Introducción
La creciente incorporación de procesos automáticos,
digitalización, robotización y la aplicación de inteligencia artificial a la
producción a la vez que puede dar impulso al crecimiento económico y a la
mejora de la competitividad puede tener efectos disruptivos muy significativos
en el mercado de trabajo (Nübler, 2016).
Los estudios que buscan predecir el impacto de las
nuevas tecnologías suelen basarse en las posibilidades que existen, dada la
factibilidad tecnológica, de reemplazar trabajo por capital en cierto tipo de
tareas y ocupaciones. La posición más optimista plantea que a partir de
la adopción de nuevas tecnologías la eficiencia aumentaría y esto redundaría en
caídas en los precios de los bienes de consumo, provocando un aumento de la
demanda. A su vez, la transición tecnológica implicaría, en sí misma, un
aumento de la demanda de inversión. Los costos laborales por unidad de producto
también se reducirían por el aumento de la eficiencia y, en consecuencia, el
resultado final sería una compensación plena de la pérdida de empleo debido al
desplazamiento de trabajo por tecnología gracias a la mayor demanda de trabajo
derivada del aumento del consumo y de la inversión, y al menor costo relativo
del trabajo. El “efecto escala” más que compensaría el “efecto sustitución” (Vivarelli, 2007).
En
una visión más pesimista, en cambio, se plantea una situación donde prima el
segundo efecto reduciendo fuertemente la demanda agregada de empleo a la vez
que esta tendencia exacerbaría los niveles de desigualdad, ya que habría cierto
tipo de trabajadores que realizan mayormente tareas rutinarias y, por ende,
enfrentan una mayor exposición a la automatización y experimentan una mayor
probabilidad de ser sustituidos por la tecnología (McAfee y Brynjolfsson,
2014; Schwab, 2016).
Estas dos miradas suelen tener en común la idea
subyacente de que es escaso el espacio que queda para la implementación de
políticas que faciliten la transición de la organización de la producción y
del trabajo, que mitiguen los aspectos negativos de la incorporación de nuevas
tecnologías y a la vez que potencien los efectos positivos. Una tercera
perspectiva, entonces, es aquella que reconoce la importancia del marco
institucional en el que sucede el cambio tecnológico, pero que también
considera la relevancia del contexto macroeconómico, social, político, en la
determinación del ritmo de adopción de las nuevas tecnologías y sus efectos
sobre el mercado de trabajo (Weller, 2020).
Bajo este punto de vista, no puede pensarse el impacto de la adopción de
nuevas tecnologías en los mercados de trabajo de América Latina sin considerar
la especificidad propia de la región. Entre los factores que influencian la
transición digital, además de la propia factibilidad tecnológica (teniendo en
cuenta el rezago tecnológico que caracteriza a la región), se encuentran el
costo de la tecnología, los precios relativos, las instituciones laborales,
los factores culturales, las expectativas acerca del crecimiento económico y la
demanda de empleo, entre otros. Algunos de estos factores pueden contribuir a
incrementar la sustitución mientras que otros pueden ralentizarla.
Si bien existe
una abundante literatura empírica sobre los impactos de la transición digital
en los diferentes tipos de ocupaciones, tareas y trabajadores, como así también
sobre la distribución del ingreso en los países avanzados, la evidencia para
los países de América Latina aún resulta escasa (Maurizio
y Monsalvo, 2021).
Este estudio
busca contribuir en esta dimensión analizando en detalle la composición del
empleo en cuatro países de la región –Chile,
Ecuador, México y Perú– en términos de
ocupaciones y de tipo de tareas realizadas. En particular, se evalúa la
incidencia de actividades rutinarias y flexibles, manuales y cognitivas.
Adicionalmente, se analiza la correlación entre los trabajadores que llevan a
cabo distintos sets de tareas y su posición en la escala salarial.
Dimensiones relevantes como la informalidad laboral y el género son incluidas
aquí para visibilizar la heterogeneidad de situaciones que se observan en el
mundo laboral. Asimismo, el análisis de la diferenciación entre el tipo de
tareas que hacen jóvenes y adultos ofrece una visión intertemporal
de estos fenómenos.
Para llevar a
cabo este estudio se utiliza información específica de cada país sobre el
contenido de tarea en las ocupaciones sin recurrir a supuestos basados en
evidencia obtenida en otros mercados de trabajo.
El documento
continúa con la revisión de la literatura empírica internacional sobre estas
dimensiones. La tercera sección detalla la fuente de información y la
metodología utilizadas. La cuarta sección analiza el tipo de tareas realizadas
en los mercados de trabajo de los cuatro países bajo estudio. La quinta sección
aborda la heterogeneidad en la composición de las tareas
entre diferentes grupos de trabajadores. La sexta sección analiza el grado de rutinariedad de las tareas y ocupaciones y su correlación
con la incidencia de la informalidad y los ingresos laborales. Finalmente, en la séptima sección se presentan
las conclusiones.
Revisión de
la literatura
La
preocupación por los efectos del cambio tecnológico en el mercado de trabajo,
los ingresos y la desigualdad no es nueva. Sin embargo, desde comienzos del
nuevo milenio ha habido un renovado interés por este aspecto de la mano de la
aceleración de la automatización y digitalización de las actividades
económicas.
En la literatura empírica
sobre el tema se adoptaron dos enfoques. El primero de ellos analiza los efectos
del cambio tecnológico a partir de la evolución de la estructura de
ocupaciones. En este “enfoque de ocupaciones” se asume que cada puesto de
trabajo es homogéneo en términos de tareas, es decir, que todos los
trabajadores que se desempeñan en una ocupación realizan tareas similares.
Inicialmente, estos estudios enfrentaron la preocupación del desplazamiento de
trabajo por tecnología, identificando aquellas ocupaciones cuyas tareas podrían
ser realizadas por máquinas robots. Frey y Osborne (2017) encontraron que el 47% de los empleos en Estados Unidos
enfrentaban un elevado riesgo de ser automatizados en los siguientes 20 años.
Similares resultados encontraron Pajarinen y Rouvinen (2014) para Finlandia, Bowles (2014) para
países europeos, Brzeski y Burk (2015) para Alemania, entre otros estudios. Si bien
estas investigaciones iniciales hacían predicciones alarmantes sobre la posible
destrucción masiva de puestos de trabajo, a posteriori surgieron otros estudios
con conclusiones más matizadas, a la vez que emergieron diversas críticas a
alguna de las metodologías empleadas para elaborar las respectivas
predicciones. Uno de los supuestos debatidos refiere a que la automatización
afecta ocupaciones completas (Frey y Osborne, 2017), cuando es esperable que
cada ocupación involucre una combinación de diferentes tipos de tareas,
algunas de las cuales pueden ser automatizadas, pero otras pueden ser
complementarias a la incorporación de tecnologías. Al considerar a las
ocupaciones como un todo homogéneo, este enfoque puede sobreestimar el impacto
del cambio tecnológico sobre la demanda de trabajo y la distribución del
ingreso (Autor y Handel, 2013).
Es por ello que el “enfoque
de ocupaciones” cedió paso al “enfoque de tareas” con el objetivo de analizar
en detalle cómo la automatización y la digitalización afectan la manera de
“hacer las cosas” en un determinado puesto de trabajo y, recién a partir de
allí, evaluar los impactos de la tecnología sobre cierto tipo de ocupaciones.
El argumento principal en este enfoque es que la incorporación de nuevas
tecnologías permite el reemplazo de ciertas tareas realizadas en algunas
ocupaciones, pero que a la vez es complementaria de otras.
Una parte importante de este grupo de investigaciones examinó
los impactos que ya se han estado produciendo sobre el mercado de trabajo en
los últimos años, no sólo sobre la
demanda global de empleo sino, alternativa o complementariamente, sobre su composición. En este
sentido, varios estudios muestran un proceso de reducción del peso relativo de
las ocupaciones de calificación media a favor de las de alto y bajo nivel de
calificación (McIntosh, 2013). Uno de los factores
que estarían detrás de esta tendencia es que resulta más simple automatizar
tareas repetitivas –sean cognitivas o manuales–, desempeñadas usualmente por
trabajadores de calificación media, que tareas “abstractas” –vinculadas a la
resolución de problemas, la creatividad, etc.– o “manuales
no rutinarias”–que requieren mayor interacción personal, adaptabilidad,
etc.– (Autor et al., 2003).
