Inteligencia Artificial,
Empleo y Desigualdad *
Académico Leonardo Gasparini **
1. Introducción
Entre la enorme variedad de factores que afectan el empleo y los ingresos, la
tecnología es uno de los de mayor impacto. La Revolución Agrícola, hace alrededor de
10.000 años, transformó la tecnología para obtener alimentos y facilitó la
acumulación, y con ella el surgimiento de las ciudades, del Estado y de las
desigualdades económicas. Hace más de 200 años, otra revolución, la Industrial,
modificó radicalmente la forma de producir, afectando el empleo y la distribución del
ingreso tanto dentro de cada país, como entre países (Deaton, 2013). Muchos afirman
que en las últimas décadas del siglo XX se inició otra revolución, impulsada por el uso
masivo de nuevas tecnologías de procesamiento y comunicación, que están
transformando una vez más las formas de producir. La mecanización y
automatización, inicialmente en el agro y la industria manufacturera, pero ya
extendida a muchos sectores de servicios, ha ido transformando la estructura de
empleo y de ingresos, primero en los países desarrollados y progresivamente en el
resto del mundo. A ese proceso de cambio tecnológico acelerado, en los últimos años
se ha sumado un nuevo fenómeno de características inéditas: la inteligencia artificial
* Esta nota forma parte de la contribución de la Academia Nacional de Ciencias Económicas al trabajo
Inter-Academias Inteligencia Artificial: una mirada multidisciplinaria. Agradezco el estímulo y los
valiosos comentarios de Fernando Navajas.
** Afiliación: (i) Centro de Estudios Distributivos, Laborales y Sociales (CEDLAS), Instituto de
Investigaciones Económicas, Facultad de Ciencias Económicas, Universidad Nacional de La Plata, (ii)
CONICET y (iii) Academia Nacional de Ciencias Económicas.
1
(IA). Este término, aun de uso ambiguo, suele englobar desde (i) rutinas de
aprendizaje automático (machine learning) que permiten realizar más eficientemente
tareas de predicción en contextos complejos, y que reemplazan actividades humanas
(ej. traducción de idiomas, lectura de estudios médicos, manejo de camiones, análisis
financiero, atención al público) hasta (ii) potenciales desarrollos de computadoras
que superen la inteligencia humana (Agrawal et al., 2021). Lo inédito de la IA respecto
de cambios tecnológicos anteriores es que esta vez la tecnología desarrollada es capaz
de realizar tareas que normalmente requieren inteligencia humana, en lugar de
reemplazar actividades manuales, rutinas mecánicas o tareas básicas repetitivas.
El desarrollo de la IA es todavía incipiente y su impacto sobre la economía aun
marginal, pero pocos dudan de su potencial para transformar profundamente la
estructura económica y la vida diaria de millones de personas. Una preocupación
infaltable en todo debate es el potencial impacto que el desarrollo de la IA podría
tener sobre el empleo y la distribución de ingresos.1 Este debate suele estar poblado
de posturas extremas: por un lado los argumentos alarmistas que pronostican el fin
del trabajo para los seres humanos, y por el otro la confianza en que, como ha
ocurrido en el pasado, los desajustes sean solo pasajeros y la tecnología genere
mejoras en el nivel de vida y los salarios para la inmensa mayoría.
Esta breve nota resume algunos de los argumentos en el aún incipiente estudio de
las implicancias de la IA sobre el mercado laboral y la desigualdad. A diferencia de la
gran mayoría de los temas, donde la investigación económica se nutre de evidencia
empírica sobre hechos pasados, el análisis de la IA es en gran parte aun prospectivo, y
por lo tanto necesariamente más especulativo y menos riguroso.
2. El efecto sobre el empleo
Una de las preocupaciones centrales sobre el desarrollo de las nuevas tecnologías,
y en particular de la IA, es el impacto sobre el empleo. Si las computadoras aprenden a
1En un reciente libro del prestigioso National Bureau of Economic Research (Agrawal et al., 2021) que
examina todos los aspectos económicos de la IA, 5 de un total de 24 capítulos están enteramente
dedicados a discutir el posible efecto sobre el empleo y la distribución del ingreso, y varios otros hacen
referencia a esos temas.
