20 cosas que tu teléfono sabe sobre ti que nunca le dijiste

Hay una diferencia entre los datos que le das a tu teléfono y los datos que tu teléfono toma. Los datos que le das son obvios: tu nombre, tus contactos, las fotos que eliges almacenar, los mensajes que eliges enviar. Los datos que toma son otra cosa: una cosecha continua y en gran parte invisible de señales que produces a través del uso ordinario y que, individualmente, parecen triviales, pero que en combinación constituyen un retrato de tu vida más detallado que cualquier cosa que hayas construido conscientemente.

Tu acelerómetro genera 100 lecturas por segundo. Cada lectura refleja el movimiento de tu cuerpo: caminar, sentarte, conducir, dormir, correr. El patrón de tus datos de acelerómetro durante 24 horas revela tu horario de sueño, tu modo de transporte, tus hábitos de ejercicio y el ritmo específico de tu vida diaria sin que escribas una sola palabra. El micrófono de tu teléfono, en ciertas aplicaciones, escucha el sonido ambiental no para grabar conversaciones sino para detectar el entorno sonoro en el que te encuentras: un bar deportivo, una biblioteca, un coche, un concierto. La antena GPS rastrea tu ubicación continuamente cuando las aplicaciones lo solicitan, construyendo un historial de movimientos cuyas implicaciones van mucho más allá de los lugares que has visitado.

El mecanismo que conecta estas corrientes de datos con el conocimiento sobre ti es la inferencia: el proceso mediante el cual los patrones en tu comportamiento predicen hechos sobre ti que no se miden directamente. El estudio de Stanford que dedujo la orientación sexual a partir de rasgos faciales apareció en los titulares. El algoritmo de Target $TGT que identificó a clientes embarazadas a partir de datos de compras salió en titulares. Menos notado es que la misma lógica inferencial opera continuamente, en segundo plano, sobre las corrientes de datos que genera tu teléfono, construyendo un modelo de ti que se actualiza miles de veces al día.

Esta lista cubre 20 cosas específicas que tu teléfono sabe sobre ti: la fuente de datos, el mecanismo de inferencia y la pieza específica de conocimiento que produce. Varias de estas son cosas que la mayoría de las personas conocen de manera abstracta pero no han pensado específicamente. Varias son genuinamente desconocidas para la mayoría de los usuarios de teléfonos inteligentes. Todas ellas están sucediendo ahora mismo, en el dispositivo en tu bolsillo, independientemente de si has hecho clic en "Acepto" en una política de privacidad que técnicamente las divulgó.

Dustin Konrad / Pexels

Tu teléfono sabe dónde vives y dónde trabajas sin que hayas escrito ninguna de las direcciones en él. El mecanismo es simple: el registro GPS y el patrón de dónde pasa el teléfono sus noches (casa) y sus horas diurnas de lunes a viernes (trabajo) hacen que ambas direcciones sean derivables en días desde que el teléfono entra en uso. Las aplicaciones de mapeo y los sistemas operativos usan esta inferencia explícitamente: Google $GOOGL Maps presenta "casa" y "trabajo" como destinos sugeridos basados en el historial de ubicaciones incluso cuando el usuario no ha ingresado estas direcciones en la configuración.

La importancia de conocer tus direcciones de casa y trabajo no es meramente direccional: estas dos ubicaciones, combinadas con las rutas entre ellas, definen la geografía de tu vida diaria y son los puntos de anclaje principales desde los que los anunciantes, los corredores de datos y las aplicaciones que acceden a tu historial de ubicaciones pueden construir un modelo de tu vecindario, tu nivel de ingresos, tu comportamiento de viaje y los contextos comerciales e institucionales entre los que te mueves.

Los corredores de datos de ubicación —empresas que agregan datos de GPS comprados a desarrolladores de aplicaciones y los revenden— han demostrado la capacidad de identificar las direcciones de casa de individuos a partir de datos de ubicación anonimizados en múltiples investigaciones publicadas. Una investigación de 2018 del New York Times encontró que los datos de ubicación vendidos como "anónimos" podrían identificarse nuevamente a individuos específicos usando su dirección de casa como punto de anclaje, revelando el historial de ubicación luego citas médicas, asistencia religiosa y otros comportamientos sensibles.

