Estamos todos despedidos... o no

Nadie sabe cuántos puestos de trabajo se 'automatizarán'. Signifique eso lo que signifique.

Una cosa que he aprendido en los años que llevo escribiendo sobre economía y tecnología es que es prácticamente imposible conseguir que la gente piense en este tema en términos que no sean la pérdida de puestos de trabajo. El ‘modelo popular’ de la automatización es que deja a los seres humanos sin trabajo: hoy tenías un empleo que realizaba algún tipo de trabajo valioso, y mañana estás en las listas del paro, o como fijo discontinuo, o como lo quieran llamar para que sea menos ‘quita votos’. No es así como han funcionado las cosas en el pasado: hemos estado desplegando tecnología de automatización durante siglos y, a partir de 2023, prácticamente todos los humanos que quieren un trabajo lo tienen (si lo estás leyendo desde España sí, estamos en el podium en desempleo y desempleo joven… y no es por culpa de robots, inteligencias artificial… algún día tocará hablar de ello). Pero básicamente no hay forma de hacer creer a la gente que esta próxima ola de automatización será la que finalmente envíe a los humanos a la obsolescencia… o no.

Esos temores se ven amplificados por un desfile interminable e incesante de titulares en los medios de comunicación que declaran que un gran porcentaje de los puestos de trabajo son ‘vulnerables a la automatización’ o ‘se perderán a causa de la automatización’. Por ejemplo, aquí está Alex Banks tuiteando sobre un reciente informe de Goldman Sachs:

Aquí está Inside.com, informando sobre el mismo estudio:

Pero, curiosamente y como suele ocurrir, el informe Goldman no dice nada de eso, como veremos dentro de un momento. De hecho, los investigadores que elaboran este tipo de informes han mejorado sustancialmente su lenguaje y metodología en los últimos años; los informes de los medios de comunicación simplemente no han reflejado el cambio positivo. Se ve que el titular ‘chungo’ siempre vende más.

Pero antes, repasemos brevemente la historia de este tipo de informes, porque…

… Ya hemos estado aquí antes:

A lo largo de los años ha habido un montón de estudios que afirman que el X% de los puestos de trabajo están en riesgo de automatización. Por ejemplo, aquí está esto de Vox (el medio, no el partido político español) en 2018:

[I]nvestigadores de Citibank y la Universidad de Oxford estimaron que el 57% de los empleos en los países de la OCDE -un grupo internacional de 36 naciones, incluido Estados Unidos- corrían un alto riesgo de automatización en las próximas décadas. En otro estudio muy citado, los investigadores de la OCDE calcularon que sólo el 14% de los empleos corrían un alto riesgo de automatización en el mismo plazo. Se trata de una horquilla muy amplia si se tiene en cuenta que supone una diferencia de cientos de millones de puestos de trabajo potencialmente perdidos en las próximas décadas.

También nos encontramos esto de PWC en 2016:

[L]a proporción estimada de empleos existentes con alto riesgo de automatización para principios de la década de 2030 varía significativamente según el país. Estas estimaciones oscilan entre solo alrededor del 20-25 % en algunas economías nórdicas y de Asia Oriental con niveles educativos medios relativamente altos, hasta más del 40 % en las economías de Europa del Este, donde la producción industrial, que tiende a ser más fácil de automatizar, sigue representando una parte relativamente alta del empleo total.

Aquí hay otro del World Economic Forum en 2016, que da una cifra de alrededor del 40%.

En otras palabras, hemos estado recibiendo advertencias sobre la pérdida masiva de puestos de trabajo por la automatización (o ‘vulnerabilidad’ a la automatización) desde mucho antes de que ChatGPT y sus primos aparecieran en escena. Han pasado entre cinco y siete años desde la última gran ronda de advertencias, pero en 2023, el porcentaje de estadounidenses en edad productiva con empleo es mayor que cuando se publicaron esos estudio… y muy cerca de máximos históricos:

Esto plantea una cuestión clave: ¿Qué significa que un trabajo esté automatizado?

¿Significa que un ser humano es sustituido por una máquina y pasa a engrosar las listas del paro?

¿Significa que un ser humano es sustituido por una máquina y consigue un trabajo similar en otra empresa?

¿Significa que un ser humano es sustituido por una máquina y se traslada a otro tipo de trabajo con el mismo empleador?

¿Significa que un ser humano es sustituido por una máquina y va y consigue otro tipo de trabajo en otra empresa?

