La economía gig ofrece una enorme flexibilidad a trabajadores y empresas, pero también conlleva numerosos factores desconocidos para ambas partes. Un nuevo estudio, en coautoría con Gad Allon, profesor de operaciones, información y decisiones de Wharton, analiza cómo toman sus decisiones laborales los conductores de una empresa de transporte por aplicación —cuándo trabajar y durante cuánto tiempo— y busca mejorar las previsiones sobre la oferta laboral y arrojar luz sobre incentivos financieros más eficaces. El artículo, titulado «El impacto de los factores conductuales y económicos en los trabajadores de la economía gig», también está firmado por Maxime Cohen, profesor de la Stern School of Business de la Universidad de Nueva York, y Park Sinchaisri, doctorando de Wharton. Allon visitó recientemente el programa de radio Knowledge@Wharton en SiriusXM para hablar de las implicaciones del estudio y de cómo podría ser el futuro del trabajo.
A continuación, presentamos una transcripción editada de la conversación.
Knowledge@Wharton: ¿Por qué es un tema importante?
Gad Allon: Existe toda una nueva economía que la gente llama «economía gig». Algunos la denominan economía colaborativa. Básicamente, la idea es que la antigua economía se basaba en el trabajo independiente. La gente tenía empleos a tiempo completo, pero de vez en cuando trabajaba por cuenta propia. Ahora, las nuevas plataformas ofrecen cada vez más oportunidades para que las personas realicen trabajos independientes de todo tipo y a cualquier escala. Pueden hacerlo una vez al día o una vez a la semana. Pueden hacerlo casi como un empleo a tiempo completo, cambiando continuamente: por ejemplo, trabajar unas horas para Uber, pasar luego a TaskRabbit y quizá trabajar unas horas para GrubHub o Postmates.
Para 2025, esa economía alcanzará unos 2,7 billones de dólares. Pero ¿sabemos cómo se comportan realmente estos trabajadores? Las empresas tienen mucha más flexibilidad. Creo que siempre queremos que una empresa pueda ajustar exactamente la oferta a la demanda, y efectivamente puede hacerlo. El único problema ahora es que los mismos trabajadores pueden elegir continuamente dónde quieren trabajar. La pregunta clave que queríamos responder era cómo toman sus decisiones, ahora que estas se basan en segundos, minutos, horas o días, en lugar de «tengo que decidir dónde trabajaré el año que viene».
Knowledge@Wharton: A las empresas les gusta esa flexibilidad porque les permite tener más trabajadores trabajando menos horas y las protege de tener que ofrecer seguro médico o salarios más altos. Ese fue el motivo original por el que muchas de estas empresas de la economía gig se incorporaron al mercado, ¿verdad?
Allon: Exactamente. Eso permite que Uber sea cinco veces más grande que cualquier empresa automovilística. La gente la compara con BMW, aunque no tiene ni un solo automóvil. No tienen activos en su balance, pero operan con una valoración de 120.000 millones de dólares.
Knowledge@Wharton: Al observar a estos dos grupos —trabajadores y empresas—, ¿cuál siente más preocupación en toda esta situación?
Allon: Diría que ambos. Creo que lo que está en juego es muy distinto para cada uno. Pensemos en una empresa como Uber o Lyft: como los conductores pueden cambiar continuamente de empresa, hay una competencia feroz por lo que llamamos conquistar el mercado. Vimos a Uber salir de China al darse cuenta de que DiDi, el principal actor del país, iba a superarla. Lo mismo ocurre en Indonesia y Malasia, y también en Estados Unidos. En algunas ciudades Lyft será competitiva; en otras, mucho menos. Esa situación genera mucha preocupación, sobre todo porque se ha invertido en ella una gran cantidad de capital de riesgo.
«Para 2025, la economía [gig] alcanzará unos 2,7 billones de dólares. Pero ¿sabemos cómo se comportan realmente estos trabajadores?»
