clics ordenados por hora, dispositivo, ubicación y respuesta posterior cuentan una historia.
El movimiento del ratón puede indicar duda. Un producto abandonado en el carrito puede medir el límite de precio. La hora de conexión puede sugerir rutinas laborales o problemas de sueño. La ubicación repetida puede revelar el domicilio, el lugar de trabajo, una consulta médica, un templo religioso, una reunión sindical o una manifestación política.
En 2025, la FTC comunicó que intermediarios especializados podían utilizar información como la ubicación, el historial de navegación, las compras, el canal de acceso e incluso movimientos dentro de una página para ayudar a personalizar precios o promociones. La investigación hablaba de precios de vigilancia: el mismo mercado deja de ofrecer necesariamente la misma oportunidad a todos porque el precio o la oferta pueden adaptarse a lo que el sistema cree saber de cada persona. Investigación de la FTC sobre precios de vigilancia
El valor, por tanto, no está únicamente en el dato original, sino en las relaciones que se descubren entre muchos datos:
dato + contexto + repetición + comparación = capacidad de predicción
Y la capacidad de predicción tiene valor porque permite actuar antes que la persona: ofrecer, negar, subir un precio, seleccionar, descartar o influir.
El trabajador también puede convertirse en una fuente de datos
Esta lógica no termina cuando cerramos una aplicación. También puede entrar en el lugar de trabajo.
Una empresa puede registrar ritmos de producción, tiempos de respuesta, recorridos, ventas, errores, llamadas, acceso a programas, uso de dispositivos o rendimiento por franjas horarias. Parte de ese control puede ser legítimo cuando es necesario, proporcionado, transparente y está relacionado con la actividad laboral. Otra cosa muy distinta es recopilarlo todo de manera indiscriminada, reutilizarlo para fines no informados o compartirlo con terceros sin una base jurídica adecuada.
El problema económico es evidente. El trabajador recibe un salario por ejecutar una tarea, pero los registros de miles de tareas pueden permitir a la empresa construir un modelo que después optimice procesos, reduzca plantilla, forme a una inteligencia artificial o se comercialice como servicio.
En ese caso existen dos productos simultáneos:
- El trabajo realizado.
- El conocimiento extraído del comportamiento del trabajador.
El primero aparece en la nómina. El segundo suele desaparecer dentro de la infraestructura de la empresa y rara vez se reconoce como una aportación separada.
Eso no significa que todo dato laboral deba pagarse individualmente. Significa que debemos empezar a discutir quién se beneficia del valor secundario, qué límites existen y cuándo una simple relación laboral se convierte también en una operación de extracción de conocimiento.
No toda recopilación es ilegal, pero una política de privacidad no legitima cualquier cosa
Aquí conviene ser rigurosos. Afirmar que toda recogida de datos es un robo sería jurídicamente incorrecto y debilitaría la denuncia.
Hay tratamientos legítimos: una aplicación puede necesitar determinados datos para prestar el servicio; una empresa debe conservar información contable; un empleador puede registrar la jornada; un comercio puede analizar ventas agregadas. Pero la existencia de una necesidad concreta no autoriza a recoger cualquier información ni a utilizarla después para cualquier finalidad.
El Reglamento General de Protección de Datos europeo exige que el tratamiento sea lícito, leal y transparente; que responda a finalidades determinadas; y que se limite a los datos necesarios. También reconoce derechos de acceso, rectificación, oposición, limitación y supresión, según el caso. Texto del RGPD en EUR-Lex
El consentimiento tampoco debería convertirse en una ficción. Pulsar “aceptar” ante un muro de texto incomprensible no demuestra que alguien haya entendido todo el circuito económico posterior. El Comité Europeo de Protección de Datos ha advertido que obligar a elegir únicamente entre aceptar publicidad comportamental o pagar puede no ofrecer una elección verdaderamente libre. Dictamen del Comité Europeo de Protección de Datos sobre “consentir o pagar”
Casos reales: no es una sospecha abstracta
El mercado de la localización demuestra hasta dónde puede llegar el sistema. La FTC actuó contra X-Mode/Outlogic por vender datos precisos de ubicación procedentes de aplicaciones y otros proveedores. Según la autoridad, esos datos podían vincular dispositivos con lugares visitados y exponer visitas a clínicas, lugares de culto y otros espacios sensibles. Resolución de la FTC sobre X-Mode/Outlogic
También actuó contra Gravy Analytics y Venntel por la supuesta recogida y venta ilícita de localizaciones sensibles. La denuncia afirmaba que se podían derivar características relacionadas con decisiones médicas, actividad política o creencias religiosas. Actuación de la FTC contra Gravy Analytics y Venntel
En el Reino Unido, la autoridad de protección de datos reprendió a Sky Betting and Gaming por activar cookies publicitarias y compartir información con empresas de tecnología publicitaria antes de que los visitantes pudieran aceptar o rechazar ese tratamiento. La investigación no encontró pruebas de una explotación deliberada de jugadores vulnerables, pero sí concluyó que el tratamiento no había sido lícito, transparente ni leal. Actuación del ICO contra Sky Betting and Gaming
Estos casos no prueban que todas las empresas actúen ilegalmente. Prueban algo más concreto: la recogida opaca, la reutilización y la venta ilícita de datos no son una fantasía; han provocado investigaciones y sanciones reales.