A este proceso de reemplazo de trabajo por capital en
la realización de tareas manuales los avances en la computación sumaron la
posibilidad de reemplazar a los trabajadores también en la realización de
tareas cognitivas rutinarias. Más allá de que existan límites a la capacidad de
las computadoras de reemplazar a los humanos en funciones cognitivas, cada vez
es más amplio el campo en el que sí pueden hacerlo, sobre todo en tareas
relacionadas con el cálculo, la organización de actividades e instrucciones y
la comunicación. Quedan, entre las tareas en las cuales las personas no pueden
ser aún reemplazadas por computadoras, aquellas asociadas fundamentalmente a
necesidad de flexibilidad y creatividad.
De esta manera, la
tecnología actual tiene mayor capacidad para reemplazar trabajadores que
realizan tareas rutinarias, mientras que contribuye a su vez a elevar la eficiencia
del trabajo no rutinario que se apoya, por ejemplo, en la información generada
a partir de computadoras. A su vez, la mayor incorporación de tecnología
computarizada en los lugares de trabajo puede implicar una mayor demanda de
trabajo orientado a la solución de problemas, comunicación y organización.
Lo mencionado hasta aquí refiere exclusivamente al
llamado “efecto sustitución”, donde la tecnología reemplaza determinadas tareas
en ciertas ocupaciones y produce impactos “de primera vuelta” de diferente
signo entre los trabajadores. Sin embargo, adicionalmente puede operar un
“efecto escala”, el cual se refiere a la posibilidad de que la reducción de
costos de producción debido a la automatización redunde en una mayor demanda
por estos bienes y/o servicios, llevando a un crecimiento de sus actividades y
consiguientemente del empleo (impacto “de segunda vuelta”). La posibilidad de
que este efecto compensatorio se produzca depende crucialmente de la
elasticidad precio de la demanda en los sectores donde se produce la
automatización –y de que exista suficiente competencia en el mercado como para
que la baja de costos se traduzca en bajas de precios– o, alternativamente, de
que existan otros sectores con demanda altamente elástica al ingreso en donde
se gasten los ingresos ahorrados por la reducción de precios en el sector que
se automatiza. Finalmente, hay otros mecanismos por los cuales la actual oleada
de cambio tecnológico puede llevar a efectos compensadores por la vía de la
creación de empleo, incluyendo la generación de nuevas oportunidades de
inversión o la emergencia de nuevas actividades productivas debidas al propio
avance de la robotización (Vivarelli, 2007).
A diferencia de los países avanzados, aún son muy
escasos los estudios que focalizan en el impacto de la automatización en la
estructura del empleo y la desigualdad de los ingresos laborales en la región.
Entre ellos, Maloney y Molina (2016) analizan la evolución del empleo en países
en desarrollo sin encontrar fuerte evidencia de polarización de ingresos,
aunque sí reportan la contracción de ocupaciones operativas en Brasil y México.
Messina et al. (2016) analizan los cambios ocupacionales en Brasil, Chile,
México y Perú en la década del 2000 y no encuentran resultados consistentes con
la hipótesis de polarización, excepto para Chile. De hecho, en los otros países
el peso de los empleos en la parte media y alta de la distribución aumenta en relación a la de los trabajos de bajos ingresos. Apella y
Zunino (2018) analizan la composición del empleo en Argentina y Uruguay entre
1995 y 2015 y encuentran que las tareas cognitivas crecieron a la vez que las
tareas manuales se contrajeron en ambos países.
Por su parte Maurizio y
Monsalvo (2021) no encuentran en Argentina resultados consistentes con la
hipótesis de polarización, sino que muestran que durante el nuevo milenio se
verificó un pasaje de ocupaciones de bajas calificaciones y, en menor magnitud,
de aquellas ubicadas en la parte alta de la distribución hacia aquellas que se
encuentran en la parte media. Se muestra que la evolución de las ocupaciones no
fue la misma que la de las remuneraciones: en efecto, mientras que las
ocupaciones de menores ingresos perdieron peso, los ingresos se incrementaron.
Las autoras concluyen que estos resultados son compatibles con la existencia de
otros factores, además del cambio tecnológico. Entre ellos se pueden mencionar,
por ejemplo, las condiciones macroeconómicas, la estructura productiva y las
instituciones del mercado de trabajo.
Para el caso chileno Zapata-Román (2021) tampoco
encuentra resultados estadísticamente significativos que confirmen la
presencia de polarización de ocupaciones o de ingresos. Por
el contrario, encuentra un comportamiento opuesto en los ingresos entre los
años 2000 y 2006, donde fueron los trabajadores de calificaciones medias las
que experimentaron los mayores aumentos salariales en términos reales. Ballon y Dávalos (2020) también muestran que en Perú la caída en la
desigualdad observada durante el período 2004-2011 se asocia a un mayor peso
del empleo de calificación media en detrimento del empleo de baja calificación.
Asimismo, encuentran un mayor aumento de los ingresos en las ocupaciones que se
encontraban en la parte baja de la distribución. Sin embargo, concluyen que la
complementariedad del trabajo calificado con la tecnología no es
necesariamente uno de los factores principales en la explicación de la
evolución de la desigualdad.
Por lo tanto, resulta evidente que el análisis de esta
temática en la región requiere tomar en cuenta las características particulares
de América Latina y el Caribe que pueden afectar la relación entre cambio
tecnológico, tareas realizadas en las ocupaciones, demanda de empleo y
salarios.
Por un lado, el rezago tecnológico que presenta la
región –y su elevada heterogeneidad entre países y al
interior de ellos– hace que la exposición
de las ocupaciones, tareas y trabajadores a la rutinización sea hasta el
presente de menor intensidad que en otras regiones. Messina y Silva (2018)
coinciden con este argumento al concluir que la polarización de ingresos no se
ha observado en países latinoamericanos debido a la existencia de barreras tecnológicas
que retrasan su penetración.
Por otro lado, la posición en la distribución del ingreso de las ocupaciones
según contenido rutinario puede ser diferente entre países. Por ejemplo, en
Argentina las ocupaciones de mayor rutinariedad
están en la parte más baja de la escala salarial, no en la parte central como
se observa mayormente en países europeos. Ello implica que, aun observando
cambios similares en la participación relativa de cada ocupación, el panorama
global –tanto en términos de los puestos de trabajo como en la
distribución salarial– pueden ser diferentes (Maurizio y Monsalvo 2021).
Finalmente, el impacto que la adopción de nuevas tecnologías pueda tener
sobre los mercados laborales (en términos de volumen y calidad del empleo)
estará condicionada, a su vez, por el entorno económico, social y
político, y por el marco
institucional en el que se desarrolle. En particular, la capacitación de la
fuerza de trabajo, infraestructura, financiamiento para las empresas y
regulación de las relaciones laborales, son algunos de los ámbitos en los
cuales las decisiones de política pueden contribuir a modelar la forma en que
la tecnología impacta sobre el mundo del trabajo (Nübler,
2016; Weller, 2020).
Fuente de información, definiciones y
metodología
Fuente de información y definiciones
Para llevar a cabo este
estudio se utilizó la información proveniente del Programa para la Evaluación
Internacional de Competencias de Adultos (piaac, por su sigla en inglés),
impulsado por la Organización para la Cooperación y el Desarrollo
Económicos (ocde).
Se trata de una encuesta diseñada para la evaluación de las competencias
cognitivas necesarias para el trabajo, con el objetivo de proveer información
para el diseño de políticas educativas y laborales. Las bases de datos
contienen información sobre competencias, habilidades numéricas y de escritura;
comprensión de textos y capacidad de resolución de problemas y entornos
tecnológicos. A su vez, el relevamiento brinda información acerca de las
ocupaciones en que se desempeñan los trabajadores (personas de entre 16 y 65
años) y del tipo de tareas que realizan, así como del uso de tecnologías y
herramientas requerido para llevar adelante su trabajo (ocde, 2017).[4]
Esta fuente de
información cubre a 32 países miembros de la ocde y algunos países
adicionales. Una de sus ventajas es que provee información específica para cada
país. Sin embargo, no se trata de un relevamiento periódico, sino que brinda
información puntual: se realizó una primera ronda de relevamientos entre 2011 y
2012, una segunda ronda entre 2014 y 2015 y una tercera en 2017. Para el caso
de América Latina la información disponible corresponde a Chile (para el año
2014), Ecuador, México y Perú (para el año 2017).
Adicionalmente a la
identificación de las tareas realizadas, esta fuente contiene información
sobre un conjunto extenso de otras variables que permiten caracterizar a los
trabajadores y a los puestos donde se desempeñan. Entre ellas, el tipo de
ocupación y la condición de formalidad/informalidad.
