Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CUARTA REVOLUCIÓN
INDUSTRIAL
NOTA: Este documento es una extracción parcial y traducida al español del artículo de Acemoglu, D., & Restrepo, P.
(2018). Artificial intelligence, automation, and work. In The economics of artificial intelligence: An agenda (pp. 197-
236). University of Chicago Press.
1. INTRODUCCIÓN
Las últimas dos décadas han sido testigos de importantes avances en inteligencia artificial
(IA) y robótica. Se espera que el progreso futuro sea aún más espectacular, y muchos
comentaristas predicen que estas tecnologías transformarán el trabajo en todo el mundo
(Brynjolfsson y McAfee 2014; Ford 2016; Boston Consulting Group 2015; McKinsey
Global Institute 2017). Encuestas recientes encuentran altos niveles de ansiedad sobre la
automatización y otras tendencias tecnológicas, lo que subraya las preocupaciones
generalizadas sobre sus efectos (Pew Research Center 2017).
Nuestro marco también destaca que incluso con estas fuerzas compensatorias, el ajuste
de una economía al rápido despliegue de las tecnologías de automatización podría ser
lento y doloroso. Hay algunas razones obvias para esto relacionadas con el lento ajuste
general del mercado laboral a los shocks, por ejemplo, debido al costoso proceso de
reasignación de trabajadores a nuevos sectores y tareas. Dicha reasignación implicará
tanto un lento proceso de búsqueda de las adecuaciones adecuadas entre trabajadores y
puestos de trabajo como la necesidad de readiestramiento, al menos para algunos de los
trabajadores.
Un factor más crítico, y en este contexto más novedoso, es un posible desajuste entre la
tecnología y las habilidades, entre los requisitos de las nuevas tecnologías y tareas y las
habilidades de la fuerza laboral. Mostramos que tal desajuste ralentiza el ajuste de la
demanda laboral, contribuye a la desigualdad y también reduce las ganancias de
productividad tanto de la automatización como de la introducción de nuevas tareas
(porque hace que las habilidades complementarias necesarias para la operación de nuevas
tareas y tecnologías sean más precisas). escaso). Otro factor importante a tener en cuenta
es la posibilidad de una automatización excesiva. Destacamos que una variedad de
factores (que van desde un sesgo a favor del capital en el código tributario hasta las
imperfecciones del mercado laboral crean una brecha entre el salario y el costo de
oportunidad del trabajo) y empujarán hacia una automatización social excesiva, que no
solo genera una ineficiencia directa, sino que también actúa como un lastre para el
crecimiento de la productividad. La automatización excesiva podría explicar por qué, a
pesar de la adopción entusiasta de nuevas tecnologías de robótica e inteligencia artificial,
el crecimiento de la productividad ha sido decepcionante durante las últimas décadas.
Otro ejemplo más de automatización proviene del desarrollo del sistema de fábrica en la
fabricación y su evolución posterior. A partir de la segunda mitad del siglo XVIII, el
sistema fabril introdujo el uso de máquinas herramienta como tornos y fresadoras,
reemplazando las técnicas de producción más intensivas en mano de obra que dependían
de artesanos calificados (Mokyr 1990). La energía de vapor y más tarde la electricidad
aumentaron en gran medida las oportunidades para la sustitución del trabajo humano por
capital. Otro punto de inflexión importante en el proceso de automatización de la fábrica
fue la introducción de máquinas controladas mediante tarjetas perforadas y luego
máquinas controladas numéricamente en la década de 1940. Debido a que las máquinas
controladas numéricamente eran más precisas, rápidas y fáciles de operar que las
tecnologías manuales, permitieron ahorros de costos significativos al mismo tiempo que
reducían el papel de los trabajadores artesanales en la producción manufacturera. Este
proceso culminó con el uso generalizado de maquinaria CNC (control numérico por
computadora), que reemplazó a las vendimias controladas numéricamente (Groover
1983). Un nuevo desarrollo importante fue la introducción de robots industriales a fines
de la década de 1980, que automatizaron muchas de las tareas restantes que requieren
mucha mano de obra en la fabricación, incluido el mecanizado, la soldadura, la pintura,
el paletizado, el ensamblaje, el manejo de materiales y el control de calidad (Ayres y
Miller 1983; Groover et al. 1986; Graetz y Michaels 2015; Acemoglu y Restrepo 2017).
