Inteligencia artificial y trabajo en América Latina – Por Alicia Puyana

Los conceptos vertidos en esta sección no reflejan necesariamente la línea editorial de Nodal. Consideramos importante que se conozcan porque contribuyen a tener una visión integral de la región.

Por Alicia Puyana*

Introducción

Relacionar el desarrollo de la Inteligencia Artificial (IA) y el mundo del trabajo toca necesariamente múltiples áreas de las ciencias sociales, las humanidades y las ciencias naturales. No es tarea fácil, entre otras, porque así como el trabajo, la IA se analiza casi exclusivamente en términos del crecimiento de las economías y los ingresos. Se despoja al trabajo de su carácter de “institución forjadora de nuestra civilización” (Bourdieu, Pierre, 1996, p 89-90) y de las relaciones sociales como vehículo de realización humana. La IA tiende a minar estas funciones y a deshumanizar el trabajo al limitar sus espacios sociales. Es un debate en marcha que requiere amplia profundización. El desenvolvimiento de la IA, como de toda evolución científica y tecnológica, obedece a intereses bien establecidos, algunos de carácter militar y de geopolítica, como la internet desarrollada a instancias y financiación militar durante la guerra contra Vietnam, o los programas contra la malaria para la salud de los ejércitos en las colonias, bien como estrategia corporativa para desplazar competidores y dominar los mercados. Pocas veces el objetivo primigenio es el bien público, así, en el largo plazo brinde algunos. Aceptar, sin salvaguardias los efectos de la IA y centrar el análisis en los trabajos desplazados y los diagnósticos en políticas de adaptación es concebir el desarrollo tecnológico como un bien fatal, inmodificable del crecimiento económico.

La Inteligencia Artificial (IA), término acuñado en 1956, surgió como preocupación académica, política y de competencia industrial al terminar la Segunda Guerra Mundial. Es un blanco móvil cambiante al ritmo de la obsolescencia tecnológica de máquinas, programas de cómputo, algoritmos o apps, amén de que diversas disciplinas lo analizan desde su perspectiva.

La IA comprende ya sistemas computacionales de capacidades y comportamientos de interacción humana o capacidades flexibles de interpretar, aprender y usar correctamente datos externos en tareas concretas. Estos procesos de IA se agrupan en cuatro sistemas que: i) piensan como humanos. Enfoque que define como humano el razonamiento de una máquina y presupone que éste se puede conocer vía introspección o mediante experimentos psicológicos; ii) piensan racionalmente. Se basan en procesos de razonamiento irrefutable, “la forma correcta de pensar”. Parten de silogismos y de premisas correctas para desarrollar notaciones definitorias de sentencias y relaciones; iii) actúan como humanos. Con la “prueba de Turing”1 se define si una máquina actúa como humano, si procesa el lenguaje natural, representa el conocimiento; razona o aprende automáticamente; visualiza computacional y robóticamente; iv) actúan racionalmente sin, necesariamente, realizar inferencias.

¿Qué tipo de trabajo sustituyen?2

Se ha aceptado generalmente que los trabajos realizables con IA tienden a ser: a) de oficina, repetitivos: redacción de reportes o elaboración de hojas de cálculo; b) conducción de taxis en carros autónomos; c) tareas fabriles repetitivas automatizadas;3 d) informes corporativos de ganancias, deportivos, de dietas o ejercicios, basados en minería de datos; e) diagnósticos médicos, recomendaciones de tratamientos.4

Implicaciones en el mercado laboral

Por la naturaleza cambiante de la IA, si bien es difícil calibrar su impacto en la dinámica y estructura en los procesos productivos y del mercado laboral, se señala la IA como determinante de la dinámica del empleo y los salarios futuros. Toman el Desarrollo Tecnológico (DT), como un proceso innato, necesario al crecimiento económico y lo asumen neutro al tipo de modelo y las políticas para impulsarlo. Aceptar la neutralidad del DT ignora que se reparte disímilmente entre sectores y genera desigual dinámica sectorial y disímil crecimiento de la productividad y brechas distributivas. Equivale a admitir que el desempleo y la desigualdad económica son efectos fatales, no relacionados con las políticas para reducir los costos de producción, alterar los precios relativos del capital y el trabajo, la función de producción y el tamaño y dinamismo de la demanda agregada. El desplazamiento del trabajo por el capital no ocurriría si pari passu con los estímulos a las tecnologías se alentaran incrementos del producto iguales a la productividad y los salarios se vincularan a ésta.

Una de las primeras hipótesis (skill-biased technological change) asumía que el DT incrementaría los trabajos de mayor calificación y mejor retribuidos, en detrimento de los demás. Para otra, el DT reduce el costo capital, eleva la intensidad del capital y la demanda de trabajo calificado (capital–skill complementarity). Hoy se examina cómo la revolución digital reemplaza trabajadores de calificación media que ejecutan tareas rutinarias, codificables (routine-biased technological change). Todos constatan polarización del empleo, merma de empleos de media calificación y medio ingreso5 y creciente participación de empleos en los extremos bajo y alto.6

La Tabla 1, ilustra los resultados de la exploración del impacto en el trabajo en América Latina.

