Las últimas olas de automatización desde la década de los setenta han premiado de manera recurrente a los trabajadores de altas habilidades cognitivas. Al reducir el tiempo necesario para realizar tareas importantes, como acceder y estructurar nueva información, las nuevas computadoras permitieron a los trabajadores con niveles más altos de educación centrarse en actividades más complejas y de mayor valor añadido, como interpretar y aplicar esa información. Esto contribuyó a mejorar el juicio de estos trabajadores en la toma de decisiones, multiplicando su productividad y su retorno salarial.
Ese proceso vino acompañado de una creciente polarización en el empleo. Los nuevos programas y algoritmos se complementaban bien con las habilidades de los trabajadores muy formados, pero en cambio se convirtieron en sustitutivos de multitud de tareas rutinarias que podían ser ejecutadas por softwares o robots a un precio más barato. Eso llevó a la automatización de millones de empleos asociados a tareas repetitivas que daban trabajo a clases medias de países avanzados, ya fuera en cadenas de montaje de automóviles, en peajes en las autopistas o en cajeros de supermercados.
Los cambios tecnológicos afectaron también a muchos trabajadores de baja cualificación. Pero no a todos. Muchos empleos como los de masajista o peluquero se mantuvieron “protegidos” de la tecnología. La razón era simple: igual que los trabajos intelectuales no rutinarios de las profesiones liberales, esos trabajos se basaban en tareas que no podían reducirse a una serie de comandos. El efecto en la desigualdad fue en forma de U pero en conjunto las desigualdades aumentaron. Según los economistas Claudia Goldin y Lawrence F. Katz los ingresos para el 5% más alto de la distribución aumentaron a una tasa tres veces más grande que los del quintil de ingresos medios desde mediados de los años ochenta hasta la crisis financiera.
Sabemos que el shock de la inteligencia artificial generativa será enorme para la economía. La consultora McKinsey, por ejemplo, estima que su impacto en la economía mundial podría ser equivalente a añadir una economía del tamaño del Reino Unido. Otro estudio de Tyna Eloundou y coautores estima que alrededor del 19% de los trabajadores podría experimentar que al menos el 50% de sus tareas se vean impactadas. ¿Pero cómo afectará esta inteligencia artificial (IA) a las desigualdades?
La verdad es que todavía no lo sabemos. Pero sí podemos intuir algunas cosas.
Los programas informáticos anteriores podían programarse (por un humano) para reproducir tareas repetitivas, pero no podían aprender por sí mismos o generar nuevo conocimiento experto. La IA generativa y los sistemas de aprendizaje automático operan de manera fundamentalmente distinta a las tecnologías anteriores. No dependen de instrucciones explícitas para funcionar: infieren instrucciones a partir de ejemplos. Como explica David, autor en una investigación reciente, estas nuevas capacidades permiten a estas tecnologías emitir juicios expertos, tradicionalmente reservados a profesionales altamente cualificados. Por tanto, estas tecnologías afectarán a muchas tareas cognitivas de trabajadores en la parte alta de la distribución de ingresos que antes no estaban afectadas, en profesiones tan variadas como la abogacía, la medicina o la publicidad.
Una segunda intuición que muestran algunos de los primeros experimentos académicos en tareas muy variadas de oficina, servicio al cliente, escribir o resumir textos o programar código es que los trabajadores con peores resultados iniciales mejoran más que los mejores. Imaginen, por ejemplo, a alguien patoso escribiendo correos electrónicos. El apoyo de ChatGPT le ayuda a mejorar mucho. Mientras que el que ya escribía correos rápido y de manera estructurada mejora menos con la ayuda de la IA.
En un experimento con más de 700 consultores de Boston Consulting Group, unos investigadores de Harvard y otras universidades analizan, el efecto de asignar de manera aleatoria ChatGPT a trabajadores realizando 18 tareas típicas de consultor. Encuentran que, efectivamente, el apoyo de la IA generativa como complemento a un humano contribuye a mejorar la productividad en muchas tareas. También encuentran que los trabajadores inicialmente menos productivos mejoran más con la ayuda de la IA que los trabajadores inicialmente más productivos. Sin embargo, también encuentran que en muchas tareas, por ejemplo de cálculo o tareas más complejas, el efecto de la IA es irrelevante.
Tomando de manera conjunta, estos resultados apuntarían en dirección contraria al pasado y serían positivos para la reducción de desigualdades. ¿Pero se reproducirán esos efectos en entornos más realistas fuera del “laboratorio”?
No es para nada evidente. En un fascinante estudio, un investigador del Massachusetts Institute of Technology asigna a más de 1.000 trabajadores de una empresa de investigación y desarrollo, la asistencia de una IA para mejorar su trabajo en innovación en materiales. El estudio encuentra que los investigadores con la ayuda de la IA descubren en pocos meses de trabajo un 44% más de materiales que los del grupo sin IA (de control), resultando en un aumento de patentes del 39% y un 17% de aumento en innovación de productos finales. Pero lo más sorprendente de este trabajo no es el efecto en la productividad científica media (aunque es espectacular), sino en qué explica el efecto. Mientras el tercio de investigadores menos productivos en el pasado casi no observa mejoras con la IA, la productividad del top 10% de investigadores mejora un 81% gracias a la interacción con la tecnología.
¿Qué conclusiones podemos extraer de todo esto? La más importante es que debemos ser muy cautelosos a la hora de sacar conclusiones y que habrá que estudiar cómo estas tecnologías interactúan con diferentes tipos de trabajadores y en diferentes profesiones.
Una manera útil de pensar sobre estas tecnologías es pensar a nivel de tareas específicas y habilidades de los trabajadores (más que en empleos) y en términos de complementariedad y sustitución. Una innovación es complementaria cuando aumenta la productividad de los trabajadores. La sustitución (o automatización) se da cuando una tarea que realizaba un humano pasa a ser realizada por una tecnología de forma autónoma.
En tareas escritas no muy complejas y acotadas es probable que las mejoras sean muy sustanciales y que eso favorezca la productividad de muchos trabajadores de ingresos medios o bajos, redundando en mejoras salariales. Sin embargo, en tareas de alta complejidad o de gestión, que requieran altas habilidades cognitivas o sociales, es posible que estas tecnologías ayuden más a los trabajadores de habilidades más altas. Y que eso redunde en mayores desigualdades.
Mi intuición es que, en general, estas tecnologías serán más copilotos o asistentes que máquinas automáticas. Pero eso es solamente una intuición basada en las capacidades tecnológicas de estas máquinas hoy. Y esas capacidades están cambiando a toda velocidad.
Toni Roldán-Monés es director de EsadeEcPol.
Enlace permanente
Gracias por la reflexión, muy interesante. Pero tengo una duda, ¿cómo defines 'clase media'? En distintos momentos del artículo lo defines, creo, de distinta manera (o no lo definimos igual). Así, en cierto momento dices que son empleos de clase media "(...) en cadenas de montaje de automóviles, en peajes en las autopistas o en cajeros de supermercados". Y esos nunca los he visto definidos como propios de la clase media (ni según una definición de diccionario británico ni según la de uno estadounidense).
Gracias.