Ahora hablemos de los conductores. Para muchos, ese es su medio de vida. Toman decisiones sabiendo que dentro de 15 o 20 años habrá vehículos autónomos. Muchos saben que quizá dejarán de conducir dentro de 20 años, así que viven con mucha incertidumbre. Suelo hablar a menudo con conductores y les pregunto cuánto tiempo llevan trabajando y a qué se han dedicado. Muchos conductores de Uber te dirán: «He pasado tres horas en el aeropuerto».
Hay mucha incertidumbre sobre los ingresos porque [los conductores] ya no tienen seguridad. Se habla mucho del impacto en las familias: ¿qué ocurre cuando ya no se cuenta con la red de protección social que había antes? Creo que eso generará mucha incertidumbre en los próximos años.
Knowledge@Wharton: Esto plantea la pregunta de cómo serán estas empresas, sobre todo si los vehículos autónomos adquieren la importancia que mucha gente cree que tendrán. Estas empresas ya están buscando alianzas con los tres grandes fabricantes de automóviles, así que es posible que, más adelante, todos estos trabajadores de la economía gig sigan o no trabajando en estos empleos.
Allon: En mi opinión, aún faltan muchos años para que haya automóviles autónomos sin nadie al volante. Necesitaremos a alguien allí, pero el conductor podría ser muy distinto de los actuales y necesitar habilidades muy diferentes. Imaginen que suben a un taxi y, en vez de un conductor cuya principal habilidad es llevarles a su destino, se encuentran con un [más bien] conserje que conoce bien la ciudad, puede recomendarles adónde ir y darles consejos para preparar su próxima reunión. El conjunto de habilidades cambiará.
Knowledge@Wharton: En su investigación, descubrieron que hay conductores que quieren alcanzar cierto nivel de ingresos y, una vez que lo consiguen, deciden que han terminado por ese día, esa semana o ese mes. ¿Puede hablar de ello?
Allon: Permítanme explicar brevemente nuestro método: hablamos con conductores para formular la hipótesis, pero, en última instancia, [el estudio] se basó en datos. Hicimos un seguimiento de unos 8.000 conductores. Observamos todas las decisiones que tomaron durante el último año. Vimos cómo decidían cuando se les ofrecía más o menos dinero, cuando trabajaban por la mañana o por la tarde. Observamos comportamientos interesantes. En primer lugar, cuanto más dinero se les ofrece, más probable es que trabajen. A algunas personas quizá les sorprenda, pero, en esencia, no es tan sorprendente.
Pero el fenómeno interesante es precisamente al que se refiere: observamos un efecto muy marcado de fijación de objetivos de ingresos. Cuando los conductores se acercan a cierto nivel de ingresos, vemos un resultado sorprendente: se les paga más y es menos probable que vayan a trabajar. Si empiezan un turno, trabajan menos horas. Ya se había observado antes, pero aquí logramos conciliarlo. Lo vimos de forma muy sólida entre distintos conductores y tipos de conductor.
Knowledge@Wharton: Si tienen ingresos garantizados, no están dispuestos a esforzarse tanto como quizá lo estarían si supieran que trabajar más horas les daría más dinero. ¿Es así?
Allon: Así es. Observamos otro comportamiento interesante. Por lo general, cuanto más se paga a la gente, más quiere trabajar y más tiempo quiere hacerlo. Pero también vimos otro efecto, al que llamamos inercia: cuanto más tiempo trabajaba la gente, más probable era que siguiera trabajando y que lo hiciera durante más tiempo.
Volveré al efecto de los ingresos. La realidad es que muchos de estos conductores intentan equilibrar el tiempo libre y la vida familiar. Es cierto que antes se les pagaba una suma global y trabajaban dando lo mejor de sí. Ya sabemos, gracias a numerosas investigaciones, que la vida familiar de los trabajadores de la economía gig se deteriora muy rápidamente. Lo que [observamos] es que existen, por así decirlo, mecanismos internos que intentan impedirlo. Tanto si se considera un día, una semana o un mes, cuando [los conductores] alcanzan cierto nivel de [ingresos], los fuertes incentivos financieros pierden eficacia.