Tabla 1. Categorías CIOU-08 según posibilidad de
automatización y nivel de calificación

CIUO-08

Nivel de calificación y salario

Posibilidad de automatización

1. Directores y gerentes

Alto

Bajo

2. Profesionales científicos e intelectuales

Alto

Bajo

3. Técnicos y profesionales de nivel medio

Alto y medio

Bajo

4. Personal de apoyo administrativo

Medio

Alto

5. Trabajadores de los servicios y vendedores de comercios y mercados

Bajo

Bajo

6. Agricultores y trabajadores calificados agropecuarios, forestales y pesqueros

Bajo y medio

Bajo

7. Oficiales, operarios y artesanos de artes mecánicas y de otros oficios

Medio

Alto

8. Operadores de instalaciones y máquinas y ensambladores

Medio

Alto

9. Ocupaciones elementales

Bajo

Bajo

10. Ocupaciones militares

Bajo

X. No clasificados en otra parte

Bajo

Bajo

Elaboración propia, basados en Clasificación Internacional
Uniforme de Ocupaciones de 2008 (CIUO-08).7

Según estimaciones de la Organización Internacional del Trabajo (OIT), entre 1991 y 2018, ocurrieron cambios significativos en la composición de la ocupación8 en América Latina y el Caribe (ALyC) por tipo de trabajo desempeñado. Los cambios más amplios: la caída de la participación de la ocupación 7 y el crecimiento de la 5 (Gráfico 1). Son interesantes los contrastes en los cambios en ALyC respecto a América del Norte (AN) y Europa Occidental (EO) (Gráfico 1): AN y EO tienen una distribución ocupacional más equilibrada (sobre todo en 1991), mayor la participación de las ocupaciones 1, 2 y 3 (sobre todo en 2018) y menor peso de la categoría 7, la más robotizable.

Gráfico 1. Distribución del empleo según ocupación por región (%)

Elaboración propia con base en OIT, 2019.

Si bien en las 3 regiones se profundizó la polarización laboral entre 1991 y 2018, los cambios importantes en el caso de ALyC se registraron a la baja en la ocupación 7 y al alza en las ocupaciones 5 y 2, mientras que el resto de las ocupaciones presentaron en 2018 niveles de participación casi similares a los de 1991 (ver Gráfico 2). Llama la atención que, a diferencia de AN y EO, en ALyC no se presentaron caídas en la participación de las ocupaciones 4 y 8, atribuible a baja penetración de tecnología sustitutiva de trabajo a relocalización del empleo a la maquila.

Gráfico 2. Cambio en la participación porcentual de la ocupación, 1991-2018 (puntos porcentuales).

 

Fuente, como en Gráfico 1.

En efecto, la relocalización de los empleos, efecto del DT se vincula con la apertura de las cuentas comercial y de capital que impulsaron las tareas rutinarias, realizables en cualquier localización y por trabajadores menos calificados y a salario bajos, (autor, 2010).9 Es asumible que la reducción de la 4 y 8 en AN y EO resultara de la automatización y por relocalización a países en desarrollo, como ALyC, y pudieron estabilizar las ocupaciones 4 y 8 en la región.

Los cambios por país (Gráfico 3), sugieren que, en 1991, Argentina, Brasil, Chile, Colombia y México tuvieron mayor ocupación en la actividad 6, y a pesar de que ésta disminuyó considerablemente durante el periodo 1991-2018, en 2018 siguió su predominio (excepto en Argentina). Brasil, Chile, Colombia y México registraron un crecimiento importante en la participación en la ocupación 5, que se consolidó como la segunda más amplia en 2018.

Gráfico 3. Distribución del empleo según ocupación por país (%)

Elaboración propia con base en OIT, 2019.

Muchos trabajos anuncian grandes cambios ocupacionales alrededor del mundo, en base a los avances en Aprendizaje Automático (Machine Learning, ML), que incluye Minería de Datos, Visión Artificial, Estadística Computacional, Robótica Móvil (Mobile Robotics, MR). En efecto, en una o dos décadas un 47% del empleo actual en Estados Unidos, podría reemplazarse, elevando la polarización salarial y la desigualdad. Hacia el 2055, sería automatizado al menos el 30% de las tareas en 60% del total de ocupaciones en la OCDE y en Estados Unidos, según McKinsey Global Institute (2017); y el Boston Consulting Group predice que para 2025, el 25% del empleo sería reemplazado por software inteligente o robots en el Reino Unido. No obstante, algunos efectos de la digitalización ya agravan la precarización del empleo: en efecto “los sitios web de trabajo en plataformas de micro-tareas y el trabajo con aplicaciones de la economía de plataformas podrían recrear prácticas laborales que se remontan al siglo XIX y futuras generaciones de «jornaleros digitales»” (OIT, 2019b, pág. 18). Lo cual demanda garantizar plena protección social y derechos laborales.

