Agosto de 1830, Kent, Inglaterra: un grupo de campesinos decide demandar mejores condiciones laborales de forma violenta. Entre los factores a los que responsabilizan de sus magras condiciones de trabajo se encuentra la introducción, desde finales del siglo XVIII, de las máquinas trilladoras, las cuales han reducido los trabajos disponibles en la comunidad. En protesta, destruyen las máquinas trilladoras de varias granjas, lo que marca el inicio de los disturbios del capitán Swing en Inglaterra.

1841, París, Francia: Cerca de un centenar de costureros asaltan el taller de Barthélemy Thimonnier, inventor y dueño de la patente de la máquina de coser francesa. El objetivo de los costureros es destruir las máquinas del taller para evitar que estas los desplacen de sus empleos.

Los dos episodios son una muestra de cómo la introducción de nuevas tecnologías en los procesos productivos puede traer consigo inestabilidad social, por la desaparición de empleos que ocasionan. No son historias que nos podamos dar el lujo de echar en el saco de cosas a olvidar, porque estamos en un momento similar al inicio del siglo XIX. Por un lado, hoy en día ciertas tareas cognitivas, usualmente consideradas no automatizables (dibujar, por ejemplo, hacer música o actuar en series y películas), ya pueden ser realizadas por un componente de inteligencia artificial; por el otro, el uso de robots en cada vez más labores manufactureras conlleva una reducción aún mayor del número de empleos intensivos en tareas manuales disponibles.

Este escenario nos debe obligar a plantearnos una pregunta: ¿quiénes están más expuestos a ver sus empleos desaparecer como consecuencia de la incorporación de las nuevas tecnologías a los procesos de producción? Este texto habla de los retos que enfrentamos tan solo para poder contestar esa pregunta.

Lo que necesitamos saber…
El primer paso es tener claro cómo la inteligencia artificial representa una competencia para el trabajo humano. Una forma de pensarlo es conceptualizar los distintos empleos como una serie de tareas que el o la trabajadora hacen. A partir de este enfoque, podemos analizar la factibilidad de que una tarea sea realizada por un robot o una inteligencia artificial o por una persona.

Las tareas se pueden clasificar según dos criterios. El primero define el tipo de actividades: manuales o cognitivas. El segundo se pregunta si las tareas pueden descomponerse en una serie de actividades más pequeñas y si son repetitivas o requieren más improvisación de quien las lleva a cabo. La combinación de ambos criterios genera cuatro categorías: actividades manuales repetitivas, actividades manuales no repetitivas, actividades cognitivas repetitivas y actividades cognitivas no repetitivas. ¿En cuáles nos sacan ventaja los robots y la inteligencia artificial? En las repetitivas, ya sean cognitivas o manuales; es decir, esta ventaja existe —en general— en cualquier actividad que pueda expresarse como una lista de tareas más pequeñas y cuando cada una se repite un número específico de veces (dicho de otra forma, cuando se pueden programar como un algoritmo). De ahí el shock que han provocado los modelos de lenguaje, como ChatGPT o DALL-E: nos han hecho ver que más actividades de las que pensábamos pueden ser descritas como un algoritmo replicable por una inteligencia artificial —incluso en casos que no habíamos considerado como tareas repetitivas, por ejemplo, “dibujar”.

Así, hay más factibilidad técnica de remplazar trabajadores en los empleos en que la mayor parte de las tareas son repetitivas —insisto, sean cognitivas o manuales—, pues esas ocupaciones involucran hacer cosas en que la inteligencia artificial y los robots son mejores que nosotros. Sin embargo —y es muy importante tener esto en cuenta—, la factibilidad económica de dicho remplazo es un punto aparte, que depende de otros factores, por ejemplo: que en el lugar de trabajo haya la infraestructura necesaria para introducir un robot o una inteligencia artificial, además de la comparación entre el costo de dicha introducción y el salario del trabajador o la trabajadora empleados. Si el costo del robot o de la inteligencia artificial es mayor que el salario, no existe un incentivo para desplazar al trabajador; si la relación es la inversa, entonces existe un incentivo para la sustitución.

