Conversando con
Rocío Joo
Desenmascarando el trabajo forzoso en el mar: cómo la IA rastrea la explotación en mar abierto
- Published
Utilizando datos satelitales y aprendizaje automático, Global Fishing Watch trabaja para revelar abusos ocultos en la industria pesquera y ayudar a las autoridades a tomar medidas.
El océano abierto sigue siendo uno de los lugares más difíciles de la Tierra para garantizar el respeto y cumplimiento de los derechos humanos. Al cubrir más del 70 por ciento de la superficie del planeta, su inmensidad puede volverlo invisible a la mirada humana: un vacío de datos donde la transparencia y la rendición de cuentas son difíciles de alcanzar.
“Es notoriamente difícil saber qué sucede en el mar”, afirma Rocio Joo, científica sénior de datos del equipo de investigación e innovación de Global Fishing Watch. “Y esto es especialmente cierto a bordo de embarcaciones pesqueras que operan lejos de la costa”.
En la intersección entre la inteligencia artificial (IA) y los derechos humanos, el rol de Joo como investigadora de derechos humanos en Global Fishing Watch ha cobrado cada vez mayor importancia ante la creciente evidencia de violaciones de derechos humanos en el mar. De hecho, se estima que unos 128.000 pescadores se encuentran atrapados en trabajos forzados a bordo de embarcaciones pesqueras repartidas por todo el planeta. Atrapados en aguas aisladas, estos pescadores trabajan en condiciones extremadamente peligrosas y remotas, sometidos a una explotación que puede abarcar desde el trabajo forzado y la servidumbre por deudas hasta la trata de personas.
El gran desafío, señala Joo, radica en determinar cuáles embarcaciones corren mayor riesgo de incurrir en estas violaciones. Los buques pesqueros comerciales pueden permanecer en el mar durante meses, incluso años, operando fuera del alcance de las autoridades y lejos del escrutinio público. Esto, a su vez, deja gran parte de la explotación oculta e indocumentada.
«Sin una visión clara de lo que ocurre en el océano, simplemente no podemos gestionar eficazmente las actividades marítimas ni tomar medidas inteligentes para proteger el océano mismo y a quienes se ganan la vida con él», añade Joo. «En Global Fishing Watch, nuestro trabajo consiste en aprovechar los datos satelitales y los algoritmos avanzados para obtener una visión más completa de la escala y el tipo de actividad humana que ocurre en el océano. Solo así podremos frenar las violaciones de derechos humanos que se están produciendo».
Hablamos con Rocío Joo para saber más sobre cómo los algoritmos de aprendizaje automático y los modelos de red de Global Fishing Watch pueden ayudar a predecir y comprender el riesgo de que una embarcación esté involucrada en trabajo forzoso y contribuir a la lucha por los derechos humanos en el mar.
¿Cómo aprovecha Global Fishing Watch la inteligencia artificial para detectar posible trata de personas en buques pesqueros?
Como parte de nuestra labor en derechos humanos, hemos desarrollado, y estamos perfeccionando continuamente, un algoritmo de aprendizaje automático para identificar embarcaciones pesqueras asociadas con el trabajo forzoso, basándonos en patrones de movimiento y características de los buques. El modelo se entrena con casos denunciados de trabajo forzoso. Algunos de estos casos implican trata de personas, pero este no siempre es el caso y, desde luego, no es el enfoque del modelo.
Un segundo tipo de modelo que estamos desarrollando se centra en las redes de encuentros en el mar relacionados con el trabajo forzoso. Sabemos que el trabajo forzoso en una embarcación puede ser facilitado por otros buques mediante el suministro de alimentos y combustible, o mediante la recepción de la captura y el traslado de la tripulación. De hecho, este último elemento podría incluir posibles incidentes de trata de personas. Para elaborar nuestro modelo, utilizamos grandes volúmenes de datos sobre encuentros en el mar y aplicamos técnicas inspiradas en las redes sociales, como los modelos estadísticos denominados Modelos de Bloques Estocásticos y las métricas de centralidad, para estudiar las conexiones entre embarcaciones que podrían participar, directa o indirectamente, en el trabajo forzoso. Al exponer estas conexiones ocultas, queremos visibilizar el sistema más amplio que permite los abusos laborales y también proporcionar a las autoridades y a la sociedad civil una imagen más clara de los diferentes actores involucrados.
¿Qué puntos de datos o patrones específicos analiza la IA para señalar actividades sospechosas en el mar?
Los patrones de movimiento por sí solos pueden no constituir una prueba definitiva de actividad ilegal, pero pueden ayudar a alertar sobre comportamientos sospechosos. Por ejemplo, un número inusualmente alto de horas de pesca al día podría indicar un horario laboral excesivo. Al combinarse con viajes prolongados que duran meses o incluso un año, grandes interrupciones en las transmisiones del sistema de identificación automática (AIS) y visitas mínimas a puerto, estos patrones podrían sugerir un mayor riesgo de abuso laboral.
Los encuentros en el mar permiten a las embarcaciones extender su tiempo en alta mar, lejos del escrutinio de las autoridades. En estos casos, las transferencias de alimentos, combustible o capturas en el mar permiten a los buques evitar las escalas en puerto, lo que reduce la supervisión y aumenta el riesgo de violaciones laborales y explotación. Además, las interacciones con barcos ya denunciados por trabajo forzoso podrían indicar transferencias de tripulación, lo que aumenta la posibilidad de trata de personas. Otros indicadores de riesgo, como el tipo de pesquería (por ejemplo, las artes de pesca) u otras características del buque, también se tienen en cuenta en estos patrones. Si bien ninguno de estos factores constituye por sí solo una prueba de abusos laborales o violaciones de los derechos humanos, proporcionan información crucial para identificar posibles embarcaciones de alto riesgo y reforzar la transparencia y la supervisión en el mar.