Arntz et al (2016) consideran que se tiende a sobreestimar la posibilidad de automatización de los trabajos al suponer que el conjunto de actividades de un empleo y no actividades concretas son sustituibles, tampoco ciertas cualidades del trabajo, por ejemplo, las habilidades de comunicación e inteligencia emocional, (robot-proof skills), ausente en los robots, como límite de la sustitución del trabajo. Se asume que esas cualidades definidas históricamente como femeninas se desarrollarán, elevando la participación laboral femenina, el producto y los ingresos. Dado el cambio etario en los países desarrollados, la mano de obra femenina en los en desarrollo, supliría la demanda en actividades del cuidado. Dada la heterógenea estructura económica de los países, el margen de sustitución es variado, por lo que se imponen análisis finos según los contextos particulares. Para países en desarrollo, como ALyC, por los costos de la tecnología de punta, la velocidad de la penetración del DT es más limitada que en la OCDE.

Por todo lo anterior, se enfatiza la urgencia de tasar la IA en función de la naturaleza socializante del trabajo y del ser humano y de las connotaciones morales de ésta y no restringirla a los factores cuantitativos del crecimiento y, en aras de la competitividad empresarial, aceptar prima facie, cualquier tecnología que reduzca costos productivos.

* Alicia Puyana es doctora en economía por la U. de Oxford y profesora investigadora de Flacso, México.

Agradezco a Mónica Santillán, Doctora en Economía por la UNAM su valiosa asistencia, sin la cual este trabajo no hubiera visto luz. Las omisiones y errores son mi responsabilidad exclusiva.

Bibliografía

Arntz, M., Gregory, T., & Zierahn, U. (2016). The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis. Paris: OECD Social, Employment and Migration Working Papers, No. 189.

Autor, D. (2010). The Polarization of Job Opportunities in the U.S. Labor Market. The Center for American Progress and The Hamilton Project.

Bourdieu, Pierre (1996), “La double vérité du travail”. En: Pierre Bourdieu (dir.), “Les nouvelles formes de domination au travail. Actes de la recherche en sciences sociales, vol. 114.

Goos, M., Manning, A., & Salomons, A. (2009). Job Polarization in Europe. American Economic Review: Papers & Proceedings, 99(2), 58-63.

Herrera, M, Cruz, A., Jaspeado, R (2019), “México: Estructura salarial y desigualdad. Trayectoria durante 1987-2015”, en Puyana, A. y Rojas, M, Editores. (2019) Desigualdad y deterioro de las condiciones laborales. Un círculo vicioso en América Latina, FLACSO, México en imprenta

OIT. (2019). ILOSTAT Database.

OIT. (2019b). Trabajar para un futuro más prometedor. Ginebra.

1 Diseñada en 1950, parte de la imposibilidad de diferenciar entre entidades inteligentes indiscutibles y seres humanos.

2 Basado en Will a robot take your job? https://www.bbc.com/news/technology-34066941

3 En Dongguan (China), 505 fábricas han reemplazado con robots unos 30,000 trabajadores.

4 Varios hospitales en Estados Unidos usan Watson, la supercomputadora de IBM, para diagnosticar y tratar diferentes tipos de cáncer y con Visión (un software), detectan tempranamente el cáncer de piel y realizan ciertas cirugías. Shakr Makr es un barra robot desarrollado en el MIT, que hace de Barman y prepara cocktails al gusto eliminando las ofertas rígidas.

5 Los que realizan trabajos administrativos, contables, obreros de calificación media.

6 Según Autor [CITATION Aut10 \n \t \l 2058 ] en USA en el aumento de la polarización del empleo las décadas de 1990’s y 2000’s atribuible a la automatización de la producción, mientras Goos, et al. [CITATION Goo09 \n \t \l 2058 ] encontraron evidencia de que la tecnología profundizó la polarización del empleo en 16 economías europeas entre 1993 y 2006. Herrera, M et al (2019), encontraron los mismos efectos en México.

7 La CIUO no arroja ni la calificación ni el salario de cada ocupación, sí permite clasificarlas para este ensayo.

8 Las personas en ocupación, o personas ocupadas, aquellas en edad de trabajar que, durante un período corto, realizaban alguna actividad productiva o de servicios por remuneración o beneficios. Las personas ocupadas son las ocupadas y «trabajando», que laboraron al menos una hora, y ocupadas pero «sin trabajar» debido a una ausencia temporal o por disposiciones sobre el ordenamiento del tiempo de trabajo (trabajo en turnos, horarios flexibles y licencias compensatorias por horas extraordinarias) [ CITATION OIT19 \l 2058 ].

9 Por ejemplo, empleos de procesamiento de facturas, data entry, declaraciones de impuestos y tareas de ensamblaje.

* Artículo publicado en la Revista América Latina en Movimiento Nuevas pistas de la economía mundial 13/03/2019

https://www.alainet.org/es/articulo/198957


VOLVER
También podría gustarte