Podcast el futuro del trabajo

Hola, muy bienvenidos a este nuevo episodio del podcast de la OIT,

en el que estamos conversando y analizando los grandes cambios

que están ocurriendo en el mundo del trabajo.

Soy Sonia Álvarez, periodista en OIT y los saludo desde Santiago de Chile.

En este capítulo, conversaremos sobre la revolución de los datos.

Diferentes estudios indican que en los últimos dos años, en todo el mundo,

hemos creado más datos que en toda la historia de la humanidad.

Navegar en la web, entrar a una red social, mandar un email, usar el GPS

o la tarjeta de crédito,

todo genera datos, en su mayor parte, creados por generación espontánea.

Este caudal de datos ocasiona un fenómeno conocido como Big Data.

¿Qué es concretamente el Big Data? ¿Cómo afecta nuestra vida diaria?

¿Qué significa para el lugar de trabajo?

¿Deberíamos preocuparnos, tal vez, ante este fenómeno?

Para resolver estas y otras interrogantes, hoy conversaremos con Walter Sosa Escudero.

Él es economista, docente e investigar del CONICET de Argentina,

y uno de los expertos más reconocidos en econometría y estadística aplicada

a cuestiones sociales, y, por supuesto, el tema de hoy, Big Data.

Bienvenido, Walter. Muchas gracias por acompañarnos hoy.

-Muchísimas gracias por la invitación.

-Para comenzar, vamos a partir por lo más básico.

¿Qué es el Big Data? ¿Porqué es tan importante hoy en nuestra vida diaria?

-Big Data, en principio, es lo que el nombre sugiere.

Es un fenómeno de muchos datos.

Más en concreto, esta masividad de datos tiene que ver con la interacción con cosas,

objetos, que están interconectados. Objetos que pueden ser físicos o virtuales, ¿no?

Físicos, como los teléfonos celulares, las computadoras,

o virtuales como las redes sociales.

En definitiva,

el fenómeno de la masividad de datos tiene que ver, justamente, con esta interacción

pasiva y activa con dispositivos que están interconectados.

A ese fenómeno se lo llama Big Data.

Es muy difícil dar una definición certera de un fenómeno reciente

y que está cambiando tanto tiempo, pero el fenómeno de Big Data refiere

tanto a esta masividad, instantaneidad de datos,

como también a los procesos llamados algoritmos,

métodos de la computación de la matemática, que se utilizan para lidiar, analizar,

estudiar este fenómeno de datos masivos.

-¿Por qué se han vuelto cada vez más importantes en el tiempo, en nuestra vida diaria?

-La importancia tiene que ver y en particular para las disciplinas sociales,

con la histórica inhabilidad de medir ciertos fenómenos.

Las ciencias sociales o las disciplinas sociales como la economía y la política,

eventualmente lidian con decisiones individuales.

Existen serias limitaciones en medir esos procesos decisorios.

Muchas veces lo que uno observa son datos de las decisiones que toman las personas,

pero no de los procesos que llevan a esas decisiones. ¿Qué quiero decir con esto?

Uno puede observar en una encuesta que una persona compra un automóvil, por ejemplo,

pero es muy difícil tener información del proceso

que sigue esa persona para comprar un automóvil, en vez de otra cosa.

¿Cómo lo paga? ¿Cómo lo financia? ¿Qué opciones considera?

Si le importa más el precio, la seguridad, la calidad del automóvil.

Simplemente, lo que una encuesta observa, en el mejor de los casos,

es si la persona compra o no compra un automóvil.

Big Data permite

observar, medir, monitorear muchas cosas que tienen que ver

con ese proceso decisorio.

En definitiva, para las disciplinas sociales, Big Data abre una ventana

a un universo que, hasta hace muy poco tiempo, estuvo escondido.

Así que, en definitiva, me parece a mí que la importancia

tiene que ver justamente con esa--

Yo no lo veo más como un fenómeno de información masiva,

sino como un fenómeno de información nueva.

De poder elegir más que de Big Data, a mí me gusta hablar de New Data,

de datos que antes no teníamos.

-Perfecto. Mencionabas ahí algunas aplicaciones que podríamos

ver en la vida diaria, que, de hecho, las ciencias ya lo están utilizando,

¿cuáles son, a tu criterio, los principales avances en esta área, en los últimos años?

-En los últimos años, Big Data,

me parece que los principales avances tienen que ver

con la medición y con el pronóstico.

