Crecimiento inclusivo: las fuerzas del futuro
Según la OCDE, el crecimiento de una economía es inclusivo cuando se distribuye de manera equitativa entre la sociedad y crea oportunidades para todos. El concepto es complejo y requiere de un análisis detallado para poder determinar la evolución del crecimiento inclusivo, pero la creciente desigualdad de rentas en la mayoría de economías avanzadas ya nos adelanta que la tendencia no es precisamente favorable.
Para poder valorar mejor hasta qué punto el crecimiento económico de un país es inclusivo, el Foro Económico Mundial ha desarrollado un índice que tiene en cuenta, además de la desigualdad de rentas, otras variables indicativas del nivel de inclusión, como la esperanza de vida, los índices de pobreza o la ratio de dependencia. Aunque hay diferencias notables entre países, el mensaje final no es muy alentador: tras el deterioro que experimentó el índice durante la crisis económica, este apenas se ha recuperado en los últimos años. De hecho, la persistencia del deterioro de los índices de inclusividad del crecimiento en numerosos países alimenta los temores a que se haya entrado en una etapa de exclusión secular (veáse el gráfico adjunto).
Ante esta situación, no es de extrañar que el crecimiento inclusivo sea una de las prioridades en las agendas de la mayoría de instituciones internacionales. En las últimas décadas, varios factores se apuntan como los causantes del deterioro de la inclusividad del crecimiento, pero destacan, sobre todo, el cambio tecnológico y la globalización. Concretamente, de estos factores se cuestiona que, pudiendo mejorar la situación del conjunto de la población, sus beneficios y sus costes no se han repartido de forma justa o equitativa entre los distintos individuos. A la lista de factores también se añade la lenta adaptación de la regulación al nuevo contexto económico, lo que implica que haya notables asimetrías en el nivel regulatorio entre determinados sectores o ámbitos económicos.
El cambio tecnológico: de los ordenadores a la IA y el machine learning
La aparición de los ordenadores y la primera oleada de robotización de las plantas de producción favoreció enormemente el crecimiento económico, pero de una forma poco inclusiva. En concreto, en muchos países avanzados (como en EE. UU. o el Reino Unido) la brecha salarial entre los trabajadores con mayor nivel educativo (los «cualificados», según la jerga económica) frente a aquellos con menor nivel educativo (los «no cualificados») aumentó de forma considerable.1 Asimismo, los trabajadores con una educación más básica también sufrieron mayores tasas de desempleo. La robotización de las plantas manufactureras incidió de manera negativa en la demanda y en los salarios de los trabajadores con un nivel educativo relativamente bajo al ser las nuevas máquinas un buen sustituto de las tareas que realizaban. Por el contrario, los ordenadores aumentaron la productividad de los trabajadores con un mayor nivel educativo, lo cual repercutió también (de manera positiva) en sus salarios. En resumen, se trataba de cambios tecnológicos claramente sesgados a favor del trabajo cualificado y que perjudicaban, por tanto, a aquellos individuos cuyas rentas del trabajo quedaban en la parte baja de la distribución.
Las tecnologías del futuro (algunas ya del presente) también tendrán efectos sobre los trabajadores, aunque en esta ocasión no parece que el impacto vaya a estar tan ligado al nivel educativo de los individuos. Así, por ejemplo, la inteligencia artificial (IA) tiene el potencial de afectar a trabajadores muy distintos en su nivel de cualificación: desde los operarios telefónicos o los trabajadores que acompañan y ayudan a las personas mayores (a través del desarrollo de los chatbots, por ejemplo), hasta los taxistas, traductores o médicos (como los radiólogos). Sin ir más lejos, ya tenemos constancia de los primeros coches sin conductor, de programas que analizan imágenes médicas y qué duda hay de que los aplicativos de traducción son cada vez mejores.
En este sentido, algunos de los resultados a los que llegan el director del programa del MIT sobre Economía Digital, Erik Brynjolfsson, junto a otros coautores, sugieren que el fenómeno del aprendizaje automático (o machine learning) no generará de forma directa un aumento de la polarización, puesto que no existe una clara relación entre las ocupaciones que podrán ser más fácilmente reemplazadas por técnicas de machine learning y el nivel de salarios que tienen actualmente estos trabajos.2 Sin embargo, esta y las otras tecnologías que se están desarrollando sí que pueden acabar provocando la destrucción de muchos puestos de trabajo, aunque también pueden generar otros nuevos. En este sentido, un marco laboral que proteja a los trabajadores que pierdan su empleo y que les ayuden a reinsertarse con éxito en el mercado laboral será clave (véase el artículo «Políticas de empleo para un crecimiento inclusivo» en este mismo Dossier), así como unas políticas educativas que preparen a los trabajadores del futuro para los cambios que se avecinan (véase el artículo «La educación como palanca para el crecimiento inclusivo» en este mismo Dossier).
