Eduardo Chávez Molina1 y José Rodríguez de la Fuente2
Introducción3
El riesgo que sufre un trabajador, ya no se limita a las posibilidades de la desocupación, las inseguridades laborales dadas por la protección física o psíquica, sino también a una pauperización continua, y tal vez a su reemplazo por inteligencia artificial (IA) o automatización. Pero el mundo empresarial, por su parte, se transforma y adapta tratando de combatir los riesgos empresariales, combinando tecnología, automatización, IA y articulando los sectores industriales, agrícolas, financieros y de servicios, alterando progresivamente el comercio y la actividad productiva de la denominada «economía tradicional».
En el contexto del análisis de la estructura laboral, entendidos como forma descriptiva para comprender un aspecto de la desigualdad social, nuestro trabajo se centra en estudiar las particularidades de las estrategias empresariales de la llamada 4ta revolución industrial: la automatización y digitalización de la producción y los servicios, junto con la transformación de la logística distributiva de bienes, y la gestión de los riesgos empresariales. Estas estrategias determinan finalmente sus efectos en el mercado laboral, en la estructura social y obviamente en los procesos distributivos.
En la actualidad, se pueden identificar varias tendencias emergentes en los modelos técnicos y de gestión empresarial (MTGE). Estas tendencias no solo buscan mantener los sistemas existentes, sino también fomentar una diversidad de emprendimientos productivos comerciales y de servicios destinados a generar nuevas oportunidades de empleo e ingresos. Una de las principales tendencias se relaciona con la expansión de las prácticas de producción y oferta de bienes y servicios, utilizando herramientas avanzadas como la automatización, robotización y el desarrollo de la inteligencia artificial. Estas tecnologías se aplican en diversas modalidades, como la venta y distribución de productos a través de plataformas informáticas, así como en el aumento de negocios operados bajo el modelo de franquicias.
Estas innovaciones coexisten con la proliferación de formatos flexibles de contratación, tanto formal como informal, así como con el crecimiento del autoempleo y las pequeñas empresas, que pueden ser tanto formales como informales. Además, el teletrabajo ha ganado una presencia significativa, tanto en el sector público como en diferentes empresas del sector privado. Esta combinación de tendencias y prácticas no solo transforma el paisaje laboral, sino que también redefine las formas en que las empresas y trabajadores interactúan y operan en el mercado actual.
Las orientaciones
En el presente análisis, surgen varias ideas clave basadas en el trabajo de CEPAL (2023), las cuales orientan la comprensión de una realidad compleja.
En primer lugar, se observan tendencias en los modelos de organización empresarial durante la pandemia y la post-pandemia, que pueden resumirse en estrategias reproductivas. Estas incluyen la automatización, la reducción de riesgos económicos a través de franquicias, y el auge de las plataformas para logística y comercialización (Beane y Brynjolfsson, 2021). Aunque hay muchas otras estrategias, estas tres han sido analizadas con mayor detalle.
La forma en que las empresas orientan la producción, gestionan riesgos y comercializan sus productos está generando transformaciones en la demanda y la oferta de empleo. Esto no solo afecta las condiciones técnicas de la demanda (reclutamiento), sino también el formato institucional de las mismas, como las organizaciones sindicales y empresariales.
Los riesgos económicos asociados a la producción y comercialización varían según el sector, la rama y el tamaño del establecimiento, enmarcados en la heterogeneidad estructural. Esto provoca posibles cambios en los stocks ocupacionales, tanto en empleos que disminuyen como en los que aumentan en un período determinado.
A pesar de cierta demora en la implementación en América Latina y en Argentina en particular, los procesos de automatización y robotización están en crecimiento. Esto genera una disminución en empleos de ocupaciones rutinarias intensivas y en riesgo de ser sustituidas.
La expansión del modelo de franquicias implica nuevas inversiones masivas y un aumento de brechas económicas con la economía tradicional e informal. Esto conlleva un mayor uso de automatización y nuevos formatos de gestión en los procesos de trabajo.
El comercio electrónico se expande rápidamente con el uso de plataformas, acompañado de prácticas de logística de transporte de mercancías y personas. Esto incluye nuevos escenarios de flexibilidad y pauperización del empleo, así como la agilización de ingresos adicionales y la despersonalización de las prácticas autoritarias del capital.
Las reorientaciones empresariales impactan el mundo del trabajo, provocando la modificación o pérdida del empleo formal, la pauperización, el aumento de condiciones laborales flexibles y el desaliento de las actividades de sindicalización.
Los cambios a corto plazo en las condiciones de la demanda de empleo transforman la estructura laboral y, por ende, la estructura social, afectando la composición y magnitud de las clases ocupacionales.
