Digital Taylorism: la microgestión que llegó en forma de código
Por David Hurtado
Chief Possibility Officer (CPO) Fundador — Integrity-Led Futures | Integridad Artificial
Maestrando en Diseño de Futuros | Especialista en IA, Ciencia de Datos y Arquitecto de Soluciones
En 1911, Frederick Winslow Taylor publicó The Principles of Scientific Management, el libro que cambió para siempre la relación entre el ser humano y su trabajo. La propuesta de Taylor era aparentemente racional: cronometrar cada movimiento del trabajador, identificar el método más eficiente para cada tarea y eliminar todo lo que no contribuyera a la producción máxima. El trabajador era una extensión de la máquina. El tiempo era el recurso escaso. La eficiencia era el único criterio.
El taylorismo fue criticado desde el primer día por reducir al trabajador a un engranaje, por ignorar la fatiga cognitiva, por destruir el sentido de autonomía y de craft en el trabajo. Y sin embargo, sobrevivió y evolucionó. Hoy, más de un siglo después, el taylorismo vive en los algoritmos.
No usa cronómetros. Usa sensores, GPS, modelos de machine learning y dashboards en tiempo real. No tiene capataces con cuadernos de notas. Tiene sistemas que registran cada milisegundo de actividad o inactividad. La lógica es idéntica. La escala es planetaria. El daño es mayor.
De la fábrica al servidor: cómo el taylorismo se digitalizó
El taylorismo clásico operaba en la planta de producción física. Tenía límites naturales: el capataz no podía observar a todos los trabajadores al mismo tiempo, no podía cronometrar cada movimiento de forma continua, y la presión que podía ejercer tenía un techo humano.
El Digital Taylorism — término acuñado por investigadores del Oxford Internet Institute para describir la aplicación de lógica taylorista a través de sistemas algorítmicos (Muldoon et al., 2023) — elimina esos límites. El sistema puede monitorear a diez trabajadores o a doscientos mil con exactamente el mismo costo operativo. Puede registrar datos con una granularidad de fracciones de segundo. Puede generar presión de manera sostenida, sin fatiga y sin límite horario.
Las manifestaciones del Digital Taylorism son diversas pero comparten la misma lógica subyacente:
Gestión algorítmica de tiempos y movimientos: sistemas como el Time Off Task de Amazon que registran cada segundo que el trabajador no ejecuta una tarea productiva medible. El baño, el estiramiento, la conversación con un colega — todo es "tiempo perdido" desde la perspectiva del algoritmo.
Optimización de rutas en tiempo real: los conductores de reparto reciben instrucciones de navegación generadas por algoritmos que optimizan la eficiencia de la ruta sin considerar condiciones de tráfico no captadas por el sistema, necesidades de descanso o variabilidad humana en la conducción. El sistema espera que el humano se comporte como el modelo predice.
Scoring continuo de agentes de servicio: en los call centers, los sistemas de IA analizan el tiempo de cada llamada, el tiempo entre llamadas, el tono de voz del agente, las palabras usadas y el resultado de la interacción. Cada variable se convierte en un punto de la métrica de desempeño actualizada en tiempo real. El agente sabe que está siendo evaluado en cada segundo de su turno.
Ranking algorítmico de empleados: algunos sistemas generan rankings diarios o semanales de productividad relativa entre empleados del mismo equipo. El "bottom performer" recibe alertas automáticas. En el modelo más extremo — documentado en algunas operaciones de Amazon — el sistema genera automáticamente recomendaciones de desvinculación para el porcentaje inferior del ranking, independientemente del desempeño absoluto.
La diferencia entre tecnología de gestión y Digital Taylorism
No toda tecnología de gestión es Digital Taylorism. La distinción es importante porque evita el error opuesto: rechazar indiscriminadamente cualquier sistema de seguimiento de productividad.
El criterio diferenciador está en el uso de los datos y en el respeto por la agencia del trabajador:
Es Digital Taylorism cuando: los datos se usan para presionar, penalizar o reemplazar. El trabajador es un parámetro optimizable. El sistema establece el ritmo y el método sin posibilidad de negociación. La variabilidad humana — pausas, contexto, criterio — es tratada como error.
No es Digital Taylorism cuando: los datos se usan para apoyar, prevenir y desarrollar. El sistema identifica condiciones de riesgo para el trabajador (fatiga, sobrecarga, desequilibrio de carga) y las reporta para intervención humana. El trabajador puede acceder a sus propios datos y usarlos para tomar decisiones informadas sobre su trabajo.
La diferencia no está en la tecnología. Está en el diseño del propósito y en la calidad de la integridad con que ese propósito se implementa.
