¿Las tecnologías de automatización representan una oportunidad o una amenaza para los países en desarrollo?
A partir de datos de empresas manufactureras indonesias, los autores documentaron que la adopción de robots tiene un impacto positivo en el empleo.
Este hallazgo contrasta con las pruebas existentes de impactos negativos en economías que se encuentran en etapas relativamente avanzadas de automatización.
La automatización, cada vez más ubicua, plantea a las economías que la adoptan una disyuntiva aparente entre las ganancias de productividad a nivel de empresa (Acemoglu y Restrepo 2020, Koch et al. 2019) y los efectos adversos sobre el empleo debido al carácter ahorrador de mano de obra de la automatización (Acemoglu y Restrepo 2020, Dauth et al. 2017). Hasta ahora, esta disyuntiva se ha documentado en países que se encuentran en una etapa relativamente avanzada de automatización.1
Sin embargo, no está claro que las pruebas existentes sobre los efectos de la automatización ofrezcan orientaciones útiles a los países que se encuentran en etapas más tempranas, entre los que hoy figuran la mayoría de los países en desarrollo. Dado que las tecnologías de automatización pueden estar sujetas a rendimientos decrecientes pronunciados (Graetz y Michaels 2018), es más probable que su adopción aumente la demanda de mano de obra en países que se encuentran en las primeras etapas de adopción. La figura 1 presenta indicios que respaldan esta idea, centrados en los robots industriales, una importante categoría de tecnología de automatización. Muestra que la correlación entre la penetración de robots y el empleo es negativa en los países de la OCDE, donde la penetración de robots es mayor, y positiva en los países que no pertenecen a la OCDE.
Figura 1 Penetración de robots y cambios en el empleo: países de la OCDE frente a países no pertenecientes a la OCDE
Esta es una importante laguna de conocimiento, ya que se espera que la penetración de la automatización en los países en desarrollo crezca considerablemente en las próximas décadas (Hallward-Driemeier y Nayyar 2017). En un artículo reciente (Calì y Presidente 2022), contribuimos a colmar esta laguna examinando el impacto de la adopción de robots en el empleo manufacturero de Indonesia. Nos centramos en el período comprendido entre finales de la década de 2000 y principios de la de 2010, cuando la penetración de robots en Indonesia era considerablemente menor que en los demás países sobre los que había datos microeconómicos disponibles.
La figura 2 ilustra el alcance de esta discrepancia al representar el número de robots por millón de trabajadores manufactureros en el primer año (cuando se dispone de datos) y en el último año de los análisis existentes en cada uno de estos países. Los datos sobre robots proceden de la Federación Internacional de Robótica (IFR), que recopila datos sobre las importaciones de robots de cada asociación nacional de robótica. Los datos sobre el empleo manufacturero proceden de la Organización Internacional del Trabajo (OIT) y, en el caso de China, de la Organización de las Naciones Unidas para el Desarrollo Industrial (ONUDI). Si tomamos, por ejemplo, los últimos años de los análisis, que son relativamente próximos en la mayoría de los países, la penetración de robots en Indonesia fue la más baja de la muestra: entre 9 veces menor (en comparación con México en 2015) y 99 veces menor (en comparación con Alemania en 2014). Se observan diferencias similares al tomar los primeros años de los análisis.
Figura 2 Penetración de robots en Indonesia frente a otros países con pruebas sobre el impacto de la automatización
Otra característica interesante del contexto indonesio es que el número total de robots aumentó considerablemente después de 2010: el total acumulado casi se multiplicó por diez entre 2008 y 2015. Esta aceleración fue muy heterogénea entre sectores. Al final del período de la muestra, en 2015, la penetración de robots en las industrias más automatizadas, como la fabricación de vehículos automotores, era comparable a la de las economías avanzadas. Otras industrias, como la textil, no registraron penetración alguna durante todo el período.
El impacto positivo de los robots en el empleo de los mercados laborales locales de Indonesia
Para identificar los efectos de la penetración de robots en el empleo local, nos centramos en los kabupaten, el segundo nivel de la división administrativa subnacional de Indonesia, que aproximan razonablemente bien los mercados laborales locales.2 En consonancia con la bibliografía anterior, construimos una medida de exposición a los robots específica de cada kabupaten, interactuando las proporciones iniciales del empleo por industria a nivel de kabupaten con las importaciones anuales de robots específicas de cada industria (Acemoglu y Restrepo 2020, Dauth et al. 2017). A continuación, regresamos los cambios en el empleo a nivel de kabupaten entre 2008 y 2015 sobre los cambios en esa exposición a los robots durante el mismo período, controlando diversos factores invariantes y variables en el tiempo. También abordamos la posible endogeneidad de la medida de robots instrumentándola con la penetración media de robots por industria en los países de la OCDE, que llevan ventaja a Indonesia en cuanto a la adopción de robots.3
A diferencia de las pruebas microeconómicas disponibles de otros países, nuestro análisis documenta un efecto positivo de la adopción de robots en el empleo manufacturero en los mercados laborales locales de Indonesia. La magnitud del coeficiente estimado en nuestra especificación preferida implica que, entre 2008 y 2015, el empleo creció 31 puntos porcentuales más en los kabupaten que tenían un robot adicional por cada 1000 trabajadores en el año de referencia (resultado significativo al nivel del 1%). Evaluamos en detalle la validez de la estrategia de identificación (Goldsmith-Pinkham et al. 2020) y realizamos una amplia batería de pruebas, que da confianza en la solidez del efecto positivo de los robots en el empleo.
