1. INTRODUCCIÓN

El objetivo de este artículo es prestar atención a dos conceptos que emergen en el contexto de la economía de las plataformas, pero que tienen una larga presencia en la reflexión sobre lo social en general, así como en la propia episteme de la modernidad. Se trata de la jerarquía y de la anarquía¹. Mientras la jerarquía (hieros + arkhé) hace referencia a un origen o fundamento (arkhé) trascendente o trascendido de la sociabilidad ordinaria debido a su carácter sagrado (hieros), la anarquía niega cualquier origen o fundamento (an + arkhé) a la vida colectiva e igualmente la posibilidad de que ninguna trascendencia sagrada la regule. Sin embargo, ambas realidades no tienen existencias separadas. En efecto, si bien la modernidad se caracteriza por haber hecho descender ciertos poderes inicialmente asignados a los cielos², no es menos cierto que ese gesto inmanentista ha sido contrarrestado por otros que han pretendido reconstruir los ejes verticales, si bien no añadiendo a las cúspides ninguna cualidad sobrenatural. Por otro lado, aunque las nuevas jerarquías disponen de apoyos técnicos que, además de legitimarlas, facilitan su implantación, no es menos cierto que de un modo anónimo y a veces invisible ciertas potencias instituyentes de lo social no cesan de erosionarlo.

La economía de las plataformas es un buen ámbito en el que mostrar esta “negociación”. Sus características principales son cuatro. En primer lugar, si bien trae consigo un considerable avance gracias a la aplicación de algoritmos, no es menos cierto que, en realidad, solo continua y mejora un viejo y conocido hábito del capitalismo de la información y del conocimiento: la conversión de la sociabilidad primaria en un input productivo, (Virno, 2003), puesto que el capitalismo ha saltado de la fábrica a la sociedad, más exactamente a la calle (Gómez Villar, 2020: 300).

En segundo lugar, la información acerca de las vidas de las gentes no solo se usa para mejorar el producto, sino para venderla o intercambiarla y obtener de este modo un nuevo tipo de beneficio (Mason, 2016). En efecto, como dice Zuboff (2021: 21), este “capitalismo de la vigilancia” reclama unilateralmente para sí la “experiencia humana”, entendiéndola como una materia prima gratuita traducible en “datos de comportamiento” que se convierten en inputs con los que se fabrican “predicciones de conductas” que se compran y venden en “mercados de futuros conductuales». El tratamiento de la descomunal cantidad de información producida por la Red -en torno a 2,5 millones de terabytes cada día (Holmes, 2018)- se hace a través de algoritmos que descubren y predicen patrones y anomalías en el comportamiento colectivo, trabajo que se ve favorecido por la fabricación de transistores cada vez más baratos, producidos a mayor escala y cuyas prestaciones se duplican cada 18 meses. El resultado de este avance es que la fábrica ya no está sólo en la calle, sino en el Smart phone, artefacto al que están acopladas las vidas personales y en el que se confunden no solo la producción y el consumo, sino también el goce y la disciplina (Negri, 2020: 184).

Por lo tanto, en la actualidad, la plusvalía ya no se extrae sólo del trabajo, que aún ocupa un lugar importante en la esfera de la producción, sino también de los estilos de vida digitales de las gentes, los cuales se desenvuelven principalmente en la esfera del consumo. Este nuevo plusvalor regresa y constituye a las gentes que lo generan a través de productos o servicios y políticas diseñados con la información y conocimiento obtenidos. De este modo se crea un ciclo autopoiético formalmente idéntico al de la “subsunción real” del trabajo en el capitalismo industrial (Bergua, 2020)³. Si en este nuevo escenario resulta tan pertinente hablar de “bioeconomía” (Fumagalli, 2010), es porque el nuevo capitalismo se apropia de y (re)produce el bios, que no es sino la vida en su nivel social más básico. A dicha bioeconomía acompaña una “biopolítica” (Agamben, 1998) que se caracteriza por ordenar directamente la vida de la especie ocupándose de su nutrición, morbilidad, salud, etc. pues intenta extraer el máximo de utilidad e inocular la máxima normalización posible⁴. La bioeconomía y la biopolítica son pues dos caras de una misma moneda, del mismo modo que en el capitalismo industrial lo eran el régimen fabril y los dispositivos generales de vigilancia y disciplina.

Si hacemos caso a la mezcla de pronósticos y ensoñaciones de Ray Kurzwill (2015), tanto la biopolítica como la bioeconomía actual no son ni mucho menos el estadio final del tipo de progreso que reina en nuestra época. Simplemente es una quinta era en la que la información, inicialmente incluida en las estructuras atómicas, luego en el ADN, más tarde en los cerebros y después en diseños de hardware y software, ahora se ha fusionado con la vida, pero después lo hará con la propia materia y energía del universo al que hará “despertar”, adquirir “conciencia” y, en consecuencia, “permitirle ser lo que quiera”. Kurzwill es probablemente el mejor ejemplo de la tecnofilia contemporánea. Pero hay más representantes de esta sensibilidad. Entre los neorreaccionarios destacan el filósofo Nick Land y Peter Thiel, fundador de Paypal, para quien la libertad ya no es compatible con la democracia, pues solo la tecnología está a su altura (Hui, 2020: 23). Entre las izquierdas, también abundan quienes ven en la tecnología el mejor remedio, aunque en este caso para superar todas las contradicciones del capitalismo. Es lo que ocurre con los “aceleracionistas”, un difuso grupo que agrupa a cyberpunks, apocalípticos, y otras tribus, que cuentan con Benjamin Noys, Mark Fisher y Nick Srnicek como ideólogos principales (Danowsky, Viveiros De Castro, 2019: 101). Para todos ellos, este mundo en el que estamos debe “acabar de terminarse” para permitir que, gracias a la técnica, emerjan otras aventuras sociales, ajenas al capitalismo e incluso al ecologismo.

En tercer lugar, lo que suelen olvidar tanto los optimistas como los pesimistas respecto a este asunto es que, como ya sucediera en el capitalismo industrial y ocurre en el creativo (Bergua, 2020), a todas las explotaciones, producciones y regulaciones de este nuevo factor productivo, acompañan procesos de (re)apropiación y producción de bios disidentes, en la mayor parte de los casos utilizando idénticos o similares dispositivos que los usados por los órdenes instituidos, pero dándoles usos perversos o subversivos (Grizziotti y Vercellone, 2020). Por lo que respecta a los algoritmos e inteligencia artificial, por ejemplo, no solo los usan las grandes plataformas, sino que también están presentes en ciertas prácticas de democracia participativa, como ocurrió en Islandia (Bergman, 2021) al elaborar su nueva Constitución, pues utilizó esas herramientas para detectar los intereses de los usuarios y ofrecerles la información correspondiente con la intención de facilitar su participación⁵.

Al margen de los usos y apropiaciones, tanto conversos como perversos, subversivos y reformistas que se realizan del conocimiento e información con la ayuda de las nuevas tecnologías para gestionar y producir bios, no hay que olvidar otros usos y apropiaciones que están algo más afuera de los circuitos autopoiéticos. Forman parte de esa exterioridad la Red Profunda, que incluye sitios que los buscadores no son capaces de indexar. También está en ese afuera la “red oscura”, hábitat de TOR (The Onion Router -el “router cebolla”-), un navegador que no deja rastro y garantiza así la privacidad e invisibilidad de los usuarios, entre los que se cuentan desde los activistas de Wikileaks a los amantes del anonimato pasando por traficantes de armas, drogas, etc. Aquí ya no funciona la asimetría de conocimiento por la que los dominantes predicen las conductas de los dominados a base de algoritmos y se vuelven impredecibles administrando distintas técnicas de opacidad⁶.

