Abriendo la web de cualquier casa de apuestas deportivas online encontraremos un menú inmenso de eventos en vivo. Junto a las opciones de apuestas, portales como Bet365, Betwin, Betfair o Sportsbet presentan esquemáticas animaciones en tiempo real del partido. Sin vídeo, sobre el dibujo de un campo de fútbol, una serie de flechas e iconos informan cada “Ataque Peligroso”, “Saque de esquina”, “Tarjeta Amarilla”, “Gol” o cualquier jugada que suceda en el campo.
Como ejemplo, en la Figura 1 vemos el enfrentamiento entre dos equipos de la categoría sub-20 del campeonato estatal de Goiás, en Brasil. La figura y las opciones de apuestas serían semejantes para cualquiera de los eventos que vemos listados en la columna de la izquierda, que están siendo transmitidos “en vivo”: la Liga de Reservas de Argentina o de Honduras, el campeonato femenino de Colombia o Panamá o varios campeonatos de e-soccer, partidas de videojuegos de fútbol de entre 8 y 12 minutos. En otro momento encontraríamos eventos de impacto mediático semejante: el Campeonato de Burundi, la Liga sub-19 de Croacia, la Copa de los Emiratos Árabes Unidos, la Liga de Fútbol Femenino del Líbano, etc. En la Figura 1, estática, no vemos el dinamismo incesante del campo esquemático destacado en rojo, situado sobre un marcador de estadísticas que contabiliza “Ataques”, “Ataques peligrosos” y “% de Posesión”. Es muy probable que no exista ninguna transmisión audiovisual de estos partidos en televisión o streaming, por el carácter modesto de las competiciones. Entonces, ¿de dónde salen los datos que animan ese esquema?
Figura 1
Representación animada de un partido en vivo en Bet365.
Fuente: https://www.bet365.com/#/IP/B1 acceso en 18/05/2023. Destaque en rojo nuestro.
Para quien mira, estas representaciones simples no ofrecen el entretenimiento de un espectáculo deportivo, sino simplemente conocer al instante el resultado de las apuestas. El dinamismo vital de la representación crea una implicación con ese aconteci
miento distante e insubstancial, permitiendo que el apostante pueda modificar las apuestas en vivo sintiendo las tendencias del juego. En realidad, este esquema es un producto derivado del feed de datos que lo anima, como un piloto led que apenas sirve para informar que un flujo de energía recorre el aparato. Pero, ¿quién produce el flujo de datos que mueve esa animación? En este artículo acompañamos a los data scouts, los trabajadores que producen estos datos, con el objetivo de entender sus condiciones de trabajo y su contribución para el mercado global de apuestas deportivas.
Abramos la caja negra que conecta el portal de apuestas con los espectáculos deportivos. Viajemos, pues, desde la pantalla del computador del apostante hasta el otro extremo de la cadena. Estamos en un pequeño estadio de fútbol del interior de Brasil, un sábado al mediodía. Hay gradas para unas quinientas personas, pero apenas vemos unas decenas de aficionados locales y parientes de jugadores. Está a punto de comenzar un irrelevante partido de fútbol de la tercera división de un campeonato estatal. Ninguna cámara de televisión en el estadio, ninguna radio. Dos jóvenes están sentados a unos metros del público agrupado, difiriendo del resto por su actitud seria y concentrada: son Ronaldo y Gilmar1, dos data scouts2 que producirán el feed de datos del encuentro para dos empresas diferentes.
En cuanto empieza el partido, empiezan a digitar cada acontecimiento del partido en una aplicación específica de su smartphone. Es una app simple e intuitiva: con apenas dos pulgares, los data scouts indican sobre el esquema de un campo de fútbol (semejante al de la Figura 1) todo lo que sucede en el partido. Un poco más allá está Fernandes, otro data scout, dictando lo que observa al auricular de un teléfono. La empresa para la que trabaja utiliza un sistema diferente, con comandos de voz en lugar de aplicación. Durante todo el partido, Fernandes mantiene una llamada telefónica con un call center en algún lugar indeterminado del mundo. Por el prefijo telefónico, Fernandes deduce que el call center está en Filipinas, pero eso nunca le fue informado ni le interesa mucho: “creo que debe ser un call center grande, porque cuando estoy hablando con ellos escucho otras personas de fondo, narrando otros partidos”. Sin perder de vista el partido en ningún momento, Fernandes dicta en inglés cada jugada, con una serie de códigos predeterminados entrenados: “Home Attack”, “Home Danger Attack”, “Away Safe”, “Home Corner”, “Away Yellow Card”…
Ronaldo, Gilmar y Fernandes envían datos para empresas diferentes, pero viajaron hasta el estadio en el mismo coche, saliendo juntos de la capital del estado hasta aquella ciudad. Tras varios años en ese empleo, reconociéndose y encontrándose en los estadios de la región, ya son amigos y comparten un grupo de whatsapp con otros data scouts. Durante el viaje venían conversando, comparando las condiciones laborales de las empresas, charlando sobre la vida o comentando la situación de los equipos que siguen como aficionados. El clima era amistoso y relajado, pero en cuanto empieza el partido, la concentración es total. Más que apreciar las jugadas, se concentran en el árbitro, interpretando al instante cada gesto arbitral. No interesa discutir las interpretaciones polémicas: “para nosotros lo que vale es lo que está en el acta”. Las informaciones deben ser rápidas y precisas. Después del partido, los feeds de datos enviados serán revisados y contrastados, normalmente de forma automática y superficial, pero eventualmente también con una observación detallada, si ese partido es seleccionado por el muestreo analítico del supervisor. Con esa revisión, los data scouts recibirán una evaluación entre 1 y 5, que constará en su perfil de la plataforma de la empresa, configurando su rating e histórico de partidos. Como freelancers, no pueden ser despedidos, pero las evaluaciones son vitales: si son negativas, pueden implicar el impago del encuentro o incluso la desvinculación de la plataforma, si son reiteradas. Si las evaluaciones se mantienen positivas, pueden mejorar su remuneración por partido o abrir el acceso a competiciones más valiosas, más cercanas o menos costosas. Ellos saben que los flujos de datos que producen son vitales para transacciones económicas globales y millonarias, pero su tarea es simple y casi robótica: informar con precisión, rigor y velocidad todo lo que ocurre en el partido, convirtiendo en datos digitales el evento deportivo complejo que está ocurriendo ante sus ojos.
