El desempleo por automatización: Robots en el trabajo

Todos quienes tenemos cierto interés por el mercado laboral nos hemos preguntado alguna vez:

¿Hasta dónde podrá llegar la inteligencia artificial?

¿Realmente algún día podrá reemplazarnos a todos?

Hay muchos escépticos que creen que un robot jamás podrá reemplazar por completo las tareas de un humano. Sin embargo, y para su desgracia, la evidencia empírica año tras año nos lleva a pensar que esta no es una cuestión de si el robot podrá sino de cuándo podrá. Aquí es donde las opiniones nuevamente divergen.

Este artículo es un resumen de mi tesis de master. En este trabajo no busqué proponer soluciones ni prever que será del futuro. Mi único interés se centró en revisar la literatura disponible a la fecha respecto al efecto de la automatización en el desempleo y demás variables de interés relacionadas.

El consenso resultó claro.

¿La automatización genera desempleo? La automatización genera un desplazamiento de trabajo humano, pero por otro lado una mejora en la productividad. Esta mejora en productividad puede contrarrestar la pérdida de puestos mediante la generación de nuevas incumbencias que requieran tareas aún no “robotizables”.

¿Quieres que tu CV destaque del resto? Prueba nuestro pack de plantillas profesionales y en tan sólo 5 minutos estarás sacándole ventaja al resto de los candidatos. Se adaptan a tu perfil y son fáciles de editar en Word. Consigue 15+ plantillas profesionales para completar aquí.

Los sectores más vulnerables a este desplazamiento de mano de obra son aquellos que realizan tareas que requieran un bajo nivel de capacitación y habilidad.

La automatización y sus efectos

El avance tecnológico siempre ha sido uno de los principales motores del crecimiento económico. El desarrollo de nuevas capacidades técnicas que mejoren la producción, en el largo plazo, ha significado a la sociedad una mejora en sus condiciones de vida. Sin embargo, entre la variedad de modelos económicos adoptados por las naciones durante los últimos siglos, la automatización nunca ha sido aprobada por la totalidad de los agentes con opinión al respecto. Es que su mero planteo conceptual, desde el tablero de dibujo, ya vulnera presuntamente la estabilidad laboral de gran parte de la población. Aún más, una injusta coincidencia es que este sector más propenso a ser reemplazado por una máquina siempre ha sido, en términos generales, el más vulnerable y dependiente de su salario. Este terror inexorable para los trabajadores, en las últimas tres décadas (y especialmente en la última) fue contagiándose de abajo hacia arriba en la escala de capacitación o habilidad requerida para el desempeño de los distintos puestos laborales.

Ya no nos encontramos más frente al advenimiento de la máquina a vapor y la tragedia, en una primera ola, para los trabajadores textiles. Con profundo pesar para muchos hemos superado, también, la abdicación del caballo en favor del automóvil. Pero el escollo que acecha a los oficinistas de nuestra época, que ya comenzaban a ponerse cómodos en sus roles, es la inteligencia artificial. Y si este último concepto suena irrisorio aún, porque su denominación es en sí misma una exageración –todavía los expertos consideran que estamos a décadas (o entre mitad de siglo y siglo para los más pesimistas) de alcanzar la inteligencia artificial generalizada – basta solo con prestar atención a los nuevos avances en destreza robótica, y sus facultades adaptativas muchas veces basadas en el aprendizaje automático, que pueden hallarse cualquier día en simpáticos videos editados para redes sociales. Las nuevas tecnologías, cada día más robustas y cada año más baratas, han eliminado y eliminarán un sinfín de ocupaciones que jamás hubiéramos creído pudieran realizarse sin la intervención de un humano.

A pesar del atractivo que puede representar el enfoque simplista donde las máquinas son la encarnación del mal, y las ideas fluyen en una sola dirección, la visión caracterizada en los párrafos anteriores no es del todo cierta. Este trabajo, que consiste en una revisión de literatura, busca exponer el estado actual del pensamiento económico moderno respecto a los posibles efectos de la incorporación de nuevas tecnologías que faciliten la automatización de tareas en el mercado laboral.

x
Cómo hacer un BUEN CV video

La línea general que en promedio siguen las publicaciones analizadas es que efectivamente el cambio tecnológico moderno trae aparejada la destrucción de empleos (siendo el desplazamiento de tareas la chispa predecesora a este suceso, desde la visión de muchos autores) pero en simultaneo, las mejoras en productividad requeridas para su adopción económicamente sensata, traen efectos compensatorios que generalmente empatan o superan a los negativos.

Vallanti, Pissarides (2007) busca presentar la dinámica con la que las mejoras en productividad impactan al empleo. Tal vez su característica principal es la adopción de la idea schumpeteriana de la destrucción creativa y los efectos de capitalización como principales balances a la presencia de tecnología personificada en nuevos empleos. Este marco teórico de referencia es preferido porque caracteriza claramente las preocupaciones y conclusiones de los demás papers tenidos en cuenta posteriormente.

A continuación, lo propuesto por Acemoglu, Restrepo (2018) y Susskind (2017), que si bien, establecen abordajes similares con modelos basados en tareas (reconociendo que las ocupaciones son conjuntos de estas tareas), llegan a resultados encontrados. Principalmente esto se debe al contraste que se genera ante la visión cauta y multidimensional de Acemoglu y Restrepo, frente al pesimismo al que arriba Susskind al incorporar un capital de tipo avanzado, en su modelo, que puede realizar exactamente las mismas tareas que los trabajadores. Este último trabajo patea el tablero y desafía la hipótesis de Autor, Levy, Murnane (2003) la cual indica que sólo las tareas rutinarias podrían ser automatizadas. La realidad actual ha llevado a que los mismos autores de la proposición anterior sugirieran relajarla, sin embargo, el statu quo de la academia sigue pensando que la automatización total aún está demasiado lejos en el futuro como para ser considerada seriamente.

