El pasado miércoles 21 de febrero, un grupo de socias de AMMDE se dio cita en la Embajada de EEUU para asistir a la charla del investigador del MIT Seth G. Benzell. Aquí ofrecemos un resumen de las interesantes y sugestivas ideas que Benzell compartió en relación al impacto de las nuevas tecnologías en el empleo y los salarios.
Los gobiernos, las empresas y los trabajadores se enfrentan a los retos que plantea el desarrollo tecnológico, que ha supuesto grandes transformaciones en la macroeconomía durante los últimos 30 años. Estos desafíos se engloban en tres grandes tendencias:
- El decrecimiento del número de empleos y la bajada de salarios.
- La polarización de las capacidades.
- La economía de las superestrellas.
Uno de los índices más empleados en macroeconomía es el PIB. Entre otras cosas, indica lo que se paga a los trabajadores frente a lo que se paga por el capital. En EEUU esta relación estaba en el 66/66,7%, y desde los años 80 ha bajado en varios puntos porcentuales. En España también ha ocurrido, lo que indica que los trabajadores tienen una parte menor de PIB.
En cuanto al decrecimiento del empleo y la remuneración, las nuevas tecnologías están teniendo un impacto claro, ya que todas las tareas susceptibles de ser automatizadas (producción en cadena en las fábricas, gestión de documentos, etc.), de hecho se automatizan. Hay que diferenciar entre los trabajos de competencias medias (cuya remuneración baja) y los de competencias altas (que se pagan cada vez más).
Por otro lado, en la dinámica actual de los mercados, el ganador lo gana todo. Los super ricos, y super super ricos, lo son cada vez más. Se da una concentración industrial de las empresas, las más grandes tienen la mayor parte del mercado, y son muy rentables. Un ejemplo son las plataformas digitales. Con muy poco capital y pocos empleados, sin embargo su valor de cotización es enorme. Estas empresas son acaparadoras de capital, son monopolios naturales.
Las tecnologías que están incidiendo en esta metamorfosis global tienen que ver sobre todo con el aprendizaje por parte de las máquinas (machine learning), el aprendizaje profundo (deep learning) y las redes neuronales artificiales.
Al principio los ordenadores solucionaban problemas rutinarios y rudimentarios. Esto llegó a un punto de inflexión, a lo que se conoce como la “Paradoja de Polanyi”, y que consiste en que “sabemos más de lo que podemos explicar”.
Para enseñar a una máquina, hay que darle instrucciones muy precisas, axiomas, reglas… para que entienda lo que es una silla, se le puede introducir información exhaustiva sobre para qué sirve, qué formas puede tener una silla, etc., pero no se le puede “explicar” que es una silla. Llega un momento en que, después de la introducción masiva de datos, hay que “dejar libre” a la máquina para que aprenda sola. En este sentido, ha sido un hito la reciente victoria de AlphaGo (una máquina diseñada por la empresa de inteligencia artificial DeeMind), sobre el campeón mundial de “go”, el surcoreano Lee Se-dol. En el machine learning hay dos enfoques. El aprendizaje por refuerzo y el aprendizaje inductivo (se utilizan ejemplos específicos para alcanzar conclusiones, hipótesis o modelos generales).
El deep learning o redes neuronales artificiales se usa sobre todo, en la actualidad, para crear herramientas de reconocimiento de imágenes.
Muchos programas de inteligencia artificial ya han salido de los laboratorios y la gente y las empresas los pueden usar, aun sin tener grandes conocimientos informáticos. Por ejemplo, los bancos a la hora de hacer predicciones.
En este punto nos podemos preguntar, ¿cuántos oficios o tipos de trabajo son idóneos para ser asumidos por las máquinas? Casi ningún trabajo es totalmente sustituible, pero no hay casi ningún trabajo que no tenga un componente susceptible de ser sustituido por una máquina.
Un ejemplo de trabajo muy “sustituible” sería el de autorizador de créditos. Y uno muy poco “sustituible” sería terapeuta masajista. En cuanto a trabajos muy bien remunerados que pueden ser fácilmente sustituibles estaría el de radiólogo, que consiste en interpretación de imágenes médicas. Se hizo una prueba, y un grupo de algoritmos fue mejor que un equipo de patólogos a la hora de interpretar radiografías.
Otro ejemplo de trabajo sería el de las empresas de entrega a domicilio. Pueden usar coches automatizados sin conductor. Pero una parte del trabajo consiste en coger la caja del camión, llamar al timbre y entregarla. Podría decirse que esta tarea tiene, por ejemplo, un 10% de componente humano. Que la empresa decida contratar a un humano o solucionar la parte humana no sustituible por otra alternativa, es algo que no sabemos.
En cuanto a las máquinas capaces de hacer arte, tenemos un programa que se llama “Deep Dream Generator”: toma una imagen y vuelve atrás en una red neuronal, generando unas imágenes que podrían llamarse psicodélicas.
¿Qué va a pasar con todo esto en el futuro? Echando una vista atrás, nos encontramos con fenómenos como el de los “luditas”. El ludismo fue un movimiento encabezado por artesanos ingleses en el siglo XIX, que protestaron entre los años 1811 y 1816 contra las nuevas máquinas que destruían el empleo. Los telares industriales, la máquina de hilar industrial y el telar industrial introducidos durante la Revolución Industrial amenazaban con reemplazar a los artesanos con trabajadores menos cualificados y que cobraban salarios más bajos, dejándoles sin trabajo. Aunque el origen del nombre ludita es confuso, una teoría popular es que el movimiento recibió su nombre a partir de Ned Ludd, un joven que supuestamente rompió dos telares en 1779, y cuyo nombre pasó a ser emblemático para los destructores de máquinas.
Los economistas creen que las nuevas tecnologías no destruirán el empleo. Puede ser que a corto plazo la demanda de empleo decrezca y los salarios se reduzcan. Pero a largo plazo se irá corrigiendo el desacoplamiento entre la desaparición de empleos tradicionales y el surgimiento de otros nuevos, que ni siquiera sabemos ahora en qué van a consistir.