¿Significa que una persona utiliza una máquina para realizar algunas de sus tareas y hace menos trabajo en general, pero conserva el mismo puesto de trabajo con la misma empresa?

¿Significa que una persona utiliza una máquina para realizar algunas de las tareas de su puesto de trabajo, al tiempo que asume nuevas tareas adicionales y conserva el mismo puesto?

¿Significa que un ser humano utiliza una máquina para realizar algunas de sus tareas laborales, al tiempo que asume otras nuevas y cambia su puesto de trabajo mientras permanece en la misma empresa?

... y así sucesivamente.

El caso es que ninguno de los estudios anteriores define con exactitud lo que significa que ‘un trabajo se automatice’, pero las diferencias entre las posibles definiciones tienen enormes consecuencias a la hora de decidir si debemos temer o abrazar la automatización. Si se le dice a un trabajador: ‘Vas a disponer de nuevas herramientas que te permitirán automatizar la parte aburrida de tu trabajo, ascender a un puesto de mayor responsabilidad y conseguir un aumento’, ¡es estupendo! Si le dices a un trabajador: ‘Vas a tener que aprender a hacer cosas nuevas y a utilizar herramientas nuevas en tu trabajo’, eso puede ser estresante, pero a fin de cuentas no es para tanto. Si le dices a un trabajador: ‘Vas a tener que pasar años reciclándote para una ocupación diferente, pero al final tu salario será el mismo’, eso es muy perturbador pero, en última instancia, se puede sobrellevar. Y si le dices a un trabajador: ‘Lo siento, estás obsoleto’, pues eso está muy muy mal.

De todos modos, los estudios no sólo no definen lo que significa que un trabajo sea automatizado, sino que ni siquiera intentan calcular el impacto agregado de esta automatización en el mercado laboral. Si la automatización destruye un puesto de trabajo y crea otros dos con salarios más elevados, es evidente que los trabajadores han salido ganando. Pero este tipo de estudio analizará ese resultado y sólo dirá que ‘se automatizó un puesto de trabajo’, lo que suena como una pérdida para los trabajadores.

Además, la forma en que estos estudios evalúan qué empleos corren el riesgo de ser ‘automatizados’ es muy sospechosa. Por ejemplo, echemos un vistazo a Frey & Osborne (2013), el documento que respalda el informe de Oxford/Citibank. Así es como decidieron si una ocupación era automatizable:

En primer lugar, junto con un grupo de investigadores de ML, etiquetamos subjetivamente a mano 70 ocupaciones, asignándoles un 1 si eran automatizables y un 0 si no lo eran... Nuestras asignaciones de etiquetas se basaron en la observación de las tareas de O∗NET y la descripción del trabajo de cada ocupación... El etiquetado a mano de las ocupaciones se realizó respondiendo a la pregunta "¿Pueden especificarse suficientemente las tareas de este trabajo, condicionadas a la disponibilidad de big data, para ser realizadas por equipos de última generación controlados por ordenador? Así, sólo asignamos un 1 a las ocupaciones totalmente automatizables, en las que consideramos que todas las tareas son automatizables. Hasta donde sabemos, hemos considerado la posibilidad de simplificar las tareas, lo que posiblemente permitiría automatizar algunas tareas que actualmente no son automatizables. Sólo se asignaron etiquetas a las ocupaciones sobre las que teníamos más confianza.

Básicamente, estos investigadores revisaron una base de datos de descripciones de puestos de trabajo y decidieron subjetivamente cuáles pensaban que podrían ser sustituidos por ordenadores. A continuación, comprobaron sus propias predicciones correlacionándolas con varios descriptores numéricos de la base de datos (por ejemplo, cuánta ‘destreza manual’ u ‘originalidad’ se dice que requiere un trabajo, en una escala de 3 puntos), y descubrieron que sus propias evaluaciones subjetivas se correlacionaban fuertemente con estos atributos.

Para ser francos, este parece un método bastante pobre para evaluar la automatizabilidad de los puestos de trabajo. En primer lugar, está claro que los autores tienen una hipótesis sobre qué tipos de trabajos son automatizables -básicamente, cosas que no requieren mucha originalidad, destreza manual o interacción humana- y luego básicamente asumen que esa hipótesis es cierta y clasifican los trabajos en consecuencia. Básicamente, se trata de que los humanos echen un vistazo a una descripción muy general de un trabajo cuyos detalles no entienden en absoluto y decidan si es el tipo de trabajo que creen que un ordenador podría sustituir.