Para la identificación de la ocupación, se utiliza el
clasificador internacional de ocupaciones propuesto por Organización
Internacional del Trabajo (oit),
Clasificación Internacional Uniforme de Ocupaciones (isco por su sigla en inglés) a
dos dígitos. Así, es posible identificar 40 tipos de ocupaciones diferentes. En
el Cuadro A.1 del Anexo se encuentra la descripción de cada una de ellas.
Para la identificación de la
condición de formalidad o informalidad se utilizó el enfoque legal de la
misma. Siguiendo las recomendaciones de oit, en México un asalariado es
considerado informal si no posee seguro de salud; en Chile y Perú si no posee
cobertura médica pagada por su empleador; finalmente, en Ecuador, si el
empleador no realiza contribuciones por seguro social ni de salud.
En el caso de los no
asalariados la informalidad refiere a las características del negocio en donde
se desempeña el trabajador. En Ecuador, México y Perú un trabajador no
asalariado es considerado informal si la firma en donde se encuentra empleado
no posee registros contables ni se encuentra registrado formalmente ante la
ley. En Ecuador, además, se requiere que la cantidad de trabajadores sea menor
a 100 para ser considerado informal. En Chile esta identificación no fue
posible debido a la falta de información al respecto.
Metodología de construcción del índice de contenido rutinario de las
tareas
A partir de la fuente de
información señalada se construyeron indicadores comparables con los que surgen
de otra fuente de información ampliamente utilizada a nivel mundial, o*net.[5]
Autor, Levy y Murnane (2003), y previamente Acemoglu (1999), entre otros, se basaron en esta fuente
para clasificar las tareas según su naturaleza cognitiva o manual, rutinaria o
no rutinaria. Posteriormente, otros autores (Hardy et al., 2018; De la
Rica et al., 2020) usaron una clasificación similar con la información
disponible en piaac
y en step.[6]
Luego, han validado sus resultados con aquellos que surgen de usar o*net.
Siguiendo
esta literatura, pero a partir de la información disponible en piaac para los países de la región, en este
artículo se consideraron las siguientes cuatro grandes categorías de tareas,
tal como se las detalla en el Cuadro 1.
Cuadro 1: Dimensiones y tareas[7]
|
Dimensión |
Tareas |
Frecuencia |
|
No
rutinaria – Cognitiva analítica (nranalitica) |
Usar planilla de cálculo Usar procesador de textos Escribir cartas, emails o memos Preparar cuadros y gráficos Usar álgebra simple Usar álgebra compleja |
Todos los días Todos los días Todos los días Al menos una vez por semana Al menos una vez por semana Al menos una vez por semana |
|
No rutinaria
– Cognitiva personal (nrpersonal) |
Realizar negociaciones Planificar actividades de otros Enseñar o capacitar Realizar presentaciones |
Al menos una vez por semana Al menos una vez por semana Al menos una vez por semana Al menos una vez por semana |
|
Rutinaria
cognitiva (rcog) |
Leer o emitir facturas Calcular costos Realizar ventas |
Al menos una vez por semana Al menos una vez por semana Al menos una vez por semana |
|
Manual |
Trabajo físico |
Todos los días |
Fuente:
Elaboración propia sobre la base de piaac (https://www.oecd.org/skills/piaac/data/).
A partir de allí, el índice de
contenido relativo de tareas rutinarias se construyó a nivel de ocupación
agregando respuestas individuales sobre la frecuencia con la que realizan cada
una de ellas. Para cada categoría se utilizó por país la suma
de los promedios de cada indicador de tarea a nivel de ocupación, normalizados
de manera que tengan media igual a 0 y desvío estándar igual a 1.
Finalmente,
se calculó el índice de rutinariedad de las tareas (irt)
siguiendo la literatura previa (Autor y Dorn, 2013; Goos et al., 2014; Lewandowski et al., 2019) de manera que
el indicador será menor mientras mayor sea el peso de tareas no rutinarias en relación a las rutinarias o manuales y mayor mientras más
peso tengan las tareas rutinarias o manuales frente a las no rutinarias. En
particular, el irt
por ocupación se calculó de la siguiente manera:
Donde
manual = tareas manuales
rcogr = tareas
rutinarias cognitivas
nranalitica = tareas cognitivas-analíticas no rutinarias
nrpersonal = tareas no rutinarias no manuales que requieren interacción personal
El tipo de
tareas realizadas en América Latina
Teniendo en
cuenta lo mencionado en la segunda sección, y más allá de las particularidades
que presenta la región, es esperable que –con mayor o
menor intensidad– ciertas tareas sigan siendo demandadas con
creciente intensidad. Son aquellas que requieren la utilización de tecnologías de información y comunicación (tics), habilidades comunicacionales y
de dirección, capacidad de organizar las propias tareas, conocimientos
científicos o matemáticos, creatividad, pensamiento crítico, trabajo en
equipo y toma de decisiones relativamente complejas, como así también aquellas que demandan interacción personal, tanto para
coordinar tareas como para el cuidado de personas.
Quienes realizan mayormente estas tareas podrían verse
beneficiados por la complementariedad con la tecnología lo que puede, incluso,
derivar en mejoras en materia de productividad. Por el contrario, las tareas
que potencialmente podrían ser automatizadas son las que involucran actividades
manuales rutinarias y ciertas actividades con mayor contenido cognitivo, pero
también con cierto grado de rutinariedad.
De modo de conocer qué tipo de tareas realizan mayormente los
trabajadores en la región se diferenciaron seis grupos a partir de la
información proporcionada por piaac. Las tareas fueron agrupadas para dar cuenta de
diferentes dimensiones que sirven para evaluar las posibilidades de adaptación
a la utilización de nuevas tecnologías Se trata, sin embargo, de indicadores
indirectos que no resultan totalmente concluyentes acerca del posible riesgo de
automatización o de la complementariedad tecnológica.[8]
El primer grupo hace referencia a tareas relacionadas con el uso de tics. La utilización de estas
tecnologías permite inferir que los trabajadores que tienen las calificaciones
necesarias para su utilización tendrán mayores probabilidades de interactuar
con la tecnología que se vaya incorporando a futuro. A su vez, quienes escriben
o leen correos en su trabajo probablemente se desempeñan en ocupaciones que
requieren cierta comprensión y generación de contenidos que no los hagan
fácilmente reemplazables por la tecnología.
El segundo grupo incluye tareas relacionadas con la dirección del
trabajo de otras personas y la comunicación interpersonal. En este caso puede
esperarse que estos trabajadores tengan menores probabilidades de ser
reemplazados por la tecnología debido a la naturaleza cambiante de estas
tareas.
El tercer grupo considera respuestas que dan cuenta de la posibilidad de
flexibilizar la forma en que se llevan a cabo las tareas. Sin embargo, cabe
aclarar que parte de esta flexibilidad puede estar asociada a la categoría
ocupacional del trabajador, dado que por definición un trabajador no asalariado
tiene mayor control sobre el proceso productivo y mayor capacidad de tomar
decisiones acerca de cómo realizar ciertas tareas que un asalariado, más allá
de lo automatizables que sean los proceso en sí mismos.
Un cuarto grupo reúne algunos indicadores de conocimientos específicos y
capacidad de resolución de problemas, que se asocian con la posibilidad de
interactuar con nuevas tecnologías y complementarlas en la realización de
tareas.
Un quinto grupo, por el contrario, reúne una serie de actividades que,
aun siendo cognitivas, se presumen codificables y, por lo tanto, automatizables
(tareas vinculadas al cálculo, la comercialización, etc.).
Finalmente, un sexto grupo identifica la realización de tareas manuales.
