Si bien la robotización puede beneficiar a varios sectores y ocupaciones, también tiene la capacidad de agravar las disparidades salariales entre hombres y mujeres.
Los hombres en ocupaciones de cualificación media y alta se benefician de forma desproporcionada de la robotización en comparación con otros grupos demográficos.
Es fundamental que los gobiernos intensifiquen sus esfuerzos para dotar a mujeres y hombres por igual de las competencias más relevantes para el empleo futuro, escriben tres economistas.
Los avances recientes en automatización y sus implicaciones para la economía y la sociedad son temas centrales en los debates políticos globales y académicos (véase Baldwin 2019, Klenert et al. 2020). Pese al examen exhaustivo del impacto que la automatización tiene en el empleo total y en la participación en la fuerza laboral (véase, por ejemplo, Grigoli et al. 2020), han sido escasas las investigaciones empíricas sobre cómo la automatización podría afectar a la igualdad de género.
Es probable que el impacto de la automatización sea distinto para hombres y mujeres
Brussevich et al. (2019) construyen un índice de intensidad de tareas rutinarias (RTI) específico por género, que cuantifica la codificabilidad de las tareas realizadas en el puesto de trabajo. Los autores constatan que el índice RTI, de media, es un 13 % más alto para las trabajadoras en la muestra de 30 países. Esta brecha RTI de género se explica porque las trabajadoras realizan menos tareas que requieren competencias analíticas e interpersonales o trabajo físico, y más tareas caracterizadas por la falta de flexibilidad laboral, escaso aprendizaje en el puesto de trabajo y mayor repetitividad. Esto sugiere que las trabajadoras están, de media, más expuestas al riesgo de automatización que los trabajadores. Aquí nos centramos en un tipo específico de automatización: la adopción de robots industriales (es decir, la robotización), que tiene efectos específicamente diferenciados por género en los mercados laborales. Después de todo, a diferencia de otras formas de automatización, los robots sustituyen a trabajadores con competencias de «fuerza bruta», que tienen más probabilidades de ser hombres (Rendall 2017, Ngai y Petrongolo 2017).
Antecedentes
La figura 1.A muestra que los robots industriales se utilizan principalmente en la industria automotriz y del transporte (alrededor de 390 robots por cada 10 000 trabajadores en 2014), aunque también han empezado a utilizarse de forma más amplia en la producción de plásticos, productos químicos y metales, así como en alimentos y bebidas. La figura 1.A sugiere que la gran mayoría de los robots industriales se emplean en industrias que forman parte del sector manufacturero.
Para entender si hubo un cambio en la composición de género de la fuerza laboral durante el periodo de la muestra, presentamos en la figura 1.B la proporción de trabajadoras por sector y año. Entre los sectores incluidos en nuestro análisis, los sectores de empleo más comunes para las mujeres en Europa son educación/investigación/desarrollo (las mujeres representaban el 68 % de todos los empleos del sector en 2014), textil (63 %) y alimentación y bebidas (47 %). Las mujeres también tienen menos probabilidades que los hombres de trabajar en las industrias automotriz y del transporte, metalúrgica, de la construcción y de la minería y canteras. En conjunto, los cambios en la composición de género dentro de cada sector fueron mínimos entre 2006 y 2014.
Figura 1 Robots y mujeres por sector
La figura 2 muestra la brecha de género en las ganancias mensuales medianas en 2010 para los 20 países incluidos en nuestra muestra. El tamaño de la brecha salarial de género varía entre economías: oscila entre el 4 % en Rumanía y Bulgaria y el 18 % en Alemania y el 19 % en Estonia.
Figura 2 Brecha de género en las ganancias mensuales medianas en 2010, por país
Nuevas evidencias
En Aksoy, Özcan y Philipp (2020), aportamos las primeras evidencias a gran escala sobre el impacto de la adopción de robots entre 2006 y 2014 en la brecha salarial de género, mediante el estudio de 20 países europeos. En concreto, analizamos cómo los cambios en el número de robots por trabajador entre los años de las encuestas (en adelante, «robotización») afectan a la brecha de género en las ganancias mensuales de los trabajadores de la industria manufacturera y de algunos otros sectores que emplean robots.
