Ganadores y perdedores en la transformación digital del trabajo

Ganadores y perdedores en la transformación digital del trabajo

Quizá ningún aspecto único de la revolución digital haya recibido más atención que el efecto de la automatización en los empleos, en el trabajo, en el empleo y en los ingresos. Existe por lo menos una razón muy buena para eso –pero probablemente no sea la que la mayoría de la gente mencionaría.

Utilizar máquinas para aumentar la productividad no es nada nuevo. En la medida en que cualquier herramienta es una máquina, los seres humanos han venido haciéndolo durante gran parte de nuestra breve historia en este planeta. Pero, desde la primera Revolución Industrial –cuando la energía de vapor y la mecanización produjeron un incremento importante y sostenido de la productividad-, este proceso se ha acelerado.

No todos acogieron con beneplácito esta transición. Muchos temían que una menor demanda de mano de obra humana conduciría a un desempleo permanentemente alto. Pero eso no sucedió. Por el contrario, el incremento de la productividad y de los ingresos impulsó la demanda y, en consecuencia, la actividad económica. Con el tiempo, los mercados laborales se adaptaron en términos de capacidades y, finalmente, las horas laborales se redujeron y el equilibrio entre ingresos y ocio cambió.

Sin embargo, en tanto el aumento de la mano de obra humana cede el paso a la automatización –donde las máquinas realizan una creciente cantidad de tareas de manera autónoma en los segmentos de información, control y transacciones de la economía-, los temores de pérdidas de empleos en gran escala están volviendo a proliferar. Después de todo, los empleos administrativos y fabriles que implican tareas esencialmente de rutina –es decir, fácilmente codificadas- han venido desapareciendo a un ritmo cada vez más acelerado, especialmente desde 2000. Como muchos de estos empleos ocupaban el sector medio de la distribución de ingresos, este proceso ha alimentado la polarización de empleos e ingresos.

Sin embargo, como en el siglo XIX, los mercados laborales se están adaptando. Al principio, los trabajadores desplazados pueden buscar un nuevo empleo en puestos que exigen sus capacidades pre-existentes. Pero, frente a una escasez de oportunidades, pronto empiezan a buscar empleos con requerimientos de capacidades más bajos (o fácilmente alcanzables), incluidos empleos de tiempo parcial en la economía informal facilitada por Internet, inclusive si esto significa aceptar un ingreso menor.

Con el tiempo, una creciente cantidad de trabajadores comienzan a invertir en adquirir capacidades que están en demanda en categorías laborales que no son de rutina y que ofrecen una remuneración superior. Generalmente, éste es un proceso que consume más tiempo, aunque se ha acelerado en algunos países, entre ellos Estados Unidos, gracias a iniciativas que involucran a instituciones gubernamentales, empresariales y educativas.

Pero, inclusive con mecanismos de respaldo institucionales, el acceso al desarrollo de capacidades por lo general dista de ser equitativo. Sólo quienes tienen suficiente tiempo y recursos financieros pueden hacer la inversión necesaria y, en una sociedad sumamente desigual, muchos trabajadores quedan excluidos de este grupo. En este contexto, probablemente debería preocuparnos menos el desempleo permanente de gran escala y más un repunte de la desigualdad y sus ramificaciones sociales y políticas.

Sin duda, la adaptación tecnológica puede reducir la magnitud del problema de la adquisición de capacidades. Después de todo, los mercados recompensan las innovaciones que faciliten el uso de equipamientos y sistemas digitales. Por ejemplo, la interfaz gráfica de usuario, que nos permite interactuar con dispositivos electrónicos a través de representaciones visuales de indicadores, hoy es tan generalizada que la damos por sentada. En tanto esas estrategias intuitivas se aplican a procesos tecnológicos cada vez más complejos, la necesidad de volver a capacitarse –y, con ello, el impacto distributivo de la revolución digital- disminuirá.

El progreso en el terreno de la inteligencia artificial también tendrá un impacto. Hasta hace unos diez años, la automatización dependía de la codificación de tareas: las máquinas se programan con un conjunto de instrucciones que reproducen la lógica de la toma de decisiones humana. ¿Pero qué sucede con aquellas tareas que no se pueden incorporar en una serie de pasos lógicos y predefinidos? Desde la comprensión del lenguaje natural hasta el reconocimiento visual de objetos, una cantidad sorprendentemente grande de actividades –inclusive algunas que son ostensiblemente sencillas- encajan en esta categoría. Esto ha mantenido a muchos empleos “a salvo” de la automatización, pero no por mucho tiempo más, debido a los avances en el aprendizaje automático.

El aprendizaje automático es esencialmente un reconocimiento de patrones muy sofisticado. Al utilizar grandes pools de datos y un poder informático masivo, las máquinas aprenden a hacer cosas que no podemos codificar. Lo hacen usando ejemplos en lugar de una lógica basada en reglas. Los avances en el aprendizaje automático han abierto grandes áreas nuevas de automatización: robótica, vehículos autónomos y el escaneo de literatura médica técnica en busca de artículos clave. En muchas áreas –como el reconocimiento de patrones en la genética y en la ciencia biomédica-, las máquinas no sólo se vuelven capaces de reemplazar a los trabajadores humanos; en ciertos aspectos, sus capacidades eclipsan a las de cualquier ser humano.

Son mejores noticias de lo que parece. Es cierto, muchas más tareas y subtareas serán reasignadas a las máquinas. Pero el propósito y el objetivo final de la revolución digital deben ser transformar la automatización del trabajo en una aumentación digital. Y cuando las máquinas realizan tareas que los seres humanos no pueden hacer, aumentación es precisamente lo que conseguimos.

Si bien resulta imposible hablar con certezas en esta etapa temprana, existen motivos para creer que los costos de transición de esta nueva ronda de disrupciones relacionadas con el trabajo se experimentarán de manera más amplia en todo el espectro de ingresos que la primera. En el extremo inferior del espectro de ingresos a nivel global, los avances en inteligencia artificial y robótica alterarán y terminarán desplazando la manufactura intensiva en mano de obra –y los modelos de desarrollo que dependen de ella-.  En el extremo superior, las capacidades basadas en el aprendizaje automático tendrán un impacto importante en la investigación científica y en el desarrollo tecnológico, así como en los servicios profesionales de alta calidad.

Sin embargo, la realidad sigue siendo que estamos lidiando con transiciones sumamente complejas, no con equilibrios: y no podemos esperar una adaptación natural por parte de los trabajadores y de los mercados laborales que produzca resultados equitativos, especialmente con diferencias enormes en los recursos de los hogares como punto de partida. Es por esto que los responsables de las políticas (en asociación con las empresas, la mano de obra y las escuelas) deben centrarse en medidas destinadas a reducir la desigualdad de ingresos y de riqueza, inclusive garantizando un amplio acceso a servicios sociales de alta calidad como educación y capacitación en habilidades. Sin este tipo de intervención, existe un riesgo significativo de que la transformación digital del trabajo deje a mucha gente rezagada, con consecuencias adversas en el largo plazo para la cohesión social.

Michael Spence, a Nobel laureate in economics, is Professor of Economics Emeritus and a former dean of the Graduate School of Business at Stanford University. He is Senior Fellow at the Hoover Institution, serves on the Academic Committee at Luohan Academy, and co-chairs the Advisory Board of the Asia Global Institute. He was chairman of the independent Commission on Growth and Development, an international body that from 2006-10 analyzed opportunities for global economic growth, and is the author of The Next Convergence: The Future of Economic Growth in a Multispeed World.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *