¿Empleo en riesgo? La automatización y el mercado laboral en México

Todos los días recibimos noticias acerca de los avances en tecnologías de información, inteligencia artificial y la implementación de tecnologías de automatización en la producción de los bienes y servicios consumidos en la economía. Ante esta constante marea de noticias es natural que tanto académicos como hacedores de política han tomado un renovado interés por entender el impacto del cambio tecnológico sobre los mercados laborales. Actualmente el avance tecnológico que amenaza con cambiar la naturaleza del empleo y la producción es la automatización, la cual entenderemos de manera amplia como el proceso a través del cual nuevas tecnologías sustituyen la labor humana en un creciente número de tareas que son necesarias para la producción de bienes y servicios.[1]

La rapidez con la cual avances técnicos y, sobre todo, en inteligencia artificial están creando nuevas oportunidades de automatización, asícomo la rapidez con la cual estos avances se incorporan a la economía, han creado una cierta ansiedad acerca de la posibilidad de una disrupción masiva de los mercados laborales. La preocupación principal es la posibilidad de que grandes números de trabajadores se vuelvan “obsoletos”, con pocas posibilidades de reincorporarse de manera productiva a la economía.

Ante esta preocupación, una pregunta natural que surge es: ¿quétipo de empleo es más susceptible a la automatización? Por el momento, el tipo de labores que son fácilmente codificables en una serie de instrucciones son las que se encuentran más expuestas al riesgo de la automatización, si no es que ya han sido afectadas.[2]Labores que para su correcta ejecución requieren cierta flexibilidad, sentido común y juicio (i.e. labores que quien las realiza las entiende de manera tácita, pero que difícilmente se pueden refinar a una serie de instrucciones) se han mantenido al margen de la automatización, aunque esto podría cambiar en el futuro cercano con los avances en inteligencia artificial y los algoritmos de “machine learning”. En trabajo reciente, Frey y Osborne (2013) se han dado a la tarea de estimar la probabilidad de automatización para todas las ocupaciones de la economía. El enfoque de estos autores tiene dos características distintivas: 1. se enfocan en la posibilidad tecnológica de automatización, no en si existe un incentivo económico para que esta ocurra (i.e. sólo consideran si la tecnología serátal que una ocupación puede o no ser automatizada) y 2. adoptan una visión de largo plazo, la cual considera si una ocupación podráser automatizada en los próximos años dada la dirección y ritmo del progreso tecnológico que observamos.

[1]Estas tecnologías incluyen a los robots industriales y otros tipos de máquinas, pero también software y algoritmos que hacen del trabajo humano dispensable.

[2]Autor et al. (2003) se refieren a este tipo de labores como “routine tasks”. Ejemplos de este tipo de labores son: 1. los cálculos matemáticos necesarios para la contabilidad básica; 2. la obtención y organización de datos estructurados, típico del trabajo de los oficinistas, y 3. la ejecución precisa y repetitiva de operaciones físicas típicas de las lineas de ensamblaje y otros procesos productivos.

Figura 1. Ocupaciones y riesgo de automatización

La Figura 1 presenta las diez ocupaciones con las probabilidades más altas de automatización, asícomo las ocupaciones con las probabilidades más bajas de automatización. Es fácil argumentar que las diez ocupaciones más expuestas al riesgo de la automatización son caracterizadas por acciones y/o procesos que son fácilmente codificables en una serie de instrucciones (i.e. la contabilidad básica necesaria para la elaboración de impuestos o las acciones precisas y repetitivas características de la confección de prendas de vestir), mientras que las diez ocupaciones con menor probabilidad de automatización se caracterizan por contar con elementos de interacción personal que difícilmente podrían ser realizados por un robot o programa de computadora.

Combinando las probabilidades de automatización por ocupación estimadas por Frey y Osborne con los datos de la Encuesta Nacional de Ocupación y Empleo (ENOE) podemos intentar identificar quétipo de trabajadores mexicanos están más expuestos al riesgo de la automatización. La Figura 2 presenta la probabilidad promedio de exposición a la automatización por grupo de edad, para hombres y mujeres. Se puede observar que en general las mujeres se encuentran marginalmente menos expuestas a este riesgo y que en promedio los trabajadores en mayor riesgo de ser reemplazados por tecnologías de automatización son aquellos menores a los 25 años. El hecho de que las mujeres se encuentran menos expuestas a este riesgo es consistente con la evidencia que se ha encontrado para otros países, ya que en general se encuentra que las decisiones ocupacionales de las mujeres se encuentran más sesgadas hacia ocupaciones que son complementarias a las tecnologías de información y/o involucran elementos de interacción personal y juicio que son difícilmente automatizables.[1]

[1]Ver, por ejemplo, Burstein et al. (2016).

La Figura 3 es análoga a la Figura 2, excepto que ahora los trabajadores son clasificados por grupos de educación. Lo que destaca de la Figura 3 es no sólo que hay una relación negativa entre nivel educativo y exposición al riesgo de la automatización, sino que a partir del nivel preparatoria se observan fuertes reducciones en la exposición a este riesgo conforme se avanza de un nivel educativo a otro. Esto no debería ser sorprendente, toda vez que los trabajadores con un nivel educativo igual o superior al nivel universitario se dedican, primordialmente, al tipo de ocupaciones que Autor et al. definen como “non-routine”. Este tipo de ocupaciones son difícilmente automatizables, ya que, en muchos casos, demandan cierta flexibilidad, creatividad, adaptabilidad y buen juicio para ser realizadas de manera efectiva. Así,el retorno a años adicionales de escolaridad no corresponde solamente al aumento en ingresos que se puede derivar como consecuencia del mayor capital humano adquirido, sino también se obtiene el  beneficio de estar mejor protegido ante el riesgo que la automatización representa para el empleo.