Los data scouts no son empleados de las casas de apuestas deportivas online. A rigor, tampoco son empleados de las empresas de estadística deportiva que colectan, organizan y comercializan los datos. Como freelancers, venden esos datos, producidos por encargo, para las empresas de estadísticas deportivas que tienen a las casas de apuestas como principal cliente. Por eso podemos decir que, en última instancia, los data scouts abastecen con datos las casas de apuestas online.
Figura 2
Diagrama de flujo de datos deportivos online
Investigamos el trabajo de los data scouts con base en observación participante, entrevistas focales y conversaciones asíncronas por mensajes online. Las informaciones cualitativas son interpretadas en diálogo con la bibliografía disponible en estudios sociales sobre apuestas deportivas online y, en términos teóricos más generales, sobre el capitalismo de plataformas (Srnicek, 2017/2018), extractivismo ampliado (Gago y Mezzadra, 2015) y la “economía de bolos” (gig economy) mediada por aplicaciones celulares estableciendo relaciones de autogestión subordinada (Abílio et al., 2021; Ekbia y Nardi, 2017).
La industria de datos deportivos online conecta las competiciones deportivas con las webs de apuestas en un proceso de integración digital que comienza con la conversión de performances deportivas en bases de datos dinámicas (López-González y Griffiths, 2016). En la última década, empresas de datos como Perform Group, Sportsradar, Real Time Sports (RTS), Sportscast o Genius Sports firmaron acuerdos con competiciones deportivas y plataformas de apuestas online para recolectar, organizar, analizar y entregar datos deportivos en tiempo real, posibilitando nuevas modalidades de apuestas. El carácter global de esta industria actualiza relaciones desiguales entre centro y periferia, por lo que es necesario contextualizar el lugar de Brasil en este mercado.
Es primordial que las bases de datos sean dinámicas e instantáneas. Esto posibilita la modalidad de apuesta in-play betting, en que la apuesta es realizada mientras ocurre el evento deportivo. Así, el apostante puede modificar o retirar su apuesta en determinados momentos con condiciones fijadas por las casas de apuestas, interpretando el partido e intentando aprovechar cuotas beneficiosas en una corta ventana temporal. En palabras del CEO de una de las empresas mencionadas: “Live sports data is the fuel that drives in-play betting – our industry most important and most valuable product” (Locke, 2019, párr. 3). Los datos de apuestas en España, un mercado importante y representativo del mercado global, muestran la dimensión de esta modalidad sobre el conjunto.
La Figura 3 compara la rentabilidad, mes a mes, de las apuestas deportivas de contrapartida convencional (realizadas antes y retribuidas después del evento deportivo) y las apuestas deportivas de contrapartida en directo (in-play betting). Esta modalidad surge en 2015 y rápidamente supera en rentabilidad a la convencional. Ambas modalidades fluctúan por eventos externos, como la fuerte caída de abril de 2020, cuando la pandemia obligó a suspender todas las competiciones deportivas. Sin embargo, las apuestas de contrapartida en directo mantienen mayor constancia a lo largo del año, con oscilaciones más suaves, mostrando menor sensibilidad a las variaciones de intensidad mediática de las competiciones deportivas. Las apuestas de contrapartida convencional decaen entre marzo y junio, épocas de menor intensidad deportiva, y presentan picos coincidiendo con finales de campeonato o mega-eventos, como el mundial de fútbol a finales de 2022.
Figura 3
GGR1 por tipo de apuesta, en millones de euros (España 2013-2024).
Fuente: Dirección General de Ordenación del Juego [DGOJ], 2024
El in-play betting transforma las apuestas de una práctica eventual, ritual y discontinua, a una potencialmente continua y recurrente, mucho más cotidiana y banalizada (López-González et al., 2020). Con infraestructuras tecnológicas y modificaciones psicológicas y culturales, esta modalidad altera el comportamiento del apostante. Las plataformas de juego accesibles en teléfonos celulares (en algunos países, también en terminales físicos interactivos instalados en establecimientos públicos) permiten que la práctica de apostar sea simultánea al visionado del evento. Esto modifica comportamientos y motivaciones: en lugar de considerar que el resultado de la apuesta sea aleatorio, el apostante confía más en su capacidad de analizar y prever los acontecimientos (Killick y Griffiths, 2021). Para mantener la recurrencia, se torna indispensable la oferta de un infinito catálogo de partidos disponibles para apostar en vivo, abriendo posibilidades estructurales al mercado de apuestas.
Para la industria de las apuestas deportivas, Brasil es un país de creciente interés. Los recientes cambios legislativos benéficos para las casas de apuestas eran esperados y demandados, por lo que podemos esperar un crecimiento notable en próximos años. La Ley 13.756 de 2018, referida al sistema de tributos de loterías, introduce en su Capítulo V el concepto jurídico de “Apuestas de Cuota fija”:
Sistema de apostas relativas a eventos reais de temática esportiva, em que é definido, no momento de efetivação da aposta, quanto o apostador pode ganhar em caso de acerto do prognóstico (Lei nº 13.756, 2018, art. 29. § 1º).
Esto es considerado la “legalización” de las apuestas deportivas online, que hasta ese momento operaban sin regulación ni tributos. Pero esta ley generó fuertes críticas de los operadores por el excesivo detalle del destino de la recaudación tributaria y la base de cálculo de los tributos (art. 30). El artículo 6.º de la Ley 14.183 de 2021 atiende esas demandas: en un modelo anterior, la base de cálculo era el valor total de apuestas recaudado (turnover); en modelo actual, la base de cálculo es la facturación bruta del operador (GGR: Gross Gaming Revenue), esto es, el total apostado menos los premios pagados. Medios especializados globales celebraron este cambio (Levy, 2021; Marcondes 2021). Ya antes, el CEO de uno de los mayores holdings de apuestas afirmaba que “it could be a ‘one-horse race’ for the operator when online sports betting was regulated in Brazil” (Evans, 2019, párr. 1). La industria tenía enorme interés por la masiva población brasilera, con propensión para apostar y enorme cultura deportiva (Seckelmann, 2021). Un análisis técnico del Banco Central de Brasil (2024) apunta un crecimiento exponencial de las apuestas deportivas en los años siguientes al cambio regulatorio, estimando una recaudación agregada mensual de cerca de veinte mil millones de reales brasileños (3,2 millones de euros) proveniente de más de 24 millones de apostantes. Este fenómeno provocó un debate público y político, con nuevas iniciativas legislativas que buscan ahora moderar este mercado, destacando la Ley 14.790 de 2023.