Nuestra intención en este artículo es precisamente prestar atención a ese afuera de dudosa utilidad que está presente en la bioeconomía y biopolítica contemporáneas. En concreto prestaremos atención al modo como los riders desafían el control y la opacidad con los que las empresas para las cuales trabajan regulan sus actividades, si bien ese afuera no pasa del todo por fuera del mundo digital, ya que se mezcla e hibrida con la existencia física.

En cuarto lugar, al margen de las nuevas clases de negocios que incluye, la economía de las plataformas se ha convertido en un fenómeno que está haciendo revisar muchas de las categorías con las que habitualmente trabajan la sociología y la economía (Reygadas, 2017)⁷. En relación con el tipo de empleo que generan, por ejemplo, el abanico es mucho más amplio que hace unas décadas (Degryse, 2016: 33). En efecto, han aparecido el “empleado colaborativo” (compartido por un grupo de empleadores), el “trabajo colaborativo” (un empleador contrata a dos o más trabajadores para hacer un trabajo específico), el “management interino” (varios expertos altamente cualificados son contratados temporalmente para un trabajo o proyecto específico), el “trabajo informal” (el empleador no está obligado a ofrecer un trabajo regular al empleado), el “ICT-based moblile work” (los trabajadores hacen su trabajo en cualquier lugar y tiempo gracias a las tecnologías), el “trabajo basado en vales” (la relación de empleo está basada en pago por servicios con un vale comprado por una organización autorizada que cubre el pago y las contribuciones de seguridad social), el “portfolio work” (un autoempleado trabaja para una gran cantidad de clientes haciendo pequeños trabajos), el “trabajo multitudinario” o crowdworking (una plataforma online relaciona a empleadores y trabajadores, a menudo con muchas tareas divididas entre una nube virtual de trabajadores) y el “collaborative employment” (se trata de freelancers o microempresas que cooperan para superar las limitaciones derivadas del tamaño o del aislamiento profesional).

En nuestro caso prestaremos atención a un tipo de portfolio work realizado para plataformas de ámbito local que prestan servicios, en concreto el reparto de comida a domicilio. Este sector ha sufrido una fuerte explosión, pues la demanda del sector delivery en España ha ascendido a 2.328 millones de euros, lo que supone un incremento de un 53% con respecto a los tiempos de pre-pandemia⁸. Se estima que su contribución a la actividad en el sector de restauración y la venta al por menor en España superó los 250 millones de euros en 2019, con un impacto total en la economía, en términos de Valor Añadido Bruto, de 700 millones de euros⁹.

La denominada Ley Riders de 2021 trató de ordenar el apartado laboral de este negocio. Dicha ley sólo tiene dos artículos. El primero reconoce la actividad laboral (por cuenta ajena) de los riders, intentando encontrar un equilibrio entre innovación y bienestar (Puglianu, 2019). El segundo, obliga a poner en conocimiento de los trabajadores el funcionamiento del algoritmo. Como intentaremos mostrar, este segundo objetivo va contra la propia naturaleza del management y del poder en general, si bien los trabajadores saben tratar informalmente con ello siendo relativamente impredecibles.

Finalmente, en quinto lugar, Giandini (2021) ha observado que las tecnologías digitales actuales se parecen a las de antaño en el sentido de que, en ambos casos, la gerencia produce una gran cantidad de conocimiento acerca de los trabajadores a la vez que estos apenas pueden saber nada de aquella. De hecho, en los negocios dedicados al reparto a domicilio (Glovo, Deliveroo), la movilidad personal (Uber) o la contratación de tareas altamente profesionales (como el diseño gráfico o las traducciones), como la cantidad y ritmo de las entregas son monitorizados a tiempo real a través de apps, lo cual permite elaborar distintas clases de ratings y rankings, hay un control absoluto de la actividad de los trabajadores. Además, a esa información se añaden otras relacionadas con la fluidez del tráfico, la distancia de los destinos, los propios rankings y ratios producidos por los clientes, etc., que son manejadas por algoritmos para optimizar la eficacia y eficiencia del negocio (Giandini, 2021; Grabher y König, 2020). Toda esta información y el consiguiente conocimiento producidos por la empresa acerca del trabajo de sus empleados contrasta con la ignorancia que el trabajador tiene acerca de lo que hacen sus jefes¹⁰.

Este acoplamiento jerárquico de conocimientos e ignorancias se da en muchos más ámbitos (Broncano 2020; McGoey, 2014; Gross y McGoey, 2014). En términos generales sucede que quienes ocupan posiciones jerárquicas superiores administran el poder y se reservan la norma (Bergua, 2014: 193 y ss.). Frente a esta articulación asimétrica de la ignorancia y del conocimiento nos encontramos con otra más igualitaria, como la que se da en la vida cotidiana, donde las gentes oscilan entre la discreción, con la que se reconocen mutuamente zonas liberadas del conocimiento, y el chismorreo, con el que unos divulgan información acerca de los otros y viceversa. En este caso, tanto la ignorancia como el conocimiento van de una parte a otra y no se reparten de un modo tan asimétrico. Pues bien, al margen de esta organización de tipo anárquico, hay otra resistencia a la organización jerárquica que, en el ámbito de la empresa, tiene que ver con el esfuerzo realizado por los trabajadores para proyectar algo de conocimiento sobre los tipos de gestión e información utilizados por quienes les mandan a la vez y al mismo tiempo que intentan resultarles imprevisibles¹¹.

2. LA ORGANIZACIÓN OPACA DEL TRABAJO

La investigación etnográfica sobre el trabajo de los riders en una ciudad española de la Comunidad valenciana¹² nos indica que el algoritmo, desde la perspectiva del rider, realiza una evaluación de distintas variables asociadas al proceso de trabajo y al entorno (como los proveedores de comida, los destinatarios del pedido y ciertas características de la ciudad, como son sus comunicaciones, el tráfico, las distancias, etc.) que son difíciles de prever pero con las que hay que contar para hacer más repartos y, por consiguiente, poder ganar más dinero con ellos. En ciertos casos y hasta cierto punto se puede “adivinar” la probabilidad de obtener pedidos. Para entender esta intuición acerca del funcionamiento del algoritmo, al menos en el periodo 2019-2021 (hasta la ley Rider, que es cuando realizamos el trabajo de campo), así como las astucias y artimañas para puentearlo, hay que conocer la vertiente formal del trabajo.