El siguiente estudio que se revisa es Frey, Osborne (2017), que al momento de su publicación generó la suficiente polémica con su hallazgo de que el 47% de los empleos de Estados Unidos corrían alto riesgo de ser automatizados como para que Arntz, Gregory, Zierahn (2017) dedicaran un paper a criticarlo y proponer resultados más razonables. La idea superadora de los tres autores es revisar los datos en base a tareas y no a ocupaciones, como en el análisis original y así llegan a un 9% de empleos en alto riesgo para el mismo país.

¿Te encuentras en plena búsqueda laboral? ¿Quieres dar el próximo gran salto en tu carrera? Nosotros nos encargamos de todo lo que necesitas para lograrlo. Te brindamos plantillas profesionales, ejemplos y guías para que tu aplicación destaque del resto. Consigue el empleo de tus sueños con nuestra ayuda.

Ayuda con tu CV y LinkedIn

¡Quienes eligen nuestro pack de plantillas profesionales tienen 3 veces más chances de ser llamados a entrevistas!

Nuestros usuarios dicen:

Kit de Crecimiento Profesional Kit de Crecimiento Profesional Kit de Crecimiento Profesional

Graetz, Michaels (2018) evalúa el efecto de los robots industriales y encuentra resultados mayormente positivos, si bien coincide con los análisis empíricos anteriormente citados en que el sector del empleo más vulnerable es aquel que agrupa a los trabajadores de más baja habilidad.

Lo trabajado en Autor, Salomons (2018) es muy coherente con las ideas centrales de la mayoría de los demás trabajos. Propone una visión multidimensional de los efectos compensatorios al desplazamiento primero generado por la automatización. En particular identifica cuatro efectos, los mide y concluye que, también, las fuerzas compensatorias son suficientes para equilibrar, en su mayoría, la situación agregada del mercado laboral.

Finalmente, Gregory, Salomon, Zierahn (2016) tiene como aporte interesante la exposición de resultados estimados en millones de empleos destruidos y recuperados. Sus hallazgos se unen al hilo conductor de los demás autores, donde la destrucción de puestos de trabajo es reconocida, pero se ve superada por la creación de otros nuevos dados los efectos en la demanda que se generan.

El estado actual de la literatura es, sin dudas, contundente al respecto de que la tecnología no hará más que traer beneficios al mercado laboral, dejando de lado los casos extremos como los del capital avanzado. Será de crucial importancia, sin embargo y a pesar del optimismo primario, tener en cuenta los efectos del cambio hacia la modernidad en los sectores más vulnerables. Además, es importante destacar que la mirada fría de los agregados no encarna sensiblemente el drama personal de aquellos trabajadores que perderán sus puestos de trabajo en la primera tanda de desplazamiento por automatización. Por desgracia, el alance de este trabajo solo da lugar a mencionar los anteriores problemas y el hallar y proponer soluciones y paliativos a los mismos queda supeditado a otro tipo de investigaciones futuras.

Automatización de tareas vs. automatización de empleos

Este trabajo, completamente teórico, construye sobre Acemoglu, Restrepo (2016), Zeira (1998) y Acemoglu, Autor (2011) un marco de referencia para analizar la relación entre la automatización y su impacto en las tareas, la productividad y el trabajo en general.

La idea central refiere a que la automatización (por medio de la AI y la robótica, por ejemplo) reemplaza trabajadores en tareas que anteriormente estos realizaban, lo cual genera un poderoso efecto desplazamiento. La presencia de este efecto sugiere que las mejoras en producción por trabajador que nazcan de la automatización no resultarán en una expansión proporcional de la demanda laboral. Se genera una desconexión entre los salarios y el producto por trabajador, y un declive en la participación de la mano de obra en el ingreso nacional.

Así como se identifica la existencia de este efecto desplazamiento, se reconoce la presencia de varias otras fuerzas compensatorias que podrían generar que la misma automatización termine aumentando la demanda laboral, si su preponderancia es la suficiente (como para sobrepasar al efecto desplazamiento). Estos otros efectos pueden asignarse dentro de tres categorías:

  • Efecto productividad: A medida que el costo de producir mediante tareas automatizadas disminuya, la economía se expandirá e incrementará la demanda de trabajo en las tareas no automatizadas. Este efecto puede darse dentro de los mismos sectores donde se están automatizando tareas o en los no automatizados. La automatización reduce los precios de los bienes y servicios en los cuales se implementa, debido a que, en el margen, el capital puede realizar tareas de manera más barata que la fuerza laboral. Esta baja en los precios resulta en hogares efectivamente más ricos, lo cual aumenta la demanda para todos los bienes y servicios de la economía.
  • Acumulación de capital: Incentivada por el incremento en la automatización, hace crecer la demanda laboral. Al aumentarse la intensidad del capital en la producción, su alta demanda fomenta la acumulación (por ejemplo, al incrementar su renta).
  • Profundización de la automatización: En el margen intensivo, las mejoras en productividad de las máquinas en tareas que ya han sido automatizadas generan un efecto productividad (como el mencionado anteriormente) que no trae aparejado ningún tipo de desplazamiento. Esto incrementa, también, la demanda laboral.