Lo que usamos
Nos concentraremos en ver unos de los aspectos de los MTGE, y es el de la automatización, entendiendo la misma como la utilización de tecnologías avanzadas y sistemas de control para operar maquinarias y procesos de producción con mínima o sin intervención humana. Este concepto no solo abarca la incorporación de robots y sistemas automatizados en la manufactura, sino también en otros sectores como los servicios, la agricultura y la logística.
Para poder visualizarlo, se ha realizado una adaptación del índice de automatización desarrollado por Frey y Osborne (2017). Este índice fue originalmente creado a partir de información recopilada en una encuesta de características laborales realizada en el marco del O*NET (Occupational Information Network) en 2010. Con esta información, se identificó el riesgo de automatización para 702 ocupaciones clasificadas en el Clasificador Estándar de Ocupaciones (SOC 2010) del Buró de Estadísticas Laborales de Estados Unidos. Las ocupaciones se agruparon en tres categorías según el índice: bajo riesgo de automatización (0 – 0,3), riesgo medio (0,3 – 0,7) y alto riesgo (0,7 – 1) (Frey y Osborne, 2017, pág. 267).5
El riesgo de automatización
Uno de los planteos más sugerentes en los últimos tiempos sobre las implicancias de la automatización en las condiciones del empleo es el de los autores Acemoglu y Autor (2011), aunque su análisis está centrado en los países desarrollados, que se engloban con la problemática de los cambios en los empleos y también en las tareas (work-place) ante la mayor demanda de calificaciones.
Una de sus ideas más sugestivas es la llamada “polarización” del empleo que no refleja simplemente un cambio en la composición de las habilidades disponibles en el mercado laboral, sino también “un cambio en la asignación de grupos de habilidades a través de las ocupaciones” y un elemento con poder explicativo acerca del devenir de “las diferencias salariales entre los trabajadores de mayor nivel educativo y los de calificación media y baja” que “han aumentado significativamente en tiempo breve y extraordinario” (Acemoglu y Autor, 2011). A su vez, refleja también cómo los desarrollos tecnológicos recientes y tendencias hacia la deslocalización y la subcontratación parecen avanzar en el reemplazo directo de los trabajadores de calificaciones medias en ciertas ocupaciones y tareas (Acemoglu y Autor, 2011).
El artículo de Carl Benedikt Frey y Michael A. Osborne (2017) aborda la pregunta: ¿qué tan susceptibles son los trabajos a la informatización? Para ello se basaron en la literatura existente: primero, aprovechando los avances recientes en Machine Learning (ML) y Mobile Robotics (MR), desarrollaron una novedosa metodología para categorizar las ocupaciones según su susceptibilidad a la informatización. Segundo, implementaron esta metodología para estimar la probabilidad de informatización para 702 ocupaciones detalladas de acuerdo a las clasificaciones derivadas de la Red de Información Ocupacional (O*NET) desarrollada bajo el patrocinio del Departamento de Trabajo/Administración de Empleo y Capacitación de Estados Unidos (USDOL/ETA), y examinaron los impactos esperados de la informatización futura en el mercado laboral de Estados Unidos. El programa O*NET, contiene cientos de descriptores estandarizados y específicos de ocupación en casi 1,000 ocupaciones que cubren toda la economía de EE. UU.
Los datos existentes para la Argentina indican que empleados contables y encargados del registro de materiales, ensambladores, vendedores ambulantes de servicios y afines, son los grupos ocupacionales con mayor probabilidad de ser reemplazados por procesos de automatización, tomando en cuenta el indicador que mientras más cercano a 1 es mayor el riesgo de la automatización, mientras que acercarse a 0 implica menor riesgo. Directores ejecutivos, personal directivo de la administración pública y miembros del poder ejecutivo y de los cuerpos legislativos, profesionales de la salud y de la enseñanza, son los grupos ocupacionales con bajos riesgos.
El gráfico 1 señala algunos datos interesantes. Por un lado, la mayor presencia de los que tienen riesgo medio de automatización, característica de las y los ocupados que ha ido aumentando a lo largo del período analizado. Pero los datos significativos hacen referencia a quienes tienen riesgo alto de automatización y en ella se muestra en el período analizando de punta a punta, una disminución de 4.2 puntos porcentuales. Mientras que aquellos que tienen riesgo bajo de automatización aumentaron 2 puntos porcentuales en el período. La interpretación de estos datos están referidos al aumento de trabajadores con baja probabilidad de automatización producto de los cambios en esos perfiles de ocupados observados en los datos anteriores, y la disminución de los riesgos altos se debe a su pasaje a riesgo medio/bajo de automatización, o datos no disponibles sobre su salida posible del mercado laboral.