Y no podemos…
A partir de este enfoque, ¿quiénes son las y los trabajadores mexicanos más expuestos a perder su empleo? A ciencia cierta, no lo sabemos. No tenemos respuesta porque no contamos con fuentes de información para hacer estimaciones precisas. En particular, necesitaríamos dos fuentes de información: un diccionario ocupacional específico para la economía mexicana y una encuesta a los establecimientos sobre las condiciones del mercado laboral.

Empecemos por el diccionario ocupacional, el cual describe el tipo de tareas de cada una de las ocupaciones existentes en un país. En Estados Unidos, el diccionario ocupacional es conocido como la Red de Información Ocupacional (Occupational Information Network, O*NET). Este tipo de fuente de datos no solo es útil para los investigadores, sino se puede utilizar para la orientación vocacional, pues provee información sobre qué tipo de actividades realizará el empleado y qué tipo de habilidades espera el empleador.

Construir un diccionario de estas características suena como una labor monumental, pero actualmente la Encuesta Nacional de Ocupación y Empleo ya recaba información sobre el tipo de ocupaciones a las que se dedican las personas en México. La diferencia es que, para la construcción del diccionario mexicano, se requeriría un cuestionario detallado sobre la clase de tareas que cada trabajo involucra, y además habría que actualizarlo con una periodicidad fija (cada cinco o diez años). Sin embargo, con esta información se podrían identificar las ocupaciones más intensivas en tareas repetitivas y, por lo tanto, más expuestas a ser remplazadas por la inteligencia artificial o por robots —por cierto, un diccionario ocupacional también nos permitiría estimar con mayor precisión la proporción de ocupaciones que se pueden hacer desde casa.

La segunda fuente de información necesaria es una encuesta en establecimientos sobre el empleo. Con ella, conseguiríamos información sobre las condiciones en los lugares de trabajo, en cuanto a disponibilidad de servicios (como la electricidad y el internet, entre otros) y respecto al tipo de equipo empleado en el proceso productivo de cada establecimiento. A partir de ello, podríamos estimar la factibilidad económica y técnica de la sustitución de trabajadores por las nuevas tecnologías, y obtendríamos una mejor imagen de la que podríamos conseguir al emplear solamente el diccionario ocupacional. Un beneficio adicional de esta encuesta es que podríamos conocer el número de vacantes que existe en cada establecimiento, dándonos más y mejor información sobre la situación del mercado laboral.

Si bien el Inegi ya levanta encuestas en establecimientos,* estas se centran en recabar información sobre las condiciones de producción, obviando las condiciones en las que se realizan las ocupaciones y el comportamiento de los establecimientos en el mercado laboral. Por lo tanto, se requiere, más bien, una encuesta similar a la Encuesta de Vacantes y Rotación Laboral (Job Openings and Labor Turnover Survey) de Estados Unidos, pero adecuada a las condiciones nacionales. Esto último es quizá lo más complejo debido a las características del sector informal de la economía mexicana, que incluye establecimientos que no son fijos.

Vale la pena mencionar que este déficit de fuentes de información no es exclusivo de México, sino que afecta por lo menos a toda América Latina, lo que se evidenció en 2020, cuando muchos investigadores tratamos de estimar la proporción de ocupaciones que podían realizarse a distancia durante el encierro por la pandemia. La estrategia que varios seguimos fue suponer que las ocupaciones, por ejemplo, en México, implicaban las mismas tareas que en Estados Unidos. Así logramos identificar las que se podían hacer desde casa y cuántos trabajadores estaban empleados en ellas. Esta aproximación, si bien permite hacer el cálculo, nos lleva a suponer que las ocupaciones tienen las mismas características en un país en desarrollo, como México, y en otro que está en la frontera tecnológica, como Estados Unidos. Se trata de un supuesto demasiado fuerte, pues las condiciones de trabajo, en cuanto a las actividades desempeñadas, no son las mismas en ambos países respecto a múltiples ocupaciones. Con todo, es la mejor aproximación que podemos hacer dada la restricción de datos en México. Algo similar ocurre si queremos contestar la pregunta del inicio de esta sección: ¿quiénes corren más riesgo de ser sustituidos por los robots y la inteligencia artificial?