Miriam Alonso / Pexels

El acelerómetro en tu teléfono, combinado con el registro de actividad de la pantalla del teléfono, revela tu horario de sueño con alta precisión sin necesidad de instalar ninguna aplicación de seguimiento del sueño. Las señales específicas: el teléfono se apaga (pantalla apagada), está estacionario (acelerómetro plano) y en silencio (sin notificaciones generadas) a una hora consistente cada noche y vuelve a la actividad a una hora consistente cada mañana. Este patrón es detectable a partir de los datos de uso bruto del teléfono sin necesidad de sensores dedicados.

Las aplicaciones de seguimiento del sueño que solicitan acceso al acelerómetro hacen que esta inferencia sea explícita y útil, convirtiendo el patrón de sueño inferido en un análisis de etapas del sueño mostrado. Pero los datos subyacentes existen independientemente de si la aplicación de seguimiento del sueño está instalada: cada aplicación que accede a los datos del acelerómetro o registros de uso tiene el material bruto para inferir el tiempo de sueño, y el sistema operativo del teléfono registra estos datos de manera continua.

Las implicaciones de conocer el horario de sueño de alguien van más allá de lo obvio: el tiempo de sueño está correlacionado con el cronotipo (si una persona es naturalmente una persona mañanera o nocturna), lo cual a su vez está correlacionado con rasgos de personalidad, resultados de salud y rendimiento laboral. La irregularidad del sueño está correlacionada con condiciones de salud mental, uso de sustancias y estrés socioeconómico. El horario de sueño inferido a partir de los datos del teléfono no es simplemente un hecho práctico sobre cuándo alguien está despierto; es una señal de salud y comportamiento de un valor predictivo significativo.

Luriko Yamaguchi / Pexels

Tus opiniones políticas pueden inferirse a partir de los datos de tu teléfono a través de varios mecanismos superpuestos, ninguno de los cuales requiere que hayas declarado explícitamente una preferencia política. Las aplicaciones que tienes instaladas (aplicaciones de noticias, aplicaciones de redes sociales, aplicaciones de peticiones, aplicaciones de donaciones) revelan la orientación política. Los sitios web que visitas lo revelan. Los contactos en tu libreta de direcciones, y las afiliaciones políticas de esos contactos, si son votantes registrados en estados con datos públicos de registro de votantes, lo revelan a través de la inferencia de la red social. Los vecindarios que tu historial de GPS muestra que visitas lo revelan a través de la bien documentada correlación entre la geografía residencial y la afiliación política en los Estados Unidos.

La inferencia política a partir de los datos del teléfono inteligente no es hipotética: es la base operativa de la orientación política por parte de campañas, comités de acción política y los corredores de datos que los abastecen. Una investigación de Vice en 2020 encontró que el ejército de EE. UU. había comprado datos de ubicación de teléfonos inteligentes de una aplicación de oración musulmana y una aplicación de citas musulmana para rastrear los movimientos de individuos en países de mayoría musulmana, demostrando que la inferencia de identidad religiosa por categoría de aplicación (un fuerte correlato de opiniones políticas en muchos contextos) se implementó operativamente a nivel gubernamental.

La inferencia política específica que es más precisa y más preocupante es la inferencia de la red social: dado que las opiniones políticas están altamente correlacionadas dentro de las redes sociales, conocer las afiliaciones políticas de tus contactos (de los padrones electorales, de los registros de donaciones, de la actividad en redes sociales) permite que tus opiniones políticas sean estimadas con alta precisión solo a partir de tu libreta de direcciones.

Tima Miroshnichenko / Pexels

Tu teléfono infiere tu situación financiera a través de la combinación de tu historial de ubicaciones, tu cartera de aplicaciones, tu comportamiento de compra (si usas un sistema de pago móvil) y los patrones específicos de uso de tu teléfono. La inferencia no es precisa: el teléfono no conoce el saldo de tu cuenta, pero es direccionalmente precisa y comercialmente valiosa.