Con poder

medir ciertos fenómenos y, sobre todo, con hacer predicciones

que vamos a llamarlas condicionales.

Condicionales significa, dado que una persona reside en cierto lugar

y que tiene ciertas características sectarias, de género

o algunas características que es posible observar a través de sensores,

predecir que esa persona, por ejemplo, va a ir a un restaurante o no.

Cosas por el estilo.

En definitiva, Big Data todavía es un fenómeno.

Las principales aplicaciones de Big Data tienen que ver con

cuestiones que son descriptivas y predictivas.

Lentamente, yo calculo que vamos a entrar en cosas que son más analíticas,

más de, por ejemplo, de evaluación de impacto, de evaluación de política,

que son cosas mucho más sofisticadas.

No es obvio que Big Data ofrezca una ventaja natural

para esas segundas cuestiones, pero todavía estamos en una etapa--

Los principales avances tienen que ver con describir, con predecir ciertos fenómenos.

-¿Cuáles serían algunas de las amenazas, tal vez, de este fenómeno,

ligado a estos avances y beneficios que podemos ver de la utilización

de esta nueva tecnología?

¿Cuáles podrían ser amenazas presentes?

-Hay varias amenazas. Creo que la todo el mundo sospecha, tiene que ver con

cuestiones que hacen a la ética

y la privacidad.

El miedo que tiene mucha gente de que los algoritmos o los datos que, en principio,

pueden tener muchas ventajas para un determinado uso,

eventualmente sean utilizados para otro tipo de usos espurios

que afecten a la ética y a la privacidad.

Uno querría pensar que eso es cuestión de regularlo,

pero cualquier proceso regulatorio presupone que uno entiende

todos los alcances de los algoritmos.

Entiende que un algoritmo que se puede utilizar para predecir,

no sé, si una persona está desempleada o no,

eventualmente uno no querría que ese algoritmo se use

para meterse en cuestiones de la vida privada, como las elecciones sexuales,

las elecciones políticas, otras cosas que,

me parece, todos preferimos que pertenezcan al ámbito privado.

Una preocupación compleja es esa, pero que tiene que ver, por un lado,

con estas cuestiones de ética y privacidad, pero también tiene que ver

con el mero funcionamiento de los algoritmos.

Esa es una desventaja

que tiene que ver, insisto, con la ética y con la privacidad.

La otra, el otro problema es que me parece que hace falta una cultura algorítmica.

La razón por la cual yo me he metido en este tema y, en particular,

por la cual he escrito mis libros, en particular uno que se llama Big Data,

es, justamente, para poner en claro que los datos no son magia.

Big Data tiene enormes ventajas que, me parece, van a cambiar la forma

en la cual interactuamos con la mayoría de las cuestiones sociales.

También tiene enormes desventajas, alguna de ellas las hemos hablado,

como las cuestiones que tienen que ver con la ética y la privacidad,

pero me parece que lo más interesante

de Big Data es ese terreno intermedio en donde todavía no sabemos

cuáles son exactamente las ventajas y las desventajas.

A mí lo que me interesa con mis escritos, con mi trabajo,

es mostrar una versión realista de Big Data.

Los datos no pueden resolver todos los problemas, pero, por otro lado,

la presencia de datos masivos, como estuvimos diciendo en la introducción,

es un fenómeno único y, posiblemente, cause una revolución.

Yo a lo que apelo es a tener una visión, si se quiere, científica,

frente a cualquier cuestión relacionada con Big Data,

poner arriba de la mesa cuáles son las ventajas y tomar una decisión acorde.

Big Data no es un fenómeno mágico.

-Sí, muy buena precisión. Yo creo que es la sensación muchas veces de este

caudal de datos, sentir que tenemos un mar de posibilidades y eso, por supuesto, claro,

nos puede traer muchos beneficios, pero también estas amenazas que nos comentabas.

Yendo ahora ya al mundo del trabajo,

¿cómo crees que está impactando esta revolución de datos que

tú mismo nos mencionabas, específicamente al mundo del trabajo?

Por ejemplo, tal vez en materia de reclutamiento o vigilancia,

que era uno de los temas que tú nos mencionabas, o gestión del rendimiento, por ejemplo.

-Hay

muchas dimensiones en las cuales el mundo del trabajo interactúa con

el fenómeno de datos masivos.

De hecho, el material de estas notas técnicas que mencionabas al principio

tiene que ver, justamente, con eso.