Palabras finales
Los procesos mencionados generan una segmentación en las retribuciones laborales: los trabajadores calificados disfrutan de mejores ingresos, horarios más favorables y condiciones de seguridad laboral superiores, mientras que los descalificados enfrentan menores ingresos, horarios más largos y peores condiciones laborales. El crecimiento de empleos calificados debido a los MTGE puede aumentar la desigualdad en las retribuciones y condiciones laborales. La automatización, aunque retrasada en América Latina, afecta más a empleos rutinarios y de baja calificación, generando declives en estos sectores.
En términos de riesgo de automatización, entre el 44% y el 51% de la población activa en Argentina se encuentra en ocupaciones susceptibles a ser automatizadas, con mayor riesgo para los hombres. Los trabajadores no manuales de pequeños establecimientos y los cuentapropistas no calificados presentan los mayores riesgos, mientras que las posiciones de dirección y propiedad del capital, así como los profesionales independientes, son menos proclives a la automatización. Estos cambios han modificado el patrón distributivo de los ingresos laborales, aumentando los ingresos para los calificados y reduciéndolos para los no calificados, manteniendo a la mitad de los asalariados con ingresos intermedios.
Bibliografía
- Acemoglu, D. y D. Autor (2011), «Skills, tasks and technologies: Implications for employment and earnings», Handbook of Labor Economics. Vol. 4. Elsevier.
- Beane, M. y E. Brynjolfsson (2021), «Working with robots in a post-pandemic world», MIT Sloan Management Review.
- Chávez Molina E., (2023) “Automatización y cambios de los modelos técnicos y de gestión empresarial: efectos en la estructura ocupacional de la Argentina”, Documentos de Proyectos (LC/TS.2023/113), Santiago, Comisión Económica para América Latina y el Caribe (CEPAL).
- Frey, Carl Benedikt, and Michael A. Osborne (2016), Technology at work v2. 0: The future is not what it used to be Oxford, Gran Bretaña.
1- Doctor en Ciencias Sociales, Director Departamento de Sociología Universidad Nacional de Mar del Plata, Investigador Instituto de Investigaciones Gino Germani, Universidad de Buenos Aires.
2- Doctor en Ciencias Sociales. Investigador en el Instituto de Investigaciones Gino Germani (UBA). Consejo Nacional de Investigaciones Científicas y Técnicas.
3- Este documento se ha elaborado en el contexto del proyecto INCASI2, que ha recibido financiación del programa de investigación e innovación Horizonte Europa de la Unión Europea en virtud del acuerdo de subvención Marie Sklodowska-Curie nº 101130456 (https://incasi.uab.es). No obstante, los puntos de vista y opiniones expresados son exclusivamente los del autor o autores y no reflejan necesariamente los de la Unión Europea o la Agencia Ejecutiva Europea de Investigación. Ni la Unión Europea ni la autoridad que concede la subvención pueden ser consideradas responsables de las mismas.
4- Las fotos que se presentan en el siguiente artículo, fueron realizados con IA generativa, que usualmente se basa en modelos de deep learning (un subcampo de machine learning cuyas arquitecturas, que simulan la forma en la que aprendemos los humanos, permiten modelar y entender datos más complejos), en particular las redes neuronales generativas.Existen diversas arquitecturas que permiten el entrenamiento y la inferencia de modelos generativos. En las fotografías generalmente se usan Modelos de difusión, que además de imágenes, también se puede usar el modelo para crear videos y animaciones. Entre las cosas que pueden realizar estos modelos están: generación de texto a imagen, generación de imagen a imagen, creación de gráficos, obras de arte y logotipos, edición y retoque de imágenes, creación de video.
5- Sin embargo, la aplicación directa del índice de automatización al contexto argentino presenta algunas dificultades. Para los países que utilizan la Clasificación Internacional Uniforme de Ocupaciones (CIUO-08) de la OIT o que cuentan con clasificadores ocupacionales convertibles a la CIUO en sus 4 dígitos, la aplicación del índice no supone un problema, dado que existe compatibilidad entre la CIUO y el SOC2010. No obstante, en el caso de Argentina, el CNO no tiene correspondencia con el CIUO-08 en cuatro dígitos, sino únicamente en dos dígitos. Esta limitación obliga a trabajar con los dos dígitos del CIUO (40 grupos ocupacionales), calculando el promedio del riesgo de automatización para las ocupaciones agrupadas en cada uno de ellos.