Knowledge@Wharton: ¿Qué otras cosas tienen en cuenta los conductores, además del tiempo y el dinero?
Allon: Algo que parece bastante constante es que la gente quiere trabajar en momentos en que realmente puede conducir, en vez de quedarse atrapada en el tráfico. Quiere sentir que avanza y que su trabajo recibe una recompensa. Odia esperar.
Quiero volver a la inercia que observamos: cuanto más trabajan para una empresa concreta, más probable es que sigan trabajando para ella. Por ahora, explico esto diciendo que [intentan] encontrar fuentes de ingresos más estables. Ser trabajador de la economía gig significa tener un perfil bastante emprendedor. Hay que conducir hacia donde se cree que habrá más trabajo. Sabemos que la gente hace lo que llamamos trabajar en varias plataformas: cambia de una a otra. Pero, al mismo tiempo, vemos un intento de racionalizar y crear una idea más estable de cómo evolucionará la actividad. Así que, aunque haya muchos conductores y se comporten de maneras muy distintas, observamos que este comportamiento es muy constante.
«Observamos un efecto muy marcado de fijación de objetivos de ingresos».
Knowledge@Wharton: En su investigación, calcularon que para 2025 la mayoría de la fuerza laboral formará parte de la economía gig. ¿Qué efecto tendrá eso en la economía en general?
Allon: Estas no son nuestras proyecciones, sino las que la gente suele aceptar. A medida que haya más automatización, cada vez más personas se desplazarán a lugares donde será importante lo que llamamos la última milla: [llegar] al cliente. Habrá cada vez menos empleos de nueve a cinco o [ubicados] en plantas. Habrá cada vez más empleos que [consistirán en] trabajar un turno y luego disponer de otro turno para hacer lo que se quiera.
Nos pareció interesante descubrir que un número significativo de personas que trabajan en la economía gig no empezó por necesidad, sino para complementar sus ingresos. Hacen un turno más para pagarse las vacaciones y, con el tiempo, se dan cuenta de que disfrutan del trabajo y de la flexibilidad que conlleva. Así que veremos una mayor fragmentación en el futuro.
Knowledge@Wharton: Su investigación se realizó con una empresa de transporte compartido, pero ¿toman las mismas decisiones quienes trabajan en otros ámbitos de la economía gig?
Allon: Sí. La mayoría de las personas [de nuestro estudio] trabaja alrededor del 75 % del tiempo para esa empresa de transporte compartido concreta; el resto del tiempo lo hace para otras empresas de transporte compartido o de reparto. Es una buena pregunta porque modelizamos cómo toma decisiones un trabajador y creemos que ese modelo no tenía nada específico de esa empresa. Ikea compró TaskRabbit para ayudar a sus clientes a montar muebles. Amazon trabaja cada vez más con la economía gig. Si compras muebles que hay que montar, Amazon puede enviarte a alguien para que lo haga, y esa persona será un trabajador de la economía gig, no un empleado de Amazon.
La misma persona podría conducir por la mañana para una empresa de transporte compartido y, durante sus ratos libres, ir a montar una mesa de ping-pong. Vemos mucho de eso. De nuevo, la flexibilidad es estupenda, pero también plantea muchos desafíos.
Knowledge@Wharton: ¿Qué efecto tendrá esto en los resultados de empresas plenamente comprometidas con la economía gig, como Uber y Lyft, o de minoristas vinculados a algún componente de ella?
