Por Sally-Anne Stewart Directora de Comunicaciones y Medios, Oxford Martin School En septiembre de 2013, el economista Dr. Carl Benedikt Frey y el profesor de aprendizaje automático Michael Osborne. publicó un artículo que hacía una predicción sorprendente sobre el futuro del trabajo: que casi la mitad de todos los empleos estadounidenses estaban en riesgo de automatización. Esa investigación condujo al Programa Oxford Martin sobre el futuro del trabajo, establecido con el apoyo de Citi, que se propuso analizar cómo la tecnología está transformando las empresas. e industrias, cómo y por qué este impacto difiere geográficamente, y cuáles son las implicaciones para los niveles de vida, la desigualdad y la movilidad social. "Estamos intentando comprender la historia y el futuro de la automatización del trabajo", afirma el Dr. Frey. “Desestimar la amenaza de la automatización es entender mal la historia. Incluso si el futuro es un reflejo del pasado, seguirán existiendo dolorosos períodos de ajuste, algo para lo que las sociedades deberán estar preparadas. “Hoy se puede ver que hay una fragmentación en la sociedad, con ciudades tecnológicas que están prosperando y antiguos centros de fabricación, como Detroit, donde la automatización ha contribuido al declive. Cuando eso sucede, el panorama laboral en general se ve afectado y las industrias de servicios se ven afectadas. En las áreas que se ven gravemente afectadas, se termina con un aumento de la delincuencia, malos resultados de salud y altas tasas de ruptura matrimonial. La gente de esas comunidades no se siente tan optimista sobre el futuro y hemos visto que esto conduce a un cambio hacia el voto por candidatos políticos populistas”. Hasta ahora todo es sombrío. Y en lo que respecta a las capacidades de la tecnología, afirma el Dr. Frey, todavía no hemos visto nada. “La automatización ya no se limita únicamente a actividades simples basadas en reglas. En la era del aprendizaje automático podemos enseñar a las computadoras a aprovechar nuestra experiencia y nuestros datos; así es como los algoritmos están mejorando en una amplia variedad de ámbitos, ya sea en trabajos de traducción, diagnósticos médicos o incluso en la conducción de un coche”. Retrocedamos a ese estudio de 2013 y echemos un vistazo a cómo exactamente llegaron Frey y Osborne a sus conclusiones. ‘El futuro del empleo: ¿Cuán susceptibles son los empleos a la informatización?’ fue el primer estudio que puso una cifra sobre el riesgo futuro que la automatización representaría para los empleos. El debate sobre las máquinas que quitan empleos ya era intenso, y los economistas lo señalaban como una posible razón del aumento de las tasas de desempleo. Numerosos estudios ya habían confirmado el hecho de que los trabajos rutinarios intensivos, compuestos principalmente por tareas que seguían procedimientos bien definidos, estaban siendo reemplazados en gran número por el uso de algoritmos sofisticados. Lo que Frey y Osborne querían hacer era evaluar el impacto potencial de la automatización en las próximas décadas. Su enfoque fue crear un algoritmo que pudiera analizar la Red de Información Ocupacional (O*Net), una base de datos en línea de EE. UU. que, a través de encuestas a la población activa, ha recopilado unas 20.000 descripciones de tareas únicas, junto con datos sobre las habilidades, conocimientos y habilidades requeridas por diferentes ocupaciones. Además de las tareas relacionadas con un puesto, la base de datos también enumera otras características de los puestos de trabajo, como la interacción cara a cara con los clientes, la negociación, el desarrollo de nuevas ideas y el manejo de artefactos. Reunieron a un grupo de expertos en aprendizaje automático para proporcionar un "conjunto de datos de entrenamiento" para el algoritmo, de modo que pudiera aprender sobre las características de los trabajos automatizables y no automatizables. En total, el análisis cubrió 702 ocupaciones, que en ese momento representaban el 97% de la fuerza laboral estadounidense. La cruda cifra resultante –que el 47% de los empleos estaban en riesgo– resultó ser un momento decisivo en el debate: estaba claro que el panorama laboral tal como lo conocemos estaba maduro para un cambio radical, con grandes sectores del mercado laboral vulnerables a la absorción. por máquinas inteligentes. “Lo que tenían en común los empleos que surgieron como relativamente fáciles de automatizar era que tendían a ser empleos poco calificados y de bajos ingresos”, dice