Qué es la gestión algorítmica
La gestión algorítmica consiste en utilizar sistemas que procesan datos para organizar, asignar, supervisar o evaluar actividades laborales. Puede intervenir en la secuencia de tareas, el reparto de turnos, las rutas o los indicadores de rendimiento. Su importancia preventiva deriva de cómo modifica las condiciones en que las personas trabajan.
No siempre utiliza inteligencia artificial. La OIT distingue sistemas basados en reglas de otros que aprenden o generan predicciones. Un mecanismo sencillo que asigna automáticamente trabajo según tiempos registrados puede influir de forma intensa en la exposición, aunque no emplee un modelo avanzado ni se presente comercialmente como IA.
La prevención en trabajadores de plataformas digitales exige analizar cómo la asignación, los tiempos y las valoraciones influyen en la tarea. La evaluación debe abarcar la organización digital y las condiciones materiales de la prestación.
Dónde puede encontrarse
Estas formas de gestión aparecen en plataformas digitales y también en centros tradicionales, como almacenes, transporte, atención al cliente o servicios sanitarios. La persona puede recibir instrucciones mediante una aplicación mientras el mando conserva solo parte de la información sobre cómo se generaron o qué restricciones se tuvieron en cuenta.
Para identificar su alcance conviene preguntar qué decisiones se automatizan, cuáles solo se recomiendan y cuáles siguen siendo humanas. También debe conocerse si una recomendación puede rechazarse realmente. Una opción de revisión que nunca se utiliza por falta de tiempo o por penalizaciones puede dejar un control humano meramente formal.
Efectos sobre las condiciones de trabajo
La asignación automática puede reducir descoordinaciones, pero también intensificar ritmos o limitar la autonomía. Un sistema puede ignorar desplazamientos reales, pausas, dificultades de una tarea o variaciones del entorno. La OIT ha señalado riesgos psicosociales relacionados con vigilancia, intensificación, pérdida de control y preocupación por el uso de datos.
Los efectos no se limitan a lo psicológico. Una ruta demasiado ajustada puede incentivar prisas; una secuencia repetitiva puede concentrar carga física; una clasificación de rendimiento puede desalentar la comunicación de incidencias. El análisis debe estudiar la relación entre decisiones digitales y actividad real, sin presuponer que la automatización siempre mejora o empeora la seguridad.
Evaluación antes de implantar o cambiar
La gestión del cambio debe revisar el sistema antes de su puesta en uso y cuando cambien objetivos, reglas o datos relevantes. Conviene analizar tareas representativas, situaciones excepcionales y grupos afectados. Una prueba limitada a condiciones ideales puede ocultar problemas que aparecen durante picos de demanda o fallos operativos.
La evaluación psicosocial debe considerar control, previsibilidad, apoyo y presión temporal, junto con otros riesgos. También necesitan análisis específico las obligaciones laborales, de protección de datos y de IA que resulten aplicables. No todos los sistemas tienen la misma clasificación jurídica ni las mismas exigencias, por lo que no deben generalizarse conclusiones normativas.
Criterios preventivos de diseño y uso
Los objetivos deben incorporar restricciones de trabajo seguro, incluidos tiempos y condiciones que una métrica de productividad podría omitir. Deben existir mecanismos para comunicar errores de asignación, corregir datos y revisar decisiones. La persona responsable necesita información, competencia y autoridad efectiva para intervenir cuando el sistema produce una instrucción inadecuada.
Es importante explicar a los trabajadores qué aspectos relevantes organiza el sistema y cómo plantear una discrepancia. La información debe permitir actuar, sin limitarse a una descripción técnica incomprensible. También conviene evitar que la supervisión añada un tecnoestrés innecesario por alertas continuas o por la exigencia de justificar cada desviación mínima.
Ejemplo práctico
Un almacén utiliza una aplicación que asigna la siguiente tarea según el tiempo medio histórico. Durante una prueba, el equipo observa que el cálculo no incluye recorridos adicionales cuando una zona queda temporalmente cerrada. El indicador interpreta esos recorridos como menor rendimiento y aumenta la presión para recuperar tiempo.
La revisión incorpora el estado real de las zonas, permite registrar la incidencia sin penalización automática y establece quién puede suspender la asignación. Se comprueba después si las rutas son viables y si se mantienen los tiempos de seguridad. La solución requiere modificar la lógica y su uso, no pedir al personal que alcance una media inaplicable.
Seguimiento de datos y decisiones
La calidad del análisis de datos resulta relevante: registros incompletos o poco representativos pueden conducir a decisiones inadecuadas. Debe vigilarse si el sistema funciona de forma distinta entre tareas, turnos o grupos y si las correcciones humanas quedan incorporadas al aprendizaje organizativo.
El seguimiento incluye las actualizaciones del proveedor y los cambios de configuración. Un sistema validado para un proceso no queda automáticamente validado para otro. También conviene comprobar que el canal de revisión es accesible y que las personas no ocultan incidencias por temor a consecuencias automáticas sobre su valoración.
Errores frecuentes y responsabilidad
Son errores frecuentes considerar neutral cualquier decisión informática, aceptar una puntuación sin contexto o identificar supervisión humana con pulsar una confirmación. También lo es comprar una solución sin analizar qué nuevas tareas de registro, revisión y mantenimiento crea para la organización.
La responsabilidad preventiva no se transfiere al algoritmo ni al proveedor. La empresa debe evaluar y controlar las condiciones de uso que le corresponden, con participación de las personas afectadas. La finalidad es que el sistema apoye una organización del trabajo segura, comprensible y revisable durante toda su utilización.