A pesar de la potencialidad mencionada anteriormente, generalmente, el efecto compensatorio de estos tres efectos no es lo suficientemente fuerte para paliar la reducción en la participación del trabajo en el ingreso nacional que trae la automatización. Posiblemente tampoco sus efectos sobre el empleo que suelen estar vinculados a esta participación. Los autores proponen la existencia de una fuerza compensatoria aún más poderosa que amplía la tanto demanda de trabajo como la participación del trabajo en el ingreso laboral: la creación de nuevas tareas. La generación de nuevas funciones y actividades en las cuales el trabajo tiene una ventaja comparativa en relación a las máquinas. Esta génesis de nuevas actividades genera un efecto reinstauración que directamente balancea al efecto desplazamiento.

La aparición de nuevas tareas no es un proceso sistemático y autónomo, depende de las firmas, los trabajadores y la sociedad en general. También puede ser influido por el mismo avance tecnológico. En primer lugar, el mismo desplazamiento de fuerza laboral puede generar la existencia de trabajadores ociosos capaces para ser asignados a estas nuevas labores. En segundo lugar, la AI puede ser la plataforma para generar estas nuevas tareas en la industria de los servicios.

Se plantea también que, aún ante la existencia de estas fuerzas compensatorias, la reacción de la economía frente a la implementación de estas tecnologías innovadoras puede ser lenta y dolorosa. La reubicación de trabajadores entre distintos sectores es un proceso costoso y debe ser realizado muy cuidadosamente. La reasignación de la fuerza laboral entre actividades dentro de las empresas requiere del proceso de encontrar nuevos emparejamientos entre trabajadores y empleos, además de la casi segura necesidad de capacitación sobre sus nuevos deberes.

De esta última idea surge la potencial existencia de un descalce entre tecnología y habilidades. Es lógico pensar que es probable la existencia de una brecha significativa entre los avances técnicos y las habilidades de los trabajadores. Esto también ralentiza el ajuste de la demanda laboral, contribuye a la inequidad y reduce las ganancias en productividad tanto de la automatización como de la introducción de nuevas tareas (porque, en este contexto, las capacidades para llevar a cabo estas nuevas tareas escasean).

¿Necesitas ayuda con tu búsqueda laboral? Únete a nuestra comunidad de profesionales, resuelve tus dudas y encuentra mejores oportunidades.

Otro factor importante a tener en cuenta es la posibilidad de una automatización excesiva. Esta situación puede darse a partir de un sesgo a favor del capital en el aspecto impositivo o hasta por imperfecciones en el mercado laboral que creen una separación entre el salario y el costo de oportunidad del trabajo. Situaciones con la posibilidad de generar una automatización excesiva socialmente, la cual no solo genera ineficiencias directas, sino que también funciona como un detractor del crecimiento en la productividad. Este factor puede explicar cómo, a pesar de la implementación de robótica y AI, el crecimiento en productividad no ha sido el esperado en las últimas décadas.

Este trabajo también sugiere que el foco en las tecnologías de automatización, en lugar de otras, las cuales podrían beneficiar a la creación de nuevas tareas, puede ser un factor de peso para explicar la desaceleración en las mejoras de productividad, dado que deja de lado oportunidades potencialmente valiosas para el crecimiento productivo en otros dominios, donde el beneficio marginal es todavía mayor.

Este paper resume un marco de referencia conceptual para entender las implicancias de la automatización y resolver la falsa dicotomía dada entre que la automatización va a significar el final del trabajo para los humanos y que el avance tecnológico siempre incrementará la demanda laboral, tal y como lo ha hecho en el pasado. Este marco sugerido es un enfoque basado en tareas, donde la automatización se conceptualiza reemplazando al trabajo en tareas que este solía realizar. Este desplazamiento genera un efecto directo que reduce la demanda laboral. Si esta situación no es balanceada por otras fuerzas, la demanda laboral cae, junto a los salarios y el empleo. El trabajo reconoce la existencia de fuerzas compensatorias originadas también en la automatización, tales como el efecto productividad, la acumulación de capital y la profundización de la automatización. Sin embargo, estos compensadores de primer orden, generalmente no son lo suficientemente fuertes como para contener el efecto desplazamiento original. Se sugiere la existencia de otra fuerza de gran peso en el balance de los resultados de la automatización. Esta fuerza es la creación de nuevas tareas en las cuales el trabajo tiene una ventaja comparativa. Estas tareas aumentan la demanda laboral y tienden a incrementar la participación del trabajo.

El proceso de ajuste de la fuerza laboral hacia estas nuevas tareas suele ser un proceso lento y complicado. Esto se debe en parte a que la reasignación de trabajadores hacia nuevos empleos y tareas significa un desgastante proceso de búsqueda y se ve afectado por otras imperfecciones del mercado. Aún más allá de esto, existe el problema de que las nuevas tareas requieren de nuevas habilidades, y el sector educativo no da abasto para satisfacer esta necesidad. Se genera un descalce entre habilidades y tecnologías que dificulta aún más el proceso de reajuste. Descalce que, además compromete las ganancias en productividad propias de la implementación de las nuevas tecnologías.