el Dr. Frey. “Pero cuando miramos las industrias en crecimiento, muchos de los nuevos empleos que se crean son empleos altamente calificados y de altos ingresos. Por lo tanto, vamos a necesitar una reasignación muy significativa de la fuerza laboral de ámbitos poco cualificados a ámbitos altamente cualificados, y la educación habrá desempeñado un papel importante a la hora de ayudar a las personas a realizar la transición entre esos puestos de trabajo”. Además de invertir en educación y recapacitación, es posible que los gobiernos tengan que considerar la posibilidad de ampliar la oferta de viviendas en las ciudades y sus alrededores, ya que es allí donde tienden a producirse los auges de empleo impulsados ​​por las nuevas tecnologías, dice el Dr. Frey. Está interesado en señalar que muchas funciones del sector de servicios seguirán teniendo una gran demanda, especialmente a medida que las sociedades se vuelvan más ricas, creando nuevas oportunidades para los trabajadores desplazados: “No parece haber ningún límite cuando se trata del surgimiento de nuevos trabajadores”. servicios personales. Piense en el crecimiento de la demanda de instructores de yoga o fitness. Los roles tradicionales, como los de maestros de jardín de infantes o enfermeras, seguirán teniendo demanda; estos roles pueden no estar bien remunerados, pero aun así requieren una multitud de habilidades interpersonales, como inteligencia social, percepción y manipulación. Éstas son áreas en las que los humanos todavía tienen ventaja”. La investigación del programa ha continuado examinando cuestiones de tecnología y trabajo desde una variedad de perspectivas, incluido el impacto de la revolución informática en la suerte de las ciudades< a i=2>, los cambios en los empleos y salarios provocados por la llegada de la economía colaborativa, y la efecto que la automatización laboral pudo haber tenido en los resultados de las elecciones presidenciales de EE. UU. de 2016. “Si la gente quiere entender por qué tres estados indecisos clave en las elecciones presidenciales estadounidenses de 2016 –Wisconsin, Pensilvania y Michigan– terminaron siendo ganados por Donald Trump, entonces la evidencia sugiere que el traslado de mano de obra a robots tiene un papel importante en la explicación de eso”, dice el Dr. Frey. “Podemos ver episodios similares de agitación política si miramos hacia atrás en la historia, donde la tecnología no ha sido sólo un motor de cambio económico, sino también un motor muy profundo de cambio social. “Creo que es importante recordar que el período que comenzó con la construcción de las primeras fábricas y terminó con la construcción de los ferrocarriles también terminó con la publicación del Manifiesto Comunista. Mientras muchos se maravillaban ante el progreso tecnológico de principios del siglo XIX, Engels argumentaba que la maquinaria servía simplemente para reducir los salarios de los trabajadores o privarlos de sus empleos por completo. “El hecho es que este tipo de transiciones nunca serán indoloras y es importante intentar implementar las políticas adecuadas para ayudar a gestionar la transición. Existe una contrapartida inherente: algunos saldrán perdiendo en el corto plazo. Pero la próxima generación siempre ha estado en mejor situación”. Cuando se trata de sociedades preparadas para el futuro, está claro que la educación es clave. Pero el Dr. Frey dice que debemos pensar creativamente al respecto. “En una carrera típica, por ejemplo, te matriculas por tres años, pero cuánto aprendes al final depende básicamente de ti. Creo que necesitamos cambiar ese modelo para que el aprendizaje sea fijo, pero el tiempo sea variable. De esa manera las personas podrían completar sus carreras a diferentes velocidades, según les convenga. “En segundo lugar, creo que debemos analizar cómo enseñamos y cómo eso prepara a los jóvenes para el mundo laboral. Si las interacciones sociales complejas y la creatividad son las cosas más difíciles de automatizar, entonces deberíamos centrarnos en esas cosas en las escuelas. Probablemente podamos automatizar parte de la enseñanza básica porque la IA ahora puede cumplir el papel de tutor interactivo, hasta cierto punto. Pero deberíamos complementar esto con algo similar a los sistemas tutoriales: enseñar a los niños en grupos más pequeños, escribir ensayos, realizar debates y discusiones. Esto fomentaría las habilidades sociales y el pensamiento creativo, los ámbitos en los que los seres humanos tendrán ventaja comparativa en el futuro”.