Para este último caso se presentan los datos en forma separada para aquellos
trabajadores que se desempeñan en ocupaciones relacionadas con los cuidados
(consideradas de menor grado de automatización) del resto de las actividades
manuales o físicas.[9]
Cuadro 2:
Distribución porcentual de diferente tipo de tareas en el total del empleo
|
|
|
Chile |
Ecuador |
México |
Perú |
Promedio 4 países |
Promedio ocde |
|
TICs |
usar planilla de cálculo |
18,2 |
14,9 |
12,9 |
10,1 |
14,0 |
22,2 |
|
usar procesador de textos |
19,3 |
17,8 |
13,8 |
12,7 |
15,9 |
27,9 |
|
|
leer cartas, e-mails o memos |
35,0 |
26,5 |
29,0 |
18,6 |
27,2 |
52,3 |
|
|
escribir cartas, e-mails o memos |
30,3 |
18,0 |
28,2 |
15,2 |
22,9 |
44,3 |
|
|
nivel de computación requerido medio/alto |
2,9 |
3,7 |
2,8 |
2,1 |
2,9 |
5,1 |
|
|
Promedio |
21,1 |
16,2 |
17,3 |
11,7 |
16,6 |
30,4 |
|
|
Dirección y comunicaciones |
realizar negociaciones |
38,8 |
38,4 |
40,0 |
41,6 |
39,7 |
40,0 |
|
planificar actividades de otros |
27,6 |
26,9 |
23,2 |
18,5 |
24,0 |
32,4 |
|
|
enseñar o capacitar |
42,9 |
34,8 |
29,9 |
31,5 |
34,8 |
33,1 |
|
|
realizar presentaciones |
17,1 |
19,3 |
15,1 |
16,0 |
16,9 |
13,8 |
|
|
Promedio |
31,6 |
29,8 |
27,0 |
26,9 |
28,9 |
29,8 |
|
|
Organiza su trabajo |
cambiar el orden de las tareas |
38,0 |
42,4 |
42,1 |
20,1 |
35,7 |
48,6 |
|
cambiar la forma en que realiza las tareas |
42,0 |
49,6 |
52,9 |
25,5 |
42,5 |
49,8 |
|
|
cambiar la velocidad con que trabaja |
47,4 |
53,3 |
55,8 |
34,5 |
47,8 |
49,5 |
|
|
Promedio |
42,5 |
48,4 |
50,2 |
26,7 |
42,0 |
49,3 |
|
|
Conocimien-tos especializados y resolución de problemas |
preparar cuadros y gráficos |
14,4 |
16,3 |
16,3 |
12,4 |
14,8 |
18,3 |
|
usar álgebra simple |
21,0 |
11,4 |
20,3 |
16,1 |
17,2 |
28,1 |
|
|
usar álgebra compleja |
5,1 |
7,3 |
6,4 |
4,4 |
5,8 |
5,4 |
|
|
resolver problemas complejos |
53,3 |
42,8 |
44,1 |
41,5 |
45,4 |
57,4 |
|
|
Promedio |
23,5 |
19,5 |
21,8 |
18,6 |
20,8 |
27,3 |
|
|
Comercialización y contabilidad |
leer o emitir facturas |
29,2 |
25,9 |
25,0 |
20,3 |
25,1 |
31,3 |
|
calcular costos |
43,3 |
47,0 |
49,5 |
44,9 |
46,2 |
35,0 |
|
|
usar calculadora |
50,6 |
42,0 |
45,3 |
37,3 |
43,8 |
56,2 |
|
|
realizar ventas |
34,6 |
43,2 |
43,4 |
46,8 |
42,0 |
28,7 |
|
|
Promedio |
39,4 |
39,5 |
40,8 |
37,3 |
39,3 |
37,8 |
|
|
Manual |
ocupaciones de cuidados |
38,3 |
40,9 |
42,7 |
39,5 |
40,4 |
44,4 |
|
otras ocupaciones |
41,7 |
47,0 |
50,1 |
48,8 |
46,9 |
39,7 |
|
|
Promedio |
41,0 |
45,1 |
48,4 |
46,3 |
45,2 |
40,7 |
Fuente: Elaboración propia sobre la base de datos de piaac (https://www.oecd.org/skills/piaac/data/).
El Cuadro 2 presenta los
porcentajes de trabajadores que realizan las actividades allí listadas al menos
una vez por semana, con excepción de las tareas manuales y de uso tics para las cuales se computó la
proporción de ocupados que realizan estas tareas todos los días. Los resultados
se presentan para cada uno de los cuatro países aquí considerados –Chile, Ecuador, México y Perú– y para el promedio de
ellos. Asimismo, a modo de comparación, se incluyen los resultados promedio
para un conjunto de países de la ocde, excluyendo Chile y México.[10]
Dentro del conjunto de tareas que utilizan tics, se observa en los cuatro países de la región que entre
el 10% y el 19% de los trabajadores utiliza planillas de cálculo o procesadores
de texto en su trabajo. Aparece con mayor frecuencia la utilización (lectura y
escritura) de correos electrónicos (entre el 15% y el 35%). El uso de tics es más frecuente en Chile y menor
en Perú, pero en todos los casos es más bajo que en los países más
desarrollados. En particular, el promedio de la ocde es poco menos que el doble
del promedio de los cuatro países latinoamericanos. A su vez, es en este grupo
de tareas donde las diferencias promedio entre ambos grupos de países parecen
ser más importantes.
Estos resultados son consistentes con los señalados por cepal (2021)
respecto de las habilidades digitales en la región. En 2019, menos del 40% de la población
poseía conocimientos básicos de informática, como copiar un archivo o enviar
un correo electrónico con un archivo. Para actividades intermedias como el uso
de fórmula aritmética básica en una hoja de cálculo, la creación de
presentaciones electrónicas con software de presentación, y la transferencia de
archivos entre computadores y/o dispositivos, estas proporciones eran inferiores
al 30%. Menos del 25% contaba con habilidades informáticas más avanzadas, tales
como conectar e instalar nuevos dispositivos y encontrar, descargar e instalar
software. Finalmente, menos del 7% de las personas informaba haber escrito un
programa informático utilizando un lenguaje de programación
En
promedio, alrededor de un tercio de los trabajadores realiza actividades
relacionadas con tareas de dirección y comunicación. Dentro de este grupo, la
planificación de tareas de otras personas aparece con menor frecuencia aún,
entre el 20% y el 28%. Cuando se considera el promedio de los cuatro países de
la región, el uso de este tipo de tareas resulta 8 puntos porcentuales más bajo
que en el promedio de los países de la ocde.
En
cuanto a la organización del trabajo, que se refiere a la posibilidad que
tienen los trabajadores para tomar decisiones acerca del orden, la forma, la
velocidad con la que realizan cada tarea, también emergen diferencias
significativas entre países. Recordemos que lo que se intenta captar aquí es el
grado de flexibilidad de las tareas que, se espera, se correlacionen
negativamente con la probabilidad de codificación y, por ende, de
automatización. En Perú, por ejemplo, los porcentajes de trabajadores que
pueden tomar ese tipo de decisiones se encuentra entre el 20% (cambiar el orden
de las tareas) y el 34% (cambiar la velocidad con la que trabaja). Si bien en
los demás países los porcentajes resultan más altos, es importante destacar –como
fue mencionado– que este tipo de actividades son propias no sólo
de trabajadores asalariados que se encuentran en posiciones de toma de
decisiones, sino también del trabajo por cuenta propia. Es por ello que la elevada incidencia de este tipo de ocupaciones en los
mercados de trabajo de la región puede estar incrementando este porcentaje que,
de todas maneras, es inferior al observado en los países de la ocde aquí
considerados.
Para
dar cuenta de este fenómeno se realizaron los cálculos separando trabajadores
según el tipo de inserción laboral (asalariada y no asalariada) y –en efecto–
el peso de este tipo de tareas es menor entre los trabajadores asalariados en
todos los países. Para este subgrupo se mantiene la diferencia entre América
Latina y la ocde,
donde la proporción de trabajadores que organizan su trabajo es mayor también
para aquellos que se desempeñan en relación de dependencia.
Los
indicadores referidos a los conocimientos para la resolución de problemas reflejan
un uso muy inferior (alrededor del 21%) al observado en el grupo anterior de
tareas y también más bajo que el registrado en los países de la ocde (salvo
en el caso de álgebra compleja). El uso de álgebra simple alcanza como máximo
el 20% en Chile y México, mientras que en Perú y Ecuador es el 16% y 11%,
respectivamente. Cabe aclarar que, si bien parte del uso de estas herramientas
es reemplazable por la incorporación de tecnología (por ejemplo, herramientas
de procesamiento de datos), los trabajadores que realizan ese tipo de tareas
probablemente sean capaces de interactuar con la tecnología y complementarse en
caso de su incorporación. En promedio, la incidencia de estas tareas es
alrededor de 11 puntos porcentuales más baja que en la ocde. A su vez, si bien la
resolución de problemas complejos es de uso más difundido en la región, la
brecha con los países de la ocde es, en promedio, de 12 puntos porcentuales.
Las
tareas asociadas a actividades comerciales y contables (potencialmente automatizables)
están en torno al 40% en los países de la región. Este valor es más elevado que
en los países de la ocde.
La brecha es significativamente más elevada en tareas que involucran el cálculo
de costos o la realización de ventas. Sin embargo, como se verá más abajo, aquí
también se observan algunas diferencias significativas entre trabajadores
asalariados e independientes, con un mayor peso de este tipo de tareas en el
segundo grupo.