Los rendimientos decrecientes de la automatización y su impacto positivo en el empleo
¿Qué puede explicar la diferencia con los resultados empíricos existentes de otros países? Como se indicó anteriormente, el resultado de Indonesia podría ser compatible con rendimientos decrecientes de la adopción de robots en un contexto de baja penetración de robots durante el período analizado.
Un modelo sencillo basado en tareas, siguiendo el enfoque de Acemoglu y Restrepo (2018), recoge la intuición fundamental. Consideremos una economía con un conjunto fijo de tareas realizadas por trabajadores, ordenadas según un nivel de complejidad creciente (es decir, desde las tareas rutinarias hasta las muy sofisticadas). Con niveles bajos de automatización (es decir, cuando la proporción de tareas automatizadas es baja), un robot adicional sustituiría a trabajadores en una tarea rutinaria en la que los seres humanos tienen poca ventaja comparativa. Como resultado, las ganancias de productividad derivadas de la adopción de robots son relativamente grandes. Estas ganancias disminuyen a medida que aumenta la automatización, porque los robots desplazan a trabajadores con una ventaja comparativa cada vez mayor para realizar sus tareas. Al mismo tiempo, el efecto de desplazamiento de los robots aumenta a medida que la automatización reduce el conjunto de tareas realizadas por los seres humanos y, por tanto, disminuye el producto marginal del trabajo cuando los trabajadores quedan redundantes. Al disminuir las ganancias de productividad y aumentar los efectos de desplazamiento con la automatización, disminuyen los rendimientos netos de la adopción de robots y, por consiguiente, los efectos sobre el empleo se vuelven más negativos.
Ponemos a prueba esta hipótesis con el extenso panel de datos de plantas manufactureras de Indonesia. A diferencia de otros estudios realizados en países de altos ingresos, no observamos el uso de robots por parte de las plantas. En su lugar, elaboramos una medida de la exposición de cada planta a los robots, basada en la definición de Graetz y Michaels (2018) de la «sustituibilidad» de las ocupaciones por robots. Con datos de la encuesta indonesia de población activa, documentamos que los trabajadores con educación secundaria predominan en las ocupaciones con alto riesgo de automatización en Indonesia. Usamos esta observación para construir una medida de la exposición de cada planta a la automatización, interactuando las importaciones anuales de robots específicas de cada industria con la proporción inicial de trabajadores con educación secundaria en cada planta. Aportamos diversas pruebas coherentes con el hallazgo de que los trabajadores con educación secundaria predominan en las ocupaciones expuestas al riesgo de automatización. Por ejemplo, las industrias con una proporción inicial elevada de trabajadores con educación secundaria adoptaron relativamente más robots en los años posteriores. De modo similar, la inversión media de la industria en maquinaria y equipos, que incluye la inversión en robots, se correlaciona positivamente con las importaciones de robots de esa industria.
Regresamos el empleo anual a nivel de planta sobre la medida de exposición a los robots, controlando una amplia variedad de efectos fijos, incluidos los efectos de planta e industria-año, la exposición indirecta a los robots y un índice de sofisticación tecnológica a nivel de planta para captar posibles factores de confusión. Los resultados indican que, en promedio, un robot adicional por cada 1000 trabajadores aumenta el empleo de la planta un 1%. Los efectos parecen deberse a los grandes aumentos de productividad que genera la automatización. En promedio, un robot adicional por cada 1000 trabajadores aumenta un 7% la productividad total de los factores (en términos de cantidades) y reduce un 10% los costos marginales reales.
El análisis también respalda la hipótesis de rendimientos decrecientes de la automatización. La elasticidad del empleo respecto a la adopción de robots se vuelve menos positiva en las plantas que se sitúan por encima del octavo decil de la distribución de exposición inicial a los robots (figura 3). En las plantas del decil superior, un robot adicional por cada 1000 trabajadores se asocia con una elasticidad positiva, pero no estadísticamente significativa, del empleo respecto a la adopción de robots. Observamos un patrón similar para la productividad.
Por lo tanto, el impacto positivo de la adopción de robots en el empleo manufacturero local parece deberse a las plantas con un gran potencial de automatización aún sin aprovechar. En un país que se encuentra en la etapa inicial de automatización, como Indonesia, estas plantas representan la mayor parte del conjunto de empresas del sector manufacturero.