Allon: Creo que el principal problema para todas estas [empresas] es la competencia muy intensa por los trabajadores. El hecho de que puedan cambiar muy rápidamente de una empresa a otra plantea un desafío: por un lado, hay que atraer clientes y, por otro, ahora hay que [atraer] a los trabajadores. Es una competencia por ambos lados. De hecho, hoy la competencia no se centra tanto en el cliente como en el trabajador. La realidad es que cuantos más trabajadores incorporas, más conductores tienes en la calle y más rápido atiendes a los clientes. Cuantos más clientes consigues, más trabajadores atraes. Es un problema del huevo y la gallina, pero sabemos que el principal desafío es incorporar más conductores o trabajadores.
Knowledge@Wharton: Las empresas de la economía gig se benefician de que los trabajadores sean autónomos. Puede haber momentos en que haya más conductores de los necesarios en una ciudad, o menos. Como usted decía, si los conductores no tienen una buena noche con Uber, quizá cambien y ganen dinero con Lyft.
«Hoy la competencia no se centra tanto en el cliente como en el trabajador».
Allon: Ese es precisamente uno de los principales desafíos. No se trata solo de tener suficientes trabajadores, sino de contar con el número adecuado. Si [las empresas] tienen demasiados conductores esperando sin hacer nada, se perjudican a sí mismas; o, al menos, así lo perciben. [Muchas] veces tienen que pagarles subvenciones, lo que a largo plazo supone quemar efectivo. A la vez, si no tienen suficientes conductores, pierden dinero porque los clientes tienen que esperar. Prefieren que esperen los clientes a que esperen los conductores. Por lo general, tener conductores esperando perjudica más sus resultados.
Knowledge@Wharton: En la economía gig hay muchas más incógnitas que en los negocios tradicionales, ¿verdad?
Allon: Exactamente. Hay muchas más incógnitas. En segundo lugar, estas empresas se enfrentan continuamente a muchos más modelos de negocio nuevos. Por ejemplo, cuando se lanzó Lime, la empresa de patinetes de San Francisco, la demanda de Uber cayó. Todo el mundo compite por la última milla. Cada nuevo modelo de negocio intenta hacerse con ella, racionalizarla y sacar una tajada. Por eso hay tanta incertidumbre en estos modelos.
Knowledge@Wharton: ¿Qué incentivos descubrieron que funcionaban de verdad para que tanto la empresa como los trabajadores estuvieran satisfechos con el funcionamiento general?
Allon: Probamos un tipo de incentivo: el financiero. Una de las ventajas, tanto de la economía gig como de esta nueva era en la que se dispone de tantos datos sobre cada conductor, es poder identificar cuáles conviene retener y cuáles es preferible que se queden en casa durante un turno concreto. Logramos demostrar que, si identificas a quienes ya están cerca de su objetivo de ingresos, tienes que ofrecerles una cantidad considerable para conseguir que conduzcan. Si identificas y clasificas correctamente a los conductores, puedes conseguir el número adecuado de ellos con un 30 % menos de incentivos, por ejemplo. O, si usas el mismo incentivo, puedes dirigirte a ellos con mucha más precisión. Pero todo depende de entender cuáles son los incentivos financieros de cada conductor.
Knowledge@Wharton: ¿Hasta qué punto estas empresas analizan a cada uno de sus conductores para incentivar a los buenos y lograr que sigan trabajando?
Allon: Continuamente. Estas empresas se basan muchísimo en los datos. Pensemos en el aprendizaje automático y lo que llamamos aprendizaje profundo. Les doy un ejemplo. Al analizar a los 7.000 conductores [de este estudio], encontramos probablemente 1.000 planes de incentivos distintos que se probaron en diferentes momentos y mediante distintos mecanismos. Estas empresas son muy hábiles en el uso de datos. Los analizan bien y reflexionan sobre ellos. Sin embargo, lo que demostramos es que, si se quiere proyectar más allá de lo observado, hace falta un modelo fundamental. Aun así, prueban e introducen variaciones continuamente para encontrar mejores incentivos.
Por cierto, algunos incentivos consistían en ofrecer un aumento si trabajabas una hora, si trabajabas dos horas más o si trabajabas cuatro días en una semana. Muchos buscaban dar más estabilidad a cada conductor.