Con respecto al compromiso en la ralentización de la mejora en productividad, también se reconoce que el exceso en la automatización es otra razón adicional que da origen al problema. Esta situación se debe al tratamiento impositivo a favor del capital respecto al trabajo y por imperfecciones de mercado. Más allá de la reducción en productividad generada, afloran efectos indirectos consecuencia del redireccionamiento del avance técnico desde actividades tendientes a mejorar la productividad, a generar nuevas tareas y a profundizar la automatización, hacia esfuerzos innecesarios enfocados al margen extensivo de la automatización.

Por otro lado, se señalan una serie de situaciones que pueden ser importante para comprender el efecto de la AI en el futuro del trabajo:

El efecto productividad se da al aumentarse la demanda de productos. Esto puede generar desigualdad. Si el aumento en ingresos resultante de la automatización recayera sobre una porción de la población menos propensa a consumir, esta fuerza compensatoria operaría tendría mucho menos impacto.

Las consecuencias de la falta de habilidades por parte de los trabajadores pueden deberse a que los trabajadores adquieren conocimientos innecesarios, en lugar de la idea de que carecen de habilidades de manera generalizada. Esto es una falencia del diseño del sistema educativo y su situación actual. Otro problema notable es que tampoco se sabe con certeza cuales son los requerimientos técnicos requeridos por las nuevas tecnologías.

Las políticas gubernamentales y las instituciones del mercado pueden impactar no solo la velocidad de la automatización, sino qué tipos de tecnologías recibirán más inversión. Reconocer las aplicaciones que generarán un mayor número de nuevas tareas es fundamental

Finalmente se menciona que el desarrollo y adopción de tecnologías que aumenten la productividad debe ser tomado seriamente. Si no se encuentra una manera de compartir la prosperidad generada por estos avances, existe el peligro de que una reacción política desmedida termine mitigando sus efectos de bienestar.

Automatización completa y desempleo total

Susskind (2017) estudia las consecuencias en ingresos y empleo para la situación en la que las ventajas comparativas del trabajo para la realización de ciertas tareas son comprometidas por un nuevo tipo de capital, denominado “avanzado”. El enfoque se motiva con la premisa de que la hipótesis ALM (Autor, Levy, Murnane) puede ser incorrecta. Esto es especialmente consistente si se tiene en cuenta que los autores de la hipótesis la consideraron válida sólo para la tecnología presente al momento de su planteo. Si se encuentra que las tareas no rutinarias también pueden ser automatizadas, el conjunto de ocupaciones consideradas un refugio contra los avances técnicos será definido mucho más pequeño que el asumido habitualmente.

El modelo utilizado en este paper diferencia dos tipos de capital, el “tradicional” y el “avanzado”. El primero no pudiendo equipararse en la realización de tareas componentes del empleo con los trabajadores, pero el segundo sí. El capital tradicional es un q-complemento para un grupo determinado de tareas. Cuando se da un incremento en la cantidad o la productividad de este capital, el valor de esas tareas aumenta. En el modelo de este trabajo esas tareas complementadas son desempeñadas por la mano de obra humana, o por el capital avanzado. Cuando el incremento en cantidad o productividad sucede para el capital avanzado, se debilita la ventaja comparativa del trabajo para realizar las tareas mencionadas. La mano de obra se ve forzada a especializarse en un reducido número de tareas complementadas.

El autor para demostrar esto plantea un modelo estático y un modelo dinámico. En la versión estática, sucede lo propuesto conceptualmente en el párrafo anterior: una suba en la cantidad o productividad del capital avanzado empuja hacia abajo los salarios relativos junto a la participación del trabajo en el ingreso y la fuerza laboral se ve obligada a especializarse en un conjunto limitado de tareas. En el modelo dinámico, la acumulación endógena de capital avanzado desplaza al trabajo de la economía a una velocidad determinada también endógenamente. Los salarios absolutos caen hasta cero, y en el límite, el trabajo es completamente sustituido, predominando el desempleo tecnológico. 

Finalmente, el autor dice que su crítica a la visión optimista sobre la automatización no desafía la existencia de complementariedad entre ciertas tareas llevadas a cabo por capital y los demás tipos. Sí se opone a la idea de que el trabajo es el único capaz de llevar a cabo esos demás tipos de tareas, y propone que, al contrario, las ventajas comparativas que se cree tiene sobre el capital parecen estar disminuyendo.

Se remarca que esta circunstancia es la panacea para los dueños del capital, obviamente. Todos los retornos del progreso tecnológico son absorbidos por ellos. Quién controle el capital, bajo este modelo, se vuelve una cuestión central en el tiempo.

Desempleo por robots

Graetz, Michaels (2018) estima los efectos de la incorporación de robots industriales en la economía. Se utiliza un panel de industrias de 17 países con datos que abarcan desde 1993 hasta 2007. Del análisis resulta que este tipo de robots incrementa la productividad del trabajo y el valor agregado. También se ve que la contribución del incremento en el uso de robots al crecimiento económico es substancial. Los resultados son robustos a varios tipos de controles, por tendencias industriales, por crecimiento pasado y por cambios en la composición del trabajo y otras entradas de capital.

Respecto a otros efectos económicos, también se halla que la densificación de robots mejora tanto el TFP (o productividad total de los factores) como los salarios. Si bien, no se encuentra un efecto significativo en horas trabajadas, cierta evidencia apunta a que su incorporación podría actuar en detrimento del empleo de los trabajadores de más baja habilidad, y en menor medida afectar a los de nivel medio de habilidad.