Además de los apostantes de Brasil, el país también es una mina para extraer datos deportivos sobre los que apostar desde cualquier lugar del mundo. Si la modalidad in-play betting requiere un flujo constante de partidos para mantener cautivos a apostantes recurrentes, Brasil puede ofrecer una variedad enorme de deportes (fútbol, basquetbol, voleibol, futbol sala, futbol playa…) en múltiples categorías.
El trabajo en plataformas digitales ya es una realidad masiva en Brasil, lo que debe haber facilitado el reclutamiento de data scouts. En los últimos años, el país vio una enorme expansión de plataformas de entrega de comidas y transporte de pasajeros (Abílio, 2019). Menos común, pero también presente, es el micro-work o crowd-work (Grohmann y Araújo, 2021; Moreschi et al., 2020), destacando el micro-trabajo en “granjas de clicks”, creando interacciones falsas con contenido dudoso en redes sociales (Braz, 2021). Este contexto cultural y socioeconómico facilita la creación del trabajo de data scout en Brasil.
Comparados a otros trabajadores de plataformas de entrega de comidas y transporte de pasajeros, los data scouts son especialmente interesantes por su importancia nodal en las cadenas de globales de extracción y valorización. La bibliografía citada presenta menciones tangenciales a data scouts, pero no encontramos ningún estudio monográfico sobre estos trabajadores de plataforma. Con ese contexto, presentamos nuestro estudio.
La actividad de las casas de apuestas deportivas puede ser entendida como una modalidad de “extractivismo ampliado” (Gago y Mezzadra, 2015). Esta idea sugiere que las operaciones extractivas del capital no se limitan a acumular valor a partir de recursos materiales (territorio, minerales, biodiversidad) sino también, cada vez más, de rastros de datos producidos en el trabajo vivo y la vida común, con los cuales el capital establece relaciones de exterioridad, sin cualquier intención administrativa. Sería impreciso afirmar que las casas de apuestas producen valor con la explotación del mundo del deporte y sus aficionados; a rigor, apenas extraen valor de prácticas espontáneas e independientes (practicar y ver deportes, hinchar, intentar prever resultados) que el capital captura a partir de su transformación en datos. En el capitalismo del siglo XXI, “los datos son la materia prima que debe ser extraída, y las actividades de los usuarios, la fuente natural de esta materia prima” (Srnicek, 2017/2018, p. 42). ¿Cómo se extraen esos datos? ¿Cómo transformar una gambeta celebrada por la hinchada, un centro errático perdido por la línea de fondo de un potrero de tierra o un glorioso cabeceo a la red en una fría secuencia de unos y ceros?
Para la datificación de la vida son útiles dispositivos tecnológicos que automatizan registros: aparatos como sensores de velocidad o cámaras digitales con softwares de reconocimiento o Inteligencia Artificial podrían, eventualmente, registrar automáticamente cuantos kilómetros corrió cada jugador o la velocidad de determinado disparo. Cada vez más, este tipo de dispositivos está presente en el deporte para tareas como medir la velocidad, trayectoria y distancia recorrida por una bola de beisbol después de un bateo (Millington y Millington, 2015). Esto abre interesantes posibilidades para el mercado de apuestas deportivas, como imagina un ejecutivo: “by placing chips in each player’s shoulder pads, the NHL can offer new and exciting betting markets such as the speed of the next shot or total skating distance for individual player” (Burton, 2019).
Esas tecnologías automáticas evocan escenarios de ciencia ficción en los que hay robots que realizarían tareas tediosas, peligrosas o inalcanzables para el organismo humano. Pero las principales herramientas de captura de datos en el mercado de apuestas deportivas son, todavía, trabajadores humanos. Vemos una nueva división del trabajo entre humanos y no humanos, en la que, más que una substitución por automoción, encontramos una complementariedad por heteromoción (Ekbia y Nardi, 2017; Braz, 2021). El concepto de trabajo heteromático, propuesto Hamid R. Ekbia y Bonnie A. Nardi observando diferentes formas de trabajo digital, describe un dispositivo que extrae valor económico del trabajo humano gratuito o de bajo coste en redes mediadas por computador. Estas formas de trabajo suelen estar ocultas, pobremente remuneradas o aceptadas como parte de la experiencia de ser un usuario digital. Mientras la imaginación popular sigue esperando robots automáticos que nos liberen del trabajo, micro-trabajadores entrenan, verifican o imitan algoritmos (Casilli, 2021).
Los data scouts que acompañamos producen estadísticas deportivas en estadios brasileros sin ningún dispositivo de registro automático: ni sensores de velocidad, ni chips GPS en la ropa de los jugadores, muchas veces ni siquiera cámaras de vídeo. Las empresas de estadísticas deportivas no solo registran datos de las principales competiciones (como el Campeonato Brasileiro de Futebol o las principales ligas europeas), sino también divisiones inferiores, categorías juveniles o campeonatos amateurs. Y aunque esas tecnologías estuviesen disponibles, todavía no existe ninguna Inteligencia Artificial capaz de reconocer jugadas como asistencias, pases o bloqueos con una confiabilidad aceptable. Los data scouts no solo garantizan velocidad y precisión, también son importantes para la calidad e integridad de los datos. Esta es una preocupación central para empresas de datos, campeonatos deportivos y casas de apuestas (Holden y Schuster, 2019). En competiciones no televisadas, los data scouts son la primera línea de defensa contra fraudes como partidos amañados, en los que los equipos acuerdan previamente el resultado, o “partidos fantasmas”, la transmisión ficticia de partidos que no existen (Holden, 2018). También pueden ser claves para el control de la Propiedad Intelectual de las competiciones deportivas (Edelman y Holden, 2021). Promoviendo contratos para el licenciamiento en exclusividad con las federaciones deportivas, las empresas de datos pueden interrumpir feeds no oficiales y determinar qué casas de apuestas tendrán acceso a datos oficiales y confiables (Burton, 2019). La presencia física de los data scouts en los estadios hace posible este control. Gilmar, uno de los data scouts más veteranos de la región, explica cómo la vigilancia de contratos de exclusividad viene siendo ejercida por ellos:
Es raro en el fútbol, pero ya ha pasado en partidos de voleibol. Una vez pasó que varios scouts entraron en un pabellón para cubrir el partido y el scout de la empresa que tiene contrato de exclusividad con la Confederação Brasileira de Vólei denunció a los otros scouts. Llamó al vigilante de seguridad y explicó que el único scout autorizado para trabajar allí era él, y exigió que los otros scouts fueran expulsados. (data scout Gilmar, entrevista personal, abril de 2021, traducción propia)
La transformación del trabajo humano en commodity sitúa a los data scouts brasileros en una cadena global y asimétrica de extracción y valorización, reeditando relaciones coloniales (Casilli, 2017) entre los centros del norte global, sede de las empresas de datos, y la periferia del sur global, donde operan muchos de los data scouts.