Figura 3. Riesgo de automatización por nivel sexo y educativo

Por último, la Figura 4 presenta la fracción de trabajadores de diferentes grupos en la fuerza laboral cuyo empleo se encuentra en alto riesgo de ser automatizado.[1]De estos números se puede observar que el segmento de la fuerza laboral que se encuentra más expuesto al riesgo de la automatización son los hombres menores a 25 años con un nivel educativo de secundario o menos. Por otro lado, el segmento de la fuerza laboral menos expuesto al riesgo de la automatización son las mujeres mayores de 50 años con posgrado. Es importante recalcar que las cifras presentadas en estas figuras son un reflejo únicamente de las probabilidades de automatización por ocupación estimadas por Frey y Osborne (2013) y las decisiones de ocupación de empleo de los trabajadores mexicanos representadas en la ENOE.

[1]Una ocupación se define como en alto riesgo de ser automatizada si su probabilidad de automatización, de acuerdo a las estimaciones de Frey y Osborne (2013), es mayor a 0.7.

Figura 4. Riesgo de automatización por sexo, edad y educación

Si bien estas cifras pueden representar un punto de partida importante para el análisis del impacto de la automatización sobre el mercado laboral mexicano, es importante tener en mente que: (a) las probabilidades de Frey y Osborne sólo reflejan las posibilidades técnicas para la automatización, pero no si existen incentivos económicos para automatizar ciertas ocupaciones. En una economía como la de México, los salarios relativamente bajos, asícomo la existencia de una gran fracción de empleo informal, podrían implicar que el paso de adopción de tecnologías de automatización sería más lento que en las economías avanzadas; (b) el efecto sustitución (i.e. cuántos trabajadores serían reemplazados por máquinas) podráser el efecto de equilibrio parcial de primer orden que llama la atención de los académicos y hacedores de política, pero el impacto final de la automatización sobre el empleo y los salarios se da en un contexto de equilibrio general en su interacción con otras fuerzas y tendencias económicas. Así, como en olas pasadas de avance tecnológico, es posible que la automatización termine creando más empleos en el agregado dependiendo de quétan fuerte es el efecto de productividad asociado con este cambio tecnológico relativo a el efecto sustitución. El tipo de automatización que pone en mayor riesgo al empleo son aquellas innovaciones que son suficientemente productivas como para ser adoptadas, y por lo tanto eliminando la necesidad de ciertos empleos, pero no suficientemente productivas como para crear una expansión en la escala de producción que en el agregado aumentarála demanda por trabajo.[1]

Independientemente de si la automatización termina disminuyendo o elevando la demanda por trabajo necesaria para la producción de los bienes y servicios de la economía, la automatización implicaráefectos redistributivos, toda vez que afecta de manera diferenciada a los diferentes trabajadores de la economía. Algunos trabajadores podrían ser complementados por este avance tecnológico, pero muchos otros verán su calidad de vida severamente afectada. Esto implica que seránecesario diseñar e implementar políticas públicas que permitan que el ajuste a una nueva realidad para la organización de la producción y la operación de los mercados laborales ocurra de la manera más ordenada posible y con el menor dolor para aquellos trabajadores que serán afectados. Políticas de capital humano y re-entrenamiento serán particularmente importantes para ayudar en lo posible a la re-integración en el mercado laboral de aquellos trabajadores cuyas labores ya no sean necesarias debido a la automatización. Si bien podemos esperar que en el largo plazo la automatización se traduzca en una ganancia de productividad agregada para la economía, no hay que perder de vista que en el camino habrán ganadores y perdedores y que la política pública puede ayudar a estos últimos de manera importante.

[1]Ver Autor (2015) para una discusión detallada. También ver Acemoglu y Restrepo (2018).

Referencias

  • Autor, David. (2015). “Why are there still so many jobs? The history and future of workplace automation.”Journal of Economic Perspectives.
  • Autor, David. Frank Levy y Richard Murname. (2003). “The skill content of recent technological change: An empirical exploration.”Quarterly Journal of Economics.
  • Acemoglu, Daron y Pascual Restrepo. (2017). “Robots and Jobs: Evidence from US Labor Markets.”Working Paper, MIT.
  • Acemoglu, Daron y Pascual Restrepo. (2018). “Artificial Intelligence, Automation, and Work.”Working Paper, MIT.
  • Acemoglu, Daron y Pascual Restrepo. (2018). “Modeling Automation.”NBER working paper series.
  • Burstein, Ariel. Eduardo Morales y Jonathan Vogel. (2016). “Changes in between-group inequality:computers, occupations, and international trade.”Working paper, Columbia University.
  • Frey, Carl B. y Michael A. Osborne. (2013). “The future of employment: How susceptible are jobs to computerisation?”Working paper, Oxford University.
  • Mann, Katja y Lukas Püttmann. (2017). “Benign effects of automation: New evidence from patent texts.”Working paper, University of Bonn.