Si el precio, ajustado por calidad, de los robots sigue cayendo de la manera en que lo hizo durante el período analizado, no hay motivos para pensar que, dado el desarrollo de nuevas aplicaciones para los mismos (por ejemplo, en el área de servicios), el valor agregado y el TFP dejarán de crecer al ritmo que lo hacen. Sin embargo, también existe evidencia que sugiere que, debido a efectos de congestión, los retornos marginales del incremento en la densificación de robots están disminuyendo. Todo dependerá de cuál de las dos fuerzas prevalezca.

Consecuencias concretas de la automatización para 702 ocupaciones

Frey, Osborne (2017) busca determinar el grado de susceptibilidad a la computarización de 702 ocupaciones detalladas. El trabajo utiliza datos para Estados Unidos y su objetivo principal es evaluar la cantidad de puestos en riesgo y la relación entre la probabilidad de computarización de una ocupación, salarios y niveles educativos obtenidos.

Los autores expresan que no intentan realizar predicciones sobre los cambios futuros en la composición ocupacional del mercado de trabajo. Esto es así dado que consideran que están especulando sobre tecnologías en sus niveles tempranos de desarrollo. Remarcan, también, que el foco de lo estudiado está en el impacto de la computarización en los empleos existentes en 2010. El siguiente gráfico representa claramente el efecto esperado, diferenciando las distintas ocupaciones, según sectores, y según su probabilidad de computarización en “baja”, “mediana” y “alta”:

Frey, Osborne (2017)

El 47% del total de los empleos en Estados Unidos se encuentra en la categoría de alto riesgo. Esto significa que estas ocupaciones son potencialmente automatizables en un número dado de años no especificado, posiblemente una década o dos. Se sugiere que el eje de probabilidades puede ser interpretado como una línea de tiempo aproximada, donde su sector de valores más altos representa a aquellas ocupaciones que serán reemplazadas por capital tecnológico relativamente pronto. En las próximas décadas, el grado de computarización se determinará en función de la velocidad a la cual los cuellos de botella tecnológicos, mencionados anteriormente, puedan ser superados. El trabajo, desde esta perspectiva, propone la idea de interpretación de sus hallazgos como dos olas de computarización, separadas por un “valle tecnológico”. En la primera ola, se reúnen la mayoría de los trabajadores en las industrias del transporte y la logística, junto al bruto de los trabajadores de oficinas y de soporte administrativo, además de aquellos empleados en ocupaciones de la producción, los cuales (todos) son muy propensos a ser sustituidos por capital informático. Este primer movimiento de automatización, sin embargo, será continuado por una subsecuente ralentización en el reemplazo de trabajadores por máquinas, debido a los cuellos de botella tecnológicos más persistentes que inhibirán el avance hacia los empleos de riesgo medio. Este es el “valle tecnológico” propuesto. La computarización en esta categoría de riesgo dependerá en superar los desafíos técnicos relacionados a la percepción y la manipulación. La siguiente tabla muestra la alta participación en esta región de variables tales como “destreza manual”, “destreza dactilar”, “hacinamiento en el lugar de trabajo”.

Sobre la segunda “ola” de computarización, el modelo predice que ésta dependerá principalmente de la superación de los actuales problemas que la tecnología tiene con respecto a la creatividad y la inteligencia social. En la tabla anterior se puede apreciar que “bellas artes”, “originalidad”, “negociación”, “persuasión”, “percepción social” y “asistencia y cuidado de otros” son variables que presentan valores relativamente altos en la categoría de bajo riesgo. En síntesis, las ocupaciones generalistas que requieren conocimiento sobre heurísticas humanas, y ocupaciones especializadas que se enfocan en el desarrollo de ideas novedosas y artefactos, son las menos susceptibles a la computarización.

Finalmente, para cerrar la idea de lo que el progreso tecnológico posiblemente signifique para el futuro del empleo, se grafica el sueldo mediano promedio de las ocupaciones contra su probabilidad de computarización. Lo mismo se hace para el nivel de habilidad, usando como como medida la porción de trabajadores que obtuvieron títulos universitarios o de más alto nivel dentro de cada ocupación.

Esta figura exhibe que tanto los sueldo como el mejor nivel educativo obtenido presentan una fuerte relación negativa con la probabilidad de computarización. El modelo predice que la automatización de tareas va a sustituir principalmente trabajos de baja habilidad y bajo sueldo en el futuro cercano. En contraste, aquellos de alta habilidad y alta remuneración son los menos susceptibles a los efectos del capital informático.

En cuanto a las limitaciones de lo expuesto, se menciona que todas las predicciones están basadas en las premisas acerca de las tareas que el equipamiento controlado por computadoras se espera que pueda llevar a cabo. Las estimaciones se enfocan en la porción del empleo que potencialmente pueda ser sustituida por capital informático, desde un punto de vista de factibilidad técnica, y sobre un período no especificado de tiempo. No se intenta, de ninguna forma, estimar cuántos trabajos serán fehacientemente automatizados. El grado y ritmo de computarización dependerá de varios factores adicionales que no fueron tenidos en cuenta, siendo:

  • El Primero: Las invenciones que ahorren trabajo solo serán adoptadas si el acceso a mano de obra barata es escaso o los precios del capital son relativamente caros (Habakkuk, 1962). Las estimaciones del trabajo no reparan en niveles de salario futuros, precios del capital o escasez laboral.
  • El Segundo: Las regulaciones y el activismo político puede disminuir la velocidad del proceso de computarización. Esta publicación no realiza predicciones sobre el proceso legislativo ni la aceptación pública del progreso tecnológico, por lo tanto, tampoco lo hace sobre la celeridad de la computarización
  • El Tercero: El realizar predicciones sobre el progreso tecnológico es notablemente difícil (Armstrong and Sotala, 2012). Por este motivo, el enfoque se halla en descubrimientos tecnológicos de cercano plazo en Machine Learning y Mobile Robotics y se evita estipular la cantidad de años que llevaría solucionar los distintos cuellos de botella tecnológicos propios de la computarización. Finalmente, se recalca que las estimaciones probabilísticas describen la verosimilitud de que una ocupación sea completamente automatizada, no se captura ninguna posibilidad de variaciones dentro de las ocupaciones resultantes de la computarización de tareas que signifiquen la liberación de horas de trabajo humano para realizar otras tareas.

Un límite al alarmismo de la automatización

Arntz, Gregory, Zierahn (2017) critica los análisis respecto a riesgos de automatización para los trabajadores enfocados en ocupaciones (como Frey, Osborne 2017). En cambio, proponen evaluar los puestos de trabajo en base a las tareas que en estos se llevan a cabo y no desde la generalidad de “ocupaciones”. Consideran que este último abordaje sobreestima el riesgo real.

Para Estados Unidos

Se halla que la posibilidad de automatización es más baja en trabajos con alto nivel educativo como requerimiento, así como en empleos que requieran cooperación con otros empleados o donde las personas pasan tiempo influenciando a otras. Estas tareas de bajo riesgo reflejan los cuellos de botella que FO (Frey, Osborne) plantean en su trabajo. La posibilidad de automatización es más alta en aquellos trabajos con mayor porción de tareas relacionadas al intercambio de información, la venta o el uso de dedos y manos.

El siguiente gráfico compara la posibilidad de automatización calculada para empleos en Estados Unidos, usando la data de PIAAC (cuando se aplica el modelo basado en tareas) con las predicciones del abordaje basado en ocupaciones:

Arntz, Gregory, Zierahn (2017)

Para el enfoque basado en ocupaciones, se explicita que la mayoría de los trabajos tienen asignada una alta o baja probabilidad de automatización, sin embargo, sólo unos pocos puestos tienen un nivel de riesgo medio. Contrastando con esto, lo calculado en base al modelo de tareas muestra un patrón distinto. Los dos polos de la distribución se mueven hacia valores de probabilidad de automatización menos extremos. Menos trabajos tienen probabilidad muy alta o muy baja. Como resultado de esto, al evaluar los puestos con el enfoque de tareas, vemos que solo un 9% de los individuos enfrentan una alta probabilidad de automatización (posibilidad de automatización de por lo menos el 70%). Esta cifra rivaliza fuertemente con el 47% de empleos en riesgo calculado en el trabajo de FO. Los autores argumentan que aparentemente, al no tomar en cuenta la variación de las tareas dentro de las ocupaciones, se genera un alto impacto en las estimaciones de la posibilidad de automatización. Esto es porque hasta en las ocupaciones que FO consideran tienen un alto riesgo, las personas realizan tareas que son difíciles de reemplazar con tecnología, tales como las interactivas entre humanos.

Para otros países de OECD

La siguiente visualización expone la cantidad de trabajadores con alto riesgo de ser afectados por la automatización (nuevamente usando como criterio que su posibilidad de automatización es de por lo menos el 70%) para países de OECD:

Arntz, Gregory, Zierahn (2017)

En el trabajo se subraya que un resultado interesante es que la distribución de la posibilidad de automatización entre países no se presta a una interpretación inmediata de los posibles factores subyacentes que la explican. Para hallar más evidencia sobre estos factores, se descompone la diferencia de esta porción de trabajadores con alto riesgo entre cada país y los Estados Unidos dentro de un componente intra y entre industrias que tiene en cuenta tres dimensiones: industria, ocupación y educación. En el componente entre industrias, se ve que las diferencias están dadas por las diferencias a través de los países en industrias, ocupación o estructura educacional. En el componente intra industria la diferencia se da por el hecho de que trabajadores en las mismas industrias, ocupaciones, o grupos educativos realizan más (o menos) tareas automatizables.

Las diferencias intra industria y estructuras ocupacionales explican solo una pequeña parte de las diferencias en la cantidad de trabajadores con alto riesgo entre cada país y los Estados Unidos, mientras que los componentes entre industrias y ocupación importan sólo un poco para la mayoría de los países. En su lugar, los trabajadores en las mismas industrias realizan tareas diferentemente automatizables en esos países que los trabajadores en Estados Unidos. Sin embargo, la educación juega un rol fundamental para muchas naciones. En la mayoría de los países el componente intra educación es negativo, lo que implica que las personas con la misma educación típicamente realizan menores tareas automatizables comparado con los Estados Unidos. Asimismo, en muchos países, el componente entre educación es positivo, lo que permite inferir que, en esos países, una mayor cuota de trabajadores tiene niveles educativos asociados a tareas más fácilmente automatizables.

El paper propone dos explicaciones detrás del motivo por el cual, entre países, los trabajadores de la misma industria, ocupación o hasta mismo nivel educativo, realizan tareas diferentes:

  • Diferencias generales en la organización del lugar de trabajo
  • Diferencias en la adopción de nuevas tecnologías

La primera explicación es ilustrada suponiendo la existencia de dos países los cuales adoptaron tecnologías comparables, sin embargo, dada la organización laboral (o cultura laboral) del primero, es menos común el trabajo en grupo o las interacciones personales. En promedio, los países con mayor foco en tareas comunicativas dentro de sus empleos tienen una cuota menor de empleos en alto riesgo de automatización.