Debe tenerse en cuenta que la app se activa una vez que el rider se ha dado de alta como autónomo, condición sine qua non, para poder firmar el contrato y descargarse la app en su modo rider al smart phone, distinto del que usan los proveedores y los clientes que reciben los repartos. Una vez activo, el rider sabe que ha de competir con sus compañeros por los pedidos y también por las horas para poder hacerlos. Cuando realizamos el trabajo de campo había dos momentos en los que se subastaban las horas. Los lunes sobre las 19.00 h. se subastaban horas para los martes, miércoles y jueves, mientras que los jueves, también sobre esa hora (aunque no siempre), se subastaban para los viernes, sábado, domingo y lunes. Aproximadamente una hora antes de las 19.00 h. se abrían las horas disponibles y había que ser rápidos para pulsar el comando correspondiente en la pantalla táctil y seleccionarlas. En esta oferta de horas de trabajo ya funciona el algoritmo y a cada rider se le abrirán más o menos horas dependiendo de distintas variables, siendo 12 el máximo en algunas localidades importantes.

En los casos de los recién iniciados, son necesarios 50 pedidos antes de tener una baremación en puntos con la que poder comenzar a competir por las horas. Hasta llegar a ese puntaje, al rider que empieza solo se le abrirán en la aplicación cada lunes y jueves las horas nocturnas entre las 20.00 h. y las 23.00 h. correspondientes al viernes, sábado y domingo. En alguna app se denominan “horas diamantes”. A partir de 50 pedidos, a cada rider se le calcula una baremación sobre 100 puntos de la que dependerá el número de horas que, en primera instancia, se le abran. No obstante, no hay ninguna regla explícita que permita conocer la correspondencia entre los puntos y las horas. Solo se sabe que cuantos más puntos, más horas se abrirán. Esa baremación es el resultado de sumar las distintas puntuaciones proporcionadas por los otros dos participantes en el proceso de reparto (los clientes finales y los proveedores o partenaires), pero también se tiene en cuenta la eficiencia y efectividad calculadas por la app e igualmente influye el número de repartos. Por ejemplo, en relación con esto último, cuando se han hecho más de 50 repartos, si no ha habido ninguna incidencia, se obtienen 90 puntos. Se pueden alcanzar los 95, pero es muy difícil obtener los 100, pues el cálculo de los 10 últimos puntos se calcula en base a una interpolación de cientos de pedidos. Así, por ejemplo, si un rider hubiera realizado 3000 pedidos, por cada 300 obtendría 1 punto. No obstante, la empresa tiene absoluta libertad para aumentar ese máximo, así que, aun trabajando sin parar y sin cometer errores, los puntos pueden bajar de un día para otro. La única intuición segura con la que se maneja el rider es que a los 100 se tendrían que abrir todas las horas. En definitiva, entre los 91 y 98 puntos nunca se sabe con exactitud cuantas horas se van a abrir para poder tener la posibilidad de seleccionarlas.

Otro aspecto importante es que el rider no tiene la seguridad absoluta de que se le vayan a pasar pedidos en al tramo horario que haya obtenido, incluso si se trata de “horas diamante”. En efecto, en ocasiones, durante esas horas puede ocurrir que no se tenga ninguna carga de trabajo e incluso que no se reciba ningún pedido entre las 20.00 h. y las 21.00 h., un tramo especialmente bueno. Por ejemplo, en una ocasión, durante un partido de fútbol televisado entre el R. Madrid y el Barcelona, los riders se llevaron la desagradable sorpresa de que apenas hubo pedidos y de que muchos riders no dieron curso a ninguno. Por último, hay que señalar que esta falta de pedidos puede tener lugar incluso aunque el rider disponga de varios tramos. Por lo tanto, en muchas ocasiones, como demuestra este ejemplo, lo que dicta el sentido común acerca del funcionamiento del algoritmo no se cumple. Su funcionamiento es en gran medida opaco y, aunque los trabajadores le resultan predecibles, estos no saben del todo qué esperar de él.

La apertura de horas de los lunes y jueves puede verse complementada con otras ofertas de tramos horarios para trabajar, lo cual abre la posibilidad de “cazar horas”, si bien el rider no sabe exactamente cuándo aparecerá esa ventana de oportunidad. Simplemente recibirá avisos en su smart phone. Las razones de estas ofertas extra pueden ser varias. Por ejemplo, que algún rider haya desactivado un tramo horario previamente adjudicado o que la empresa tenga más pedidos de los esperados. Recibido el aviso, si se está en disposición de aceptar las horas, deberá pulsar en el lugar correspondiente de la pantalla táctil. También cabe la posibilidad de “cazar horas” de un modo más sosegado: abriendo el calendario y viendo si para otro día se ha abierto algún tramo horario. Nadie de la empresa explica esto. Conocerlo deriva del autoaprendizaje y observación profunda realizados por el rider en el propio proceso de trabajo.

Una vez elegido un tramo horario, la probabilidad de tener carga de trabajo se debe a los pedidos de ese día y también a la distancia del rider respecto al establecimiento, calculada por el algoritmo gracias al dispositivo de geolocalización del Smart phone. La importancia de la distancia explica que se vea a muchos riders a las puertas de las franquicias de comida rápida, pues son las que más habitualmente reciben pedidos. De esa manera, los riders se aseguran intuitivamente el aumento de probabilidades de que el algoritmo les asigne pedidos. En ocasiones, hay riders que, sin tener abierto un tramo horario, se sitúan a la puerta de una de estas franquicias o comercios por si se abriese en ese mismo momento alguna hora.

3. ASTUCIAS Y ARTIMAÑAS CONTRA EL ALGORITMO

Una vez explicada la lógica que rige la adjudicación de horas, la carga de trabajo y los cálculos y cábalas que realiza el rider sobre la posibilidad de tener horas abiertas y pedidos, podemos afrontar algunas de las prácticas que en el trabajo de campo se han detectado para intentar posicionarse con ventaja respecto al control que se realiza por parte de la empresa a través de la app. Intentaremos contextualizarlas ya que sobre algunas de ellas ha habido debate en los medios de comunicación cuando se ha hablado de este tipo de plataformas. Tras la reforma de la ley rider en agosto de 2021 algunas de estas prácticas ya no existen o han variado. Aquí haremos referencia a las que se detectaron en el periodo 2019-2021 y también a algunas que los compañeros de reparto nos mencionaron, aunque fueran un periodo anterior.

3.1. Alquiler de cuentas

El subarriendo de cuentas es uno de los asuntos que más se ha tratado en la prensa. Aunque realmente se conoce como “alquiler de cuentas”, el término “subarriendo” se acerca más a la realidad, pues guarda bastante relación con una práctica parecida que se da en el mercado del alquiler, donde la expresión es más habitual. Una de las ventajas del modelo de trabajo autónomo español, frente a los modelos de otros países, es que tiene la capacidad de contratar. Sin embargo, en el contrato que firma el autónomo con la empresa se hace constar que es unipersonal y que no se puede (sub)contratar a otra persona (a otro autónomo, por ejemplo) para hacer esa labor. Sin embargo, en la práctica se da. En efecto, hay personas que no son titulares de la cuenta pero que realizan repartos gracias a que no se puede verificar si la persona que reparte es realmente el titular. Hay varios motivos para hacer esto. Como un rider puede manejar varias cuentas con sus respectivas aplicaciones, si está haciendo el reparto con una, no puede hacerlo con otra. No obstante, “alquilando” la cuenta se consigue tenerla activa y permitir que siga puntuando para que el algoritmo ofrezca mayores posibilidades tanto de escoger horas como de obtener pedidos. El acuerdo suele consistir en que el titular de la cuenta se queda con un 30% de lo generado y el repartidor que ha subarrendado la cuenta con el 70%. Este último porcentaje es “limpio” a efectos fiscales, ya que quien tiene que mandar a la Tesorería de la Seguridad Social tanto el I.V.A como pagar el I.R.P.F es el titular de la cuenta.