Uno tiene que ver con

el uso tanto de datos masivos como de algoritmos,

para aceitar, para facilitar la dinámica del mercado laboral.

Léase, hacer que funcione más fluidamente la interacción

entre la oferta y la demanda de trabajo, ya sea intentando

entender mejor las características de los trabajadores,

entender mejor las características de los empleadores

e intentar buscar patrones en donde hay match y mismatch también.

Justamente a lo que apuntan muchos proyectos de Big Data,

es a que se encuentre la oferta con la demanda.

También entender por qué en algunas situaciones no se encuentra

la oferta con la demanda y actuar en consecuencia.

Por ejemplo, hay muchos proyectos que lo que intentan hacer es

detectar por qué ciertos sectores, en particular

jóvenes que ingresan al mercado laboral,

les falta cierta característica o cierta habilidad y, justamente,

parte de la política es intentar rediseñar o reforzar esas características faltantes.

Big Data y algoritmos son herramientas muy importantes para detectar esas falencias

y actuar en consecuencia. Una, es justamente esa, la presencia de datos y algoritmos

para facilitar el encuentro entre la oferta y la demanda de trabajo.

Otras dimensiones tienen que ver con la creación de estadísticas

del mercado laboral.

Insisto,

de decir que una persona está o no desempleada, a caracterizar

por cuánto tiempo está desempleada, qué es lo que hace esa persona para

buscar empleo o no hace, cuáles son las dimensiones geográficas del desempleo,

son características que se pueden relevar con datos de sensores, por ejemplo.

Datos que, de pretender ser relevados con la encuesta tradicional, son muy complejos.

Por ejemplo, cuestiones de movilidad o acceso a medios de transporte

para acceder al mercado laboral, etcétera.

Otro fenómeno muy importante en el cual Big Data

tiene mucho para hacer el mercado de trabajo, es, justamente, para repensar

la creación de estadísticas relevantes con el desarrollo de este tipo de mercado.

Por último, para no extender demasiado esto, después podemos seguir conversando,

como decíamos en una respuesta anterior, Big Data nos ofrece datos

de cuestiones relacionadas con el mercado de trabajo que antes eran impensables.

Resulta que ciertos fenómenos que, anteriormente,

todos percibíamos que existían, pero eran muy difíciles de documentar,

Big Data permite tener información relativamente detallada.

Por ejemplo, para cuestiones de discriminación, en particular

discriminación etaria, discriminación por género.

En definitiva, el internet, las redes sociales, proveen muchísima información

para estudiar patrones de discriminación y, justamente, diseñar políticas

que combatan esos problemas.

En definitiva, la presencia de datos masivos permite

también realizar estudios de investigación serios,

en base a fuentes que antes no existían sobre cuestiones muy delicadas

como la discriminación de género, por ejemplo.

-A mí me gustaría detenerme en dos puntos, principalmente,

de lo que nos acabas de comentar.

Primero, mencionabas en un par de ocasiones el tema de las políticas públicas.

¿Cómo podría hacer Big Data una herramienta útil para las políticas públicas,

sobre todo aquellas relacionadas con el trabajo?

-El uso de Big Data en la cosa pública es delicado, porque,

a diferencia del sector privado, el sector público tiene muchos objetivos.

No quiero establecer la diferencia espuria entre un sector y el otro,

pero muchas veces el sector público, en particular las oficinas públicas,

tienen que velar por ciertos principios como la transparencia

y, sobre todo, cierta estabilidad.

Uno está tentado a pensar que uno puedo reemplazar el sistema

de estadísticas tradicionales oficiales que se basa en encuestas,

con datos de Big Data. Realmente es posible generar, por ejemplo, datos de desempleo,

datos de caracterización en el mercado laboral, en vez de utilizando encuestas

como las encuestas de microdatos, que se utilizan en la mayoría de los países

en vías de desarrollo,

y reemplazar todo ese aparataje de encuestas,

institutos oficiales, por datos extraídos de la web.

¿Es posible hacer eso? Sí, sí es posible.

Pero el gran desafío que enfrenta una oficina de estadísticas públicas es,

primero, garantizar cierta transparencia, cierta representatividad.

Los datos de Big Data no provienen de ningún mecanismo sistemático.

Justamente, son casi la contradicción de un mecanismo sistemático.

Cualquier persona que esté usando un teléfono celular, está generando datos.

Por el mismo razonamiento, cualquier persona

que no está utilizando un teléfono celular, no está generando datos.

La recolección de datos de Big Data está filtrada por la decisión de interactuar.