Esta investigación cualitativa comienza con una relación de confianza previa con el data scout Ronaldo. Tras presentar nuestro interés de investigación, nos permitió observar sistemáticamente su trabajo por un periodo de convivencia intermitente de 8 meses, desde mitad de 2019 a inicios de 2020. Después, Ronaldo nos ofreció el contacto telefónico de otros data scouts que trabajan en diferentes empresas, con los cuales comparte un grupo de WhatsApp.
Nombre ficticio | Edad | Años data scout | Fuente de renta principal | Formación | Inglés | Afición por el fútbol |
---|---|---|---|---|---|---|
Ronaldo | 29 | 4 | Funcionario público | Superior: Ciencias Sociales | Avanzado | Baja |
Gilmar | 38 | 10 | Profesor escuela pública | Superior: Educación Física | Básico | Alta |
Marcos | 42 | 6 | Microempresario importación | Superior: Ingeniería | Básico | Alta |
Fernandes | 23 | <1 | Estudiante | Técnica: Informática | Avanzado | Normal |
Rivaldo | 32 | 6 | Técnico Informático | Superior: Informática | Avanzado | Alta |
Rafael | 30 | 3 | Propietario de tienda de electrónicos | Medio | Avanzado | Normal |
Juninho | 33 | 3 | Profesor de inglés escuela particular | Superior: Inglés | Avanzado | Alta |
Renato | 39 | 2 | Empleado empresa de ingeniería | Superior: ingeniería | Avanzado | Normal |
Tabla 1
Perfil socio-demográfico de los data scouts entrevistados
Los ocho data scouts con los que hablamos son hombres de entre 23 y 40 años. La mayoría tiene estudios universitarios (ingeniería, informática, ciencias sociales, administración o educación física), pero consideran que esta formación no es relevante para ser data scout, ni en la selección ni en la rutina de trabajo. Todos hablan inglés, al menos a nivel rudimental para interactuar con sus supervisores. Casi todos tienen una segunda fuente de ingresos: profesor de secundaria, técnico de informática, microempresario importador, funcionario, etc. Consideran su otra ocupación como la profesión principal, pero, en términos de rentabilidad económica, el trabajo como data scout iguala o supera su otra actividad. Todos son aficionados al fútbol, pero este es un rasgo general de la cultura brasilera. Los data scouts no son mucho más entusiastas que el resto de la gente.
Presentamos nuestros objetivos de investigación a los data scouts indicados por Ronaldo con una carta con timbre de la universidad. Todos aceptaron colaborar, pero prefirieron mantener sus identidades confidenciales, por lo que acordamos utilizar nombres ficticios. Con ellos realizamos una serie de entrevistas online, evitando el contacto presencial durante la pandemia de Covid-19. Para las entrevistas, seleccionamos los perfiles de forma estratégica, siguiendo un muestreo teórico atendiendo al criterio de antigüedad en el trabajo, que había demostrado ser relevante para el ejercicio de la actividad: entrevistamos el scout más antiguo del grupo, con más de diez años en el oficio, el más reciente, con menos de un año, y otros con entre dos y seis años en actividad. Además de estos momentos de entrevistas focales, los diálogos se extendieron como conversaciones asíncronas e intermitentes mediante WhatsApp, en las que compartían fotos y videos de su trabajo en los estadios, lo que permitió una comprensión detallada de la actividad. Finalmente, con la reapertura de los estadios tras la pandemia, acompañamos presencialmente su trabajo en los estadios, observando in situ un conjunto de seis partidos junto a los data scouts, confirmando muchas de las hipótesis ya formuladas a partir de las entrevistas y conversaciones asíncronas. Prestamos especial atención a las variaciones entre ellos, destacando la inversión de tiempo en la actividad, compatibilidad con otras fuentes de ingresos, formas de inicio en la actividad, perspectivas de futuro y relación con las empresas de datos.
Considerando los diversos trabajos en plataformas, los data scouts combinan características de los trabajadores de transporte, micro-trabajadores y online freelancers (Woodcock y Graham, 2019, p. 75-95). Los data scouts deben viajar a un lugar específico (estadios y pabellones deportivos) para llevar a cabo una tarea simple y mecánica (digitar o dictar eventos deportivos) obteniendo por esa actividad una remuneración fija por tarea completada (un pago por partido cubierto). La tarea de dictar o digitar los partidos parece muy sencilla, lo que acercaría estos trabajadores a los micro-trabajadores de Amazon Mechanical Turk (Gray y Suri, 2019). Pero la importancia de la velocidad, precisión y exactitud de los datos producidos hace que la selección y entrenamiento de los data scouts sean más exigentes que las de los micro-trabajadores. Los data scouts podrían ser más comparables a los online freelancers que se encuentran en plataformas como Upwork (Woodcock y Graham, 2019, p. 92-95). Pero observamos que la empresa de datos deportivos opera como empleador único y no como cliente esporádico, estableciendo relaciones de subordinación típica de empleo asalariado, diferente de la presión competitiva de los online freelancers.