Para entender la utilidad del arriendo de cuentas conviene tener en cuenta que el rider debe cuidar su puntuación para que el algoritmo le trate mejor. A veces, cuentas con 100 puntos se alquilan por sí mismas, ya que te aseguran poder realizar jornadas completas de 12 horas todos los días, cosa que, como ya hemos explicado, cuesta bastante tiempo conseguir. Por otro lado, conviene subrayar que en España este tipo de alquileres se realiza con inmigrantes en situación irregular respecto al permiso de trabajo. En ocasiones se dan abusos, pues quien alquila se queda con más de ese 30% u obliga a trabajar más horas de las que el “alquilado” quiere. No obstante, el inmigrante se ve en general favorecido porque puede obtener ingresos que, además, le pueden servir para poder financiar su estancia en España durante el tiempo necesario para poder solicitar un permiso de arraigo, que es de unos 3 años.

3.2. Aprovechar de los puntos ciegos de la geolocalización

La reforma laboral del 2018 permitió que la empresa pudiera dar de baja al autónomo sin previo aviso. Como nos confesaba un informante, “un día te levantas y ves que no funciona la app al ‘loguearte’ y que te han dado de baja”. Esa baja sin preaviso y unilateral se denomina “desconexión”. En 2018 algunas empresas pagaban a los riders autónomos un mínimo de 4 euros brutos la hora, independientemente de que tuvieran pedidos, los cuales se añadían a los pagos derivados del reparto. Esto permitía obtener unos ingresos mínimos simplemente por “estar de guardia” y además facilitaba aumentar los derivados de las “salidas” o repartos. En la narrativa reivindicativa de riders y sindicatos se acusa a las empresas de que esto se dejó de aplicar unilateralmente y sin aviso e incluso que cientos de riders sufrieron una “desconexión”. Este acto de agravio ha quedado un poco en la historia de los riders y algún día se tendrá que escribir sobre ello. Las empresas no dieron ninguna explicación oficial. Solo rastreando en distintos chats y redes sociales podemos deducir la justificación por parte de la empresa, aunque también sirve para mostrar los modos como los riders intentaban engañar al algoritmo.

Resulta que algunos riders habían descubierto zonas concretas sin cobertura de internet, así que la empresa no podía asignarles pedidos, por lo que los repartidores pasaban esas horas sin trabajar, pero cobrando los 4 euros asegurados. En algunos casos se quedaban ahí hablando con gente, en otros aparcaban la moto y dejaban dentro el móvil dedicándose a repartir con otras apps o con otros smartphones, pero hay más modos de trampear al algoritmo. Todo esto es posible gracias a la geolocalización según la aborda la empresa.

No obstante, en otras ocasiones esas salidas de cobertura perjudican al rider honrado. En efecto, algunas veces las empresas marcan la zona de cobertura del reparto de una manera tan fina, precisamente para “luchar” contra los repartidores que “gorronean” euros, que salir 1 minuto de la zona de cobertura penaliza al rider y esa hora se convierte en “hora roja”, pues la empresa ha considerado que el rider se ha salido de la zona de cobertura. Esto es más lesivo para el rider, ya que, al no haber un pago mínimo por hora, se queda sin poder repartir por un fallo de la geolocalización. “Pasarse de listo implicó que ahora se cometan injusticias”, afirma un informante.

3.3. Uso de bots clandestinos

Decíamos que los riders deben de estar atentos y ser ágiles en tres momentos. Cuando los lunes y jueves se abre el calendario semanal, cuando hay variaciones a lo largo de las horas de ese calendario semanal (aquí no hay avisos y deben estar refrescando el calendario para saber si hay alguna hora nueva) y durante el día de reparto, cuando suena el aviso de que hay horas nuevas ofertadas que deben ser seleccionadas rápidamente. En este último caso, si se está con el móvil en el bolsillo y realizando un reparto puede que no dé tiempo a seleccionar la hora ofertada. Para evitar esto y asegurar que puedan resultar elegidas todas las horas que se ofertan, se ha generado un pequeño programa informático denominado bot diseñando expresamente para realizar esta selección de manera automatizada y en fracciones de segundo. Este bot está en el mercado negro y puede obtenerse en chats y redes de riders o directamente a través de otros riders que ya lo tengan, por ejemplo, los que alquilan cuentas, pues para ellos son imprescindibles. Por estos programas se pagan unos 20-40 euros al mes. La empresa no puede bloquearlos con el diseño de su app.

3.4. Aprovechar los errores de Google Maps

Uno de los principales componentes de los ingresos de los riders tiene que ver con el kilometraje. Se suele pagar entre 0,30 o 0,50 céntimos por kilómetro, dependiendo de la localidad. En el caso de motos y coches, que pueden realizar desplazamientos de kilómetros con más facilidad, es una de sus principales bazas para mejorar la ganancia, mientras que los que lo hacen en bicicleta prefieren pedidos cortos, pero más abundantes, ya que, entre otras ventajas, tienen la de no tener que preocuparse por encontrar aparcamiento. La app tiene su propio mapa de la localidad y señala tanto el local de recogida como el punto de entrega. Una vez que se ve la zona de recogida y entrega se pulsa un comando la pantalla táctil y la app se vincula a Google Maps, que automáticamente selecciona el modo ruta, informa al rider de cuánto tiempo le va a costar y le guía por la localidad. Debido a que Google Maps es una app externa, no está al día de los cambios de direcciones, por lo cual el rider puede aprovechar atajos que no conoce Google Maps para hacer menos kilómetros y sin embargo cobrar por el total de kilómetros que establece la aplicación. En otras ocasiones se “hacen pirulas”, yendo en dirección contraria durante algunos metros para evitar tener que esperar a desvíos, o se hacen giros por lugares prohibidos, pero que acortan los itinerarios. La geolocalización de la app no coteja realmente si se están haciendo esos kilómetros o no, pues solo tiene en cuenta el cálculo que le proporciona Google Maps. No obstante, en otras ocasiones, por equivocarse durante la conducción o por error de Google Maps, la falta de acuerdo entre la distancia real y la preestablecida por la aplicación perjudica al rider, ya que puede hacer más kilómetros de los que se pagan.

3.5. Fotos de verificación falsas

Entrado ya el año 2021 la polémica de las “cuentas alquiladas” era muy conocida. Eso unido a la “amenaza” de la Ley rider que se aprobaría en agosto, hizo que las empresas empezasen a hacer pruebas para verificar que el rider titular de la cuenta era el que realmente estaba prestando el servicio. Por redes sociales y chats de riders empezaron a circular algunos tips (consejos) para saltarse este control. Uno de ellos era un video realizado en Brasil en la que se mostraba una foto de tamaño real del rider titular. En el video se podía ver cómo una vez solicitada la verificación de identidad a través de la cámara del smart phone, se ponía esa foto y la app la daba por buena. Otro truco era menos burdo. Se trataba de tener una foto del rider titular realizada ese mismo día. Esa foto era enviada al rider subarrendado y se le explicaba que debía guardar esa foto y dejarla seleccionada. Después, cuando en un determinado momento la app solicitaba la foto para verificar que el rider titular era el que realmente estaba haciendo el reparto efectivo, se acudía a la foto ya seleccionada y se le daba a “enviar”.