La inferencia basada en la ubicación es la más confiable: tu historial de GPS revela las tiendas en las que compras (cadenas de supermercados de descuento frente a Whole Foods, tiendas de dólar frente a tiendas minoristas boutique), los restaurantes en los que comes, los barrios en los que vives y trabajas, y los entornos comerciales específicos que frecuentas. Cada una de estas señales de ubicación lleva una correlación de ingresos que, en conjunto, produce una estimación razonablemente precisa del nivel de ingresos de tu hogar.

La inferencia de la cartera de aplicaciones añade especificidad: la presencia de aplicaciones de préstamos de día de pago, aplicaciones de alquiler con opción a compra o aplicaciones de compra ahora y paga después en tu teléfono indica restricción financiera. La presencia de aplicaciones de inversión, servicios de suscripción premium y aplicaciones de venta al por menor de alta gama indica comodidad financiera. Esta inferencia basada en aplicaciones es utilizada por las empresas de servicios financieros para preseleccionar clientes potenciales y por los anunciantes para dirigir ofertas adecuadas a los ingresos sin hacer preguntas sobre ingresos que los usuarios rechazarían responder.

Nataliya Vaitkevich / Pexels

La combinación del historial de GPS y los datos de ubicación con marca de tiempo hace que tu rutina diaria sea predecible a un grado que la mayoría de las personas encuentra sorprendente cuando se les explica. La investigación de Marta González, científica informática de la Universidad del Noreste, publicada en Nature en 2008, encontró que los patrones de movimiento humano son aproximadamente un 93% predecibles a partir del historial de ubicaciones: que los lugares en los que estarás en un momento dado de cualquier día están altamente restringidos por el patrón de dónde has estado en esos momentos en días anteriores.

Esta predictibilidad es comercialmente útil (permite a los anunciantes colocar anuncios geográficamente dirigidos antes de tu llegada a un lugar) y también es la base de varios daños documentados a la privacidad: acosadores han utilizado datos de ubicación obtenidos a través de corredores de datos de aplicaciones para rastrear objetivos; la policía ha utilizado órdenes de geovalla para obtener los historiales de ubicación de todos los teléfonos presentes en un lugar específico en un momento específico; y las compañías de seguros en algunos mercados han utilizado datos de movilidad para ajustar las primas basadas en el comportamiento inferido.

La idea específica que hace que tu rutina esté más expuesta de lo que podrías esperar es la distinción entre lo que le dices a las aplicaciones y lo que observan: puede que hayas negado el acceso a la ubicación para la mayoría de las aplicaciones, pero las pocas que lo tienen, como mapas, clima, fitness, crean un historial de ubicaciones que revela toda la rutina.

Ivan S / Pexels

Tu teléfono infiere tu estado emocional a través de una combinación de señales que individualmente parecen no relacionadas con la emoción, pero que en conjunto son predictivas del estado emocional. La velocidad de escritura y la tasa de errores en las aplicaciones de mensajería se correlacionan con el estrés y la carga cognitiva. Los patrones de uso de la pantalla (sesiones más largas, más cambios de aplicación, revisiones más frecuentes) se correlacionan con la ansiedad y la rumia. La selección de música se correlaciona con el estado de ánimo. El momento y la duración de las interacciones en redes sociales se correlacionan con la soledad y la necesidad social.

La investigación en MIT y Stanford ha demostrado que los datos pasivos de teléfonos inteligentes (recopilados sin ninguna entrada del usuario o registro de estado de ánimo) pueden predecir la depresión y la ansiedad con una precisión comparable a los instrumentos de evaluación clínica. Un estudio de 2018 publicado en JMIR Mental Health encontró que solo los patrones de movilidad del GPS —específicamente, menor movilidad, menor tiempo fuera de casa y menor variedad de ubicaciones— predijeron episodios depresivos con precisión significativa.

Las aplicaciones de salud mental usan esta inferencia de manera explícita e intencional: están diseñadas para inferir el estado emocional a partir de los datos pasivos del teléfono. Pero las mismas señales están disponibles para cualquier aplicación con acceso suficiente a los datos, incluidas las plataformas de redes sociales, que tienen un interés comercial documentado en comprender los estados emocionales de los usuarios y un historial documentado de usar este entendimiento para maximizar el compromiso.