La verdad, y con todos mis respetos, no creo que este tipo de metodología aporte mucho a nuestra comprensión de cómo afectará la automatización a los puestos de trabajo, ni específicamente ni en conjunto. Si la lista de tareas asociadas a cada puesto de trabajo en la base de datos no es realmente una descripción completa de lo que implica el puesto -si hay requisitos laborales sutiles que no figuran en el breve esbozo del Departamento de Trabajo-, entonces todo el análisis podría quedar desvirtuado. Por ejemplo, es probable que pocas descripciones de puestos de trabajo incluyan tareas como ‘masajear el ego de tu jefe para que no tome decisiones estúpidas que le hagan perder el tiempo’, y sin embargo, en realidad, esto es probablemente un componente importante de muchos puestos. Y también es algo que podría ser mucho más difícil de automatizar que, por ejemplo, ‘rellenar hojas de Excel’ o, como mínimo, requiere un tipo de automatización muy diferente. Los autores tampoco tienen en cuenta la posibilidad de que los trabajadores añadan nuevas tareas a sus puestos de trabajo cuando se automatizan las antiguas, por ejemplo, mantener un taladro en lugar de taladrar cosas a mano.

Además, esto me llamó la atención en el estudio:

El hecho de que sólo etiquetemos 70 de las 702 ocupaciones completas, seleccionando aquellas ocupaciones cuya etiqueta de informatización nos inspira gran confianza, reduce aún más el riesgo de que el sesgo subjetivo afecte a nuestro análisis.

¿Cómo es posible que descartar subjetivamente el 90% de los datos reduzca el ‘sesgo subjetivo’ en un análisis cuantitativo? Para mí no tiene ningún sentido. Pero bueno, estoy divagando.

La cuestión aquí es que predecir el impacto de la automatización en trabajos específicos es muy, muy difícil, especialmente cuando no se define realmente lo que significa que un trabajo sea ‘automatizado’, no se conocen los detalles de los trabajos en cuestión, y sólo se tienen algunas vagas conjeturas generales sobre lo que la automatización puede y no puede hacer. Por lo tanto, se pueden ignorar sin temor los informes que afirman que el 57%, el 40% o el 14% de los empleos son vulnerables a la automatización.

Afortunadamente, la reciente ronda de estudios ha mejorado mucho, tanto en objetivos como en metodología. Pero por desgracia, como decía antes, los titulares apocalípticos de los medios de comunicación no han mejorado de forma similar.

Mejores estudios, las mismas locuras mediáticas de siempre

Lo primero que han mejorado los estudios sobre la automatización del empleo es el objetivo de su investigación. Frey y Osborne (2013) trataron de evaluar qué empleos se automatizarían por completo, considerando cada puesto de trabajo como nada más que la suma de las tareas descritas en la base de datos del Gobierno. El estudio de Goldman Sachs no está disponible públicamente, pero esto es de un resumen que podemos encontrar en la web:

Analizando bases de datos que detallan el contenido de las tareas de más de 900 ocupaciones, nuestros economistas estiman que aproximadamente dos tercios de las ocupaciones estadounidenses están expuestas a cierto grado de automatización por la IA. Estiman además que, de esas ocupaciones expuestas, entre una cuarta parte y la mitad de su carga de trabajo podría ser sustituida. Pero no todo ese trabajo automatizado se traducirá en despidos, según el informe. "Aunque es probable que el impacto de la IA en el mercado laboral sea significativo, la mayoría de los empleos e industrias están sólo parcialmente expuestos a la automatización y, por tanto, es más probable que la IA los complemente en lugar de sustituirlos", escriben los autores.

En otras palabras, los investigadores de Goldman no afirman qué empleos tendrán todas sus tareas automatizadas, sino qué empleos tendrán al menos algunas de sus tareas automatizadas. Esta afirmación es mucho más sencilla.

Los investigadores de Goldman también reconocen que cuando sólo se automatizan algunas de las tareas de un trabajo, no significa necesariamente que vaya a haber despidos, y que la automatización a menudo acaba complementando el esfuerzo de un trabajador en lugar de sustituirlo. En otras palabras, reconocen la diferencia fundamental entre automatizar empleos y automatizar tareas.