La segunda explicación es ilustrada suponiendo lo contrario: No existen diferencias en la organización de los lugares de trabajo entre dos países. La posibilidad de automatización del primer país puede aún ser más alta debido a que el segundo invierte más agresivamente en nuevas tecnologías de automatización y, por lo tanto, ya ha reemplazado trabajo por capital para llevar a cabo las tareas automatizables. Así es que la posibilidad de automatización es más baja en países que ya invierten mucho en ICT. Alta posibilidad de automatización puede significar potencial sin explotar para la automatización.

Finalmente, los países con un fuerte foco en trabajadores calificados típicamente tienen tasas más bajas de puestos de trabajo en riesgo de ser automatizados, debido a que esos trabajadores usualmente realizan tareas menos automatizables que las llevadas a cabo por trabajadores poco calificados. Efectivamente, a pesar de las diferencias entre países, una característica común de todos los países es que la posibilidad de automatización decrece fuertemente en el nivel de educación e ingreso de los trabajadores: Son principalmente aquellos de menores habilidades y menores ingresos los que enfrentan alto riesgo de ser automatizados.

3 canales por los cuales la tecnología reemplaza tareas

Gregory, Salomon, Zierahn (2016) se suma a la literatura que estudia el desplazamiento de trabajo a partir de la incorporación de tecnologías digitales. Los autores desarrollan un marco teórico basado en tareas para estimar los efectos agregados en demanda laboral y empleo del cambio tecnológico que reemplaza rutinas (RRTC, por su sigla en inglés), junto a sus mecanismos subyacentes.

Este trabajo expone claramente los tres canales que se considera son mediante los cuales el RRTC actúa:

  • Efectos sustitución: Los trabajadores son reemplazados por máquinas en la producción de tareas rutinarias. Este efecto se potencia a medida que las firmas mueven su tecnología de producción hacia más tareas rutinarias como insumo. En conjunto, estos dos efectos sustitución llevan a un declive en el empleo. El tamaño de este efecto negativo en empleo incrementa con la posibilidad de sustitución entre tareas en la producción de transables y es más fuerte en regiones con una mayor porción de tareas rutinarias como dotación inicial.
  • Efecto demanda de producto: La sustitución de trabajo por capital permite a las firmas reducir costos, lo que disminuye los precios de los bienes transables. La demanda de productos transables aumenta a consecuencia de esto, llevando a mayor producción e ingreso, induciendo la generación de empleos adicionales en el sector de los transables. El efecto es creciente según sea la posibilidad de sustitución entre paquetes de bienes y es más fuerte en regiones con una mayor porción de tareas rutinarias como dotación inicial.
  • Efecto derrame de demanda de producto: El RRTC lleva a mayor producción, lo cual resulta en ingresos más altos entre hogares locales. Esto produce un efecto derrame dado que le ingreso adicional es en parte dirigido hacia productos locales no transables, incentivando producción adicional y empleo en la economía local. Estos derrames son más grandes en las regiones con una mayor porción de tareas rutinarias como dotación inicial. Este efecto es sólo únicamente positivo cuando los dueños de las firmas se localizan en la región de su producción.

El efecto del RRTC en la economía es la suma de lo generado en estos tres canales. Podrá ser positivo o negativo, dependiendo de los tamaños relativos de la elasticidad de sustitución entre tareas, la elasticidad de sustitución entre paquetes de bienes transables regionales, además de las diferencias en estructuras de tareas locales.

Los resultados hallados en el análisis se pueden organizar en cuatro hallazgos principales:

  • En primer lugar: Con los datos en número de empleos se consolida la idea de que no hay asidero para el escenario en el cual la incorporación sistemática de tareas rutinarias en el empleo lleve a un desplazamiento neto de los humanos en el mercado laboral. De todas formas, esto no descarta la posible existencia de automatizaciones individuales que puedan generar efectos netos en desempleo. Además, tampoco sugiere que el progreso tecnológico sea el principal propulsor del empleo.
  • En segundo lugar: Los tres canales propuestos son cuantitativamente relevantes. Existen efectos sustitución profundos a nivel tarea, los cuales llevan a una caída en la demanda laboral y el empleo, pero estos son compensados por sus pares en demanda de producto y de derrame local. El efecto positivo en empleo del RRTC no es el resultado de la sustitución de trabajo por capital, sino de los efectos del mercado de producto que dominan a estos efectos sustitución.
  • En tercer lugar: El efecto demanda de producto solo casi contrarresta el declive en el empleo resultante de la sustitución de trabajo por capital y la reorganización de la producción de tareas. Sin embargo, todo el crecimiento del empleo se da en el sector de no transables el cual no está directamente afectado por el progreso tecnológico. Estas predicciones concuerdan con los patrones generales vistos en el mercado laboral europeo.
  • En cuarto lugar: Los efectos derrame localizados a industrias las cuales no son directamente afectadas por el progreso tecnológico juegan un rol cuantitativamente importante para el entendimiento de los efectos totales en el empleo y la demanda laboral del RRTC. No obstante, los autores reconocen que sus estimaciones de estos efectos pueden considerarse como el límite superior ya que asumen que aquellos que perciben ingreso no salarial residen en la misma región en la cual ese ingreso es generado.