Los ejemplos de automatización no se limitan a la industria y la agricultura. El software
de computadora ya ha automatizado una serie de tareas realizadas por trabajadores
administrativos en servicios comerciales, mayoristas y minoristas. El software y las
tecnologías impulsadas por IA ahora pueden recuperar información, coordinar logística,
manejar inventarios, preparar impuestos, brindar servicios financieros, traducir
documentos complejos, escribir informes comerciales, preparar resúmenes legales y
diagnosticar enfermedades. Está previsto que estas tecnologías sean mucho mejores en
estas y otras tareas durante los próximos años (p. ej., Brynjolfsson y McAfee 2014; Ford
2016).
4. EFECTOS COMPENSATORIOS
Esta discusión también implica que, en contraste con el énfasis popular en las
consecuencias negativas para el mercado laboral de las nuevas tecnologías "brillantes" y
altamente productivas establecidas para reemplazar la mano de obra (por ejemplo,
Brynjolfsson y McAfee 2014; Ford 2016), el peligro real para la mano de obra puede
venir no de tecnologías de automatización altamente productivas sino de tecnologías de
automatización "más o menos" que son lo suficientemente productivas como para ser
adoptadas y causar desplazamiento, pero no lo suficientemente productivas como para
generar efectos poderosos en la productividad.
Acumulación de Capital: Como aclara nuestro marco en la siguiente sección, la
automatización corresponde a un aumento en la intensidad de capital de la
producción. La alta demanda de capital desencadena una mayor acumulación de
capital (por ejemplo, al aumentar la tasa de alquiler del capital). La acumulación
de capital eleva entonces la demanda de trabajo. Este puede haber sido un canal
importante de ajuste de la economía británica durante la Revolución Industrial y
de la economía estadounidense en la primera mitad del siglo XX frente a la
mecanización de la agricultura, ya que en ambos casos hubo una rápida
acumulación de capital (Allen 2009). ; Olmstead y Rhode 2001).
Otro ejemplo proviene de las grandes mejoras en la eficiencia de las máquinas de control
numérico utilizadas para el corte y procesamiento de metales (como molinos y tornos),
ya que las primeras cosechas controladas por tarjetas perforadas fueron reemplazadas por
modelos computarizados durante la década de 1970. Las nuevas máquinas informatizadas
se utilizaron en las mismas tareas que las cosechas anteriores, por lo que los efectos de
desplazamiento adicionales probablemente fueron menores. Como resultado, la
transición a las máquinas CNC (control numérico computarizado) aumentó la
productividad de los maquinistas, operadores y otros trabajadores de la industria (Groover
1983).
Las tres fuerzas compensatorias que hemos enumerado aquí son fundamentales para
comprender por qué las implicaciones de la automatización son mucho más ricas de lo
que podrían sugerir al principio los efectos de desplazamiento directo, y por qué la
automatización no tiene por qué ser una fuerza negativa no adulterada contra la fortuna
de los trabajadores en el mercado laboral. Sin embargo, hay un aspecto del efecto de
desplazamiento que es poco probable que sea deshecho por cualquiera de estas cuatro
fuerzas compensatorias: como mostramos en la siguiente sección, la automatización
necesariamente hace que el proceso de producción sea más intensivo en capital,
reduciendo la participación del trabajo en el ingreso nacional. Intuitivamente, esto se debe
a que implica la sustitución de capital por tareas previamente realizadas por mano de obra,
comprimiendo así la mano de obra en un conjunto más reducido de tareas.
Si, como hemos sugerido, la automatización ha estado en curso durante siglos, con o sin
poderosas fuerzas compensatorias de la forma enumerada aquí, deberíamos haber visto
un proceso de crecimiento "desequilibrado" con la participación del trabajo en el ingreso
nacional disminuyendo constantemente desde el comienzo de La revolución industrial.
Claramente, ese no ha sido el caso (ver, por ejemplo, Kuznets 1966; Acemoglu 2009).
Esto sugiere que ha habido otras fuerzas poderosas que hacen que la producción sea más
intensiva en mano de obra y que equilibran los efectos de la automatización. Esto es lo
que sugerimos en la siguiente subsección.