Mart Production / Pexels

Tu teléfono infiere aspectos de tu salud física a partir de la combinación de datos del acelerómetro, historial de GPS y comportamiento de aplicaciones que revelan tu nivel de actividad, tu agenda de citas médicas y los síntomas específicos que has buscado o sobre los que has buscado información.

La inferencia del GPS es la más directa: tu historial de ubicación revela qué instalaciones médicas has visitado, con qué frecuencia y en qué momentos. Las visitas a un centro de oncología, una clínica de diálisis, una clínica de fertilidad o una instalación de salud mental son identificables a partir de los datos de ubicación incluso si no se proporciona explícitamente información de salud a ninguna aplicación. Un estudio de 2019 publicado en el Journal of the American Medical Informatics Association demostró que las ubicaciones de las citas médicas eran identificables a partir de datos de ubicación comerciales con alta precisión.

La búsqueda y el comportamiento de la aplicación añaden especificidad: las búsquedas de nombres de medicamentos, descripciones de síntomas y opciones de tratamiento son registradas por el motor de búsqueda y, en muchos casos, utilizadas para la segmentación publicitaria. La presencia de aplicaciones específicas de gestión de salud (gestión de diabetes, monitoreo de presión arterial, seguimiento de fertilidad) en tu teléfono revela la condición que están diseñadas para gestionar. La combinación de datos de ubicación y aplicación crea un perfil de salud que es, para muchos usuarios, más completo que los datos de reclamaciones de su compañía de seguros.

Kampus Production / Pexels

Tu teléfono infiere tu estado de relación y la estructura de tu red social a partir de la combinación de tu lista de contactos, tus patrones de comunicación y tu historial de ubicación. La lista de contactos revela a quién conoces; la frecuencia de comunicación revela con quién tienes cercanía; los datos de ubicación revelan con quién pasas tiempo físico.

La inferencia específica del estado de relación romántica es muy precisa a partir de datos de llamadas y mensajes: la persona con la que te comunicas con más frecuencia y con la cual tus datos de ubicación muestran una co-presencia física significativa, es identificable como una probable pareja romántica con alta probabilidad. Investigaciones sobre datos de comunicación móvil han encontrado que las relaciones románticas son identificables a partir de registros de llamadas antes de que las personas involucradas hayan actualizado su estado de relación en redes sociales.

La inferencia de la red social tiene implicaciones más allá de lo personal: el comportamiento de tu red social predice tu propio comportamiento de maneras documentadas. Los comportamientos de salud, decisiones de compra y opiniones políticas de tus amigos son predictivos de los tuyos. Esto significa que los datos sobre tus contactos —personas que no han consentido ninguna relación con el desarrollador de la aplicación— se utilizan para modelar y predecir tu comportamiento a través de efectos de red social.

Yuri Félix / Pexels

Tu teléfono sabe cómo te desplazas —en coche, transporte público, bicicleta o a pie— a partir de la combinación de datos de velocidad GPS y patrones de acelerómetro que son específicos para cada modo de transporte. Un desplazamiento en coche produce trazas GPS suaves, siguiendo la carretera a 30 a 60 mph con la firma de vibración específica de un vehículo en movimiento. Un desplazamiento en metro produce el patrón específico de pérdida de señal GPS en túneles alternando con fijaciones de posición en superficie en las ubicaciones de las estaciones. Un desplazamiento en bicicleta produce velocidades GPS de 10 a 15 mph con el patrón de acelerómetro específico del pedaleo.

Esta inferencia de modo de transporte es utilizada por aplicaciones de mapas explícitamente (Google $GOOGL Maps y Apple $AAPL Maps la utilizan para mejorar sus datos de tráfico y tránsito en tiempo real) y por corredores de datos para publicidad y perfiles de comportamiento. Las personas que se desplazan en transporte público están en ubicaciones diferentes de los que se desplazan en coche al mismo tiempo; su comportamiento de compra, su exposición a publicidad exterior y sus perfiles demográficos difieren de maneras que hacen que la inferencia sea comercialmente valiosa.