Los resultados del paper son reevaluados relajando ese último supuesto mencionado y se llega a conclusiones muy similares, consideradas de límite inferior, donde el RRTC aún incrementa la demanda laboral, pero ahora lo hace por la mitad, requiriendo 2.5 millones de puestos en lugar de 5 millones.

Conclusiones finales

Esta revisión de la literatura se encargó de relevar el estado actual de las ideas respecto al efecto del avance tecnológico en el mercado laboral, y más puntualmente en el empleo. Como ya se pudo haber inferido de los análisis particulares de las distintas publicaciones, el consenso general es que la automatización ineludiblemente destruye puestos de trabajo. Al mismo tiempo, la gran mayoría de los autores también reconoce que existen fuerzas compensatorias, generadas por la adopción de estos mismos avances técnicos, que contrarrestan y hasta superan su efecto negativo. Esto es coherente desde un punto de vista de racionalidad de los agentes económicos, si no existiera un beneficio real a costas de desplazar mano de obra, no habría incentivos para hacerlo.

A la luz de lo expuesto, poco lugar queda para discutir que la incorporación de nuevas tecnologías no tendrá efecto sobre la fuerza laboral. La positividad de su efecto individual será subjetiva, pero los datos nos indican que objetivamente, al menos en el presente y el futuro más cercano, el resultado neto a nivel económico agregado, y ya no solo de empleos, será beneficioso.

La idea central del modelo teórico de referencia elegido, el de Vallanti, Pissarides (2007) ha quedado demostrada como aún vigente. El resultado neto en empleo dependerá principalmente de la medida en que las nuevas tecnologías se vean personificadas en nuevos empleos. Siendo posible también que estos avances sólo se personifiquen en nuevo capital, esto se correlaciona directamente con todos aquellos papers donde se habla de efectos productividad como fuerzas compensatorias.

Puntualmente, Acemoglu, Restrepo (2018) discriminan a la profundización de la automatización como un balance de interés. Esta profundización es precisamente un efecto productividad dado de forma “gratuita” en términos de empleo. Las tareas ya automatizadas mejoran su productividad y este beneficio se derrama al resto de la economía sin afectar directamente el puesto de ningún trabajador empleado. Más allá de esto, es muy interesante el planteo realizado respecto a la automatización excesiva. Uno podría imaginar una situación de beneficios del RRTC (ceteris paribus) similar a una curva de Laffer, donde el fruto de la automatización es positivo, hasta alcanzar cierto punto a partir del cual los rendimientos marginales se tornan decrecientes. En este caso sería de vital importancia que la sociedad pudiera manejar la incorporación de estos avances respecto a la inversión en nuevas tareas de la forma que más nos acerque al óptimo.

La visión de Susskind (2017), si bien apocalíptica, no es descabellada teniendo en cuenta que el paper no busca en ningún momento proponer paliativos al desempleo tecnológico. Por otro lado, tal vez en su marco teórico esta situación sea realmente inexorable y el efecto compensador del empleo pueda no ser la restitución directa del mismo. Lo que sí queda claro es que la literatura actual no tiene presente casos de esquina como el planteado ya que se puede inferir que son considerados aún muy lejanos. El capital avanzado, tal como lo caracteriza el autor, claramente todavía no es una realidad generalizada, a pesar de que sí existan (y cada día más) versiones parciales de esta situación, nos encontramos a décadas de alcanzar la singularidad tecnológica.  Además, sin lugar a dudas, la presencia de máquinas que puedan mapear completamente las habilidades laborales de los humanos (con todo lo que esto implica) significaría un profundo reajuste social, económico, cultural, filosófico, ético, moral y vaya uno a saber en cuántos ámbitos más, que afectarían la resolución de un modelo enfocado sólo al empleo y planteado desde nuestra óptica actual, así como el funcionamiento del mundo en su totalidad, muy profundamente.

En cuanto al grupo de trabajos empíricos, el consenso es claro. Salvando el caso de Frey, Osborne (2017), tan criticado por su visión rígida del empleo como ocupaciones y no tareas dinámicas. Esto sin tener en cuenta su completa omisión de cualquier tipo de efecto compensatorio sobre el peligro del desplazamiento laboral inminente que predice. Lo que sí queda claro y refrendado por sus pares es que el sector más vulnerable a este cambio que estamos transitando es el de los trabajadores menos capacitados. La velocidad con la que se adopten estas mejoras productivas, en conjunto a la posibilidad que estas personas tengan de recapacitarse para los requerimientos laborales modernos serán clave para evaluar daño generado. Además, la posibilidad de creación de nuevas tareas dónde se exploten las ventajas comparativas que los humanos aún tenemos frente a las máquinas sería algo a evaluar como paliativo inmediato, siendo un caso representativo de esta situación el de los cajeros bancarios en la década de los ’90.

La incorporación masiva de cajeros automáticos en la década de los ’90 generó preocupación respecto a la destrucción de los empleos de los cajeros. Los resultados históricos indican que no sólo el número de empleados bancarios se mantuvo estable, sino que, tras una transformación en sus tareas a realizar, este se disparó como nunca antes.

El sentimiento final de este análisis es optimista y congruente con el espíritu económico. Ninguna conducta tan masiva y voluntariamente implementada podría ser perjudicial para los propios agentes en su agregado.

Artículos Relacionados

Deja un comentario