Encontré el anuncio de trabajo en un grupo de WhatsApp para buscar empleo, en una época que estaba buscando cualquier tipo de trabajo. Acababa de terminar mi maestría y estaba haciendo todo tipo de oposiciones para funcionario público, porque en mi área no tenía mucha perspectiva, estaba buscando cualquier cosa. Una persona del grupo reenvió el anuncio que había sido hecho por el country manager de la empresa. Me puse en contacto sin saber muy bien que pasaría, ni como sería exactamente el trabajo ni la remuneración. Entonces, ese que hoy es mi supervisor, el country manager en Brasil, entró en contacto por mail, y ya solicitaba que el mail fuese en inglés. (…) Sé que hay otras empresas que no le dan mucha importancia al inglés. La parte más complicada del proceso de selección es el entrenamiento. Porque el entrenamiento ya es un poco más rígido, es un poco más difícil. Es una simulación de la cobertura de un partido en vivo. Ellos te pasan el link de un vídeo de un partido de fútbol para que lo cubras con la aplicación de la empresa como si fuese en vivo, no puedes detener el video en ningún momento. Y como se está entrenando para la selección, es muy rígido, tiene un margen de error muy pequeño, tienes que hacer todo al segundo. Hay algunas jugadas que son muy importantes, como los saques de esquina, por ejemplo, tienes que matarlos en menos de 3 segundos. En cuanto ves que la pelota sale por la línea de fondo, ya tienes que marcar el córner para evitar este retraso. Tuve un mes para completar el entrenamiento, descargar los partidos para practicar y hacer la prueba. Conseguí hacerlo bastante rápido, en menos de una semana. Creo que tal vez fui obteniendo muchos partidos en cuanto empecé porque hice mi entrenamiento rápido, y luego las evaluaciones siempre fueron positivas. (Scout Ronaldo, entrevista personal, noviembre de 2020, traducción propia)
Aunque sin vínculo contractual, cada data scout solo suministra datos para una empresa específica, en relaciones profesionales que pueden durar años. La empresa realiza evaluaciones periódicas, clasificaciones y capacitaciones para cada data scout, formando un perfil registrado en la plataforma interna. El perfil se integra en un sistema de “habilitaciones” en el que cada data scout solo puede cubrir partidos de deportes y campeonatos para los que está habilitado. Algunos solo pueden cubrir fútbol, otros fútbol, básquetbol y voleibol; unos solo pueden cubrir fútbol de tercera división, otros de cualquier campeonato, desde tercera división hasta campeonatos internacionales.
El data scout tiene autonomía para gestionar su tiempo y elegir qué partidos cubrir, pero la empresa establece mecanismos de coerción fomentando la disponibilidad creciente de su tiempo, un rasgo común en las plataformas (Lehdonvirta, 2018). Uno de los principales puntos de tensión es la configuración de su agenda semanal. Cada semana, el data scout accede a la plataforma interna con su perfil y encuentran la oferta de partidos que la empresa quiere cubrir en su región. Sobre la tabla de horarios, él marca los partidos que estaría dispuesto a cubrir, realizando cálculos de costo/beneficio, disponibilidad de tiempo, distancias a viajar, etc. y los country managers asignan los partidos, en una típica relación de “autogestión subordinada” (Abílio, 2019). La asignación de partidos no es algorítmica ni automática, sino decisión unilateral de la empresa sin criterios explícitos. Sin certezas, los data scouts imaginan una serie de criterios influyentes. Entienden que se valoran las evaluaciones positivas, así como la antigüedad y experiencia. También existiría un criterio territorial, según el cual el data scout más cercano al estadio tendría prioridad. Pero este criterio territorial es más un código moral tácito que una norma explícita, y no siempre es respetada, provocando tensiones eventuales. En esos casos, solicitan la mediación del country manager, como nos cuenta Fernandes, el data scout más joven del grupo:
Empecé como scout en marzo de este año [2021]. En nuestra región, en mi empresa, ya había dos data scouts más antiguos, que son mis amigos. Así que ya entré sabiendo que me tocaría buscar lo que les sobre a ellos, pero la verdad es que hay suficientes partidos. Cubro muchos partidos aquí, en la capital, pero también viajando más lejos a otras ciudades del estado, donde sé que no hay otros scouts, porque sé que no le quitaré el partido a nadie. Si estoy pensando en trabajar en otra ciudad, hablo con el country manager, que es nuestro supervisor directo, y pregunto si hay alguien en esa zona. Porque nosotros siempre tenemos cuidado de no quitarle partidos a nadie. En principio, el country manager intenta que no haya desplazamientos innecesarios, pero es un control bastante informal. Una vez me quitaron un partido en una ciudad aquí cerca, se lo dieron a otro scout que venía de lejos. Entonces me quejé al country manager: “Este partido se suponía que era mío, pero vi que está con otro scout”. Y entonces el country manager revirtió la asignación. Otro data scout que vive lejos lo había pedido y el country manager dijo “no, este partido es para Fernandes, que está en esa región”, y me pasó el partido. (data scout Fernandes, entrevista personal, septiembre de 2021, traducción propia)
Además de ofrecerse para partidos solicitados por la empresa, los data scouts pueden proponer partidos a cubrir. Son partidos de menor importancia que escaparon al mapeo de la empresa, como partidos de la tercera división estatal de fútbol o algún campeonato regional o de verano. Días antes del partido, el data scout presenta las informaciones completas y los enlaces a la web de la federación deportiva, demostrando que el partido existe, y la empresa evalúa si interesa. En general, casi todas las propuestas son aceptadas: “Te diría que entre el 70 % y el 80 % de los partidos que hago son partidos que yo les propongo” (data scout Fernandes, entrevista personal, septiembre de 2021). Así, los data scouts no solo producen datos de partidos, sino también realizan una prospección de partidos disponibles para la extracción de datos, una búsqueda activa no remunerada que perciben como creación de oportunidades para trabajadores autónomos. Volvemos a relacionar los data scouts con operaciones de extractivismo ampliado (Gago y Mezzadra, 2015). La extracción es fundamental para que interacciones sociales comunes, como partidos de fútbol amateur, puedan integrar la valorización capitalista. La mayor parte de nuestras interacciones sociales no están cooptadas por sistemas de datificación y generación de ganancias, lo que obliga a las plataformas a crear aparatos extractivos para datificar la vida: “Si todas nuestras interacciones estuvieran ya capturadas por la valorización capitalista, es difícil ver por qué habría una necesidad de construir el aparato extractivo de las plataformas” (Srnicek, 2017/2018, p. 54). Los data scouts son la parte humana de esta tecnología heteromática: el aparato extractivo de plataformas de apuestas deportivas.