Los datos de hábitos de transporte también se han utilizado en forma agregada por planificadores urbanos, departamentos de transporte y desarrolladores inmobiliarios para entender los patrones de movilidad y predecir la demanda de infraestructura, usos que son menos sensibles individualmente pero que demuestran la amplitud de inferencia disponible a partir de lo que parece ser simple información de ubicación.

Magali Guimaraes / Peels

Tu teléfono deduce tu religión a partir de la combinación de historial de ubicaciones, datos del calendario y portafolio de aplicaciones que revelan la práctica religiosa. Un teléfono que está constantemente en el mismo edificio a la misma hora cada semana —una iglesia, una mezquita, una sinagoga, un templo— y que tiene un calendario con días festivos religiosos recurrentes marcados está produciendo una inferencia religiosa que no requiere una declaración explícita de fe.

La inferencia de la mezquita es la más documentada en contextos de vigilancia: el uso de datos de aplicaciones de oración musulmana por parte del gobierno de EE.UU. descrito en una entrada anterior demuestra que la inferencia de categoría de aplicación de identidad religiosa se implementó operativamente a nivel gubernamental. Pero la misma inferencia está disponible a partir de datos de ubicación GPS para cualquier institución religiosa que tenga una ubicación distintiva y un patrón de asistencia predecible.

La inferencia basada en aplicaciones añade especificidad: la presencia de la aplicación del Corán, la aplicación de la Biblia, la aplicación Siddur o aplicaciones de comunidad religiosa en un teléfono revela afiliación religiosa con alta especificidad. A menudo, estas aplicaciones tienen acceso a la ubicación, calendario y contactos que les permite construir perfiles detallados de práctica religiosa, y los datos que recopilan están sujetos a las mismas prácticas comerciales de intercambio de datos que cualquier otra aplicación, con la afiliación religiosa como un atributo que se puede vender a corredores de datos y usar para segmentación.

Kaboom Pics / Pexels

Tu teléfono estima tu nivel de riqueza a partir de varios flujos de datos convergentes más allá de la inferencia de ingresos descrita en la entrada de situación financiera. El propio dispositivo es una señal: un iPhone 15 Pro Max que se vende al por menor a $1,199 señala ingresos diferentes a un dispositivo Android que se vende al por menor a $199, y el ecosistema de aplicaciones en cada dispositivo refleja el comportamiento de compra que refina aún más la estimación.

La combinación de la dirección de casa (inferida a partir de la ubicación), vehículo (inferido a partir de patrones GPS asociados al vehículo en estacionamientos y movimiento a velocidades de carretera), historial de viajes (vuelos inferidos a partir de huellas GPS que muestran movimiento rápido de larga distancia) e historial de ubicaciones de compras produce una estimación de ingresos que las empresas de investigación demográfica han encontrado precisa dentro de amplios niveles de ingresos para la mayoría de los usuarios de teléfonos inteligentes.

Esta inferencia de riqueza se utiliza más agresivamente en la publicidad de servicios financieros: las compañías de tarjetas de crédito, las plataformas de inversión y las marcas de lujo segmentan la publicidad basada en niveles de riqueza inferidos en lugar de ingresos declarados, porque los usuarios no declaran ingresos a las aplicaciones pero sus teléfonos lo revelan a través del comportamiento.

Samson Katt / Pexels

La orientación sexual es una de las características personales que los datos del smartphone pueden inferir, principalmente a través de la combinación del portafolio de aplicaciones e historial de ubicación. Las aplicaciones instaladas en un teléfono — aplicaciones de citas, aplicaciones comunitarias y aplicaciones de medios asociadas a comunidades específicas — son una de las señales más directas disponibles para los sistemas de datos. El historial de ubicación agrega un contexto adicional: las visitas mediante GPS a lugares específicos, centros comunitarios o eventos asociados con grupos particulares son identificables a partir de los registros de ubicación.

La inferencia de redes sociales es el mecanismo que los investigadores han encontrado más significativo: dado que las redes sociales tienden a estar correlacionadas internamente a través de muchos atributos personales, un sistema que conoce los atributos de tus contactos cercanos puede hacer inferencias probabilísticas sobre tus propios atributos sin señales directas. Esto opera completamente a través de datos de comportamiento y redes en lugar de cualquier cosa que el usuario haya declarado.