Pero podemos aproximar
Al día de hoy, se han publicado cinco estudios que buscan responder esta pregunta, tratando de sobrepasar los límites que impone la falta de un diccionario ocupacional mexicano y de una encuesta a los establecimientos. Tres emplean directa o indirectamente las probabilidades de automatización estimadas por el economista Carl Benedikt Frey y el experto en aprendizaje computacional automático (machine learning) Michael Osborne.

La motivación de su artículo fue estimar la probabilidad de que una ocupación pueda ser remplazada por un robot o una inteligencia artificial. Para estimar dicha probabilidad, los autores consideraron el número de cuellos de botella que retrasan la automatización y que están presentes en un tipo de trabajo determinado. Un cuello de botella es una habilidad o un conjunto de habilidades que, hasta el 2013, habían sido imposibles de computarizar o automatizar. El ejemplo más claro es la inteligencia social o emocional: las actividades que las requieren en gran medida no pueden ser asumidas por un robot o una inteligencia artificial; por lo mismo, las ocupaciones que las involucran están menos expuestas a la automatización.

Para identificar la presencia de estos cuellos de botella, de nuevo, se necesita información detallada sobre el tipo de actividades de cada ocupación. Para conseguirla, los autores utilizaron la información de O*NET, lo que implica que sus probabilidades de automatización se basaron en las características de los procesos productivos en Estados Unidos, en particular, en el tipo de actividades que allá se realizan en cada trabajo. Esto no es necesariamente un problema si se comparan países con niveles de ingreso y difusión del desarrollo tecnológico similares a los de Estados Unidos, e incluso se podría considerar que existen sectores en las economías con menores niveles de ingreso que utilizan técnicas de producción muy similares a las estadounidenses, para las cuales las probabilidades de Frey y Osborne son relevantes.

Sin embargo, una característica de las economías en desarrollo, y en particular de la mexicana, es la heterogeneidad de los procesos productivos tanto entre sectores como al interior de cada sector. Dicho de otro modo, en las ocupaciones de México se hacen tareas que no son iguales a las que se realizan en Estados Unidos. Así, usar las probabilidades de automatización de Frey y Osborne supone que los procesos productivos en México son idénticos, o al menos muy similares, a los de Estados Unidos, lo que introduce un grado de incertidumbre sobre la capacidad de aplicarlas en nuestra economía.

Con esto en mente, volvemos a la pregunta inicial: ¿quiénes son las y los trabajadores mexicanos más expuestos a perder su empleo a causa de la introducción de la inteligencia artificial o de un robot?

Los economistas de la UNAM Isaac Minian y Ángel Martínez Monroy utilizaron las probabilidades de Frey y Osborne para calcular el porcentaje de empleos en 2016 que tenían una alta probabilidad (mayor al 70%) de automatizarse con la tecnología existente en 2013. Encontraron que cerca del 63% de los empleos en México en el tercer trimestre de 2016 tenían una alta probabilidad de que eso les ocurriera. Por su parte, un trío de economistas del Banco de México (Cebreros, Heffner-Rodríguez, Puggioni) y otro del MIT (Livas) estimaron un porcentaje similar (del 65%), pero tomaron como referencia la estructura ocupacional promedio de 2006-2007. El 69% de los puestos de trabajo ocupados por hombres se encuentra en riesgo de ser automatizado, mientras que para las mujeres el porcentaje es 59%. Los autores hallaron que los tipos de trabajo con mayor riesgo de automatización son aquellos desempeñados en su mayoría por empleados y empleadas con bajo nivel educativo; los de menor riesgo son los trabajos ocupados por personas con posgrado.

El riesgo de automatización tampoco está distribuido de forma homogénea entre los sectores de la economía. Tanto el estudio de ProMéxico como el de Minian y Martínez Monroy analizan a detalle la situación a la que se enfrentará el sector manufacturero. Esas ocupaciones —por ejemplo, la producción de muebles y de prendas de vestir— están particularmente expuestas al remplazo tecnológico: el 80% del total de empleos en dichos sectores se ubican en la categoría de alto riesgo. De manera general, los operadores de maquinaria, los ensambladores y los transportistas se dedican a las ocupaciones con mayor factibilidad técnica de ser remplazadas.