Knowledge@Wharton: ¿Se acepta en el sector ese modelo de incentivos financieros?
Allon: También están algo limitadas por el tipo de acuerdo contractual que [tienen con] los conductores. El mayor riesgo al que se enfrentan es la regulación. Uber, por ejemplo, intenta asegurarse de que los conductores no sean considerados empleados. Para ello, hay que garantizar que el acuerdo entre ambas partes sea muy sencillo, normalmente financiero y muy transaccional.
En el sector, en general, se acepta que se pueden probar distintas opciones, introducir variaciones y garantizar una pequeña parte del salario, pero no se puede hacer nada mucho más creativo. Cualquier medida más creativa crea un vínculo que convierte al conductor en empleado, y entonces hay que ofrecerle prestaciones de salud y otros beneficios.
«Si compras muebles que hay que montar, Amazon puede enviarte a alguien para que lo haga, y esa persona será un trabajador de la economía gig, no un empleado de Amazon».
Knowledge@Wharton: Al adoptar este enfoque basado en trabajadores autónomos, ¿pueden las empresas gestionar mejor sus costos con los datos que recopilan y analizan?
Allon: Así es, pero, al mismo tiempo, todo se reduce a los resultados. Para conseguir que un conductor salga a la carretera, Uber tiene que garantizarle 17 dólares por hora. Conduciendo puede ganar 14, lo que significa que Uber subvenciona con 3 dólares a cada conductor, dinero que procede del capital de riesgo y, en esencia, de nuestros fondos de pensiones. Así que repercute directamente en los resultados. Es cierto que pueden preverlo. Todo es mucho más previsible, pero 3 dólares es mucho dinero.
Knowledge@Wharton: ¿Qué viene ahora en esta investigación?
Allon: Aquí mencionamos dos áreas. Una consiste en volver a la idea de la inercia. Queremos entender qué la impulsa, porque podría tener un impacto significativo en otros ámbitos. Creemos que hay algo particular en las empresas con las que trabajamos que la genera. Y eso crea oportunidades para que las empresas interactúen con sus clientes y con sus conductores. Creemos que es fundamental entender qué la impulsa.
En segundo lugar, creemos que podría crear oportunidades no solo para establecer acuerdos financieros, sino también para aplicar mecanismos que reduzcan las fricciones y permitan a las empresas crear modelos más interesantes para garantizar un servicio estable. Aquí hay algo fundamental que debemos tener claro: el cliente. En general, estamos ganando, ¿verdad? Tenemos un servicio mejor que nunca. Si quieres conseguir un taxi para ir de [un lugar a otro] en pocos minutos, ahí está. En conjunto, estamos mejor. La única pregunta es si esto es sostenible. Para que lo sea, debemos encontrar nuevos modelos que mantengan a los conductores en la carretera y que, además, lo hagan de forma más responsable.
Knowledge@Wharton: El consumidor entiende que la última milla es importante. Sin duda, siente que puede elegir. Si quiero ir a comprar un televisor a Best Buy y no me ofrecen el servicio adecuado, puedo devolverlo e ir a otra parte.
Allon: Y ese es el desafío. En la mayor parte de la nueva economía —ya sea Uber, Amazon, Facebook o Google— obtenemos un servicio mejor y más barato que nunca. Las preguntas tienen que ver con las consecuencias a largo plazo, y eso es lo que intentamos entender aquí. ¿Qué consecuencias tiene todo esto a largo plazo para el bienestar de los trabajadores?
Jeff Bezos dice que el cliente siempre da por sentado el nivel de servicio actual y nunca está satisfecho con lo que se le ofrece. Así que, si ahora puedes tener un conductor en cinco minutos, el año que viene tardará menos de un minuto. Después, querré tenerlo antes incluso de pensarlo. Eso impulsará aún más la innovación, elevará los costos para satisfacer esa demanda y aumentará la competencia por encontrar modelos interesantes para hacerlo.
