La respuesta de Gemini fue inmediata y ordenada: una lista de pasos para solucionar el problema:
Era una respuesta clínica y perfectamente lógica. No tenía nada que ver con la inquietante realidad del texto rojo que seguía parpadeando en mi pantalla.
Seguí, entonces, los consejos de la máquina. Encontré una dirección de correo electrónico genérica, escondida dentro de los términos y condiciones de la plataforma, y mandé una nota educada y medida explicando la falla técnica, adjuntando una captura de pantalla del error. Después, cerré la computadora.
Pasaron tres días. Después cinco. Luego una semana.
No recibí ninguna confirmación automática ni se generó ningún número de caso. Jamás apareció el nombre de una persona real, pero el silencio no era accidental: era un recordatorio de la oscura asimetría de ese sistema.
Hay un tipo de cansancio actual muy particular que surge de discutir contra el vacío. Cuando una institución física te falla —un banco, una oficina o un local comercial—, incluso un burócrata poco servicial está ahí, en persona, frente a vos. Podés demostrar tu frustración dando un portazo o compartiendo un suspiro en una sala de espera. En cambio, un ticket del soporte técnico sin respuesta es como un espejo: le enviás un mensaje y lo único que te devuelve es tu propia ansiedad.
Había sido lo suficientemente visible ante ese sistema como para entregarle un escaneo de mi pasaporte, mis datos biométricos y veinte años de experiencia lingüística. Pero en el momento en que necesité ayuda, me volví completamente transparente. Me quedé varado en el laberinto de los tickets sin respuesta. No revisé mi bandeja de entrada de forma compulsiva esperando una respuesta, porque, en el fondo, sabía que ningún ser humano estaba leyendo mi mensaje.
En su lugar, hice lo que muchos profesionales hacen cuando se les mueve el piso: busqué algo que todavía pudiera controlar. Abrí LinkedIn. No para perderme en el scroll infinito, sino para encontrar algo a lo que aferrarme.
Empecé a pulir mi currículum, afinando las descripciones de proyectos que había entregado una década atrás, tratando de sostener una identidad profesional que de repente se sentía extrañamente incierta. Pero en el instante en que puse un pie en la plataforma, me di cuenta de que no había escapado de la lógica que me pone a prueba. Solo había cambiado de vidriera.
Comencé a revisar la configuración y opté por recibir solo un resumen semanal por correo electrónico. La plataforma tomó mi preferencia como una mera sugerencia. Las notificaciones push y las alertas constantes por mail siguieron llegando de todos modos, irrumpiendo en mi teléfono varias veces al día con ofertas de trabajo urgentes para traductores de japonés, especialistas en localización al ruso y desarrolladores de Python.
Una tarde, por pura curiosidad, hice clic en una oferta de Python solo para ver qué clase de infraestructura estaban construyendo esas empresas. Ese único clic fue una trampa.
El algoritmo nunca distinguió la curiosidad de la intención. A la mañana siguiente mi feed se veía diferente. Dos días después, había cambiado otra vez. Una semana después, veinte años de experiencia en traducción casi se habían perdido bajo un aluvión de publicaciones de desarrolladores y cursos exprés de ingeniería de datos. Al sistema no le importaba todo lo que había detrás de mi carrera. Había detectado una nueva señal de comportamiento. Y quería más clics.
Al investigar un puesto de desarrollador por curiosidad profesional, había cometido el único error imperdonable en un sistema predictivo: me había comportado como una persona. El algoritmo se aferró a ese único dato, descartó décadas de matices lingüísticos como si no fueran más que contexto y reorientó toda mi realidad profesional hacia el código. Para entonces, mi feed me sugería ciegamente puestos de ingeniero de datos junior. No le interesaba que Python fuera una curiosidad, no una transición de carrera. Le importaba únicamente que me pudiera atraer, porque la incertidumbre genera engagement, y el engagement alimenta al modelo. Para sus métricas, uno no es lo que sabe; se convierte en aquello en lo que hizo clic por última vez.
En la Parte II, la plataforma de evaluación actuaba como un policía inhumano: trataba cualquier mirada fuera de la pantalla como una falta y notificaba a un administrador que en realidad jamás existió. LinkedIn era diferente. Usaba cada uno de mis clics para decidir quién era yo profesionalmente.
Me quedé mirando mi página de inicio, de pronto inundada por una oleada interminable de ofertas de empleo irrelevantes y una lista curada de “Personas que quizás conozcas”: un desfile constante de desconocidos cuya única conexión aparente conmigo era su utilidad para las métricas de crecimiento de la plataforma.
Frente a la pantalla, comencé a comprender la lógica de esta nueva dinámica laboral. No era mi página de inicio. Era la de ellos.
Las plataformas de evaluación cometen errores y tildan de sospechosos a los candidatos. Las redes profesionales malinterpretan un solo clic y reescriben en silencio décadas de experiencia. La industria llama a esto “alucinaciones”, como si la máquina estuviera soñando en lugar de cometer un error. Pero somos nosotros los que tenemos que absorber el costo y adaptarnos a las consecuencias.
Que la plataforma me entendiera o no, daba lo mismo. La plataforma no intentaba saber quién era yo. Intentaba anticipar qué iba a hacer a continuación.
La tecnología es el escenario. La humanidad es el tema.