Finalmente,
la incidencia de tareas manuales es algo superior en el promedio de los países
de la región (45%) que en el promedio de los países de la ocde (41%). México y Perú, a su
vez, registran los valores máximos en este tipo de actividades. Sin embargo,
resulta interesante diferenciar aquellas actividades relacionadas con los
servicios de cuidados remunerados del resto de las tareas manuales. El primer
subconjunto de tareas representa en los países de la región alrededor del 40%,
mientras que en los países de la ocde alcanza al 44%. En cambio, las tareas manuales en
otras ocupaciones representan porcentajes mayores (entre el 42% y el 50%). En
promedio, en los países de mayores ingresos alrededor del 40% de los ocupados
realizan tareas manuales fuera de las actividades de servicios. Como se
mencionó, se considera relevante hacer esta diferenciación dado que entre las
tareas manuales asociadas con el cuidado se encuentran las que realizan
profesionales de la salud y la educación de alta calificación, pero también
trabajadores de calificación media y baja como auxiliares de servicios de
salud y personas que brindan cuidados para el mercado. Aun cuando en este
segundo caso no se requiera de elevado nivel educativo se espera que estas
tareas no sean fácilmente reemplazables por “robots” dado que involucran cierto
grado de flexibilidad, pero también la interacción humana con las personas que
reciben cuidados o son tratadas. La perspectiva de género resulta altamente
relevante por cuanto, en general, las tareas de cuidado (aún aquellas
realizadas en el marco de actividades para el mercado) son realizadas con mayor
intensidad por mujeres. En este sentido, resulta interesante notar que en los
países de la región la incidencia de las tareas vinculadas a servicios de
cuidado resulta inferior al resto de las tareas manuales mientras que lo
contrario sucede en los países de la ocde.
Por
lo tanto, se observan diferencias significativas entre los países de la región
y entre ellos y los de la ocde.
Estos últimos registran un uso más intensivo fundamentalmente de tareas que
requieren de tics, de aquellas
asociadas con la flexibilidad para organizar el trabajo y de taras que
requieren conocimientos especializados o que implican resolución de problemas.
Heterogeneidad
en la composición de las tareas entre grupos de trabajadores
Adicionalmente
a la evaluación de la composición de las tareas en el total del empleo, y su
complementariedad o sustitución con la digitalización, una preocupación
creciente refiere a los impactos disímiles que las nuevas tecnologías tienen en
diferentes grupos de ocupados. Ello se vuelve más relevante aún en una región
como la de América Latina y el Caribe con brechas laborales y niveles de
desigualdad en los mercados de trabajo muy elevados.
Es
por ello que a continuación se analiza la composición
de las tareas en las ocupaciones realizadas por las mujeres vis a vis los
hombres, y por los adultos vis a vis los jóvenes.
Según
género
Como ha sido
ampliamente documentado, las mujeres experimentan mayores dificultades
laborales, tanto a nivel mundial como regional. Asimismo, es de esperar que el
impacto que tenga la automatización no sea homogéneo entre hombres y mujeres.
Las diferencias, entre otros factores, pueden estar asociadas al distinto tipo
de ocupaciones en las que se desempeñan unos y otras, a las diferencias en las
tareas que realizan en cada ocupación y a divergencias en el tipo de inserción
laboral que cada uno de ellos tenga.
Los datos del Cuadro 3 muestran un panorama
heterogéneo entre países y dimensiones. En relación al
uso promedio de tics la brecha a
favor de los hombres se observa claramente en el caso de Chile, mientras que
en Perú no parece haber diferencias significativas entre ambos sexos. En
Ecuador y México se observa un mayor uso de estas tecnologías entre las
mujeres. Sin embargo, cuando se analiza en detalle al interior de este grupo, se
verifica que las tareas que realizan los hombres requieren con mayor intensidad
que las mujeres el uso de nivel medio o alto de computación.
Adicionalmente, los hombres superan en
proporción a las mujeres en las tareas de dirección y comunicación. La brecha
es máxima en el caso de Chile. Al interior de este grupo de actividades, a su
vez, las diferencias más significativas se asocian con la planificación de las
tareas de otros o con capacitar a terceros. En cuanto a las tareas asociadas al
uso de conocimientos especializados, tiene mayor incidencia en el empleo
masculino que en el femenino. Ello se verifica en todos los componentes de
este conjunto, siendo la brecha más elevada en la resolución de problemas
complejos y en el uso de competencias matemáticas. Por el contrario, las
mujeres tienen mayor presencia en las tareas de comercialización y, especialmente,
de ventas y/o que requieren de calculadoras o de otros instrumentos de cálculos.
Como fue mencionado previamente, se espera que estas tareas no manuales sean
más sustitutas que complementarias con la tecnología. Finalmente, sólo en las
actividades donde el trabajador tiene capacidad de organizar el proceso de
trabajo las mujeres tienen mayor preponderancia que los hombres. A su vez,
éstos tienen mayor incidencia en los trabajos manuales.
Cuadro 3: Distribución porcentual de diferente
tipo de tareas según género
|
|
|
Chile |
Ecuador |
México |
Perú |
||||
|
|
|
Varones |
Mujeres |
Varones |
Mujeres |
Varones |
Mujeres |
Varones |
Mujeres |
|
TICs |
usar planilla de cálculo |
20,5 |
15,4 |
13,7 |
16,8 |
12,2 |
14,1 |
10,3 |
9,9 |
|
usar procesador de textos |
18,3 |
20,5 |
15,2 |
21,6 |
12,3 |
16,2 |
12,1 |
13,5 |
|
|
leer cartas, e-mails o memos |
37,1 |
32,3 |
25,2 |
28,3 |
27,5 |
31,2 |
18,9 |
18,2 |
|
|
escribir cartas, e-mails o memos |
31,7 |
28,5 |
16,8 |
19,7 |
26,2 |
31,2 |
15,2 |
15,3 |
|
|
|
nivel de computación requerido medio/alto |
3,8 |
1,8 |
3,7 |
3,9 |
3,3 |
2,0 |
2,8 |
1,1 |
|
|
Promedio |
22,3 |
19,7 |
14,9 |
18,0 |
16,3 |
18,9 |
11,9 |
11,6 |
|
Dire cción y comuni- caciones |
realizar negociaciones |
38,5 |
39,2 |
37,5 |
39,7 |
40,1 |
39,9 |
39,0 |
45,0 |
|
planificar actividades de otros |
29,5 |
25,1 |
27,9 |
25,4 |
24,2 |
21,6 |
19,7 |
17,0 |
|
|
enseñar o capacitar |
49,4 |
34,6 |
35,7 |
33,5 |
32,2 |
26,4 |
33,5 |
28,9 |
|
|
realizar presentaciones |
18,8 |
15,0 |
18,6 |
20,4 |
15,4 |
14,6 |
17,1 |
14,7 |
|
|
Promedio |
34,1 |
28,5 |
29,9 |
29,7 |
28,0 |
25,6 |
27,3 |
26,4 |
|
|
Organiza su trabajo |
cambiar el orden de las tareas |
35,3 |
41,5 |
41,0 |
44,5 |
41,2 |
43,5 |
19,0 |
21,6 |
|
cambiar la forma en que realiza las tareas |
39,7 |
44,9 |
48,3 |
51,6 |
50,8 |
56,0 |
24,3 |
27,2 |
|
|
cambiar la velocidad con que trabaja |
44,7 |
51,0 |
54,0 |
52,4 |
53,0 |
60,1 |
34,1 |
35,1 |
|
|
cambiar la cantidad de horas trabajadas |
21,6 |
29,9 |
34,7 |
37,1 |
32,2 |
33,6 |
21,5 |
21,5 |
|
|
Promedio |
35,3 |
41,8 |
44,5 |
46,4 |
44,3 |
48,3 |
24,7 |
26,3 |
|
|
Conocimientos
especializados y resolución de problemas |
preparar cuadros y gráficos |
16,6 |
11,5 |
16,0 |
16,8 |
16,6 |
15,8 |
12,5 |
12,2 |
|
usar álgebra simple |
24,4 |
16,7 |
11,2 |
11,7 |
20,6 |
19,9 |
17,4 |
14,4 |
|
|
usar álgebra compleja |
7,1 |
2,7 |
8,5 |
5,6 |
6,3 |
6,5 |
4,9 |
3,6 |
|
|
resolver problemas complejos |
57,2 |
48,4 |
43,9 |
41,2 |
46,6 |
40,3 |
44,9 |
37,0 |
|
|
Promedio |
26,3 |
19,8 |
19,9 |
18,8 |
22,5 |
20,6 |
19,9 |
16,8 |
|
|
Comerciali-zación y contabilidad |
leer o emitir facturas |
29,9 |
28,3 |
24,7 |
27,6 |
25,6 |
24,1 |
19,5 |
21,4 |
|
calcula costos |
42,5 |
44,5 |
46,3 |
47,9 |
47,9 |
52,1 |
42,0 |
48,8 |
|
|
usar calculadora |
48,4 |
53,3 |
38,7 |
46,8 |
42,2 |
50,2 |
37,3 |
37,3 |
|
|
realizar ventas |
30,4 |
39,9 |
40,3 |
47,5 |
39,7 |
49,0 |
42,4 |
52,8 |
|
|
Promedio |
37,8 |
41,5 |
37,5 |
42,5 |
38,8 |
43,8 |
35,3 |
40,1 |
|
|
Manual |
ocupaciones de cuidados |
35,3 |
39,9 |
46,1 |
37,7 |
51,1 |
37,1 |
41,4 |
38,7 |
|
otras ocupaciones |
46,6 |
33,7 |
50,3 |
39,4 |
56,5 |
37,2 |
53,5 |
39,2 |
|
|
Promedio |
45,3 |
35,6 |
49,5 |
38,6 |
55,6 |
37,2 |
51,7 |
38,9 |
|
Fuente: Elaboración propia sobre la base de datos de piaac (https://www.oecd.org/skills/piaac/data/).