El mecanismo descrito aquí es el mismo que opera en la mayoría de las inferencias en esta lista: tu teléfono no solicita esta información y no la proporcionaste. Se deriva de patrones de comportamiento que, en combinación, permiten a los sistemas estimar características personales que la mayoría de los usuarios considerarían privadas. La misma infraestructura de datos comerciales que permite la publicidad dirigida permite este tipo de inferencia.

Ketut Subiyanto / Pexels

Tu teléfono infiere el consumo de alcohol y sustancias mediante la combinación del historial de ubicación (visitas a bares, licorerías, dispensarios o instalaciones de tratamiento de uso de sustancias), datos de compra (si utilizas sistemas de pago móvil vinculados a tu teléfono) y patrones de comportamiento (uso del teléfono a altas horas de la noche, patrones de uso de aplicaciones específicos asociados con contextos de consumo de sustancias).

La inferencia de ubicación es la más directa: un historial de GPS que muestra visitas regulares a bares en las noches de los días de semana, o visitas regulares a un dispensario, o visitas a un lugar de reunión de Alcohólicos Anónimos, cada una produce una inferencia diferente sobre el comportamiento de consumo de alcohol y sustancias. La inferencia de instalaciones de tratamiento — identificar visitas a centros de tratamiento de adicción — es particularmente sensible, ya que revela tanto el uso como el intento de abordarlo.

Las compañías de seguros en mercados donde se utilizan datos de comportamiento para la suscripción han demostrado interés en la inferencia de consumo de sustancias a partir de los datos del smartphone. Se ha documentado que las empresas de verificación de antecedentes laborales acceden a datos de ubicación de los corredores de datos. El daño específico de la inferencia de consumo de sustancias a partir de los datos del smartphone es la combinación de su precisión y su sensibilidad en los contextos de empleo, seguros y legales.

Tom Fisk / Pexels

Los datos del teléfono inteligente predicen la personalidad en las dimensiones de personalidad de los Cinco Grandes (apertura, responsabilidad, extraversión, amabilidad, neuroticismo) con una precisión que la literatura de investigación ha encontrado que es moderada pero significativa, mejor que el azar, y en algunas dimensiones comparable a la precisión de los autoinformes.

Los correlatos de comportamiento específicos de la personalidad que los datos del teléfono revelan: los extrovertidos tienen redes de contactos más grandes y diversas, pasan más tiempo en lugares sociales variados y tienen un uso de aplicaciones más variado. Las personas responsables tienen horarios de sueño más regulares, rutinas diarias más consistentes y menor variabilidad en el tiempo de pantalla. Las personas neuróticas muestran una mayor frecuencia de comprobación del teléfono, cambios de aplicación más frecuentes y patrones de sueño más irregulares.

Investigaciones publicadas en las Actas de la Academia Nacional de Ciencias en 2015 demostraron que los 'me gusta' de Facebook $META, una fuente de datos más simple y menos rica que los datos de comportamiento completos de los teléfonos inteligentes, predijeron la personalidad con más precisión que las evaluaciones de los propios amigos y familiares del usuario en varias dimensiones. La implicación para los datos completos de comportamiento del teléfono inteligente es que el modelo de personalidad derivado de él es más preciso que cualquier instrumento de autoinforme.

Helena Lopes / Pexels

Si tienes hijos, y aproximadamente qué edad tienen, es inferible de los datos del teléfono inteligente a través de varios mecanismos. La inferencia de ubicación es la más directa: las visitas por GPS a consultorios de pediatras, escuelas, guarderías, parques infantiles y lugares de actividades para niños revelan la presencia y edad aproximada de los niños en el hogar.

La inferencia del portafolio de aplicaciones agrega especificidad: la presencia de aplicaciones para padres, aplicaciones educativas para niños, aplicaciones de calendario familiar y aplicaciones de monitoreo de bebés en un teléfono revelan el estado parental con alta especificidad. La inferencia de la lista de contactos agrega corroboración: los contactos identificados como administradores escolares, pediatras u otros padres en una red comunitaria escolar revelan la conexión con niños en edad escolar.