El principal atractivo de esta actividad es su remuneración en moneda extranjera (euro o dólar, según la empresa) extremadamente valiosa por la desvalorización relativa de la moneda brasileña. El pago por partido, dependiendo de empresa y deporte, oscila entre 40 y 60 € (euros). Con el euro fluctuando entre 5 y 6 R$ (reales brasileños), un data scout puede ganar aproximadamente 300 R$ por un partido de fútbol dedicando entre cuatro y cinco horas de trabajo, dependiendo del desplazamiento. Cubrir diez partidos al mes les parece una meta muy asequible, lo que significaría un ingreso cercano a los 3.000 R$/mes. A efectos de comparación: el salario mínimo en Brasil en 2022 era 1.212 R$/mes, o 5,50 R$/hora, y no podemos asegurar que la mayoría de los trabajadores de la economía de plataformas reciban al menos esa remuneración (Fairwork, 2022).
Casi todos los data scouts realizan esta actividad en paralelo a su profesión principal. Hablando sobre el futuro, no conciben esta actividad como trampolín para otros puestos o una carrera en progresión, pero tampoco la entienden como un empleo temporal que abandonar en cuanto surja algo mejor. Más frecuente es imaginar la continuidad del mismo arreglo, haciendo de este trabajo un complemento a largo plazo:
Como es un plus, un complemento, trabajaré todo el tiempo que pueda. Mi trabajo principal es compatible por horarios. Además, como me gusta mucho el fútbol, es un placer. Y si me pagan en euros, entonces, pues ya ni te cuento. Estaba bien cuando el euro estaba a 4, ¡ahora mejor todavía! (data scout Marcos, entrevista personal, mayo de 2021, traducción propia)
Para mí es una profesión fija, pretendo seguir. Tuve la oportunidad de presentarme a una plaza en la empresa para ser gerente, pero no me interesaba porque quería mantener mi trabajo como profesor. Estoy muy satisfecho con la empresa, llevo casi diez años en la misma y me valoran mucho. (data scout Gilmar, entrevista personal, abril de 2021, traducción propia)
Esta perspectiva de futuro, que no necesariamente proyecta la posibilidad de dedicación al trabajo en tiempo completo, pero tampoco ve el trabajo como un empleo de transición, contrasta con la perspectiva de otros trabajadores poco cualificados relacionados con las tecnologías de información. Entre trabajadores de telemarketing, por ejemplo, la perspectiva predominante es la de “empleo trampolín”, un trabajo transitorio para mantenerse hasta conseguir algo mejor (Mocelin y Silva, 2008). Por el contrario, los data scout se aproximan a la idea del “trabajo amateur”, que denota la pérdida de formas públicamente establecidas del trabajo, rasgo ya observado en trabajadores de plataformas de entregas y transporte de pasajeros (Abílio, 2019). Trabajadores de los más diversos perfiles socioeconómicos desarrollan actividades que no tienen un estatus profesional definible, pero son una fuente de ingresos o de reducción de costes. En lugar del trabajador, el crowdsourcing, nueva etapa de la tercerización: la transferencia de trabajo, costos y responsabilidades ya no a las empresas subcontratadas, sino a una multitud de usuarios/trabajadores. El crowdsourcing y el trabajo amateur son centrales para la informalización del trabajo, que paradójicamente exige el compromiso y la autogestión subordinada de los propios trabajadores.
Em meio a uma concorrência crescente e gigantesca, sem qualquer limite estabelecido, que se consolida em uma multidão de pessoas trabalhando para uma única empresa, os trabalhadores têm de encontrar permanentemente modos de se destacarem e se manterem naquela atividade. Será preciso estratégias para enfrentar a concorrência e garantir sua própria reprodução, o que envolve arcar com maiores custos para tornar seu trabalho mais atrativo/reconhecido, abrir mão de ganhos, estender o tempo de trabalho e intensificá-lo. (Abílio, 2019, p. 4)
Protegidos de potenciales competidores próximos por procesos de selección y entrenamiento, con varias plataformas en el sector, e inmunes a la presión global por el requisito de presencia en los estadios, los data scouts no viven presiones competitivas tan violentas como los plataformizados de entregas y transporte de pasajeros, los online freelancers o los micro-trabajadores (Woodcock y Graham, 2019, pp. 75-95). Aun así, desarrollan estrategias semejantes para destacar entre la competencia, como: aumentar el tiempo de disponibilidad para la actividad, emitiendo la imagen de confiabilidad a los supervisores; aumentar su disposición para viajar a lugares más distantes o la capacidad de proponer partidos menos conocidos; el perfeccionamiento técnico en la tarea, evitando errores para mantener una excelente evaluación y clasificación a lo largo del tiempo.
Evitando compararse a otros plataformizados, los data scouts se consideran unos privilegiados por poder realizar esta actividad. Obviamente, esto se debe en parte a la buena remuneración. Pero la auto-identificación como “privilegiados” también implica una dimensión afectiva, al poder adentrar en un universo que normalmente se relaciona con el ocio y la pasión:
Sí, claro que me gusta mucho, estoy muy satisfecho con mi trabajo. Me gusta mucho el futbol, es genial poder trabajar con eso. Más ahora, en plena pandemia, que no dejan entrar a la gente en los estadios, me siento un privilegiado de poder estar dentro del estadio, de seguir los partidos. Para mí ha sido genial poder ver los partidos y poder, además de eso, mantenerme con eso. (data scout Fernandes, entrevista personal, septiembre de 2021, traducción propia)
Yo recomendaría este trabajo a alguien que estuviese buscando trabajo. De hecho, ya he indicado a otras personas a la empresa, para trabajar en otras ciudades. Creo que es bueno también para la empresa, tratamos de llevar scouts a lugares donde no tenemos a nadie. Creo que es un privilegio trabajar con esto, trabajar con lo que nos gusta. (data scout Gilmar, entrevista personal, abril de 2021, traducción propia)
Parte del atractivo del trabajo está relacionado con ese vínculo afectivo que se sobrepone al interés económico, con esta doble práctica que se ejerce dentro del estadio cuando el data scout también es un fanático del fútbol. Pero la estabilidad de la subjetividad dividida del data scout/aficionado del fútbol depende de la capacidad de articulación psicológica simultánea de dos prácticas extremadamente absorbentes. Preguntamos: ¿es posible hinchar y trabajar como scout al mismo tiempo?