Constatamos que la robotización aumenta la brecha salarial de género: un incremento del 10 % en la robotización provoca un aumento del 1,8 % en la brecha salarial de género (condicional).1 Dado que en muchos países y sectores hemos observado incrementos de la robotización superiores al 10 %, este efecto es considerable. Para ponerlo en perspectiva, la introducción del salario mínimo nacional provocó una caída de alrededor del 2 % en la brecha salarial de género bruta (véanse, por ejemplo, Robinson 2002 para evidencias del Reino Unido, y Boll et al. 2015 para evidencias de Alemania). Además, el efecto que identificamos es mayor que el de muchas políticas de conciliación familiar en los países europeos, cuya eficacia para reducir la brecha salarial es poco concluyente (véase la revisión en Olivetti y Petrongolo 2017).
¿Por qué la robotización afecta a la brecha salarial de género?
Exploramos posibles mecanismos subyacentes y constatamos que nuestros resultados probablemente se explican por un mayor aumento de las ganancias masculinas que de las femeninas, especialmente en ocupaciones de cualificación media y alta (a través de un efecto productividad). Dicho de otro modo, la infrarrepresentación de las mujeres en ocupaciones de cualificación media y alta en determinados sectores, junto con la robotización, agrava la brecha salarial de género, especialmente en países donde la desigualdad de género ya era grave. Por el contrario, en países donde la desigualdad de género inicial era baja, la robotización no tuvo un efecto estadísticamente significativo en la brecha salarial de género, pero sí aumentó las ganancias de todos los trabajadores. También demostramos que nuestros resultados no pueden explicarse por cambios en la composición de género de la fuerza laboral, ni por entradas o salidas del sector manufacturero, lo que coincide con los hallazgos de Freeman et al. (2020).
Implicaciones
En un momento en que los responsables políticos intensifican sus esfuerzos para combatir las brechas de género en el mercado laboral, nuestras evidencias son importantes. Nuestros resultados sugieren que los gobiernos no solo deben garantizar que los sistemas educativos y de formación profesional doten a las personas de las competencias que demandará el futuro, sino también prestar atención a las cuestiones distributivas e intensificar los esfuerzos para que mujeres y hombres estén igualmente dotados de las competencias más relevantes para la empleabilidad futura.
Referencias
Aksoy, C G, B Özcan y J Philipp (2020), «Robots and the Gender Pay Gap in Europe», documento de trabajo n.º 246 del BERD.
Baldwin, R (2019), «Sense and Nonsense in the Public Discussion of the Future of Work», VoxEU.org, 1 de noviembre.
Boll, C, H Hüning, J Leppin y J Puckelwald (2015), «Potential Effects of a Statutory Minimum Wage on the Gender Pay Gap–A Simulation-Based Study for Germany», documento de trabajo.
Brussevich, M, M E Dabla-Norris y S Khalid (2019), «Is Technology Widening the Gender Gap? Automation and the Future of Female Employment», documento de trabajo del FMI n.º 19/91.
Freeman, R B, I Ganguli y M J Handel (2020), «Within-Occupation Changes Dominate Changes in What Workers Do: A Shift-Share Decomposition, 2005–2015», AEA Papers and Proceedings, 110: 394-99.
Grigoli, F, Z Koczan y P Topalova (2020), «Automation and Labor Force Participation in Advanced Economies: Macro and Micro Evidence», European Economic Review, 103443.
Klenert, D, E Fernández-Macías y J Antón (2020), «Don’t Blame It on the Machines: Robots and Employment in Europe», VoxEU.org, 24 de febrero.
Ngai, L R y B Petrongolo (2017), «Gender gaps and the rise of the service economy», American Economic Journal: Macroeconomics, 9(4): 1-44.
Olivetti, C y B Petrongolo (2017), «The economic consequences of family policies: lessons from a century of legislation in high-income countries», Journal of Economic Perspectives, 31(1): 205-30.
Rendall, M (2017), «Brain versus brawn: the realization of women’s comparative advantage», University of Zurich, Institute for Empirical Research in Economics, documento de trabajo 491.
Robinson, H (2002), «Wrong side of the track? The impact of the minimum wage on gender pay gaps in Britain», Oxford Bulletin of Economics and Statistics, 64(5): 417-448.
Notas al final
1 En nuestro documento, la brecha salarial de género (BSG) condicional se define como la diferencia entre las ganancias de hombres y mujeres que trabajan en la misma categoría ocupacional y sector, tienen edades similares, residen en el mismo país, se miden en el mismo año y trabajan en empresas de tamaño similar. Dicho de otro modo, la brecha salarial condicional es la brecha salarial tras ajustar por un conjunto de factores de composición que pueden explicar las diferencias entre las ganancias de hombres y mujeres. Desde el punto de vista de las políticas, la BSG condicional es más importante que la brecha salarial total (general) porque está relacionada con la legislación de «igual salario por trabajo igual» en Europa.
