El desempleo tecnológico en el siglo XXI (parte 3)
“Toma usted su vida con sus propias manos, y ¿qué pasa? Una cosa terrible: no hay nadie a quien culpar”: Erika Jong; “Si usted se diera cuenta de cuán poderosos son sus pensamientos, nunca tendría un pensamiento negativo”: Peace Pilgrim
David Moisés Terán Pérez *
Buenos días estimadas(os) lectores de esta columna invitada. Que tengan un extraordinario martes. Continuando con nuestro tema: El desempleo tecnológico en el siglo XXI, esta ocasión analizaremos lo siguiente: los recientes avances en el uso e incorporación de la inteligencia artificial en los procesos industriales, el aprendizaje con/de las máquinas y la robótica, junto con la reducción constante de los costos de la automatización, derivado de la caída de los precios de las computadoras (64% anual entre 1980 y 2006 de acuerdo con Nordhaus (2007)), y de los robot industriales (10% anual según la Federación Internacional de Robots (2012), [citada en MGI, 2013)], han creado fuertes incentivos económicos para que los empleadores reemplacen el trabajo humano por equipos de control numérico computarizado (Frey y Osborne, 2013). La posibilidad de que se esté ante un cambio tecnológico radical, activó (nuevamente) las alarmas del miedo a: “El desempleo tecnológico”, por lo que, en los últimos años, se han multiplicado los estudios sobre los efectos potenciales de la automatización en el empleo (Brynjolfsson y McAfee, 2011; MGI, 2017; Frey y Osborne, 2013; Chui et. al., 2016; Jäger et. al., 2016).
Es decir, la creciente preocupación se debe a que, hasta hace poco más de una década, se consideraba que la tecnología sólo podía reemplazar al trabajo humano en tareas rutinarias (manuales y cognitivas); pero (todavía) no lo podía sustituir en tareas no rutinarias (Autor; Levy, y Murnane, 2003; Goos & Manning, 2007). Empero, el rápido cambio tecnológico, así como el avance de la fragmentación de/en los procesos productivos, han ido en aumento respecto a la capacidad de la tecnología para automatizar tareas, desdibujando la frontera entre lo que es automatizable y lo que no lo es aún. Por ejemplo, Frey y Osborne (2013), señalaron que en 2003 conducir un automóvil o leer un manuscrito, eran consideradas tareas no rutinarias, pero 10 años más tarde ya no lo eran. Asimismo, la tecnología avanza a pasos agigantados en la automatización de tareas cognitivas no rutinarias; como por ejemplo, el diagnóstico del cáncer, que ahora se comienza a hacer, utilizando un algoritmo computacional desarrollado por IBM (2017).
Es altamente muy probable que, como ha ocurrido en el pasado, en el mediano y en el largo plazo(s), los llamados mecanismos de compensación, logren restablecer el nivel de empleo en el mercado laboral. De acuerdo con Levy y Murnane (2004), la principal consecuencia de la automatización, no parece ser un desempleo masivo, sino más bien, un cambio significativo de la estructura laboral. Lo anterior, se debe a que, si bien el impacto del cambio tecnológico sobre el nivel de empleo tiende a mitigarse con el paso del tiempo, su efecto en la estructura laboral es persistente, ya que aun cuando las oportunidades de empleo continúan incrementándose, su crecimiento es mayor en las ocupaciones más cualificadas, en las cuales, las computadoras personales son complementarias de acuerdo con Minian y Martínez Monroy, (2018).
En los últimos años se han propuesto dos metodologías para intentar cuantificar el impacto potencial del progreso tecnológico en el empleo. La primera, propuesta por Frey y Osborne (2013), permite cuantificar el impacto de la tecnología por ocupaciones; ésta, permite estimar la proporción del empleo que puede ser potencialmente sustituida por capital y nuevo conocimiento. Lo anterior, tiene en cuenta exclusivamente las capacidades técnicas (factibilidad técnica existente en aquel 2013). Es decir, ya existe la capacidad técnica de automatización de esas ocupaciones.
No obstante, es importante aclarar que con esa metodología no se pretende estimar cuántos trabajos se automatizarán en realidad. Es decir, no se estima el riesgo real debido a que hay factores económicos, políticos, sociales, legales, culturales, educativos, etcétera; que limitan la implementación de las innovaciones tecnológicas, aun cuando sean técnicamente viables y factibles; tampoco es posible predecir con relativa exactitud, el tiempo en el que se materializará la automatización. Con dicha metodología, los autores estiman que aproximadamente el 47% del empleo total en los Estados Unidos de América, tiene un alto riesgo de ser automatizado. Siguiendo esta metodología, un equipo de trabajo del Banco Mundial (2016), consideró la participación de empleos susceptibles de ser automatizados para más de 40 economías en desarrollo (incluyendo a México); en tanto que Bowles (2014), hizo lo propio para 28 países europeos.
La metodología propuesta por el Instituto Global McKinsey (MGI, por sus siglas en inglés, 2017) desagrega las ocupaciones en actividades y, de acuerdo con los autores de dicho instituto, permite estimar el impacto potencial de la automatización para más de 2 000 actividades. Al comparar las estimaciones entre ambas metodologías, se tiene que para algunos países como por ejemplo: Los Estados Unidos de América, Suecia y la República Checa, los resultados son muy similares. Empero, para la mayoría de los países, los impactos estimados con la metodología de Frey y Osborne (2013), son mucho mayores, siendo particularmente amplia la brecha para las economías en desarrollo (MGI), [citado en Chui et. al., 2017; Bowles, 2014; BM, 2016].