Al principio sufrí un poco con eso de estar hinchando por tu equipo, viviendo el fútbol. Tenía esa mirada de “hincha trabajando”, era confuso, pero hoy en día consigo separar bien las dos cosas. Por ejemplo, hace poco hice la final del campeonato estatal, en que jugaba mi equipo. Fue un partido muy emocionante, mi equipo salió campeón con remontada en el último minuto. En el último gol, logré concentrarme, dar todos los comandos del partido, dar las confirmaciones en el celular. Después de confirmar todo, lo pude celebrar, con un delay de casi un minuto. Al final lo miras con otros ojos, porque no solo miras la pelota. Por supuesto, miras el balón el 80 % del tiempo, pero el 20 % es para el árbitro y los asistentes. Por ejemplo, cuando hay un gol y veo que el asistente levantó la bandera, veo a todos festejando y pienso: “tranquilos, chicos, fue offside”. (data scout Marcos, entrevista personal, mayo de 2021, traducción propia)
Ya he hecho partidos de mi equipo como data scout, en el campeonato estatal. La experiencia de hincha/scout es difícil. Al principio, fue muy duro. Mi tercer partido como data scout fue un partido de mi equipo, y no podía tener esa relación de hincha. Estaba totalmente concentrado en mi trabajo, totalmente concentrado en no hacer nada mal, pasar la información y tal. Hoy ya puedo, digamos, apreciar el partido mucho más tranquilo, trabajar en el partido y disfrutarlo, vivir el partido, hinchar un poco más. (data scout Fernandes, entrevista personal, septiembre de 2021, traducción propia)
Retomando la discusión teórica sobre las operaciones extractivas de capital, en un extractivismo ampliado que valoriza la datificación de la vida como principal materia prima en el capitalismo de plataforma, podríamos formular la hipótesis de que la primera subjetividad extraída es la de los trabajadores que realizan las operaciones de extracción. Sin embargo, conversando con los data scout, ellos apuntaban la posibilidad de una tensa compatibilidad entre el placer de la vida y las exigencias de los datos.
El notable crecimiento de la industria de las apuestas deportivas requiere un gigantesco océano de información dinámica producida y transmitida en tiempo real, cuyo proceso de producción tiende a naturalizarse. En lugar de procesos de captura automatizados, los datos deportivos brutos son producidos manualmente por los dedos y los ojos de observadores humanos que, a través de aplicaciones en sus teléfonos celulares, conectan vibrantes plataformas de apuestas online, llenas de llamativos anuncios, con polvorientas y desoladas canchas del interior de Brasil (o de cualquier lugar del mundo). La circulación de estos datos hacia los centros globales del capitalismo de plataformas actualiza relaciones económicas coloniales (Casilli, 2017).
Como trabajadores de plataforma, los data scouts gestionan su propio trabajo en un contexto de subordinación estructural (Abílio, 2019), con autonomía y flexibilidad, pero asimilando estímulos y presiones para aumentar su disponibilidad y dedicación. El data scout elige los partidos que cubrirá y organiza su propia logística; sin embargo, depende de la asignación de partidos que realice la empresa, velando por la excelencia de su evaluación. ¿Son infoproletarios precarizados o hiperespecialistas autónomos de la sociedad del conocimiento? Sus condiciones laborales presentan casi todas las características de la plataformización, como la constante evaluación cuantitativa e impersonal y la asimetría en el poder de negociación entre trabajadores y plataformas. Sin embargo, la rentabilidad de la actividad (pagado en moneda extranjera), la demanda de habilidades especializadas (como el dominio del inglés), el sentimiento de progresión profesional y la posibilidad de entrar en un universo afectivo (el mundo de fútbol) hace que los data scouts se identifiquen como trabajadores cualificados o privilegiados.
Con esta investigación pretendimos contribuir con los estudios específicos sobre la industria global de apuestas deportivas online, la creciente influencia de la datitificación en la experiencia del deporte, y la actividad de los data scouts en particular. Más allá de estos temas particulares, llevando la reflexión a un plano más general sobre la plataformización del capitalismo, podemos observar cómo la posición relativa de los trabajadores en las cadenas de extracción y valorización de capital influye en sus condiciones laborales y existenciales.
Abílio, Ludmila Costhek (2019). Uberização: Do empreendedorismo para o autogerenciamento subordinado. Psicoperspectivas, 18(3), 41-51. https://doi.org/10.5027/psicoperspectivas-vol18-issue3-fulltext-1674.