Léase, la decisión de estar en una red social, la decisión de

usar un teléfono celular, etcétera.

Hay que tener muchísimo cuidado con el uso de Big Data para las estadísticas públicas,

porque los datos de Big Data no tienen ningún tipo de estructura.

Justamente, uno de los enormes desafíos que tiene la política pública

y, en particular, las estadísticas oficiales, es intentar dotar a los datos

de Big Data de esa estructura que tiene una encuesta.

En definitiva, yo tiendo a opinar que más que pensar

que Big Data reemplazará las estadísticas oficiales,

me parece que hay una enorme oportunidad en ver

si los datos masivos de Big Data pueden complementar a las estadísticas oficiales,

pero el uso no es gratuito.

Insisto, una de las cosas por las cuales tiene que velar la estadística pública,

es por la comparabilidad.

La comparabilidad requiere estabilidad.

Para que yo pueda decir que en una región aumentó el desempleo,

yo tengo que garantizarme que estoy midiendo más o menos lo mismo.

Si no, no está claro si el desempleo aumenta porque aumenta el desempleo,

o porque yo cambié la forma de medirlo.

En definitiva, las estadísticas públicas intentan garantizar

que haya cierta estabilidad metodológica que permita hacer comparaciones

en el tiempo y, también, comparaciones entre países.

El gran problema que tiene Big Data es, justamente, que esa inestabilidad

propia de la dinámica del fenómeno atenta contra la estabilidad.

No es tan trivial la adopción

de datos de Big Data para la política pública, por esa falta de estructura,

casi definicional, que tienen los datos de Big Data.

-¿Hay, tal vez, algunas experiencias de algunos países,

por ejemplo, que ya estén haciendo este acercamiento, esta utilización

a los datos a través de las estadísticas?, ¿que ya veas que hay un acercamiento

también a las políticas públicas y que estén ocupando

Big Data de esta manera que tú nos comentabas?

-Sí. Por los menos los casos que yo conozco,

que son los países latinoamericanos o de habla hispana en general,

yo diría que casi todas las oficinas públicas están haciendo algún intento

de interactuar con datos de fenómenos masivos.

De hecho, una dimensión de la cual no hemos hablado, es que Big Data es una herramienta

poderosísima para la transparencia.

De hecho, todos estos proyectos de gobierno abierto lo que intentan hacer es,

justamente, aprovechar mecanismos de algoritmos

para

que la política pública pueda monitorearse.

Yo creo que casi todas las oficinas estadísticas tienen,

por lo menos, algún tipo de experiencia.

Lo que yo noto, es que todavía estamos en una etapa un poco iniciática, justamente,

por esta enorme dificultad que hay en darle estructura a los datos de Big Data.

-Hemos hablado de los organismos públicos, por ejemplo, a nivel del gobierno.

Para las personas y la gente común,

¿cómo podrían aprovechar estos macrodatos o esta nueva data que tú nos comentas?

-Yo no creo que haya una apropiación de las personas directamente.

En todo caso, la apropiación erá indirectamente.

¿Qué quiero decir con esto?, para poner un ejemplo concreto.

Una red muy importante para el mercado laboral, por lo menos,

en ciertos ámbitos y sectores, es LinkedIn.

LinkedIn, como mucha gente le dice,

es una gran plataforma de redes sociales que tiene que ver mucho

con el mecanismo de búsqueda de trabajo.

En definitiva, una forma bastante simple, en la cual las personas

se benefician, insisto, indirectamente, porque las personas no hacen LinkedIn

directamente, sino indirectamente, pero participando en estas redes,

mucha gente puede entrar en contacto con mercados laborales ampliamente definidos.

Es el equivalente de hace muchísimos años, de dar vueltas por el barrio de uno,

buscando avisos pegados en las paredes, viendo a ver quién quiere buscar un trabajo,

o uno diciéndole a los negocios de la zona cuáles son las características que uno tiene.

Justamente, lo que hacen este tipo de fenómenos como LinkedIn es abrir

una especie de aldea global, donde uno puede mirar no solo

qué se demanda, qué se ofrece, sino entender cuáles son las características

que se demandan y que se ofrecen.

La apropiación de los trabajadores en particular del fenómeno de Big Data,

es más bien indirecta. No es que un trabajador

va a hacer tecnología de Big Data, pero se va a beneficiar de que esa tecnología exista.

Obviamente, está la discusión paralela de que el sector de analistas de datos

es un sector muy recalentado y todavía la demanda está excediendo la oferta.