Para el caso de México, con la metodología del MGI, [citado en Chui et. al., (2016)] se estima que 52% del empleo total y 64% de los empleos manufactureros están en riesgo de ser automatizados. Sin embargo, se desconoce cuál es la cantidad de empleo en riesgo de ser automatizado por industria, y cuál es el nivel de cualificación de los trabajadores amenazados por su participación en el empleo manufacturero, cuáles son las ocupaciones más vulnerables, y qué factores locales podrían acelerar o reducir la velocidad de adopción de las soluciones de automatización en la manufactura mexicana.
Sin embargo, con las probabilidades de automatización por ocupación calculadas por Frey y Osborne (2013) se estimó el relativo impacto potencial del cambio tecnológico en el empleo, para las industrias manufactureras; se identificaron las ocupaciones más vulnerables al avance de la tecnología; así como, la elaboración detallada de una matriz de “nivel de calificación versus riesgo de automatización”, y finalmente, se analizaron los principales factores que pueden influir en la velocidad de adopción de los procesos automatizados en la industria manufacturera mexicana. Si bien la estimación del impacto tecnológico en el nivel de empleo por actividades podría ser más precisa, se eligió la metodología de Frey y Osborne (2013), por la disponibilidad de las estimaciones de la probabilidad-riesgo de automatización para 702 ocupaciones, porque hasta ahora, las ocupaciones son el mayor nivel de desagregación de la información estadística del empleo en México.
La próxima semana entraremos en detalle con las cifras que Frey y Osborne (2013) han ofrecido en su estudio en el Oxford Martin Institute en el Reino Unido. Ya que son bastante elocuentes. (Continuará…)
Referencias
Autor, D. H.; Levy, F., & Murnane, R. J. (2003). The skill content of recent technological change: An empirical exploration. Quarterly Journal of Economics, vol. 118, num. 4, United Kingdom: Oxford University.
Bowles, J. (2014). Chart of the week: 54% of UE and USA jobs at risk of computerization, Bruegel. Recuperado de: http://bruegel.org/2014/07/chart-ofthe-week-54-of-eu-jobs-at-risk-of-computerisation/ (Consultado en Abril del 2022).
Brynjolfsson, E. & McAfee, A. (2011). Race against the machine: How the digital revolution is accelerating innovation, driving productivity, and irreversibly transforming employment and the economy. USA: Digital Frontier Press.
Chui, M.; Manyika, J. & Miremadi, M. (2016). Where machines could replace humans-and where they can’t (yet). Mckinsey Quarterly. Recuperado de: https://public.tableau.com/profile/mckinsey.analytics#!/vizhome/InternationalAutomation/WhereMachinesCanReplaceHumans Consultado en Abril del 2022.
Chui, M.; Manyika, J. & Miremadi, M. (2017). The countries most (and least) likely to be affected by automation. Harvard Business Review. Recuperado de: https://hbr.org/2017/04/the-countries-most-and-leastlikely-to-be-affected-by-automation Consultado en Abril del 2022.
Frey, C. B. & Osborne, M. A. (2013). The future of employment: How susceptible are jobs to computerisation? Working Paper: Oxford Martin: Programme on Technology and Employment. Recuperado de: https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf Consultado en Abril del 2022.
IBM. (2017). IBM Watson Healt: Watson for oncology. Recuperado de: https://www.ibm.com/watson/health/oncology-and-genomics/oncology/ Consultado en Abril del 2022.
Jäger, A.; Moll, C., Som, O. & Zanker, C. (2016). Analysis of the impact of robotic systems on employment in the European Union. Publications Office of the European Union 2012 Data Update. Recuperado de: http://doi.10.2759/516348 Consultado en Abril del 2022.
McKinsey Global Institute. (MGI). (2013). Disruptive technologies: Advances that will transform life. Business, and the global economy. McKinsey & Company. Recuperado de: https://www.mckinsey.com/business-functions/digital-mckinsey/ourinsights/disruptive-technologies Consultado en Abril del 2022.
McKinsey Global Institute. (MGI). (2017). A future that works: Automation, employment, and productivity. McKinsey & Company. Recuperado de: https://www.mckinsey.com/mgi/overview/2017-in-review/automationand-the-future-of-work/a-future-that-works-automation-employmentand-productivity Consultado en Abril del 2022.
Minian, Isaac y Martínez Monroy, Ángel. (2018). El impacto de las nuevas tecnologías en el empleo en México. Revista Problemas del Desarrollo, Vol. 195, núm. 49. Recuperado de: http://www.scielo.org.mx/pdf/prode/v49n195/0301-7036-prode-49-195-27.pdf Consultado en Abril del 2022.
Nordhaus, W. D. (2007). Two centuries of productivity growth in computing. The Journal of Economic History, vol. 67, num. 1, United Kingdom: Cambridge University.
World Bank. (2016). Digital dividends. World Development Report. Recuperado de: http://documents.worldbank.org/curated/en/896971468194972881/pdf/102725-PUB-Replacement-PUBLIC.pdf