El daño específico del Digital Taylorism sobre la salud
La investigación en psicología del trabajo y salud ocupacional identifica cuatro dimensiones de daño específicas asociadas al Digital Taylorism:
Pérdida de autonomía y su impacto en la motivación intrínseca: la teoría de la autodeterminación de Deci y Ryan establece que la autonomía es una necesidad psicológica fundamental. Cuando el sistema elimina la autonomía del trabajador — dictando no solo qué hacer sino cómo y a qué velocidad — la motivación intrínseca colapsa y es reemplazada por cumplimiento por miedo. El trabajo pierde sentido. La relación con la tarea se deteriora. La calidad del trabajo baja, aunque la velocidad suba.
Vigilancia constante y su efecto panoptical: la conciencia de ser monitorizado en todo momento produce un estado de alerta cognitiva sostenida que consume recursos mentales que deberían estar disponibles para la tarea misma. Los estudios muestran que los trabajadores bajo vigilancia algorítmica constante dedican una proporción significativa de su capacidad cognitiva a gestionar la percepción del sistema, en lugar de a hacer su trabajo bien.
Ritmos insostenibles y fatiga acumulada: los algoritmos de optimización no modelan la fatiga humana como variable relevante, o la modelan de manera insuficiente. Los ritmos que generan son matemáticamente óptimos para una máquina, pero producen fatiga acumulada en un ser humano. Esa fatiga no desaparece al final del turno: se acumula día a día hasta generar burnout.
Erosión del sentido del trabajo: cuando el trabajador recibe instrucciones de un sistema que no puede preguntarle nada, que no conoce su historia ni su contexto y que lo evalúa como un punto en una distribución estadística, el sentido del trabajo como actividad significativa se erosiona. El trabajo se convierte en un intercambio puramente transaccional donde la única variable relevante es sobrevivir a la evaluación del sistema.
Integridad Artificial como antídoto al Digital Taylorism
La Integridad Artificial no propone regresar al mundo pre-digital. Propone que la tecnología de gestión se diseñe para amplificar la agencia humana en lugar de reducirla.
Los sistemas de gestión algorítmica con integridad tienen características específicas que los distinguen de sus versiones tayloristas:
Miden para informar, no para penalizar: los datos de desempeño se usan primariamente para identificar condiciones de riesgo (sobrecarga, desbalance de distribución de tareas, tendencias de deterioro) y para apoyar decisiones de ajuste, no para generar rankings de presión o alertas disciplinarias automáticas.
Incorporan variabilidad humana como dato válido: el sistema reconoce que la variabilidad en el rendimiento tiene causas múltiples — fatiga, contexto, complejidad específica de la tarea — y que esa variabilidad no es siempre ruido. A veces es señal.
Preservan márgenes de autonomía verificados: el diseño del sistema define qué dimensiones del trabajo son optimizadas algorítmicamente y cuáles permanecen bajo el criterio del trabajador. Ese equilibrio no es accidental: es auditado periódicamente para verificar que los márgenes de autonomía son reales y suficientes.
Generan transparencia hacia el trabajador: el empleado puede acceder en todo momento a sus propios datos de evaluación, comprende los criterios con que es medido y tiene un canal claro para cuestionar los resultados que considera incorrectos.
El Digital Taylorism es eficiente en el corto plazo y costoso en el mediano. La Integridad Artificial es más exigente de implementar y más sostenible en el tiempo. La diferencia entre ambas es la diferencia entre extraer valor de las personas y construirlo con ellas.
Referencias
Deci, E. L., & Ryan, R. M. (2000). The "what" and "why" of goal pursuits: Human needs and the self-determination of behavior. Psychological Inquiry, 11(4), 227–268. https://doi.org/10.1207/S15327965PLI1104_01
Kellogg, K. C., Valentine, M. A., & Christin, A. (2020). Algorithms at work: The new contested terrain of control. Academy of Management Annals, 14(1), 366–410. https://doi.org/10.5465/annals.2018.0174
Muldoon, J., Miller, K., & Chen, L. (2023). Digital Taylorism revisited: Algorithmic management and worker agency in platform work. New Technology, Work and Employment, 38(2), 145–163. https://doi.org/10.1111/ntwe.12240
Taylor, F. W. (1911). The principles of scientific management. Harper & Brothers.
Vleugels, W., De Witte, H., & Forrier, A. (2025). Algorithmic management and psychological distress at work. International Archives of Occupational and Environmental Health, 98(2), 145–162. https://doi.org/10.1007/s00420-025-02180-5
Wood, A. J., Graham, M., Lehdonvirta, V., & Hjorth, I. (2019). Good gig, bad gig: Autonomy and algorithmic control in the global gig economy. Work, Employment and Society, 33(1), 56–75. https://doi.org/10.1177/0950017018785616
Zuboff, S. (2019). The age of surveillance capitalism: The fight for a human future at the new frontier of power. PublicAffairs.