En definitiva, eso explica por qué hay muchísima gente intentando meterse

a estudiar cosas que tienen que ver con ciencia de datos, pero, justamente,

el gran desafío es preguntar hasta cuándo es que la demanda estará

creciendo más rápido que la oferta.

Es una gran pregunta que todo el mundo se hace cuando aparece una tecnología nueva.

-Justamente me gustaría detenerme en ese último punto que mencionabas,

que hay cada vez más personas que están optando y están estudiando ciencia de datos.

También sabemos que hay muchos empleos también en esa área de análisis de datos,

que, incluso, pueden ser bien remunerados.

¿Podría ser esto una veta o una vía también de

que Big Data fuera una fuente de trabajo decente?

Como en OIT mencionamos, que sea un trabajo bien remunerado, en buenas condiciones,

¿podría ser, eventualmente también, una nueva vía?

-Más que podría ser, lo es.

Yo creo que, actualmente, hay bastante más demanda que oferta.

Hay una demanda, en particular, por gente muy entrenada

en cuestiones analíticas, cuantitativas, de programación, etcétera.

Esa es la buena noticia. La buena noticia es que

si hoy alguien sale a buscar

trabajo en esas áreas, posiblemente tenga bastante más chance de conseguir

un empleo bien remunerado y bien atractivo,

que personas con otro tipo de habilidades. Hasta ahí es la buena noticia.

Las malas noticias son dos. Primero, no sabemos cuánto va a durar

este exceso de demanda, porque, lamentablemente, el mercado hace su trabajo.

En definitiva, no es del todo obvio que

la inversión que uno haga ahora, va a seguir redituando de acá a cuatro, cinco años.

Mi apuesta es a que sí, pero, en definitiva, hay una cuota de riesgo.

La segunda, entre comillas, mala noticia, es que

las cuestiones cualitativas no son triviales.

Por lo menos, la gente más exitosa que yo veo en el ámbito de la ciencia de datos,

es gente que ha hecho una inversión considerable,

va a tener que lidiar con cuestiones que tienen que ver con la matemática,

con la computación.

A mí me gustaría hasta errar esta idea de que uno hace un curso de cuatro meses

de Ciencia de Datos y con eso va a lograr cambiar el universo.

Posiblemente sí, yo creo en los complementos, me parece que una persona

que estudió una carrera seria, no necesariamente técnica,

pero puede ser una carrera de derecho, puede ser una carrera de marketing, cualquier cosa,

complementándolo con una mínima inversión en ciencia de datos,

ese tipo de profesionales se hace mucho más rentable.

En definitiva, volvemos a lo que

dijimos al principio de esta conversación.

Me encantaría, por una cuestión de movilidad social ascendente,

prometer a una persona que con cuatro meses de estudios

se le van a resolver todos sus problemas económicos.

Así como están las cosas,

yo soy bastante pesimista con respecto a esas cosas,

porque me parece que es engañar a la gente.

Me parece que lo mejor que uno puede hacer, es formarse muy bien,

seriamente, en cualquier disciplina.

En todo caso, si le interesa las cuestiones de datos, hacerlo, justamente,

en las cuestiones cualitativas de programación

que tienen que ver con el desarrollo de esta disciplina.

-Ahora pensando, llevando la conversación al futuro del trabajo,

hemos visto cómo cuando hablamos del futuro del trabajo,

muchas veces pasa que ya estamos en el futuro del trabajo.

Pensando incluso más adelante,

¿cómo crees que afectará el lugar del trabajo en el futuro, específicamente,

y también en la vida diaria de los trabajadores a futuro?

Aquí, por ejemplo, teníamos una vía de las personas que están

optando también por estudiar Ciencias de Datos, pero más amplio

en el mercado de trabajo en general, ¿cómo crees que va a afectar a futuro,

o si va a afectar?

-Obviamente, yo soy un experto en datos, no tanto en el mercado de trabajo,

así que te respondo lo que yo veo desde la perspectiva del tipo

de trabajo que es el trabajo en Ciencia de Datos.

Una característica de este tipo de disciplinas, que son intensivas en datos,

en programaciones, etcétera, es que son, esencialmente, ageográfica.

¿Qué significa eso?

No dependen de la localización ni del demandante ni del trabajador.