El problema de estos trucos es que la verificación está complicando la vida de los riders honrados, ya que el software de reconocimiento facial -según afirman- está dando como no aptas fotos de verificación que se hacen los riders mientras reparten, unas veces por falta de luz, otras por problemas de enfoque e igualmente por las propias carencias del software. Esto genera una suspensión automática de la cuenta. Debido a las dificultades para poder contactar con la empresa, puede suponer unos cuantos días o semanas para solucionarlo. Además, está del “engorro” que supone para un rider que está en pleno reparto, tener que dejarlo todo para hacerse esa foto. En el caso de los coches es peor pues hay que buscar aparcamiento o arriesgarse a una multa aparcando en segunda fila para usar el móvil.

3.6. Trucos contra los trucos de los clientes

El algoritmo de baremación perjudica mucho en el caso de que un cliente se queje, pues una sola valoración negativa resta puntos, lo cual dificulta el acceso a horas y disminuye la carga de trabajo. En estos casos se necesita un buen número de valoraciones positivas para volver a recuperar la puntuación máxima de los clientes. El rider nunca sabe qué valoración ha dado el cliente. Este enigma se intenta resolver haciendo cábalas sobre las interacciones llevadas a cabo a lo largo de la jornada, ya que es sobre la 1,00 h. de la mañana cuando la app se actualiza y señala que ha habido una valoración negativa que resta puntos en el baremo total.

Hay clientes que se aprovechan de la política de confianza absoluta que sobre ellos tienen las apps. Cualquier tipo de queja es atendida por el servicio de soporte que unas veces suele decidir no cobrar el pedido si se retrasa y otras da descuentos para futuras compras. Pues bien, ciertos clientes, abusando de esa confianza absoluta, mienten respecto a la llegada del pedido y, sobre todo, dicen que falta algún producto del pedido solicitado. Esto lo dicen después de que el repartidor se haya ido, pues la entrega se hace con las bolsas cerradas, tal como las han entregado los partenaires y establecimientos suministradores. De este modo el cliente obtiene gratuidad, una rebaja o un regalo para ulteriores pedidos, mientras que el rider es sancionado. Para evitar esto, en ocasiones, el rider utiliza una cámara go pro escondida o realiza una foto o un video con el pedido y el número de ticket en el que se ven los productos que ha suministrado el partner, antes de hacer la entrega. Aún si fuese cierto que falta algo, la “culpa” sería del partner y no se podría acusar al rider de robo o de despiste. Sin embargo, como la empresa ha dado inicialmente por buena la versión del cliente es necesario que el rider demuestre lo contrario, lo cual llevará unos días en los que la baremación será más baja de lo que debiera y la carga de trabajo menor.

Esta astucia de las fotos sirve para protegerse del sesgo pro-cliente de la app y tiene claras implicaciones a la hora del cálculo del algoritmo. El problema es que en un contexto de desempeño rápido y ágil del trabajo todas estas “tareas” extra suponen una pérdida de tiempo y una complicación más, ya que hacer fotos y/o videos de todas las entregas dificulta mucho la ya de por sí acelerada jornada de trabajo. Esta práctica de hacer fotos a la entrega empezó a generalizarse en marzo de 2020, cuando los riders tenían órdenes de no subir a las casas debido las medidas de protección impuestas por el Estado de Alarma para impedir el contagio del coronavirus, pues se tenían que enviar las entregas por ascensor o se dejaban en los umbrales de las puertas. Después fue utilizada conforme la picardía de algunos clientes iba en aumento. Podemos decir que aquí lo que hacen los riders es mejorar los controles que hace el algoritmo en beneficio propio ante esos fraudes.

3.7. Comunicar la entrega antes o después de realizarla

Hay un botón en la aplicación que sirve para que el rider informe de que ya está en el sitio de recogida o que ya ha acabado la entrega. Como a partir de 5 minutos de espera en el local de recogida pagan céntimos por minuto, en algunas ocasiones, algunos riders le dan al botón que informa de la presencia en el local mientras todavía están haciendo el viaje de ida. De esa manera a partir de los 5 minutos empezarán a cobrar algunos céntimos, los cuales se podrán sumar a los que correspondan si hay una espera real. Los riders justifican esta práctica argumentando que en ocasiones deben de esperar 40 o 50 minutos reales que son pagados con muy pocos céntimos, lo cual supone un coste de oportunidad, pues durante ese tiempo podrían estar haciendo pedidos. No obstante, el rider sabe que, al estar geolocalizado, esa astucia podría ser fácilmente controlada, ya que, en teoría, hay que darle al botón cuando el rider esté a 100 metros del establecimiento”. Se trata pues de un “juego” en la que la empresa hace como que no sabe, tal vez para compensar situaciones de espera muy perjudiciales para el rider. Pero esto solo son cábalas e intuiciones por parte de los riders.

En otras ocasiones una vez que se hace la entrega, se espera un tiempo a darle al botón de entrega efectuada. Y es que, al darle al botón de entrega efectuada, automáticamente puede salir un nuevo pedido y puede que al rider no le interese tenerlo tan rápido, tampoco que conste que lo ha rechazado o que ha habido un retraso. Los motivos pueden ser varios. Por ejemplo, alguien puede haber aparcado fuera de una urbanización a la que tiene que entrar andando. Es también el caso de haber tenido que aparcar el automóvil lejos del punto entrega. Si nada más entregar el pedido se pulsa el botón puede entrar un nuevo pedido que ya empezará con retraso debido al tiempo que va a requerir llegar al vehículo y/o salir del edificio. En otras ocasiones este truco se hace para para poder descansar o ir al baño. En casos más complejos y de riders más experimentados también se usa para para poder hacer el reparto correspondiente a otra aplicación. Como sucedía con el truco anterior, también este podría ser controlado por la empresa, pues tiene geolocalizado al rider. Además, cuando se produce la entrega, el cliente lo comunica, así que, cruzando datos, es posible saber que el rider todavía no ha pulsado su botón. No obstante, lo importante del caso es que aquí no hay una búsqueda de ventaja económica, por pequeña que sea, sino que se trata simplemente de descansar o de impedir que la baremación del algoritmo quede perjudicada por el retraso.

3.8. Elegir el mejor lugar para empezar la jornada

En ocasiones, sabiendo que va a haber trabajo (por ejemplo, un fin de semana por la noche), se inicia la jornada en un punto que se considera lo suficientemente cercano para tener pedidos y lo suficientemente lejos para que salga un desplazamiento largo en el que se pague un kilometraje atractivo. Esto se da sobre todo en caso de motos y coches a los que la distancia no les supone un desgaste físico. Si bien la posibilidad de tener pedidos se establece por el cálculo del algoritmo respecto a lo que se va a gastar en kilometraje, en horas punta llega un momento en el que la empresa no tiene repartidores libres y aunque el rider no esté cerca se le llama para garantizar la satisfacción del cliente. El objetivo por parte del rider es que ese primer reparto sea favorable en términos de distancia pagada. Esto se justifica por la dificultad de los conductores de automóviles para encontrar aparcamiento en una zona céntrica y porque en los repartos, que son de menos de 3 kilómetros, el conductor de coche tiene mayores problemas para hacer la entrega que un rider en bicicleta. Esta actuación se da sobre todo al inicio de jornada. Una vez empezado el reparto no resulta inteligente irse de nuevo a una zona “lejana”, ya que ese alejamiento implica un gasto de gasolina que no será abonado.