Fotografía de CFOTO/REUTERS. Los robots industriales trabajan en una línea de envasado de toallitas húmedas en la fábrica inteligente de una empresa de cosméticos en la ciudad de Huzhou, provincia de Zhejiang, China, el 17 de julio de 2023. En los últimos años, la empresa ha aplicado nuevas tecnologías de la información como Internet de las cosas, inteligencia artificial, almacenamiento inteligente y 5G para construir una nueva fábrica inteligente, digital y automatizada. Las toallitas de gama alta y diferenciadas se exportan a casi ochenta países en Estados Unidos, Europa y Japón.

A diferencia de los estudios anteriores, el que hizo el Instituto Global McKinsey no se basa en el de Frey y Osborne. Por un lado, los investigadores hicieron sus propias estimaciones —también basadas en O*NET— sobre la factibilidad técnica de la sustitución, pero las ajustaron para considerar la factibilidad económica. Este criterio de ajuste compara el costo de hacer cambios para resolver los cuellos de botella técnicos con el sueldo promedio de cada tipo de trabajo. Mientras el costo sea mayor respecto al salario, menor es la factibilidad económica del remplazo.

Estas estimaciones fueron usadas por los economistas Minerva Ramos, Jorge Garza Rodríguez y Damián Gibaja Romero para calcular la proporción de empleos en riesgo de automatización. Los resultados de este estudio son diametralmente opuestos a los anteriores, pues solo 8% de la población ocupada se encuentra en empleos con una probabilidad alta o muy alta de ser automatizados. La marcada diferencia se debe a que las probabilidades que usó este estudio consideran la factibilidad económica, y los otros no lo hacen: esa factibilidad depende, en parte, del nivel de los salarios, que en México son bajos si se les compara con el costo de desatorar los cuellos de botella e introducir robots e inteligencia artificial.

Esto último es algo que debemos tener en cuenta. Conforme siga el desarrollo de robots y de la inteligencia artificial, el costo de su introducción en los procesos productivos se irá reduciendo. Con el tiempo, la factibilidad económica se alcanzará en la mayoría de los casos, haciendo que la exposición al riesgo de automatización corresponda únicamente al de la factibilidad técnica.

Si bien, como señalan los autores del Instituto McKinsey, la introducción de las nuevas tecnologías derivará en ganancias sustanciales en cuanto a la productividad, atenuar los efectos sociales negativos del desplazamiento masivo de los trabajadores debe ser una prioridad de política pública. Las lecciones de otras revoluciones tecnológicas nos advierten que esos costos sociales no son triviales (los ejemplos de protesta y sabotaje al inicio de este texto son muestra de ello), y tampoco es algo que el mercado, por sí mismo, pueda resolver. El primer paso para formular estas políticas es contar con fuentes de información apropiadas para las condiciones de la economía mexicana… y ya vamos tarde en su construcción.

* Estas encuestas tienen dos versiones, una mensual (la Encuesta Mensual de la Industria Manufacturera, la Encuesta Mensual sobre Empresas Comerciales, la Encuesta Nacional de Empresas Constructoras y la Encuesta Mensual de Servicios) y otra anual (la Encuesta Anual de la Industria Manufacturera, la Encuesta Anual del Comercio, la Encuesta Anual de Empresas Constructoras, la Encuesta Anual de Servicios Privados no Financieros y la Encuesta Anual de Transporte). Todas están pensadas para conocer las características del sector correspondiente en términos de su nivel de producto, empleo, remuneraciones y consumo de insumos, entre otras; no están diseñadas para capturar el comportamiento de los establecimientos en el mercado laboral.

** Un ejemplo son los procesos de cambio estructural ligados a la apertura comercial o a la aparición de nuevos competidores internacionales. El caso más estudiado es el de Estados Unidos y el “choque chino”, que llevó a una reconfiguración de los mercados laborales locales con efectos negativos en salarios y empleos. A la vez, esto se relaciona con el surgimiento de políticos como Donald Trump.