De hecho, yo vivo en Buenos Aires, mis alumnos muchos residen en Buenos Aires,

pero muchísimos consiguen trabajo, desde Buenos Aires,

para tareas que son remotas, que a veces ni siquiera están en Argentina,

muchas veces están en otros países en donde ni siquiera se habla Español.

Eso abre una posibilidad enorme.

Yo creo que otras de las enormes ventajas que yo veo del trabajo en Ciencia de Datos,

es que no depende muchísimo de la localización geográfica

y que, justamente, es un tipo de trabajo que matchea muy bien

con habilidades tecnológicas, para los cuales

la presencia física no es un punto importante.

Lo único que ha hecho la cuarentena y la pandemia, es acelerar

ese proceso que ya se venía dando hace varios años.

Me llama la atención que muchos de mis mejores egresados,

que estudian cuestiones que tienen que ver con estadísticas,

con datos, con programación, terminan consiguiendo trabajo

aún sin ellos moverse de Buenos Aires, terminan trabajando para

todas partes del mundo.

Eso me parece que es un proceso muy democratizante.

Me parece que eso abre una puerta

muy interesante para el mercado laboral de los jóvenes.

-Ya llegando a la etapa final de nuestra conversación,

¿es Big Data, entonces, una revolución que llegó para quedarse?

-Es una muy buena pregunta, que solo el tiempo la responderá.

La naturaleza revolucionaria de las cosas es una caracterización ex post.

El tiempo dirá si esta es una revolución importante o no.

Sí déjenme aclarar que esta no es la primera revolución de datos.

Cualquiera que lea la historia de la ciencia, se dará cuenta

que hubo otras revoluciones de datos.

En algún momento, la revolución de los datos astrofísicos

lo que hizo fue poner arriba de la mesa de la humanidad

a personas como Kepler o como Newton.

Después vino la revolución de los datos biológicos, los datos de la botánica,

de la zoología y una consecuencia de esa revolución

fue la aparición de Darwin, de las teorías evolutivas.

La pregunta que me hago es

¿quién va a ser el Newton o el Darwin de la revolución de los datos?

Mientras no aparezca alguien como Newton o alguien como Darwin,

que saque provecho a esta revolución, esto no habrá sido una revolución.

En definitiva, me gustaría que guardemos este podcast por los años

y nos animemos a decir, "Sí, esta ha sido una revolución,

porque luego de esta aparición de datos masivos apareció alguien

de la estatura intelectual de Newton o de Darwin, que ha cambiado,

para bien, nuestra forma de ver al mundo".

Ahí sí estoy dispuesto a decir que es una revolución.

-Ese va a ser un importante desafío. Vamos a guardar este podcast

para hacer el seguimiento. ¿Deberíamos preocuparnos

ante esta eventual revolución?

-Deberíamos preocuparnos como con cualquier cambio tecnológico.

Insisto, siempre que han aparecido los cambios tecnológicos,

la gente se preocupa. Se preocupó cuando aparecieron las radiografías,

con todos los peligros que nosotros sabemos que trae la radiación.

Se preocupó también la gente cuando apareció la revolución genética,

con todos los problemas éticos que trae la posibilidad

de manipular cosas biológicas.

Sin embargo, los beneficios de contar con radiografías,

los beneficios de contar con los avances enormes que hubo

en términos de genética, nos hemos beneficiado

más que lo que nos hemos perjudicado.

En definitiva, me parece que la revolución de datos nos encuentra

muy bien preparados para enfrentar la tecnología desde un punto

de vista de ventajas y desventajas.

En definitiva, ahí es donde yo soy muy optimista.

-Muchas gracias por esta conversación, Walter.

Sin duda, este es un tema fascinante. Podríamos estar conversando

mucho tiempo más sobre él.

Nos hemos podido acercar también un poco más

y comprender también sobre Big Data, gracias a esta conversación.

Así que, nuevamente, muchas gracias por conversar con nosotros.

-Muchísimas gracias. Me veo en la obligación de recomendarles

un libro que yo escribí, que se llama Big Data, para Siglo XXI Editores,

en donde, justamente, discuto todo las ventajas y desventajas

del paradigma de datos masivos. Muchísimas gracias.

-De nada. También los invitamos a visitar nuestro sitio web de OIT,

www.ilo.org, donde pueden encontrar también las notas técnicas

que ha preparado Walter para OIT Cono Sur donde pueden

seguir profundizando sobre este tema.

Soy Sonia Álvarez y los esperamos próximamente en un nuevo episodio

del podcast de la OIT sobre el futuro del trabajo. Muchas gracias.