3.9. Chats paralelos

Finalmente, otro truco se relaciona con el hecho de que, en localidades más pequeñas, donde los riders se conocen entre sí, tienen establecidos grupos de WhatsApp o Telegram al margen de la empresa. En esos grupos se avisan entre ellos de controles policiales, atascos, reivindican la petición de bonos por lluvia o se comentan anécdotas. Se trata de un chat operativo, a diferencia de los chats en los que se intercambian opiniones, si bien también caben los temas banales. El caso es que dichos chats permiten puentear el algoritmo. En ocasiones se avisan de que alguien le va a dar al botón de selección de tramo horario, por lo que se supone que justo en ese momento la app abrirá ese tramo horario, el cual podrá ser recogido por otro rider que esté en el grupo (no todos los riders están en él, solo los más confiables). En otras ocasiones se pide ayuda a través de ese chat si el pedido es muy pesado o en el caso de que no pueda ser llevado en bici o moto, ya que no es extraño que la carga supere los 7 kgs que se supone que es el máximo, pues a veces se hacen compras en supermercados de 100 euros o más. Esta autoorganización al margen del soporte oficial se hace para no perjudicar a otros compañeros que están realizando su trabajo o por las sospechas de que, de alguna manera, el algoritmo tendrá en cuenta que ese rider ha necesitado ayuda. En ningún sitio está escrito que se penaliza pedir apoyo en estos casos, pero siempre es mejor demostrar que lo has podido hacer solo. Nuevamente estamos ante esas cábalas e intuiciones de aspectos no conocidos del algoritmo, pero que se suponen. Pedir ayuda a través del chat y que a la plataforma no le conste puede ser una buena idea, después ya se acordará el pago en agradecimiento al compañero que ha venido, que además puede que ese día no tuviese horas para él, con lo cual se habrá llevado una pequeña ganancia.

4. NEGOCIACIÓN DEL ORDEN

Los nueve trucos y astucias relatados, a los que hay que sumar el propio proceso de aprendizaje y autoformación en ellos, paralelo al que el rider debe llevar a cabo para adaptarse a la organización formal del trabajo (Fumagalli, 2020: 61), crean una realidad entre el algoritmo y los trabajadores que tiene un carácter negociado, pues resulta de las imposiciones de aquel y las apropiaciones y resistencias de estos respecto a lo que se les impone. A ello hay que sumar las “suposiciones” sin base real alguna que los riders tienen de lo que el algoritmo o la propia empresa, a partir de los datos que recogen, son capaces de comprender y aceptar. Este espacio informal, entre real e imaginario, en el que el proceso de trabajo resulta negociado y en el que las imposiciones y las apropiaciones o resistencias forman un flujo indiferenciado de actividad, no tiene un carácter jerárquico sino anárquico, pues ya no hay centro o fundamento alguno (an-arkhé) que lo determine. En esta indeterminación abunda el hecho de que los trucos y artimañas necesitan de la comunicación y colaboración horizontal entre los riders, a pesar de que el algoritmo los trata como unidades independientes y aisladas. Pero es que los trucos y artimañas de los clientes, algunos de ellos conocidos por los riders, se añaden al flujo de indeterminación dándole mayor alcance y amplitud. Por otro lado, no hay que olvidar las artimañas y “negociaciones”, esta vez con la Administración, utilizadas por la propia empresa para salvarse de los obstáculos impuestos por la ley rider¹³. El resultado de todo ello conforma un espacio de apropiaciones y perversiones en el que todo es imprevisible. Esto nos lleva a sugerir, como ya hizo Anaximando en los orígenes del pensamiento occidental, cuando meditaba sobre el origen o fundamento (arkhé) de la realidad, que este no es sino el apeiron o lo indeterminado (Colli, 2008: 53; Bergua, 2021; Simondon, 1989)¹⁴

Los trucos y artimañas son un tipo de saber-hacer que nada tienen que ver con la acción inspirada en modelos abstractos o abstraídos del mundo, diseñados para cumplir ciertos fines decididos de antemano que son alcanzados a base de pasos también predeterminados, tal como ocurre con la organización formal del trabajo. En general, como sucede con la metis de los dioses, titanes y héroes griegos e igualmente con el deinos del artesano, el saber-hacer de los riders huye de los espacios y tiempos abstractos y lineales¹⁵. En efecto, por lo que respecta al espacio, tiene un carácter situado y abierto. En relación con el tiempo tiene en cuenta el kairós (o momento oportuno)¹⁶. Estos tipos de saber-hacer son los más adecuados para tratar con lo indeterminado y están también presentes en la creatividad (Bergua, 2008)¹⁷

5. DISCUSIÓN

El carácter indeterminado de la realidad que contribuyen a crear los riders con los trucos y artimañas que incorporan a su trabajo exige alguna explicación acerca de su naturaleza y funcionamiento, pero para ello es necesario colocar como contraste la jerarquía. Si hacemos caso a Ibáñez (1985); (Bergua, 2011), podemos decir que, en general, las condiciones del dominio jerárquico que ejercen los que mandan sobre los mandados, sea cual sea el contenido fundacional de tal dominio y los colectivos concretos por él vinculados, son básicamente dos. Primero, en el plano semántico, relativo a la información, que quienes mandan sepan de los mandados y, en consecuencia, puedan predecir su comportamiento. Segundo, en el plano pragmático, relativo a la acción o praxis, que quienes mandan puedan encuadrar la acción de los mandados, bien vía imposición (física o simbólica) o bien vía seducción, a través de métodos represivos, pedagógicos, de motivación, etc.

En el plano semántico, relativo a la información, la jerarquía no solo implica que un sujeto individual o colectivo A sabe acerca de otro sujeto individual o colectivo B y que, en consecuencia, este segundo sujeto resulta predecible para el primero. También es necesario impedir que B pueda saber de A y, en consecuencia, que A resulte predecible a B. Pues bien, la solución anárquica implica que nadie sabe de nadie y que todos son impredecibles:

1. A no sabe sobre B

2. B no sabe sobre A

3. B resulta impredecible a A A resulta impredecible a B

Esta solución resulta paradójica porque intentando abolir todas las condiciones del dominio aparenta resultar abolida la relación entre actores misma, así que lo social da la impresión de estar poblado por entidades aisladas que no saben ni pueden saber nada los unos de los otros. Pues bien, lo que en este punto se necesita es huir del habitus jerárquico y describir el mundo de un modo que a la anarquía le resulte aceptable. Una descripción de este tipo es la sugerida por Maturana (1996, 1997). En su modelo, cada entidad o actor, en principio biológico, es un sistema autopoyético que se hace a sí mismo según resulta afectado por las perturbaciones provenientes del exterior. Como su sistema nervioso depende más de sí mismo que del exterior, pues cada vez que resulta irritado por estímulos externos se reorganiza de diferentes modos que dependen de lógicas internas, estamos ante un tipo de individualidad que, aunque lo parezca, nada sabe realmente de los otros ni del entorno. Sin embargo, es capaz de acoplarse estructuralmente a ambos, de estabilizar tales relaciones y de creer que sabe. De esas coordinaciones conductuales emergen acoplamientos lingüísticos más complejos de los que derivan coordinaciones conversacionales y sobre éstas emergerán, a su vez, distintos dominios de acción.