¿Pueden las herramientas de monitoreo impulsadas por IA diferenciar entre operaciones pesqueras normales y señales de posible trabajo forzado o trata de personas?
Sí, pero hay algunas salvedades. Es importante recordar que la IA y el aprendizaje automático son tan efectivos como los datos que los alimentan. Para entrenar a nuestro modelo a detectar trabajo forzoso en el mar, nos basamos en casos reportados, enseñando al sistema a reconocer patrones de movimiento de embarcaciones asociadas con abuso laboral. Para verificar la precisión, comparamos las predicciones de nuestro modelo con una lista confidencial de embarcaciones certificadas bajo el Convenio C188 sobre el Trabajo en la Pesca de la Organización Internacional del Trabajo. Dado que no hay una garantía absoluta de que una embarcación esté completamente libre de trabajo forzoso, no pudimos usar esta lista para el entrenamiento. Pero sí la usamos para probar la consistencia del modelo y los resultados fueron prometedores: nuestra última versión predijo que más del 90 por ciento de las embarcaciones certificadas dieron negativo para trabajo forzoso y más del 90 por ciento de las embarcaciones reportadas como positivas. Esto sugiere que el modelo es efectivo para identificar casos de alto riesgo, pero solo para patrones similares a aquellos con los que fue entrenado. Y por eso es fundamental ampliar nuestro conjunto de datos con casos más diversos y verificados: cuantos más ejemplos alimentemos al sistema, mejor será para descubrir abusos ocultos en alta mar.
¿Cómo un mejor seguimiento de embarcaciones mediante IA ayuda a las autoridades policiales y a los responsables de las políticas a combatir los abusos a los derechos humanos en la industria pesquera?
El seguimiento de embarcaciones basado en IA tiene el potencial de revolucionar las iniciativas de monitoreo, control y vigilancia, ofreciendo una herramienta crucial en la lucha contra las violaciones de derechos humanos y laborales en el mar. Al analizar los movimientos de los buques e identificar patrones sospechosos, nuestros modelos pueden ayudar a los inspectores de puertos y guardacostas a priorizar las embarcaciones que examinan, una ventaja esencial en un sector donde los recursos para la aplicación de la ley pueden ser limitados. En lugar de depender de controles aleatorios, las autoridades pueden utilizar información basada en datos para centrarse en los buques de alto riesgo, mejorando así la eficiencia y la rendición de cuentas. Además de la aplicación de la ley, los gobiernos también pueden fortalecer la protección de los trabajadores marítimos alineándose con los marcos legales internacionales e implementando regulaciones nacionales que aprovechen estas herramientas avanzadas de seguimiento para monitorear el comportamiento de las embarcaciones de forma más eficaz.
¿Qué desafíos persisten en el uso de la IA para la detección de la trata de personas y cómo puede seguir evolucionando la tecnología para abordarlos?
La eficacia de los métodos basados en IA depende en gran medida de la calidad y la diversidad de los datos utilizados para entrenar el modelo. Si nos basamos demasiado en los casos de una sola pesquería, el modelo puede resultar muy preciso para ese contexto específico, pero poco fiable en otros. Trabajamos para mitigar este sesgo mediante métricas de imparcialidad, pero incluso estas evaluaciones están limitadas por los datos que podemos recopilar. Cuantos más casos recopilemos, más refinado e informativo será el modelo.
Otro desafío radica en la percepción de las predicciones de IA como una verdad absoluta. La IA y las herramientas cuantitativas están diseñadas para mejorar la transparencia en el mar y guiar a las autoridades hacia áreas que requieren un escrutinio más riguroso. Si un modelo señala un buque como de alto riesgo de trabajo forzoso, esto debería dar lugar a inspecciones, revisiones de documentos y verificación de los contratos de la tripulación, el seguro médico y las declaraciones sobre el número de turnos de la tripulación. Por ejemplo, largos periodos en el mar con extensas horas de pesca podrían ser una señal de alerta a menos que se establezcan múltiples turnos de tripulación para distribuir la carga de trabajo.
Actualmente, uno de los mayores obstáculos es la casi total ausencia de inspecciones laborales y de derechos humanos en el sector pesquero. Los gobiernos no están abordando este problema con la urgencia que requiere, y los inspectores portuarios a menudo carecen de la capacitación necesaria para realizar inspecciones laborales. Abordar el trabajo forzoso en el mar requiere un enfoque coordinado, multisectorial y multinacional que involucre a los departamentos de trabajo y pesca, los Estados del pabellón, los Estados rectores de los puertos, los Estados ribereños y los países de origen de las tripulaciones. Sin este nivel de colaboración, el progreso real seguirá siendo inalcanzable.
¿Dónde espera ver la tecnología de Global Fishing Watch en unos años en lo que respecta a la detección de abusos de los derechos humanos?
En Global Fishing Watch, trabajamos arduamente para integrar una pestaña de información laboral en nuestra herramienta Vessel Viewer. Espero que algún día se incluya en las diversas actividades de desarrollo de capacidades que realizamos con países de todo el mundo. Es crucial que también la utilicen los gobiernos en sus esfuerzos por inspeccionar los buques; la industria pesquera en sus esfuerzos por aumentar el escrutinio en su cadena de suministro; los sindicatos en su movilización para apoyar a las tripulaciones pesqueras; y los periodistas y la sociedad civil en su denuncia de abusos laborales e información pública.
De cara al futuro, espero ver más inspecciones, menos casos de explotación y, en última instancia, un mundo donde herramientas como estas ya no sean necesarias, porque las condiciones laborales en el mar finalmente alcanzarán el estándar de decencia que merecen.