Los autores del informe de Goldman Sachs también reconoce que las nuevas tecnologías conducen a la creación de nuevos tipos de empleo. De un resumen de AEI sobre el estudio de Goldman:

La tecnología puede sustituir algunas tareas, pero también puede hacernos más productivos en otras y crear nuevas tareas y nuevos empleos". GS cita una investigación según la cual "el 60% de los trabajadores de hoy están empleados en ocupaciones que no existían en 1940, lo que implica que más del 85% del crecimiento del empleo en los últimos 80 años se explica por la creación de nuevos puestos impulsada por la tecnología". La hipótesis operativa de GS aquí es que GenAI sustituirá al 7% del empleo actual en EE.UU., complementará al 63% y dejará al 30% sin afectar.

Ya véis, totalmente distinto a lo que vimos que interpretaban al principio de este artículo Banks, Inside.com, al igual que medios como Forbes, Antena 3 o Huffington Post. Banks dice que Goldman predice 300 millones de empleos perdidos, aunque Goldman predice específicamente que la mayor parte de la automatización no significará pérdida de empleos. Forbes dice que se ‘perderán o degradarán’ 300 millones de empleos y el Huffington post, que dice que ‘la IA podría reemplazar’ esa misma cantidad, aunque Goldman afirma que la inmensa mayoría de los puestos de trabajo se ‘complementarán’ en lugar de degradarse. E Inside.com afirma que Goldman dice que el 25% de los empleos están ‘en riesgo de sustitución’, aunque la cifra real de Goldman es del 7%. Mucha gente está tan acostumbrada a la narrativa de ‘los robots nos quitan el trabajo’ que informan de todos los resultados que ven a través de esa lente deformada y distorsionada.

Hay que reconocer que medios como Bloomberg y CNN interpretaron correctamente el estudio de Goldman. Pero claro, decir que ‘la IA aumentará la productividad laboral y obligará a un pequeño número de personas a buscar nuevos empleos’ no es el tipo de noticia que se viraliza en las redes sociales, mientras que ‘se perderán 300 millones de puestos de trabajo’ sí lo es. A la gente le encanta leer sobre el inminente apocalipsis, y es responsabilidad de los medios no complacer ese deseo. Somos así.

En cualquier caso, no puedo ver la metodología empleada en el estudio de Goldman, pero sí sé que los investigadores en general han mejorado la antigua metodología de ‘simplemente echa un vistazo a la descripción de un trabajo y decide si crees que un ordenador podría hacerlo’. Felten, Raj and Seamans (2018) desarrollaron un método más creíble. Todavía utilizaron evaluaciones subjetivas de expertos, pero lo que los expertos evaluaron fue si el progreso en diversas capacidades de IA se asignaría a todas las diversas capacidades humanas en la base de datos de empleos O*NET. Este método sigue siendo subjetivo, pero es subjetivo en cuanto a si la automatización afecta a un determinado trabajo en lugar de si lo sustituye. Eso es algo mucho más humilde de evaluar. Por otro lado, éstos, también han descubierto que estas evaluaciones predicen muy bien qué descripciones de puestos han sido revisadas por la Oficina de Estadísticas Laborales, en este caso de Estados Unidos, lo que significa que el puesto ha cambiado de alguna manera. Eso no prueba que la metodología sea perfecta, pero es una buena comprobación y un avance.

En un nuevo artículo de 2023, los autores utilizan este método para adivinar qué empleos se verán afectados por la nueva ola de IA Generativa. Al igual que el equipo de Goldman Sachs, se muestran muy centrados en sobre si el hecho de que tu trabajo se vea afectado por la IA es algo bueno o malo:

Uno podría imaginar que los teleoperadores humanos podrían beneficiarse del modelado del lenguaje utilizado para aumentar su trabajo. Por ejemplo, las respuestas de los clientes pueden introducirse en un motor de modelado del lenguaje en tiempo real y el teleoperador puede recibir rápidamente indicaciones relevantes y específicas para el cliente. También se podría imaginar que éstos fueran sustituidos por robots habilitados para el modelado del lenguaje. La posibilidad de que el modelado del lenguaje aumente o sustituya el trabajo de los teleoperadores humanos pone de relieve un aspecto de la medida AIOE: mide la ‘exposición’ a la IA, pero que esa exposición conduzca a un aumento o a una sustitución dependerá de las características específicas de cada ocupación.

Estudios como este se benefician de sus modestos objetivos. En lugar de decirnos quién será ‘automatizado’, nos dicen quién tiene más probabilidades de verse afectado por la automatización de alguna manera. Obviamente, a todos nos gustaría saber si será para bien o para mal. Pero la verdad es que nadie lo sabe todavía, y lo mejor es no ir de gurú por la vida y fingir que lo sabes.