La información se ha convertido en un recurso estratégico del capitalismo contemporáneo, y las transformaciones asociadas a su producción, circulación y apropiación han reorganizado las dinámicas económicas y sociales desde fines del siglo XX (Manuel Castells, 2001). En un contexto en el que las grandes potencias compiten por el dominio de tecnologías estratégicas que definirán las guerras futuras, la información se ha convertido en una mercancía que no solo conserva su valor a través del uso, sino que también puede constituir una fuente de renta permanente para quienes la poseen. Parafraseando a Marx, los datos expresan y reproducen relaciones sociales que subordinan a quienes los generan (Marx, El capital, tomo I). Los datos aportan información y, al mismo tiempo, cristalizan relaciones sociales que separan a quienes los producen de quienes se apropian de su valor.
Esta desigualdad entre quienes producen los datos y quienes se apropian de su valor se sostiene sobre tres mecanismos principales: el extractivismo, la invisibilización y la concentración de la infraestructura. Vale la pena señalar que los datos que entrenan los modelos matemáticos de clasificación que las empresas denominan Inteligencia Artificial se extraen de territorios, cuerpos y comunidades que no participan de su comercialización. Además, son recolectados, curados y anotados —enriquecidos con información— mediante trabajo precarizado y escasamente reconocido. Y finalmente, se almacenan en grandes centros de datos que pertenecen, casi exclusivamente, a empresas y organizaciones del Norte Global. Así, el conocimiento, que muchas veces se genera de manera colectiva, o desde instituciones públicas, se transforma en un activo privado, mientras quienes lo producen quedan reducidos a proveedores invisibles de materia prima cognitiva.
Si miramos el mapa global de la producción de datos, el extractivismo resulta palpable, siendo ejemplos de ello las bioprospecciones hechas en las grandes reservas de biodiversidad del sur global. Por ejemplo, en la Amazonia, en la que la mayoría de las patentes asociadas a especies nativas están registradas por instituciones del Norte (Villaseñor & Martínez, 2018); y un trabajo reciente encontró que más del 70 % de los estudios de biodiversidad en África no incluían a ningún autor africano (Amano et al., 2021). De igual modo sucede con los datos biomédicos. Un ejemplo de ello es el programa All of Us del NIH que se definía como una iniciativa para construir la base de datos genómica y clínica integrada más grande del mundo, y recolectaba ADN de comunidades indígenas sin consulta previa con líderes tribales. Los datos fueron almacenados en un repositorio de operación que no incluía representación explícita de las comunidades indígenas, ni de líderes comunitarios en su Comité de Acceso (Halmai et al., 2025). Y por si alguna de estas decisiones pudiera parecer producto de una macabra casualidad, cabe destacar que empresas privadas como Palantir, que participaron del programa All of Us como subcontratistas, tuvieron acceso a dichos datos por medio del programa Centralización para la Vinculación y Adquisición de Datos (CLAD, del inglés) (J. Métraux, 2026; K. Fox, 2020).
A esta desigualdad, se debe agregar una dimensión que suele quedar fuera del radar. El trabajo de curación y anotación de los datos generados en estos marcos de convenio, que resultan indispensables para convertir los datos en recursos utilizables y económicamente valiosos es producto de la precarización e invisibilización. Ese trabajo es la base material sobre la que se sostiene el valor de los datos como mercancía, ya que sin curación no hay dataset utilizable; sin dataset utilizable no hay modelo; sin modelo no hay renta. Diversos trabajos muestran que la transformación del conocimiento biológico no estructurado en formatos computables depende de tareas especializadas de curación y anotación que permanecen subvaloradas. Google DeepMind desarrolló el modelo generativo AlphaFold que revolucionó la biología, la base de datos que almacena y distribuye públicamente las predicciones de estructuras proteicas fue desarrollada y es mantenida conjuntamente por Google DeepMind y el EMBL-EBI. Inclusive, son las bases de datos de dicha institución las que retroalimentan el modelo de la empresa norteamericana. Esta institución es una de las más importantes en ciencias de la Unión Europea. Y aún cuando sus bases de datos le garantizan subsidios de la Unión Europea y convenios millonarios con privados (EMBL, 2025), la biocuración de sus datos se enmarca en trabajo precarizado. Quienes la realizan son, en su mayoría, mujeres con doctorado en biología, que ocupan posiciones de bajo estatus y con contratos temporales cuando los tienen: aproximadamente el 82 % estaba bajo contratos temporales (Gabrielsen, 2024; Burge et al., 2012). Y, sin embargo, quienes curan los datos no siempre reciben reconocimiento autoral ni participan del reparto de beneficios que su trabajo contribuye a generar. Convenientemente, el valor de los datos, que depende de tareas humanas especializadas, es presentado como si emergiera automáticamente.