2
hacer nuestras actividades cognitivas y creativas y los robots pueden replicar
nuestras tareas manuales, ¿en qué trabajaremos los humanos? La mayor parte de los
economistas que han analizado esta pregunta coinciden en dos respuestas generales
que distinguen los efectos de corto y largo plazo. Es muy probable que en el corto
plazo la incorporación de tecnología impacte negativamente sobre la demanda de
trabajo en aquellas ocupaciones desafiadas, y en consecuencia afecte el nivel y la
estructura de empleo. En cambio, los efectos de equilibrio general sobre el empleo y
los salarios en el largo plazo son más difíciles de determinar, y no necesariamente
negativos.
Uno de los modelos más usados para pensar estos problemas es el propuesto por
Acemoglu y Restrepo (2016), quienes puntualizan dos efectos: desplazamiento y
reincorporación. El primero es el más directo y de corto plazo. Las máquinas
desplazan a los humanos, incluso en tareas que hasta hace poco parecían a salvo de la
ola tecnológica. Este desplazamiento reduce la demanda de trabajo y aumenta
posiblemente el desempleo, dependiendo de la flexibilidad en los salarios para
ajustarse a la nueva situación. Acemoglu y Restrepo (2016) argumentan que a este
efecto desplazamiento se le opone un efecto reincorporación (reinstatement). Por un
lado, el aumento de la productividad y la acumulación de capital expanden la demanda
de trabajo y, más importante aún, el cambio tecnológico crea nuevas tareas, funciones
y actividades en las que el trabajo tiene una ventaja comparativa en relación con las
máquinas; al menos por un tiempo y hasta que la IA no tome formas extremas. El
balance entre los dos efectos es incierto y depende del plazo que se considere, de las
rigideces del mercado laboral y de la velocidad en cerrar el mismatch generado por la
demanda de nuevas habilidades.
La evidencia concreta sobre IA es casi inexistente, pero sí existe abundante
evidencia sobre el impacto de la incorporación de otras tecnologías desplazadoras de
mano de obra, especialmente en países desarrollados. En un estudio para nuestra
región, Gasparini et al. (2021) encuentran que en las últimas dos décadas el
crecimiento del empleo fue significativamente menor en las ocupaciones más fáciles
de automatizar. Brambilla et al. (2021a) utilizan datos de incorporación de robots en
3
la producción en Argentina, Brasil y México y encuentran que los distritos más
expuestos a la adopción de robots tuvieron un peor desempeño en relación con los
menos expuestos en términos de desempleo, informalidad e ingresos. La
incorporación de tecnología es inicialmente un proceso traumático.
La determinación de ganadores y perdedores naturalmente depende del cambio
tecnológico puntual bajo estudio. El proceso de mecanización de la producción en la
industria manufacturera de las últimas décadas del siglo XX fue claramente sesgado
en contra de la mano de obra no calificada (Katz y Murphy, 1992). En cambio, al
menos para muchos países desarrollados, los avances más recientes en
automatización y robotización han perjudicado en mayor medida a los trabajadores
semi-calificados en empleos de salarios medios caracterizados por tareas rutinarias
(Autor y Dorn, 2013).
A diferencia de esas tecnologías de automatización, aún no está claro que los
futuros avances en IA continuen teniendo un sesgo a favor de la mano de obra
calificada. De hecho, muchas de las tecnologías de IA están avanzando en reemplazar
tareas típicamente realizadas por trabajadores calificados (ej. contadores, abogados,
arquitectos). Por ahora, sin embargo, la amenaza sobre estas ocupaciones de salarios
más altos parece algo lejana. Brambilla et al. (2021b) utilizan indicadores de
perspectivas futuras de automatización por ocupación a partir de las predicciones de
expertos en machine learning para la próxima década, y los aplican a la estructura
ocupacional de las seis economías más grandes de América Latina. Los autores
concluyen que al menos por ahora, y de acuerdo a esas proyecciones, es probable que
los trabajadores no calificados y semi-calificados sigan asumiendo la mayor parte de
los costos de ajuste ante el cambio tecnológico.
