La economía colaborativa tiene un problema con la discriminación. Varios estudios han demostrado que la economía colaborativa no es tan abierta como creemos: a las personas de color, por ejemplo, se les discrimina en plataformas como Airbnb, Uber y Lyft. Un estudio sobre plataformas de viajes compartidos encontró que los pasajeros de color fueron sometidos a esperas más largas y mayores tasas de cancelación que los pasajeros blancos. Otro estudio de Airbnb reveló que los huéspedes con nombres de tintes afroamericanos tenían un 16 % menos de probabilidades de ser aceptados por los anfitriones que otros huéspedes con nombres más caucásicos.

Documentar y demostrar la discriminación dentro de la economía colaborativa ha sido un primer paso vital, pero la pregunta más difícil es cómo impedir que suceda. Creemos haber encontrado una respuesta.

En la página web de Airbnb, los huéspedes y anfitriones pueden evaluarse y puntuarse entre sí, algo que resulta básico para luchar contra la discriminación. En un estudio reciente basado en un experimento de campo con más de 1.000 anfitriones de Airbnb, descubrimos que si los huéspedes tienen incluso una sola valoración positiva en sus perfiles, según la estadística, esta elimina la discriminación racial en su contra. En este estudio, creamos perfiles de huésped con nombres que sonaban o afroamericanos o blancos junto a fotos de perfil genéricas con paisajes. Después, enviamos solicitudes de reserva a posibles anfitriones seleccionados al azar. Cuando un huésped no disponía de ninguna evaluación en su perfil personal, los huéspedes blancos experimentaron una tasa de aceptación mucho más alta (48 %) que los huéspedes de color (29 %). Sin embargo, una vez que cada huésped contaba con al menos una puntuación positiva, las tasas de aceptación prácticamente fueron iguales: 56 % y 58 % respectivamente. Cuando manipulamos el contenido de las evaluaciones para incluir más aspectos negativos, también contemplamos una reducción de la discriminación: los huéspedes tanto afroamericanos como blancos se enfrentaron a unos porcentajes comparables para encontrar un anfitrión.

Para entender cómo una sola valoración puede tener un efecto tan notable, necesitábamos volver a consultar la literatura sobre qué provoca la discriminación racial. Hay dos teorías principales. Una sugiere que el trato diferencial de las personas de color está motivado por información imperfecta. Esta teoría, que data de la década de 1970 y a menudo se conoce como la teoría de la discriminación estadística, sostiene que las personas que toman decisiones racionales pueden utilizar las características promedias de diferentes grupos para realizar una inferencia estadística sobre las características individuales de una persona cuando la información sobre ésta es incompleta. Por ejemplo, si un anfitrión cree que los afroamericanos tienen, como grupo demográfico, tasas de encarcelamiento y criminalidad más altas, el anfitrión también asociará un huésped afroamericano con una experiencia de peor calidad. En el caso de Airbnb, cuando los anfitriones reciben una solicitud de un huésped, realizan una inferencia estadística sobre la calidad del huésped a partir de toda la información disponible. Si los datos sobre la calidad de un huésped son insuficientes, los anfitriones pueden guiarse entonces por la raza para inferir su calidad. Sin embargo, cuando se cuenta con una información más detallada, los anfitriones se basan menos en el color de la piel para tomar una decisión, lo que reduce la discriminación.

La otra teoría principal sugiere que la discriminación está promovida por los gustos. Esta teoría defiende que una persona con capacidad decisoria, al margen de la información de la que disponga, tiene simplemente mayor o menor preferencia por personas con unas características demográficas determinadas. En este caso, un huésped de un grupo concreto podría no gustar a los anfitriones incluso si cuenta con numerosa información que avala su fiabilidad.

En función de lo que impulse la discriminación, los enfoques para combatirla pueden ser totalmente diferentes. Por un lado, si la discriminación es en gran parte el resultado de informaciones incompletas, proporcionar nueva información relevante reducirá la dependencia de la gente en la raza como señal. Por otra parte, si la discriminación es el resultado de una aversión intrínseca a la gente de color, proporcionar más datos sobre alguien no bastará; hará falta intervenir de forma más sistemática.

El hecho de que ya no observamos discriminación en Airbnb con huéspedes que tienen tan poco de diferente como una sola evaluación sugiere que la discriminación dentro de la economía compartida es del primer tipo, lo cual supone una señal esperanzadora. Diseñar una plataforma que fomente el intercambio de información fidedigna y relevante puede generar confianza y reducir la discriminación.

Pero ocultar información de los usuarios de plataforma, según el enfoque adoptado por algunas empresas, no ayudará a reducir la discriminación. Por ejemplo, "reducir la relevancia de las fotos de perfil durante el proceso de reserva" ha sido propuesto por Airbnb como una manera de mitigar la discriminación que sufren los usuarios de color en su plataforma. Nuestra investigación sugiere que esto no resolverá el problema. Incluso utilizar una imagen de perfil que no muestre al usuario, como probamos durante nuestro estudio, tampoco solucionará el problema. Puede que lo único que logre es aumentar el peso de otro tipo de datos que también podrían apuntar a la raza del usuario, como su nombre

Nuestra recomendación es que este tipo de plataformas desarrollen un sistema de evaluaciones, comunicación y reputación creíble y fácil de utilizar. Sacar la información a luz, en vez de intentar ocultarlas, tiene más posibilidades de convertirse en una solución de éxito para abordar la discriminación dentro de la economía colaborativa.