Y a lo antes mencionado, podemos agregar otra dimensión de la asimetría, que se juega en la infraestructura material. Porque la soberanía de datos no es solo una cuestión de licencias, es también una cuestión de quién controla la infraestructura, quién puede garantizar su continuidad y quién paga la luz del servidor. La digitalización de archivos y datos científicos traslada parte de las desigualdades a las condiciones de acceso a la infraestructura (Rekap, 2026). Hoy, tres empresas —AWS, Microsoft Azure y Google Cloud— concentran el 63 % del gasto mundial en servicios de nube. Cuando un repositorio institucional o un proyecto de investigación aloja sus datos en estas plataformas, queda sujeto a sus términos de servicio y a su jurisdicción legal, mayoritariamente estadounidense. La promesa del "hosting" o alojamiento de datos autogestionado, con su infraestructura propia, es precisamente escapar de esa dependencia. Pero sostener servidores, copias de seguridad y sistemas de seguridad informática requiere presupuesto constante, personal capacitado y planificación a largo plazo, lo que no va de la mano con el ajuste. Así mismo, sin herramientas de control y participación ciudadana en las tomas de decisión sobre su manipulación, no existen garantías de su protección frente a manos privadas o privatizadoras. Es por ello que los aspectos de gobernanza de los datos se tornan relevantes en este punto.
En un estudio reciente realizado en Uganda y publicado en BMC Medical Ethics (Sebatta et al., 2026), con investigadores del sistema de investigación genómica ugandés, se mostró cómo los sistemas actuales de gobernanza de datos reflejan patrones coloniales. En este se documentó cómo los equipos del Norte global controlan las plataformas digitales donde se alojan los datos de investigación y disponen de la potestad para bloquear el acceso a ellos unilateralmente. El artículo detalla, además, cómo las plataformas de financiamiento de los consorcios de investigación están estructuradas de modo tal que los recursos económicos quedan en manos de quienes controlan los datos, por lo que los investigadores ugandeses rara vez reciben retribuciones económicas por su comercialización. Con una propiedad de los datos poco clara y la ausencia de marcos de reparto de beneficios, los derechos de propiedad intelectual se ven también comprometidos.
En Argentina, por ejemplo, contamos con una herramienta concreta que podría permitir ejercer soberanía sobre nuestros datos. El Repositorio Institucional del CONICET (RI CONICET) existe desde el 1 de agosto de 2015 y se creó bajo la Resolución 4970/14 para dar cumplimiento a la Ley 26.899, que establece que los organismos públicos que componen el Sistema Nacional de Ciencia, Tecnología e Innovación y que reciben financiamiento del Estado nacional deberán desarrollar y alojar sus datos en repositorios digitales institucionales de acceso abierto. Resulta una paradoja importante que el mismo Estado que obliga a investigadores a publicar los resultados de sus investigaciones sea quien intente silenciar esos mismos resultados cuando incomodan, como sucede con el Proyecto SPRINT. Coordinado por la Dra. Virginia Aparicio, investigadora del INTA, el proyecto midió la presencia de plaguicidas en distintas matrices ambientales, entre ellas, muestras de sangre y materia fecal de voluntarios de distintas regiones de Buenos Aires. Los resultados mostraron una mediana de 5,5 plaguicidas por muestra, contra 2 en Europa; el glifosato apareció en el 100 % de los casos. Estos son datos que hablan de un modelo productivo, de una exposición ambiental y de un riesgo sanitario, han sido censurados por los gobiernos desde Fernández y Milei, justamente por incomodar a los actores económicos y políticos que sostienen ese modelo. El caso SPRINT pone en evidencia que la soberanía de datos no se agota en la existencia de un repositorio o de una ley, sino que exige también la protección de quienes los producen. La única alternativa es entonces la gobernanza en manos de la clase trabajadora, de quienes producen el conocimiento.
La comunidad científico-tecnológica lleva años debatiendo y actuando sobre esta cuestión. El movimiento de datos abiertos promueve la publicación de datos procedentes de organizaciones e instituciones académicas y gubernamentales de todo el mundo en formatos reutilizables (Peset et al., 2011). Se han construido consensos (FAIR) que proponen publicar los datos de manera íntegra, descargable y en formatos reutilizables, procurando eliminar barreras técnicas y restricciones innecesarias. Las bases de este impulso se apoyaban en la premisa de que una mayor disponibilidad de datos abiertos podía reducir las barreras de acceso, democratizar las decisiones y favorecer el desarrollo científico a escala global (M. G. Ortúzar, 2012). Pero, en un mundo desigual, resulta indispensable distinguir entre transparencia y apertura.
La primera habla de la posibilidad de acceder a la información, mientras la segunda se refiere a la posibilidad efectiva de comprenderla, reutilizarla y cuestionar las condiciones en las que fue producida. Un conjunto de datos publicado sin metadatos suficientes puede resultar prácticamente inutilizable para la comunidad y borrar todo rastro de quienes lo hicieron posible, de las decisiones políticas que lo moldearon y de los intereses que lo financiaron. Ruijer y colaboradores (2018) señalan que el modo de presentar los datos condiciona su potencial de uso, que su construcción no es neutral ni aséptica y que no es posible equiparar transparencia con datos abiertos. La apertura de datos no suspende la lógica del capital, la reconfigura reproduciendo las desigualdades que promete resolver. En ese sentido, los principios CARE, desarrollados en 2020 por la Global Indigenous Data Alliance (GIDA), intentan garantizar que la apertura de datos no derive en perjuicios ni profundice desigualdades. Estos proponen beneficios colectivos, como el derecho de las comunidades a decidir cómo se recopilan, gestionan, comparten y reutilizan sus datos, junto con la soberanía de datos y los sistemas de gobernanza propios; o la exigencia de consulta previa, transparencia y rendición de cuentas por parte de quienes gestionan y reutilizan datos (GIDA, 2020). Los principios CARE obligan a quienes adscriben a ellos a respetar los derechos humanos, los valores culturales y la dignidad de las comunidades.