Por lo tanto, en conjunto, las mujeres parecen
realizar tareas con contenido rutinario en mayor proporción que los hombres.
Ello resulta consistente con los hallazgos de estudios previos. Por ejemplo, resultados
para los países que integran la ocde muestran que las mujeres se desempeñan con mayor
intensidad en ocupaciones que enfrentan un mayor riesgo de ser automatizadas,
pero también muestran que la situación entre los países es heterogénea (Brussevich et al., 2018). A su vez, las actividades y sectores de
actividad en los que se insertan mayormente las mujeres (alimentos, servicios
y comercio), en conjunto, también pueden determinar una mayor exposición a la
automatización (Grundke et al., 2017). Sin embargo, Brussevich et al. (2018) encuentran que las
mujeres realizan tareas con mayor riesgo de automatización en todas las
ocupaciones y ramas de actividad. A su vez, identifican que el riesgo es mayor
entre las mujeres con bajo nivel educativo, mayores de 40 años y o en
ocupaciones de baja calificación. En la sección siguiente se ahonda en este
aspecto.
Según edad
Dada la
preocupación acerca del futuro del trabajo en el marco de la transición
digital, también resulta relevante considerar las diferencias entre
trabajadores según grupo de edad. Para ello se muestran los porcentajes de
trabajadores que realizan las diferentes tareas para los cuatro países
analizados tomados en conjunto, pero diferenciando entre trabajadores hasta 25
años y trabajadores de 26 años y más.[11]
Debido al tamaño de la muestra disponible, se optó por analizar esta dimensión
considerando los cuatro países latinoamericanos en conjunto.
Como se muestra en el
Cuadro 4 los trabajadores más jóvenes utilizan menos tics en sus trabajos y realizan comparativamente menos tareas
asociadas a la dirección y comunicación, aunque las diferencias no son muy
significativas respecto de los adultos. Las brechas, en cambio, aumentan en relación a la autonomía en la realización de sus tareas:
los trabajadores de hasta 25 años tienen menos posibilidades de tomar
decisiones sobre cómo llevar a cabo su trabajo en comparación con los
trabajadores de más edad. Ello podría estar asociado, al menos en parte, a una
mayor incidencia del trabajo por cuenta propia –con mayor autonomía para tomar algunas decisiones sobre el proceso
productivo en relación a los asalariados– que es más elevado entre los adultos que entre los
jóvenes.
También los jóvenes
exhiben un menor peso de las tareas vinculadas a la resolución de problemas
complejos, si bien ello parece compensarse con un mayor uso de álgebra. Finalmente,
la intensidad de tareas asociadas a la comercialización y la contabilidad es
más elevada entre los jóvenes mientras que lo contrario sucede con los
servicios de cuidado. El único tipo de tareas con mayor probabilidad de
sustitución por la tecnología que parece tener menor incidencia entre los
jóvenes es el de las tareas manuales no vinculadas a cuidados.
Por lo tanto, en términos
agregados, y si bien en algún tipo de tareas las diferencias entre ambos grupos
no resultan ser muy elevadas, los jóvenes en la región parecen estar en una
posición desventajosa respecto de los adultos en lo que refiere a la
potencialidad de automatización de las tareas que ellos realizan con mayor
frecuencia.
Cuadro 4: Distribución porcentual de diferente
tipo de tareas según tramo de edad
|
|
|
|
Edad |
|
|
|
|
Total |
16-25 años |
26-65 años |
|
tics |
usar planilla de cálculo |
13,1 |
12,2 |
13,4 |
|
usar procesador de textos |
14,5 |
12,4 |
15,1 |
|
|
leer cartas, e-mails o memos |
27,5 |
24,9 |
28,1 |
|
|
escribir cartas, e-mails o memos |
25,1 |
22,1 |
26,0 |
|
|
nivel de computación requerido medio/alto |
2,8 |
2,7 |
2,8 |
|
|
Promedio |
16,6 |
14,8 |
17,1 |
|
|
Dirección y comunicaciones |
realizar negociaciones |
40,1 |
37,3 |
40,8 |
|
planificar actividades de otros |
23,1 |
20,5 |
23,8 |
|
|
enseñar o capacitar |
32,0 |
31,8 |
32,1 |
|
|
realizar presentaciones |
15,8 |
14,0 |
16,3 |
|
|
Promedio |
25,5 |
23,7 |
26,0 |
|
|
Organiza su trabajo |
cambiar el orden de las tareas |
37,5 |
31,9 |
39,0 |
|
cambiar la forma en que realiza las tareas |
46,3 |
40,2 |
47,9 |
|
|
cambiar la velocidad con que trabaja |
50,7 |
48,3 |
51,3 |
|
|
cambiar la cantidad de horas trabajadas |
30,1 |
24,6 |
31,5 |
|
|
Promedio |
38,0 |
33,7 |
39,1 |
|
|
Conocimientos especializados y
resolución de problemas |
preparar cuadros y gráficos |
15,3 |
14,5 |
15,6 |
|
usar álgebra simple |
18,9 |
19,5 |
18,7 |
|
|
usar álgebra compleja |
5,9 |
7,0 |
5,7 |
|
|
resolver problemas complejos |
44,5 |
43,5 |
44,8 |
|
|
Promedio |
24,5 |
23,6 |
24,8 |
|
|
Comercialización y contabilidad |
leer o emitir facturas |
24,6 |
28,8 |
23,5 |
|
calcula costos |
47,8 |
49,7 |
47,3 |
|
|
usar calculadora |
44,1 |
45,4 |
43,7 |
|
|
realizar ventas |
43,1 |
46,8 |
42,0 |
|
|
Promedio |
36,8 |
38,9 |
36,3 |
|
|
Manual |
ocupaciones de cuidados |
41,5 |
37,7 |
42,5 |
|
otras ocupaciones |
48,7 |
44,4 |
49,9 |
|
|
Promedio |
46,9 |
42,7 |
48,1 |
|
Fuente: Elaboración propia sobre la base de datos de piaac (https://www.oecd.org/skills/piaac/data/).
Como se señala en oit (2020),
si bien podría pensarse que la brecha digital generacional pone a los jóvenes
en una situación ventajosa en lo que respecta a su capacidad de adaptación a
las demandas de competencias digitales por parte de un mercado de trabajo que
incorpora cada vez más el uso intensivo de tecnologías de la información y
comunicación, los resultados en materia de empleo no necesariamente confirman
esta situación en la región. Es por ello que en la medida en que las competencias digitales
sean cada vez más demandadas por el mercado laboral, la formación profesional
se torna fundamental para reducir la brecha digital y de habilidades entre los
jóvenes, así como para garantizar su empleabilidad y acceso a trabajos
decentes.
Rutinariedad de las tareas y ocupaciones en América Latina
Análisis global
Luego de
haber identificado las tareas realizadas en los cuatro países bajo estudio, en
esta sección se presenta el indicador resumen del contenido rutinario de tareas
en cada uno de ellos construido como fue detallado en la tercera sección. Para
ello, el Gráfico 1 presenta para cada ocupación (isco, 2 dígitos) y para cada uno
de los países el ordenamiento de éstas en forma creciente según el índice de rutinariedad. A mayor valor del índice, mayor contenido de
tareas rutinarias vis a vis no rutinarias.