Esto quiere decir que, en el caso de la jerarquía, quienes mandan creen que saben o tienen información sobre los mandados y que pueden predecirlos. Sin embargo, aunque lo que creen que saben les reporte alguna utilidad, en realidad no saben mucho de los otros, pues lo que han hecho es describir ciertos acoplamientos estructurales en términos jerárquicos y, mediante coordinaciones conductuales lingüísticas (incluida la propia ciencia), imponer tales descripciones a los mandados. No obstante, como esas coordinaciones conductuales afectan sólo a una parte de los acoplamientos estructurales totales los mandados son bastante más de lo que los que mandan creen que son. En definitiva, el problema para los que mandan es que tienen una ignorancia negativa, pues no saben que no saben. La anarquía consiste precisamente en el carácter permanente fallido de la predicción de los que mandan. Aceptarla exige aplicar una ignorancia positiva y prestar atención a la existencia de faltas o vacíos de saber en la relación de cada actor individual o colectivo con sus otros.

En el plano pragmático o relativo a la praxis la jerarquía se caracteriza por el hecho de que quienes mandan hacen que los mandados obedezcan. Para ello es necesario, no sólo que un actor individual o colectivo A quiera que B emprenda cierta línea de acción, sino que B lo acepte e igualmente que no desee imponer nada a A. La situación anárquica, por el contrario, implica acabar con la voluntad de poder de unos y la de obedecer de otros. Sus condiciones son:

1. A no puede que B haga

2. B no puede que A haga B no obedece a A

3. A no obedece a B

El problema es que, eliminando esa voluntad de mando y obediencia, de nuevo parece que desconectamos a las entidades, individuos o actores unos de otros y que generamos un espacio asocial. Esto exige distinguir dos tipos de interacción distinta (Dupuy, 1992). Una estable y otra inestable. En el primer caso, la voluntad de los actores es coaccionada, enculturada o seducida por un sujeto, una creencia o un objeto originalmente perteneciente al conjunto, pero luego puesto fuera de él. Estas situaciones estables resultan fácilmente comprensibles para el observador externo, mientras que el participante resulta alienado, pues no sabe que todo lo que es, dice y hace resulta de una mediación exógena. En el segundo escenario, la inestabilidad impide la existencia de referentes exógenos. Esto implica que cada actor o entidad, individual o colectiva, se relaciona sin intermediaciones con los otros actores o entidades. En este escenario, al contrario de lo que sucedía en las situaciones estables, los actores tienen control sobre lo que son, dicen y hacen, pero al actor externo le resulta complicado no solo analizar, sino sobre todo controlar dicha actividad.

Los riders, con sus trucos y artimañas, se sitúan en un lugar intermedio y difuso, tanto en el plano semántico como en el pragmático, entre una jerarquía que ya no opera del todo bien y una anarquía que todavía no ha llegado. Del mismo modo, nuestro análisis sobre tan difusa realidad se encuentra entre el análisis exacto que facilitan las situaciones estables y la falta de certezas que genera la inestabilidad. Por eso, del mismo modo que los riders solo son parcialmente dominables para quienes les mandan, a la vez que no pueden “negociar” del todo con ellos sus actividades, así nuestras explicaciones solo son parcialmente completas para los estándares científicos habituales, a la vez que no podemos negociar con dichas convenciones todas nuestras conclusiones.

6. BIBLIOGRAFÍA

AGAMBEN, G. (1998): Homo Sacer. El poder soberano y la nuda vida, Valencia, PreTextos.

ARROYO GUARDEÑO, D., DÍAZ VICO, J. y HERNÄNDEZ ENCINAS, L. (2019): Blockchain, Madrid, CSIC –La Catarata

BAUDRILLARD, J. (2000): El intercambio imposible, Madrid, Cátedra.

BAYLOS A. (2022). “La larga marcha hacia el trabajo formal: el caso de los riders y la ley 12/2021”, Cuadernos de Relaciones Laborales, 40 (1), 95-113. (https://doi.org/10.5209/crla.80595)

BERGUA, J. A. (2008): “Diseñadores, tribus y coolhunting. Una aproximación sociológica a la creatividad en el ámbito de la moda”, Revista Española de Investigaciones Sociológicas,nº 124, pp. 45-71

BERGUA, J. A. (2011): Estilos de la investigación social. Técnicas, epistemología, algo de anarquía y una pizca de sociosofía, Zaragoza, Prensas Universitarias

BERGUA, J. A. (2020): “Capitalismo creativo. Cambios en los factores productivos, las agencias, los discursos y las políticas”, Revista Española de Sociología, 30 (1), pp. 1-17 (https://doi.org/10.22325/fes/res.2021.05)

BERGUA, J. A. (2021): Nada. Eones, conciencias e ignorancias, Zaragoza, Prensas Universitarias

BURRELL, J. (2016): “How the Machine ‘Thinks:’ Understanding Opacity in Machine Learning Algorithms”, Big Data & Society, vol. 3, n° 1, pp 14-25

BERGMAN, E. (2021): El Proceso constituyente en Islandia (2009-2013) (https://plataformacontexto.cl/cms/wp-content/uploads/2021/02/Minuta-Islandia.pdf) (consultado el 1 de abril del 2022)

BRONCANO, E. (2020): Conocimiento expropiado. Epistemología política en una democracia radical. Madrid, Akal

BULIAN, L. (2021): “The gig Economy is up. Who does Gig Economy Actually Benefit?”, Interdisciplinary Description of Complex Systems, 19 (1), pp. 106-119 (DOI:10.7906/indecs.19.9)

CALVERAS, A. y GANUZA, J. J. (2021): “La desigualdad: la cara oscura de las plataformas digitales”, Papeles de Economía Española, 167, pp. 113-130.

CANT, C. (2020): Riding for Deliveroo, Cambridge, PolityPress

CERTEAU, M. De (1990): L’invention du quôtidien, 1. Arts de faire, París, Gallimard.

CERTEAU, M. De, (et al.) (1999): La invención de lo cotidiano 2: habitar, cocinar, México, Universidad Iberoamericana.

COMITÉ INVISIBLE (2015): Ahora, Logroño, Pepitas de la Calabaza

COASE, R. H. (1937): “The Nature of the Firm”, Economica, 4 (16), pp. 386-405.

COLLI, G. (2008): La sabiduría griega, II, Madrid, Trotta

DANOWSKY, D. / VIVEIROS DE CASTRO, E. (2019): ¿Hay mundo por venir?, Buenos Aires, Caja Negra

DÉBORD, G. (1999): La sociedad del espectáculo, Valencia, Pre-Textos.

DEGRYSE, Ch. (2016): “Digitalisation of the Economy and its Impact on Labour Markets”, Working Paper 2016.02, Bruselas, European Trade Union Institute (http://ssrn.com/abstract=2730550)

DUPUY, J. P. (1991): La panique, París, LaboratoiresDelagrange

DUPUY, J. P. (1992): Introduction aux sciences sociales. Logique des phénomènes collectives, Paris, Ellipses.

ELIADE, M. (1994): Imágenes y símbolos. Barcelona, Planeta-Agostini.