Figura 3 Impacto en el empleo de la exposición a los robots en comparación con las plantas menos expuestas, por decil de la distribución de exposición inicial a los robots
¿Robots para el desarrollo económico?
Por último, examinamos la posible validez externa de estos resultados. Para ello, analizamos la relación entre el empleo y las importaciones de robots en 61 economías de la OCDE y no pertenecientes a ella, en 12 industrias, durante el período 2007-15. El análisis se basa en un estimador de mínimos cuadrados en dos etapas (2SLS), que instrumenta la densidad de robots con una media excluyendo el país analizado, construida a partir de los mismos pares de industria y año en otros países. Los resultados también indican rendimientos decrecientes significativos de la automatización en todos los países. La adopción de robots se asocia negativamente con el empleo manufacturero en los países de la OCDE —especialmente cuando la penetración es elevada— y positivamente en los países no pertenecientes a la OCDE (figura 4).
Figura 4 Impacto de los robots en el empleo en 61 países y 12 industrias, 2007-2015
Aunque estos resultados son indicativos, suscitan algunas dudas sobre la idea de que la adopción de tecnologías de automatización en los países en desarrollo perjudica la demanda de mano de obra cuando estos pasan de niveles muy bajos a niveles más altos de automatización (Diao et al. 2021). Para poner a prueba esta hipótesis en otros contextos, sería necesario disponer de más datos sobre la adopción de robots a nivel de empresa en las economías en desarrollo, sobre todo en aquellas que se encuentran en las primeras etapas de industrialización.
Referencias
Acemoglu, D, C Lelarge y P Restrepo (2020), «Competir con robots: pruebas a nivel de empresa de Francia», AEA Papers and Proceedings 110: 383–88.
Acemoglu, D y P Restrepo (2020), «Robots y empleo: pruebas de los mercados laborales de EE. UU.», Journal of Political Economy 128(6): 2188–2244.
Acemoglu, D y P Restrepo (2018), «La carrera entre el ser humano y la máquina: implicaciones de la tecnología para el crecimiento, la participación de los factores y el empleo», American Economic Review 108(6): 1488–1542.
Artuc, E, L Christiaensen y H Winkler (2019), «¿La automatización en los países ricos perjudica a los países en desarrollo?: pruebas de EE. UU. y México. Pruebas de EE. UU. y México», World Bank Policy Research Working Paper 8741, 14 de febrero.
Calì, M y G Presidente (2022) «Robots para el desarrollo económico», Kiel, Hamburgo: ZBW, Centro de Información Leibniz para la Economía.
Dauth, W, S Findeisen, J Suedekum y N Woessner (2017), «El auge de los robots en el mercado laboral alemán», VoxEU.org, 19 de septiembre.
Diao, X, M Ellis, M S McMillan y D Rodrik (2021), «El enigma de la industria manufacturera africana: pruebas de empresas de Tanzania y Etiopía», NBER Working Paper n.º w28344.
Giuntella, O y T Wang (2019), «¿Marcha un ejército de robots sobre los empleos de China?», manuscrito no publicado.
Goldsmith-Pinkham, P, I Sorkin y H Swift (2020), «Instrumentos Bartik: qué son, cuándo, por qué y cómo», American Economic Review 110(8): 2586–2624.
Graetz, G y G Michaels (2018), «Robots en el trabajo», Review of Economics and Statistics 100(5): 753–768.
Hallward-Driemeier, M y G Nayyar (2017), «Problemas en la fabricación? El futuro del desarrollo impulsado por la industria manufacturera», Banco Mundial.
Koch, M, I Manuylov y M Smolka (2019), «Robots y empresas», VoxEU.org, 1 de julio.
Notas finales
1 Según nuestro leal saber y entender, la lista incluye hasta ahora países de altos ingresos —EE. UU. (Acemoglu y Restrepo 2020), Francia (Acemoglu et al. 2020), Alemania (Dauth et al. 2017) y España (Koch et al. 2019)—, así como China (Giuntella y Wang 2019) y México (Artuc et al. 2019).
2 Durante el período de nuestro análisis, los kabupaten tenían una población media de alrededor de 800 000 habitantes y la movilidad laboral entre ellos era baja. En segundo lugar, tras las reformas de descentralización de Indonesia de 1999, los kabupaten adquirieron importantes competencias administrativas, también en los mercados laborales, por ejemplo, para fijar el salario mínimo. La encuesta indonesia de población activa (Survei Tenaga Kerja Nasional—Sakernas) recopila datos anuales representativos a nivel de kabupaten.
3 Para construir el instrumento, emparejamos los datos de IFR con las cifras de empleo por industria a dos dígitos de OECD Structural Analysis Database (STAN). Para cada par de industria y año, calculamos el número de robots importados por cada mil trabajadores, como promedio de los países de la OCDE.