En
primer lugar, se observa una variabilidad muy importante en el valor de este
indicador a través de las ocupaciones en los cuatro países considerados (el
Cuadro A.1 del Anexo presenta la lista de los valores de este índice). En Chile
el rango va desde -1.2 a 3; en Ecuador desde -3.3 a 2.5: en México desde -0.9 a
3.1 y en Perú desde -1.8 a 3.3. Sin embargo, en todos los casos, los resultados
parecen ser los esperados. Las ocupaciones de dirección y gerenciales, los
profesionales científicos y los trabajadores de la educación son aquellos que
presentan menor índice de rutinariedad. O sea, son
ocupaciones cognitivas calificadas que, en promedio, requieren tareas con
mayor grado de flexibilidad. En el medio del rango de este indicador
distribución se encuentran las ocupaciones administrativas y los operarios
industriales. Finalmente, entre las ocupaciones con un alto contenido de rutinariedad se encuentran las actividades de comercio,
actividades agropecuarias de baja calificación, construcción y las ocupaciones
de las industrias extractivas. La mayor parte de estos trabajos son manuales y
requieren bajo capital humano.
Gráfico 1:
Índice de rutinariedad promedio de las ocupaciones
por país
Fuente: Elaboración propia sobre la base de datos de piaac (https://www.oecd.org/skills/piaac/data/).
Sin
embargo, más allá de este panorama general, se observan divergencias en el ordenamiento
entre países, lo cual refleja las diferencias en el tipo de tareas que componen
las ocupaciones y, por lo tanto, resalta la importancia de contar con
información específica para cada país bajo análisis.
Índice
de rutinariedad e ingresos laborales
Asimismo,
como se mencionó, entre las preocupaciones que surgen en el marco de la transición
digital está el efecto diferencial que este proceso pueda tener entre
trabajadores con características disímiles y ubicados en diferentes partes de
la distribución salarial. Para analizar este aspecto, el Gráfico 2 presenta la
correlación entre el indicador de rutinariedad, y
cada uno de sus componentes, con el ingreso laboral promedio de cada ocupación.
En
los tres países para los cuales se cuenta con información de ingresos (Chile,
Ecuador y México)[12] se
observa una clara correlación negativa entre la realización de tareas rutinarias
y los ingresos promedio de cada ocupación. O sea, aquellas ocupaciones con
mayor contenido de tareas rutinarias son las que perciben, en promedio, los
menores ingresos laborales; por el contrario, las ocupaciones ubicadas en la
parte alta de la distribución de ingresos son las que tienen un mayor contenido
de tareas flexibles, con mayor probabilidad de ser complementarias con la
tecnología.
Gráfico 2: Índice de rutinariedad
de las ocupaciones ordenadas según ingresos laborales
promedio
Fuente: Elaboración
propia sobre la base de datos de piaac (https://www.oecd.org/skills/piaac/data/).
Cuando se analiza en mayor detalle cada uno de
los grandes agrupamientos de tareas que constituyen este indicador se comprueba
en todos los países que la importancia de las tareas no rutinarias –tanto
analíticas como cognitivas interpersonales– crece (si bien
no siempre de manera completamente lineal) a medida que aumenta el ingreso
promedio de las ocupaciones. Similar comportamiento se observa entre las
ocupaciones con mayor contenido de tareas cognitivas rutinarias (salvo en
México)[13].
Por el contrario, las actividades manuales –mayormente de
carácter rutinario– exhiben un comportamiento inverso con el nivel
de ingresos promedio de la ocupación. Dentro de este tipo de actividades, algo
menos de un cuarto de las personas se desempeña en ocupaciones relacionadas
con el cuidado. O sea, la mayor parte se desempeña en otro tipo de actividades
manuales rutinarias que tienen mayor presencia en los niveles más bajos de ingresos.
Índice de rutinariedad
e informalidad laboral
Otra
dimensión de gran relevancia en los mercados de trabajo de la región es la
informalidad laboral. Se observa que a medida que crece el porcentaje de
trabajadores informales en una ocupación también lo hace el grado de rutinariedad en las tareas que se llevan a cabo en cada una
de ellas En Ecuador y Perú la correlación positiva es más fuerte que en los dos
restantes países (Gráfico 3).
Gráfico
3: Índice de rutinariedad
promedio de las ocupaciones ordenadas según incidencia de la informalidad
laboral
Fuente: Elaboración propia sobre la base de datos de piaac (https://www.oecd.org/skills/piaac/data/).
Nota: En Chile sólo
los asalariados pudieron ser clasificados como formales o informales.
Por
lo tanto, a la naturaleza más inestable de las posiciones informales se le suma
la mayor exposición a la sustitución por la tecnología en las ocupaciones donde
la informalidad es más elevada. Las mayores dificultades para acceder a la
formación profesional en el puesto de trabajo y acumular capital humano
específico se exacerban, a su vez, en este contexto. Adicionalmente, la
intensificación de los tránsitos laborales asociados a la naturaleza cada vez
más cambiante del trabajo puede implicar para los trabajadores informales una
mayor inestabilidad de ingresos y, especialmente, falta de protección social.
Índice de rutinariedad y género
Finalmente, retomando lo
mencionado previamente respecto de la composición de tareas en el empleo
femenino en relación al masculino, resulta interesante
evaluar en qué medida ello deriva en diferencias significativas en el indicador
de contenido rutinario entre ambos grupos de trabajadores. Para ello, el Cuadro
5 presenta los resultados de estimaciones econométricas a partir de regresiones
por mínimos cuadrados donde se mide la correlación de diferentes variables, en
particular el género, con el valor del irt. Un signo positivo
acompañando la variable “mujer” indica que el empleo femenino se correlaciona
positivamente con un mayor contenido rutinario de las tareas.
Cuadro 5: Correlación entre el
indicador de rutinariedad de las tareas y el género
|
|
Chile |
Ecuador |
México |
Perú |
||||
|
Variables |
Regresión 1 |
Regresión 2 |
Regresión 1 |
Regresión 2 |
Regresión 1 |
Regresión 2 |
Regresión 1 |
Regresión 2 |
|
Mujer |
0.336*** |
0.349*** |
0.131*** |
0.177*** |
-0.006655 |
0.0212 |
0.0785** |
0.150*** |
|
|
(0.0463) |
(0.0448) |
(0.0503) |
(0.0488) |
(0.0444) |
(0.0432) |
(0.0368) |
(0.0358) |
|
Años de educación |
-0.157*** |
-0.0844*** |
-0.111*** |
-0.0647*** |
-0.134*** |
-0.0883*** |
-0.113*** |
-0.0758*** |
|
|
(0.00685) |
(0.00816) |
(0.00711) |
(0.00766) |
(0.00567) |
(0.00633) |
(0.00414) |
(0.00446) |
|
|
||||||||
Nota: Errores
estándar entra paréntesis. *** p<0.01, ** p<0.05, * p<0.1. Regresión
1: controles de edad y rama de actividad. Regresión 2: controles por edad, rama
de actividad y ocupación.
Fuente: Elaboración
propia sobre la base de datos de piaac (https://www.oecd.org/skills/piaac/data/).
Como
allí se observa, en todos los casos (excepto en México) las tareas realizadas
por las mujeres tienen un mayor contenido de rutinariedad
que las llevadas a cabo por los hombres. Un aspecto que resulta de particular
relevancia es evaluar si este resultado se asocia a las ocupaciones en las
cuales cada uno de ellos se desarrolla o si, adicional o alternativamente, se
explica por una diferente composición de actividades al interior de cada
ocupación.
Para
poder identificar cuál de estas situaciones prevalece en estos países, para
cada uno de ellos se reportan en el Cuadro 5 los resultados de dos
especificaciones diferentes: la primera sin incorporar la ocupación; la segunda
controlando por esta variable. En Chile, Ecuador y Perú se observa que en el
segundo caso la correlación entre ser mujer y desarrollar tareas con mayor
contenido rutinario se hace aún más fuerte en el segundo caso. Ello indica que
la mayor rutinariedad en el empleo femenino no solo
se asocia a una diferente composición de las ocupaciones, sino que al interior
de ellas las mujeres realizan una mayor cantidad de actividades que pueden ser
más fácilmente codificables.
Allí
también se encuentra una correlación significativa y negativa entre el
contenido rutinario y el nivel educativo de los trabajadores: como era
esperable, a mayor nivel de calificación, menor contenido de tareas con más
chances de ser codificadas y, por lo tanto, de ser reemplazadas por la
tecnología.