FUMAGALLI, A. (2010): Bioeconomía y capitalismo cognitivo, Madrid, Traficantes de Sueños

ELIADE, M. (2020): “Veinte tesis sobre el capitalismo contemporáneo (Capitalismo biocognitivo)”, en Neo-operaésmo, Buenos Aires, Caja Negra, pp. 49-72

GALIMBERT, G. (1992): “La metamorfosis de Cronos”, Archipiélago, 10-11: pp. 5558.

GARFINKEL, H. (2006): Estudios en etnometodología, Barcelona, Anthropos

GIANDINI, A. (2021): “Labour Process Theory and the Gig economy”, Humans Relations, 72 (6) (https://doi.org/10.1177/0018726718790002)

GÖMEZ, C. E. (2021): “Estudios críticos sobre algoritmos: ¿un punto de encuentro entre la ingeniería y las ciencias sociales?”, Revista Iberoamericana de Ciencia, Tecnología y Sociedad, 14, (41), pp. 215-232,

GÓMEZ VILLAR, M. M. (2020): “Transformaciones de la agencia política contemporánea”, en Reis, M. (comp.), Neo-operaísmo, Buenos Aires, Caja Negra, pp. 297 313

GRABHER, G. y KÖNIG, J. (2020): “Disruption, Embedded. A Polanyy Framing of the Platform Economy”, Sociologica, Vol. 14, num. 1, pp. 95-118.

GRAEBER, D. (2015): La utopía de las normas, Barcelona, Ariel

GRIZZOTTI y VERCCELONE (2020): “Biorank vs Common coin, Algoritmos, criptomonedas, máquinas autorreplicantes y transformaciones del bios en el captalismo cognitivo”, en Reis, M. (comp.), Neo-operaísmo, Buenos Aires, Caja Negra, pp. 225-337

GROS, M. y McGOEY, L. (eds.) (2014): International handbook of Ignorance Studies, Londres, Routledge

HARDT, M. Y NEGRI, T. (2000): Empire, Cambridge, Harvard University Press.

HOLMES, D. E. (2018): Big Data, Barcelona, Antoni Bosch

HUI, Y. (2019): Fragmentar el futuro. Ensayos sobre la tecnodiversidad, Buenos Aires, Caja Negra

Ibáñez, J. (1985): Del Algoritmo al sujeto, Madrid, Siglo XXI

Ibáñez, J. (1993): “El centro del caos”, Archipiélago, 13, pp. 14-26

KINGSLEY, P. (2021): Realidad, Girona, Atalanta

KURZWILL, R. (2015): La singularidad está cerca. Cuando los humanos trascendamos la biología, Madrid, Lola Books

LATOUR, B. (1992): Nous n’avons jamais été modernes, Paris, La Découverté.

LEVI-STRAUSS, C. (1984): El pensamiento salvaje, México, Fondo de Cultura Económica.

LÓPEZ PETIT, S. (2009): La movilización total. Breve tratado para atacar la realidad, Madrid, Traficantes de Sueños

McGOEY, L. (ed.) (2014): Sociology of ignorance. Essays on the limits of knowledge, Londres, Routledge

MANDEL, G. (2011): Una historia de la autoridad. Permanencias y variaciones, Buenos Aires, Nueva Visión.

MATURANA, H. (1996): Desde la biología a la psicología, Santiago de Chile, Editorial Universitaria.

MATURANA, H. (1997): La objetividad. Un argumento para obligar, Santiago de Chile, Dolmen Ediciones.

MENÉNDEZ, N. D., HAIDAR, J. y ARIAS, C. (2023): “Prácticas organizativas de trabajadores de plataformas de reparto en Argentina. Un análisis desde la teoría de los recursos de poder”, Papers 108 (1), pp. 1-25 (DOI: https://doi.org/10.5565/rev/papers.3044)

MONTGOMERY, T. y BAGLIONI, S. (2020): “Platform Capitalism and the Reinvention of Precarious Work”, International Journal of Sociology and Social Policy, 41, (9/10), pp. 1021-1025. (DOI: https://doi.org/10.1108/IJSSP-08-2020-0400)

MORALES, K. y ABAL, P. (2020): “Precarización de plataformas: El caso de los repartidores a domicilio en España”, Psicoperspectivas Individuo y Sociedad, 19 (1), pp. 1-12 (DOI: http://dx.doi.org/10.5027/psicoperspectivas-vol19-issue1-fulltext-1680 )

MORIN, E. (1986): El Método 1. La naturaleza de la naturaleza, Madrid, Cátedra.

NEGRI, T. (2020): “Apropiación del capital fijo. ¿Una metáfora?”, en Reis, M. (comp.), Neo-operaésmo, Buenos Aires, Caja Negra, pp. 35-48

PRECIADO, B. (2014): Testo yonqui. Sexo, drogas y biopolítica, Buenos Aires, Paidós

PUGLIANU, V. (2019): “Work and Emplyment under the Gig Economy”, The Open Journal of Sociopolitical Studies, 12 (2), pp. 629-639 (DOI: 10.1285/i20356609v12i3p629)

REVILLA, J. y BLÁZQUEZ, V. (2021): ”Uneasy riders: contradictorias lógicas disciplinarias para una posición laboral imposible”, Revista Española de Sociología, 30 (2), (https://doi.org/10.22325/fes/res.2021.35)

REYGADAS, L. (2017): “Dones, falsos dones, bienes comunes y explotación en las redes digitales”, Desacatos, 56, pp. 70-89

RIFKIN, J. (2014): La sociedad de coste marginal cero. Barcelona, Paidós.

SADIN, E. (2018): La siliconización del mundo, Buenos Aires, Caja Negra

SCHOR, J. B. y ATWOOD-CHARLES, W. (2017): “The ‘sharing’ economy: labor, inequality and social connection for not profit platforms”, Sociology Compass, 11 (8), pp. 1-16 (DOI:10.1111/soc4.12493)

SEAVER, N (2017): “Algorithms as culture: Some tactics for the ethnography of algorithmic systems”, Big Data & Society, 28, (3-1), pp. 1-12.

SENNETT, R. (2009): El artesano, Barcelona, Anagrama.

SIMONDON, G (1989): L’individuation psychique et collective, París, Aubier,

SRNICECK, N (2018): Capitalismo de plataformas, Buenos Aires, Caja Negra

TIQQUN (2012): Primeros materiales para una teoría de la jovencita. Seguido de ‘hombres máquina: modo de empleo’, Madrid, Acuarela & A. Machado

TIQQUN (2015): La hipótesis cibernética, Madrid, Acuarela & A. Machado

VERNANT, J. P. (1982): Los orígenes del pensamiento griego, Barcelona, Paidós.

VIRNO, P. (2003): Gramática de la multitud, Madrid, Traficantes de sueños

WILLIAMSON, O.E. (2009): Las instituciones económicas del capitalismo, Fondo de Cultura Económica, México, F.D.

ZUBOFF, Sh. (2021): La era del capitalismo de la vigilancia. La lucha por un futuro humano frente a las nuevas fronteras del poder, Barcelona, Paidós

ZWICK, A. (2018): “Welcome to the Gig Economy: neoliberal industrialrelations and the case of Uber”, GeoJournal, 83, pp. 679-691 (https://doi.org/10.1007/s10708-0179793-8)

Notas