Esta inferencia de estado parental se utiliza comercialmente para orientar productos y servicios relacionados con la crianza, y también es utilizada por corredores de datos que venden "padre" como un atributo demográfico. La inferencia se realiza sin ningún consentimiento parental para la divulgación de información sobre sus hijos, quienes, en la mayoría de las jurisdicciones, están protegidos de la recopilación de datos comerciales, porque la inferencia opera a través de los datos del teléfono del padre en lugar de cualquier dato recopilado directamente del niño.

Soc Nang Dong / Pexels

Su teléfono deduce sus hábitos alimenticios a partir de la combinación del historial de ubicación de restaurantes, el historial de pedidos de aplicaciones de entrega de alimentos (si está vinculado a su cuenta), las visitas a tiendas de comestibles y el comportamiento de búsqueda. La combinación produce un perfil de sus hábitos alimenticios que es más detallado de lo que la mayoría de las personas describirían conscientemente sobre sí mismas.

La inferencia de ubicación de restaurantes es la más ampliamente disponible: su historial de GPS que muestra visitas regulares a restaurantes de comida rápida, restaurantes vegetarianos, restaurantes halal o restaurantes veganos revela preferencias y restricciones dietéticas sin ninguna divulgación explícita. La inferencia de la aplicación de entrega de alimentos es la más detallada: cada pedido realizado a través de una plataforma de entrega de alimentos se registra, se marca con fecha y hora, y se asocia con su identidad, creando un registro dietético detallado.

El valor comercial de los datos de preferencias dietéticas es significativo: las marcas de alimentos, las compañías farmacéuticas y las aseguradoras de salud se encuentran entre los compradores de datos de comportamiento alimenticio. La sensibilidad específica de los datos dietéticos para ciertas poblaciones (personas con diabetes que manejan la ingesta de carbohidratos, personas que siguen leyes dietéticas religiosas, personas con trastornos alimenticios) hace que su disponibilidad comercial sea una preocupación de privacidad más allá del obvio caso de uso de marketing.

AI25.Studio / Pexels

Su teléfono deduce su perfil de riesgo de seguro — la combinación de factores de comportamiento que predicen la probabilidad de presentar un reclamo de seguro — a partir de los datos de comportamiento de conducción, datos de comportamiento de salud y datos de ubicación a los que las aseguradoras y sus socios corredores de datos acceden a través de compras de datos de aplicaciones.

La inferencia de comportamiento de conducción es la más desarrollada: las aplicaciones telemáticas instaladas con el conocimiento del usuario (Snapshot de Progressive $PGR, Drive Safe & Save de State Farm) recopilan datos de conducción explícitos. Pero los datos de comportamiento de conducción también se recopilan sin aplicaciones telemáticas dedicadas, a través de los datos del acelerómetro y GPS a los que acceden las aplicaciones de navegación y música, y vendidos por corredores de datos a las aseguradoras. La investigación ha encontrado que los datos de comportamiento de conducción derivados de teléfonos inteligentes predicen el riesgo de accidente con una precisión comparable a los dispositivos telemáticos dedicados.

La inferencia del comportamiento de salud se suma al perfil de riesgo: las visitas a instalaciones médicas, los patrones de sueño, los niveles de actividad y las señales de uso de sustancias descritas en otras entradas tienen relevancia actuarial. En los mercados donde las aseguradoras tienen acceso a datos de comportamiento de corredores de datos, estas inferencias se están incorporando en modelos de riesgo, un desarrollo que los reguladores de seguros en la mayoría de las jurisdicciones aún no han abordado.

Dave Garcia / Pexels

El origen nacional y la actividad relacionada con la inmigración se pueden inferir de los datos del smartphone mediante una combinación del historial de ubicaciones, la configuración de idioma y los patrones de comunicación. La inferencia de ubicación es la más directa: las visitas por GPS a oficinas gubernamentales, organizaciones de asistencia legal, consulados y centros de procesamiento asociados con servicios de inmigración y visas son identificables a partir de registros de ubicación de la misma manera que cualquier otra categoría de visita a ubicaciones.