5. NUEVAS TAREAS
Nuestro marco basado en tareas destaca que la creación de nuevas tareas intensivas en
mano de obra (tareas en las que la mano de obra tiene una ventaja comparativa en relación
con el capital) puede ser la fuerza más poderosa que equilibre el proceso de crecimiento
frente a la rápida automatización. Sin la demanda de trabajadores de los nuevos trabajos
de fábrica, ingeniería, tareas de supervisión, contabilidad y ocupaciones gerenciales en la
segunda mitad del siglo XIX y gran parte del siglo XX, hubiera sido imposible emplear
a millones de trabajadores que salían del sector agrícola. y tareas automatizadas intensivas
en mano de obra.
De la misma forma que la automatización tiene un efecto de desplazamiento, podemos
pensar que la creación de nuevas tareas engendra un efecto de reincorporación. De esta
forma, la creación de nuevas tareas tiene el efecto contrario a la automatización. Siempre
genera demanda laboral adicional, lo que aumenta la participación del trabajo en el
ingreso nacional. En consecuencia, una forma poderosa en la que el progreso tecnológico
podría asociarse con un camino de crecimiento equilibrado es a través del equilibrio de
los impactos de la automatización mediante la creación de nuevas tareas.
La creación de nuevas tareas no tiene por qué ser un proceso exógeno y autónomo no
relacionado con la automatización, la IA y la robótica por al menos dos razones:
Accenture PLC. 2017. “How Companies Are Reimagining Business Processes With IT.”
https://sloanreview.mit.edu/article/will-ai-create-as-many-jobs-as-iteliminates/.
Acemoglu, Daron. 2009. Introduction to Modern Economic Growth. Princeton, NJ: Princeton University
Press.
Acemoglu, Daron, and David Autor. 2011. “Skills, Tasks and Technologies: Implica- tions for Employment
and Earnings.” Handbook of Labor Economics 4:1043–171.
Acemoglu, Daron, David Autor, David Dorn, Gordon H. Hanson, and Brendan Price. 2014. “Return of the
Solow Paradox? IT, Productivity, and Employment in US Manufacturing.” American Economic Review:
Papers & Proceedings 104 (5): 394–99.
Acemoglu, Daron, and Pascual Restrepo. 2016. “The Race between Machine and Man: Implications of
Technology for Growth, Factor Shares and Employment.” American Economic Review 108 (6): 1488–542.
Aghion, Philippe, Benjamin F. Jones, and Charles I. Jones. 2017. “Artificial Intelli- gence and Economic
Growth.” NBER Working Paper no. 23928, Cambridge,
MA. Allen, Robert C. 2009. “Engels’ Pause: Technical Change, Capital Accumulation, and Inequality in
the British Industrial Revolution.” Explorations in Economic History 46 (4): 418–35.
American Enterprise Institute (AEI). 2008. “Taxing Capital.” Report by the American Enterprise Institute.
https://www.aei.org.
Autor, David H. 2015. “Why Are There Still So Many Jobs? The History and Future of Workplace
Automation.” Journal of Economic Perspectives 29 (3): 3–30.
Autor, David H., David Dorn, and Gordon H. Hanson. 2013. “The China Syn- drome: Local Labor Market
Effects of Import Competition in the United States.” American Economic Review 103 (6): 2121–68.
Autor, David H., Frank Levy, and Richard J. Murnane. 2003. “The Skill Content of Recent Technological
Change: An Empirical Exploration.” Quarterly Journal of Economics 118 (4): 1279–333.
Ayres, Robert, and Steven M. Miller. 1983. Robotics: Applications and Social Implica- tions. Pensacola,
FL: Ballinger Publishing Company.
Bessen, James. 2016. Learning by Doing: The Real Connection between Innovation, Wages, and Wealth.
New Haven, CT: Yale University Press.
Bloom, Nicholas, Charles I. Jones, John Van Reenen, and Michael Webb. 2017. “Are Ideas Getting Harder
to Find?” NBER Working Paper no. 23782, Cam- bridge, MA.
Boston Consulting Group. 2015. “The Robotics Revolution: The Next Great Leap in Manufacturing.”
https://www.bcg.com/en-us/publications/2015/lean manufacturing-innovation-robotics-revolution-next-
great-leap-manufacturing.aspx.
Brynjolfsson, Erik, and Andrew McAfee. 2014. The Second Machine Age: Work, Progress, and Prosperity
in a Time of Brilliant Technologies. New York: W. W. Norton & Company.