Abílio, Ludmila Costhek; Amorim, Henrique & Grohmann, Rafael (2021). Uberização e plataformização do trabalho no Brasil: conceitos, processos e formas. Sociologias, 23(57), 26-56. http://doi.org/10.1590/15174522-116484
Banco Central do Brasil (2024, septiembre). Análise técnica sobre o mercado de apostas online no Brasil e o perfil dos apostadores (Estudos especiais do Banco Central 119). https://www.bcb.gov.br/conteudo/relatorioinflacao/EstudosEspeciais/EE119_Analise_tecnica_sobre_o_mercado_de_apostas_online_no_Brasil_e_o_perfil_dos_apostadores.pdf
Braz, Matheus Viana (2021). Heteromação e microtrabalho no Brasil. Sociologias, 23(57), 134-172. https://doi.org/10.1590/15174522-111017
Burton, Steve (2019, 26 de abril). Sports that successfully engage with betting control their data at every step. Sport Business. https://www.sportbusiness.com/2019/04/sports-that-successfully-engage-with-betting-control-their-data-at-every-step/
Casilli, Antonio (2017). Digital Labor Studies Go Global: Toward a Digital Decolonial Turn. International Journal of Communication, 11, 3934-3954. https://hal.science/hal-01625688
Casilli, Antonio (2021). Waiting for Robots: The ever-elusive myth of automation and the global exploitation of digital labor. Sociologias, 23(57), 112-133. https://doi.org/10.1590/15174522-114092
Dirección General de Ordenación del Juego [DGOJ] (2024, junio). Datos del Mercado de Juego Online Estatal. https://www.ordenacionjuego.es/es/descarga-datos-mercado-juego-online
Edelman, Marc & Holden, John T. (2021). Monopolising Sports Data. William & Mary Law Review, 63. https://ssrn.com/abstract=3801936
Ekbia, Hamid R. & Nardi, Bonnie A. (2017). Heteromation, and other stories of computing and capitalism. MIT Press. https://dl.acm.org/doi/10.5555/3158920
Evans, Jake (2019, 10 de octubre). Kenny Alexander: Brazil opportunity could be as big as the US. EGR Global - eGaming Review. https://egr.global/intel/news/kenny-alexander-brazil-opportunity-could-be-as-big-as-the-us/
Fairwork (2022). Fairwork Brazil Ratings 2021: Towards Decent Work in the Platform Economy. https://fair.work/wp-content/uploads/sites/17/2022/03/Fairwork-Report-Brazil-2021-EN.pdf
Gago, Verónica & Mezzadra, Sandro (2015). Para una crítica de las operaciones extractivas del capital. Patrón de acumulación y luchas sociales en el tiempo de la financiarización. Nueva Sociedad, 255 https://static.nuso.org/media/articles/downloads/4091_1.pdf
Gray, Mary L. & Suri, Siddharth (2019). Ghost Work. How to stop Silicon Valley from building a new global underclass. Houghton Mifflin Harcourt.
Grohmann, Rafael & Araújo, William F. (2021). Beyond Mechanical Turk: the work of Brazilians on global AI platforms. In: Pieter Verdegem (Ed.), AI for everyone? Critical perspectives (pp. 247-266). University of Westminster Press. http://doi.org/10.16997/book55.n
Holden, John T. (2018). Ghosts in the Machine: How Corrupters Manipulate Games that Never Happened. Gaming Law Review, 22(10), 630-634. https://doi.org/10.1089/glr2.2018.22107
Holdenh, John & Schuster, Mike (2019). The Sham of Integrity Fees in Sports Betting. New York University Journal of Law and Business, 16(1), 31-73. https://www.nyujlb.org/16-1
Killick, Elizabeth A. & Griffiths, Mark D. (2021). Why Do Individuals Engage in In-Play Sports Betting? A Qualitative Interview Study. Journal of Gambling Studies, 37, 221-240. https://doi.org/10.1007/s10899-020-09968-9
Lehdonvirta, Vili (2018). Flexibility in the gig economy: managing time on three online piecework platforms. New Technology, Work and Employment, 33, 13-29. https://doi.org/10.1111/ntwe.12102
Lei Nº 13.756, de 12 de Dezembro de 2018, Diário Oficial da União [D.O.U] de 13.12.2018. Bras. (2018). http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13756.htm
Lei Nº 14.183 de 14 de Julho de 2021, Diário Oficial da União [D.O.U] de 15.7.2021. Bras. (2021). http://www.planalto.gov.br/ccivil_03/_ato2019-2022/2021/Lei/L14183.htm
Lei Nº 14.790 de 29 de Dezembro de 2023, Diário Oficial da União [D.O.U] de 30.12.2023. Bras. (2023). https://www.planalto.gov.br/ccivil_03/_Ato2023-2026/2023/Lei/L14790.htm
Levy, Joe (2021, 19 de julio). Brazil transitions to new GGR-based tax regime. EGR Global – eGaming Review. https://egr.global/intel/news/brazil-transitions-to-new-ggr-based-tax-regime/
López-González, Hibai & Griffiths, Mark D. (2016). Understanding the convergence of markets in online sports betting. International Review for the Sociology of Sport, 53(7), 807-823. https://doi.org/10.1177/1012690216680602
López-González, Hibai; Griffiths, Mark D. & Estévez, Ana (2020). In-Play Betting, Sport Broadcasts, and Gambling Severity: A Survey Study of Spanish Sports Bettors on the Risks of Betting on Sport While Watching It. Communication & Sport, 8(1), 50-71. https://doi.org/10.1177/2167479518816338
Locke, Mark (2019, 17 de junio). How live sports data has become a growing risk for the industry. EGR Global - eGaming Review. https://egr.global/intel/opinion/how-live-sports-data-creates-a-growing-risk-for-the-industry/
Marcondes, Rafael M. (2021, 21 de julio). Is it time for sports betting in Brazil? Games Magazine Brasil. https://www.gamesbras.com/english-version/2021/7/21/is-it-time-for-sports-betting-in-brazil-24424.html
Millington, Brad & Millington, Rob (2015). ‘The Datafication of Everything’: Toward a Sociology of Sport and Big Data, Sociology of Sport Journal, 32(2), 140-160. https://doi.org/10.1123/ssj.2014-0069
Mocelin, Daniel Gustavo & Silva, Luís Fernando Santos Corrêa da (2008). O telemarketing e o perfil sócio-ocupacional dos empregados em call centers. Caderno CRH, 21(53), 361-383. https://doi.org/10.1590/S0103-49792008000200012
Moreschi, Bruno; Pereira, Gabriel & Cozman, Fabio G. (2020). The Brazilian workers in Amazon Mechanical Turk: dreams and realities of ghost workers. Contracampo: Brazilian Journal of Communication, 39(1), 44-64. https://doi.org/10.22409/contracampo.v39i1.38252
Seckelmann, Udo (2021, 22 de abril). Betting to the Samba beat: how operators can expand into Brazil. EGR Global - eGaming Review. https://www.egr.global/intel/opinion/betting-to-the-samba-beat-how-operators-can-expand-into-brazil/
Srnicek, Nick (2017/2018). Capitalismo de plataformas. Caja Negra.
Woodcock, Jamie & Graham, Mark (2019). The Gig Economy: A Critical Introduction. Polity.