La inferencia de idioma agrega especificidad: la configuración de idioma de un teléfono, las aplicaciones instaladas en idiomas particulares y los patrones de idioma visibles en los nombres de contacto y aplicaciones de comunicación brindan señales sobre el origen nacional. Los patrones de comunicación —la frecuencia y los destinos geográficos de llamadas y mensajes internacionales— añaden más contexto sobre las conexiones de un usuario con países específicos.

Estas señales no son exclusivas de la inmigración; describen un patrón más amplio de cómo el origen nacional, los lazos internacionales y el compromiso cívico con instituciones gubernamentales y legales son visibles en los datos de comportamiento del smartphone. La misma infraestructura de datos que infiere el origen nacional para fines publicitarios produce datos que están comercialmente disponibles a través de corredores de datos, con las mismas limitaciones de uso-restricción (y la falta de ellas) que se aplican a otras categorías de datos de ubicación y comportamiento.

Kaboom Pics / Pexels

La salud mental está entre los atributos personales más sensibles, y también está entre los más inferibles a partir del comportamiento pasivo del smartphone. Los mecanismos abarcan múltiples flujos de datos: se ha demostrado en investigaciones revisadas por pares que los patrones de movilidad GPS se correlacionan con episodios depresivos; los patrones de comunicación social (reducción de la frecuencia, mensajes más cortos, tiempos de respuesta más largos) se correlacionan con la ansiedad y el estado de ánimo; la presencia de aplicaciones de salud mental y bienestar en un teléfono refleja las condiciones que están diseñadas para apoyar; y el historial de ubicaciones que muestra visitas a consultorios de terapeutas o instalaciones de salud mental se identifica a partir de registros GPS.

El panorama agregado que los datos del smartphone ensamblan sobre la salud mental es detallado porque los síntomas de comportamiento —movilidad reducida, sueño interrumpido, retiro social, cambios en los patrones de comunicación— se capturan de manera pasiva y continua, no solo durante encuentros clínicos. La investigación publicada en revistas académicas ha demostrado que los datos pasivos del smartphone pueden identificar períodos de dificultad de salud mental con precisión significativa.

Los datos de aplicaciones de salud mental están sujetos a las mismas políticas de privacidad y prácticas de intercambio de datos que otras categorías de aplicaciones. Los usuarios de aplicaciones de salud mental deben revisar los términos de intercambio de datos de las aplicaciones específicas que usan, ya que estos varían significativamente entre productos. El punto más amplio —que las señales de comportamiento del uso ordinario del teléfono tienen capacidad de inferencia de salud mental independiente de cualquier aplicación dedicada— refleja el principio general que se aplica a lo largo de esta lista: tu teléfono observa tu comportamiento continuamente, y el comportamiento es una señal confiable sobre muchas cosas que puedes preferir mantener privadas.

Vitaly Gariev / Pexels

Tu teléfono predice tu comportamiento futuro —los productos que comprarás, los lugares a los que irás, los servicios a los que te suscribirás— con una precisión que es la premisa comercial central de la industria de la publicidad conductual. La predicción se basa en la combinación de tu historial conductual (lo que has hecho) y los patrones de comportamiento de personas demográficamente similares a ti (lo que las personas como tú tienden a hacer a continuación).

La predicción de compra es la más desarrollada comercialmente: Google $GOOGL, Meta $META y Amazon $AMZN operan sistemas de publicidad predictiva que identifican a los usuarios que se encuentran en la fase de precompra de categorías de productos específicas basándose en el comportamiento de búsqueda, visitas a ubicaciones de tiendas relevantes y uso de aplicaciones relevantes para la categoría. Estos sistemas no solo te muestran anuncios de cosas que buscaste; te muestran anuncios de cosas que el sistema predice que buscarás a continuación, basado en la secuencia de comportamiento que típicamente precede a esa búsqueda.

La predicción de ubicación es la base para la publicidad de geovallas: colocar anuncios frente a los usuarios antes de que lleguen a un lugar donde se podría realizar una compra relevante, basándose en sus patrones de movimiento predecibles. La predicción conductual es la base para los sistemas de recomendación "también compran" y "te podría gustar" que representan una parte significativa de los ingresos de comercio electrónico. El futuro que tu teléfono ha modelado es, para la mayoría de los usuarios, un predictor más preciso de tu comportamiento que tus propias intenciones conscientes.