Reflexiones finales
En las
últimas décadas la adopción de nuevas tecnologías se aceleró con impactos muy
importantes en los mercados de trabajo, en los ingresos laborales y en su
distribución. El ritmo y la forma que
adopta la aceleración tecnológica y los impactos en el volumen de empleo y sus
características, a su vez, están influenciados por un conjunto importante de
factores específicos de cada país.
Este estudio tuvo
por objetivo evaluar en detalle la composición del empleo en cuatro países de
la región –Chile, Ecuador,
México y Perú– en términos de
las ocupaciones y del tipo de tareas realizadas. En particular, se analizó la
incidencia de actividades rutinarias y flexibles, manuales y cognitivas.
Adicionalmente, se evaluó la correlación entre los trabajadores que llevan a
cabo distinto set de tareas y su posición en la escala salarial. Dimensiones
como la informalidad laboral, el género, la edad y el nivel educativo fueron
incluidos para dar cuenta de la heterogeneidad de situaciones que se observan
en el mundo laboral en estos países.
Los resultados obtenidos
configuran un panorama complejo en la región donde las tendencias en materia de
transición digital y de automatización no sólo podrían estar afectando, y
hacerlo crecientemente en el futuro, a un conjunto importante de trabajadores,
sino que los impactos podrían ser más desfavorables para los trabajadores
informales, las mujeres, los trabajadores jóvenes y de menores calificaciones y
para aquellos ubicados en la parte baja de la distribución. Son estos grupos de
trabajadores quienes realizan mayormente tareas rutinarias y que, por ende,
están más expuestos a ser sustituidos por la tecnología.
Resulta
evidente, por lo tanto, el rol significativo de las políticas públicas para
potenciar los impactos positivos a la vez que reducir los negativos de la
transición digital en los mercados de trabajo de la región. Adicionalmente a las políticas macroeconómicas que propicien
un sendero de crecimiento con estabilidad y que promuevan la inversión en
tecnología, las mejoras en infraestructura e inversión que garanticen el acceso
universal a los dispositivos tecnológicos requeridos en la transición digital,
las políticas educativas y de formación profesional, aquellas que faciliten la
transición digital en las empresas más pequeñas, las instituciones laborales,
y las políticas universales de protección social, adquieren particular relevancia
en este sendero.
Referencias
Acemoglu, D. (1999).
Changes in unemployment and wage inequality. An alternative theory and some
evidence. American Economic Review, 85(5), 1259-1278
Apella, I. y Zunino, G. (2018). Nonstandard forms of employment in developing countries: A study for a set
of selected countries in Latin America and the Caribbean and Europe and
Central Asia, Policy Research Working Paper, 8581. http://hdl.handle.net/10986/30426
Autor, D. H. (2015). Why are there still so many jobs?
The history and future of workplace automation. Journal of Economic
Perspectives, 29(3). https://economics.mit. edu/files/11563
Autor, D. H. (2019). Work of the past, work of the
future, aea Papers and Proceedings, 109, 1-32. DOI: 10.1257/pandp.20191110
Autor, D. H. y Dorn,
D. (2013). The growth of low-skill
service jobs and the polarization of the US labor market, American Economic
Review, 103(5), 1553-1597. https://www.aeaweb.org/articles?id=10.1257/aer.103.5.1553
Autor, D. H., Levy, F. y Murnane, R. (2003). The skill content of recent technological change: An empirical
exploration. The Quartertly Journal of Economics,
118(4), 1279-1333. https://doi.org/10.1162/003355303322552801
Ballon, P. y Dávalos, J. (2020). Inequality and the changing nature of
work in Peru. wider Working
Paper Series, 168. https://doi.org/10.35188/unu-wider/2020/925-9
Bessen J. (2017).
Automation and jobs: When technology boosts employment. Working Paper 17-09, Law School, Boston University.
Bowles, J. (2014). The computerization of
European jobs, Bruegel.
Brussevich, M., Dabla-Norris, E., Kamunge, C., Karnane, P., Khalid,
S. y Kochhar, K. (2018). Gender, technology and the
future of work. Staff Discussion Notes, International Monetary Fund. https://www.imf.org/en/Publications/Staff-Discussion-Notes/Issues/2018/10/09/Gender-Technology-and-the-Future-of-Work-46236
Brzeski, C. y Burk, I. (2015). The
robots come. Consequences of automation for the German labour
market. ing diba
Economic Research
Bustelo, M., Flabbi, L. y Viollaz, M. (2019). The gender labor market gap in the digital
economy. idb Working Paper
Series 1056.
Comisión Económica para América Latina y el
Caribe. (2021). Datos y hechos sobre la transformación digital (lc/ts.2021/2020). https://www.cepal.org/sites/default/files/publica-tion/files/46766/S2000991_es.pdf
De la Rica,
S., L. Gortazar y P. Lewandowski (2020). Job tasks and wages in developed countries: Evidence from piaac. Labour Economics, 65I. DOI: 10.1016/j.labeco.20 20.101845
Frey, C. y Osborne, M.
(2017). The future of employment: how susceptible are jobs to computerizationion. Technological
forecasting and social change, 144, 254-280.
https://doi.org/10.1016/j.techfore.2016.08.019
Grundke,
R., Jament, S., Kalamova,
M., Keslair, F. y Squicciarini,
M. (2017). Skills and global value
chains: A characterization. oecd Science, Technology and Industry Working
Papers, 2017/05. https://doi.org/10.1787/cdb5de9b-en
Hardy, W., Lewandowski,
P., Park, A. y Yang, D. (2018). The global distribution of routine and
non-routine work. ibs Working Paper 05/2018
https://conference.iza.org/conference_files/WoLabConf_2018/lewandowski_p9882.pdf
Goos, M., Manning, A. y Salomons,
A. (2014). Explaining job polarization: Routine-biased technological change and
offshoring. American Economic Review, 104(8), 2509-2526. https://www.aeaweb.org/articles?id=10.1257/aer.104.8.2509
Lewandowski, P., Park,
A., Hardy, W. y Yang, D. (2019). Technology, skills, and globalization:
Explaining international differences in routine and nonroutine work using survey
data. iza
Discussion Papers. https://www.iza.org/publications-/dp/12339/technology-skills-and-globalization-explaining-international-differences
in-routine-and-nonroutine-work-using-survey-data
Maloney, W. y Molina, C. (2016). Are automation and trade polarizing developing country
labor markets, too?. Policy Research Working Paper, 7922. http://hdl.handle.net/10986/25821
Maurizio, R. y Monsalvo, A.P. (2021). Changes in occupations and their task content: Implications for employment and inequality in
Argentina, 2003-19. wider Working
Paper 2021/15. https://doi.org/10.35188/UNU-WIDER/2021/949-5
McAfee, A. y Brynjolfsson, E. (2014). The second machine Age: Work, progress and prosperity in a time of brilliant technologies.
W.W. Norton & Company.
McIntosh, S.
(2013). Hollowing out and the future of the labour
market. bis
research paper, no. 134, bis,
https://www.gov.uk/government/uploads/system/uploads/attachment_
data/file/250206/bis-13-1213-hollowing-out-and-future-of-the-labour-market.pdf.
Messina,
J., G. Pica y A. M. Oviedo. (2016). Job polarization in Latin
America. Inter-American Development
Bank.
Messina,
J. y Silva J. (2018). Wage
inequality in Latin America. Understanding the past to prepare for the future.
International Bank for Reconstruction
and Development/The World
Bank.
Nübler,
I. (2016). New technologies:
a jobless future or golden age
of job creation?,
International Labour Office.
Organisation for Economic Co-operation and Development (2016). Survey of Adult Skills Technical Report (2nd
Edition). oecd.
Pajarinen, M. y Rouvinen, P.
(2014). Computerization threatens one
third of finnish employment, etla Brief, 22
https://www.etla.fi/wp-content/uploads/ETLA-Muistio-Brief-22.pdf
Programme for the International Assessment of Adult
Competencies piaac
(2014 y 2017). Survey of adult skills,
ocde.
https://www.oecd.org/skills/piaac/data/
Schwab, K. (2016).
The fourth industrial revolution,
World Economic Forum.
Vivarelli, M. (2007). Innovation
and employment: a survey, iza Discussion
Paper No. 2621.
Weller, J. (2020). Las
transformaciones tecnológicas y el empleo en América Latina: oportunidades y
desafíos. Revista de la cepal, 130.
Zapata-Román, G. (2021). The
role of skills and tasks in changing employment trends and income inequality in Chile. wider Working Paper (2021/48).
https://doi.org/ 10.35188/unu-wider/2021/986-0