Lamentablemente todos estos consensos no valen nada, sin las decisiones políticas que los respalden, y sin las comunidades siendo parte activa en esa disputa política. Necesitamos hacer foco y exigir ciencia y datos para sostener la vida de las comunidades que habitan los territorios estudiados. Necesitamos construir las condiciones para que las comunidades puedan comprenderlos, discutirlos, gobernarlos y beneficiarse de ellos. Frente a un capitalismo que convierte la información en mercancía y el trabajo cognitivo en una fuente de valor cuya producción permanece en manos de unos pocos, la apuesta es construir datos abiertos para decidir colectivamente y ciencia digna para empoderar. Porque la ciencia pública y los datos abiertos adquieren sentido cuando el conocimiento puede ser comprendido, discutido y utilizado por quienes los producen.
Referencias Bibliográficas
Amano, T., Berdejo-Espinola, V., Christie, A. P., Willott, K., Akasaka, M., Báldi, A., … Sutherland, W. J. (2021). Tapping into non-English-language science for the conservation of global biodiversity. PLOS Biology, 19(10), e3001296. https://doi.org/10.1371/journal.pbio.3001296
Blasimme, A., et al. (2026).
Burge, S., Attwood, T. K., Bateman, A., Berardini, T. Z., Cherry, M., O'Donovan, C., … Gaudet, P. (2012). Biocurators and biocuration: Surveying the 21st century challenges. Database, 2012, bar059. https://doi.org/10.1093/database/bar059
Castells, M. (2001). La era de la información: economía, sociedad y cultura. Siglo XXI.
De Ortúzar, M. G. (2012, 21–23 de noviembre). Condiciones para la "gobernanza" en la sociedad del conocimiento, democrática y deliberativa: ¿Es posible el ejercicio de la gobernanza reflexiva en América Latina? [Ponencia]. VI Congreso de Relaciones Internacionales, La Plata, Argentina. https://www.memoria.fahce.unlp.edu.ar/trab_eventos/ev.10600/ev.10600.pdf
EMBL. (9 de noviembre de 2025). We are EMBL: Jana Broecker on building bridges between industry and academia. https://www.embl.org/news/people-perspectives/we-are-embl-jana-broecker/
Fox, K. (2020). The illusion of inclusion — The "All of Us" Research Program and Indigenous Peoples' DNA. New England Journal of Medicine, 383(5), 411–413. https://doi.org/10.1056/NEJMp1915987
Gabrielsen, A. M. (2024). Gendering data care: Curators, care, and computers in data-centric biology. Science as Culture, 33(2), 256–280.
Global Indigenous Data Alliance. (2020). CARE Principles for Indigenous Data Governance. https://www.gida-global.org/care
GO FAIR. (2016). FAIR Principles. https://www.go-fair.org/fair-principles/
Halmai, N. B., Taitingfong, R., Jennings, L. L., Yracheta, J., Garba, I., Lund, J. R., Curley, C. A., Claw, K. G., Taualii, M., Garrison, N. A., & Carroll, S. R. (2025). Indigenous Data Sovereignty in Genomics and Human Genetics: Genomic Equity and Justice for Indigenous Peoples. Annual Review of Genomics and Human Genetics, 26(1), 375–400.
Marx, K. (2011). El Capital: crítica de la economía política (Tomo I, Vol. 1). Siglo XXI. (Obra original publicada en 1867)
Métraux, J. (2026, 7 de julio). Palantir has a hand in NIH's most ambitious health initiative. Mother Jones.
Peset, F., Ferrer-Sapena, A., & Aleixandre-Benavent, R. (2011). Acceso a los datos públicos y su reutilización: open data y open government. El Profesional de la Información, 20(3), 260–269. https://doi.org/10.3145/epi.2011.may.03
Rikap, C. (2026). Teoría de la dependencia digital: soberanía y desarrollo en el capitalismo del siglo XXI. Caja Negra.
Ruijer, E., Grimmelikhuijsen, S., van den Berg, J., & Meijer, A. (2018). Open data work: Understanding open data usage from a practice lens. International Review of Administrative Sciences, 86(1), 1–17.
Sebatta, D. E., Singh, S., Oga, J., Kyaddondo, D., Barugahare, J., Sekalala, S., Mulumba, M., & Mwaka, E. (2026). Decolonizing genomic data ownership: A qualitative study of legal practices and access in Uganda. BMC Medical Ethics, 27(1), 182. https://doi.org/10.1186/s12910-026-01517-0