La visión desde los países emergentes es algo distinta, ya que en este caso se apunta a que las tecnologías de la información y comunicación tienen un elevado potencial de mejorar el nivel de inclusión. El motivo es que estas tecnologías ayudan de forma considerable a los trabajadores del sector primario, que son los que tienen un menor nivel de renta, a tener un mejor acceso a los mercados donde venden sus productos, lo que aumenta sustancialmente sus ingresos.3
Offshoring: de las manufacturas a los servicios y de vuelta a casa
En las últimas décadas, una de las caras más visibles de la globalización ha sido el aumento del offshoring (ya sea por la vía de la deslocalización o de la contratación externa), especialmente en el sector manufacturero. Y, de manera análoga a lo ocurrido con el cambio tecnológico sesgado en favor del trabajo cualificado, el offshoring manufacturero ha impulsado el crecimiento económico, pero lo ha tornado menos inclusivo. En concreto, en los países avanzados, numerosas empresas han seccionado su proceso de producción y han trasladado una parte a otras economías, principalmente emergentes, con la finalidad de aprovechar unos menores costes (en particular, laborales). Ello ha perjudicado especialmente a los trabajadores menos cualificados de los países desarrollados (en forma de menores salarios y mayores tasas de paro).4
Sin embargo, el offshoring del futuro puede tener también implicaciones distintas sobre el grado de inclusión del crecimiento económico. Según un estudio reciente de Branstetter, Glenon y Jensen, las empresas estadounidenses han aumentado de forma considerable el offshoring en I+D hacia países emergentes como la India o China. El motivo es la creciente relevancia de las tecnologías de la información y del software en el desarrollo de la innovación empresarial junto al incremento de especialistas en estos dos campos en los países emergentes.5 Estas dinámicas sugieren que el offshoring de servicios afectará a trabajadores más cualificados en mucha mayor medida que el de manufacturas.
Por otro lado, la fuerte caída del precio de los robots industriales6 es un elemento que podría comportar cierto reshoring (o vuelta a casa) de algunos de los procesos manufactureros que las empresas habían trasladado a países emergentes. Ello, sin duda, tendrá efectos positivos en el mercado laboral de los países avanzados, puesto que los robots necesitan de mantenimiento y reparación, entre otras tareas complementarias.
En definitiva, aunque el futuro es incierto, lo que parece claro es que la inteligencia artificial, el machine learning, la convivencia del offshoring de manufacturas con el de servicios y el posible reshoring influirán en el nivel de inclusión del crecimiento económico de una manera muy distinta a la del pasado. Y debemos estar preparados.
Clàudia Canals
CaixaBank Research
1. Véase Feenstra, R. C. y Gordon, H. (1999), «The Impact of Outsourcing and High-Technology Capital on Wages: Estimates for the United States, 1979-1990», The Quarterly Journal of Economics 114.3: 907-940. Y también Canals, C. (2006), «What Explains the Widening Wage Gap? Outsourcing vs. Technology», CaixaBank Research, Documentos de Trabajo.
2. Véase Brynjolfsson, E., Mitchell, T. y Rock, D. (2018), «What Can Machines Learn, and What Does It Mean for Occupations and the Economy?» AEA Papers and Proceedings, vol. 108.
3. El ejemplo del uso de teléfonos móviles por los pescadores de la región india de Kerala es uno de los casos más evidentes. Véase Jensen, R. (2007), «The Digital Provide: Information (Technology), Market Performance, and Welfare in the South Indian Fisheries Sector», The Quarterly Journal of Economics 122.3: 879-924.
4. Véanse las referencias de la nota 1.
5. Véase Branstetter, L. G., Britta, M. G. y Jensen, J. B. (2018), «The IT Revolution and the Globalization of R&D», n.º w24707, National Bureau of Economic Research.
6. Según datos de ARK Invest, los robots industriales han pasado de costar 131.000 dólares a mediados de la década de los noventa a 31.000 en la actualidad.