De conocerte a condicionarte
El riesgo no termina en que una empresa sepa qué compramos. El verdadero salto ocurre cuando el perfil se utiliza para modificar las opciones que vemos.
Un algoritmo puede decidir:
- Qué anuncio recibimos.
- Qué precio o promoción se nos muestra.
- Qué contenido intenta retenernos más tiempo.
- Qué candidatura laboral pasa el primer filtro.
- Qué nivel de riesgo se nos asigna.
- Qué posibilidades tenemos de obtener crédito o contratar un servicio.
El sistema deja entonces de limitarse a describir el comportamiento y empieza a intervenir en él. La predicción se convierte en una profecía parcialmente fabricada: el algoritmo cree que una persona actuará de cierta manera y modifica su entorno para empujarla hacia esa conducta.
En Europa existe el derecho a no quedar sometido, con ciertas excepciones, a decisiones exclusivamente automatizadas que produzcan efectos jurídicos o afecten significativamente. La elaboración de perfiles incluye analizar o predecir aspectos como el rendimiento laboral, la situación económica, la salud, la fiabilidad o el comportamiento. AEPD: derecho frente a decisiones automatizadas
¿Quién debería recibir el valor?
Aquí aparece la contradicción central de la economía digital: millones de personas aportan la materia prima, pero la infraestructura concentra el beneficio.
No sería práctico pagar unos céntimos por cada clic. Un sistema así podría incluso incentivar todavía más vigilancia. Sin embargo, existen alternativas más serias:
- Prohibir la recogida que no sea necesaria.
- Exigir finalidades comprensibles y verificables.
- Impedir la reutilización silenciosa para objetivos incompatibles.
- Facilitar el acceso y la portabilidad efectiva de los datos.
- Reconocer colectivamente el valor de los datos laborales.
- Negociar participación en beneficios cuando el conocimiento de los trabajadores entrene sistemas comerciales.
- Crear cooperativas o fideicomisos de datos con poder real de negociación.
- Auditar algoritmos que decidan precios, empleo, crédito o acceso a servicios.
- Sancionar de manera efectiva la venta y el uso ilícitos.
El objetivo no debería ser convertir cada aspecto íntimo de nuestra vida en una mercancía que podamos subastar. Eso consolidaría precisamente el sistema que criticamos. El objetivo debe ser recuperar capacidad de decisión y conseguir que quienes extraen valor no puedan hacerlo de forma ilimitada, invisible y unilateral.
La importancia de una persona no está en su nómina
Una nómina expresa una relación contractual. No expresa el conjunto de ideas, conexiones, patrones y efectos que una persona genera a su alrededor.
Alguien puede recibir un salario modesto y descubrir un método que ahorre miles de euros. Puede introducir una conducta que después se replique. Puede atraer clientes, anticipar problemas o aportar observaciones que alimenten modelos mucho más valiosos que su remuneración.
Esto no demuestra automáticamente que exista una deuda individual calculable. Para atribuir valor hacen falta pruebas: qué cambió, cuándo, frente a qué referencia y cuál fue la contribución concreta. Pero sí demuestra que salario y valor generado son conceptos distintos.
La economía de los datos se beneficia precisamente de esa distancia. Lo que una persona produce sin darse cuenta puede ser medido, agregado y explotado por alguien que sí conoce su utilidad.
Conclusión: nuestros actos también producen riqueza informacional
Cada vez que actuamos en un entorno digital o medido dejamos algo más que una huella. Producimos información sobre lo que hacemos y, sobre todo, sobre lo que probablemente haremos después.
No todos los usos son ilegales. No toda estadística es una agresión y no toda empresa vende identidades. Pero tampoco podemos seguir aceptando la idea infantil de que los datos irrelevantes no valen nada. Si no tuvieran valor, nadie invertiría fortunas en recogerlos, relacionarlos, conservarlos y analizarlos.
El debate ya no consiste únicamente en proteger un nombre, un teléfono o una contraseña. Consiste en decidir quién puede observar nuestra conducta, quién puede convertirla en un modelo, quién se beneficia de ese modelo y qué poder conservamos nosotros sobre el resultado.
La importancia de una persona no depende solo de lo que cobra. También depende del valor que genera. Y hoy una parte creciente de ese valor se produce en forma de datos que trabajan para otros sin aparecer jamás en nuestra nómina.