3. El efecto sobre la distribución del ingreso
“We believe that the primary economic challenge posed by the proliferation of AI will
be one of income distribution” (Korinek y Stiglitz, 2021). Muchos analistas comparten
esta preocupación. Las nuevas tecnologías tienen efectos asimétricos sobre la
4
demanda de los distintos factores de producción, por lo que el impacto sobre la
desigualdad puede ser significativo y perdurable.
En general, los analistas coinciden en algunas predicciones, en parte basadas en
evidencia pasada, en parte en modelos teóricos y conjeturas sobre el desarrollo y
adopción de tecnologías de IA. La predicción más usual es que las nuevas tecnologías
reforzarán una tendencia iniciada hace décadas hacia el aumento del share del capital
y la reducción del share del trabajo en el ingreso nacional (ej. Sachs, 2021). Dada la
mayor concentración de la propiedad del capital en los percentiles superiores de la
distribución del ingreso, el impacto esperado es desigualador. En esa misma dirección
opera el incremento de las rentas de los innovadores, esperable en un contexto de
mercados para la innovación no perfectamente competitivos.
Las predicciones sobre el impacto asimétrico sobre los distintos tipos de trabajo
son más inciertas. Algunos prevén la continuación del sesgo pro-trabajo calificado,
que ha resultado significativamente desigualador (Autor, Katz, and Krueger 1998).
Otros, en cambio sostienen que los futuros cambios tecnológicos asociados con la IA
afectarán más a los trabajadores de mediana y alta calificación, con lo que el impacto
distributivo se vuelve menos claro (Sachs, 2021).
Es esperable que no solo la distribución del ingreso interna de cada país, sino
también la distribución del ingreso entre países se vea afectada por el desarrollo de
tecnologías avanzadas de IA. En particular, los países en desarrollo podrían verse
perjudicados al disminuir el atractivo de la producción off shore, dado que el costo
laboral se vuelve menos relevante. Las nuevas tecnologías tienden a ahorrar mano de
obra y recursos naturales, los factores de producción más abundantes en los países en
desarrollo. Adicionalmente, muchas de las nuevas tecnologías implican una dinámica
de "el ganador se lo lleva todo", en la que los países en desarrollo tienen menos
chances de competir (Korinek y Stiglitz, 2021b).
5
4. Comentarios finales
Los avances tecnológicos han sido el principal motor del progreso humano.
Después de un cambio tecnológico las sociedades son más productivas y más ricas en
el agregado, y por lo tanto en principio todos sus integrantes podrían potencialmente
beneficiarse. En la práctica, sin embargo, las imperfecciones de mercado y los costos
de eficiencia de la política redistributiva, entre otros factores, impiden compensar
totalmente a los perdedores. Las consecuencias distributivas de las innovaciones
tecnológicas suelen ser entonces muy relevantes, hasta el punto de, incluso, amenazar
su sustentabilidad.
Los avances en IA suponen un cambio tecnológico de magnitud y consecuencias
todavía impredecibles. El análisis y monitoreo de sus consecuencias sobre el empleo y
los ingresos será vital para asegurarse que los beneficios potenciales que generen
estas extraordinarias tecnologías sean compartidos por todos. Los próximos años
serán seguramente fértiles en la investigación sobre estos temas, a medida que las
tecnologías se expandan y generalicen, y comiencen a generarse datos que permitan
estudiar sus efectos con menos conjeturas y más rigurosidad.
6
Referencias
Agrawal, A., Gans, J. y Goldfarb, A. (eds.) (2021). The Economics of Artificial
Intelligence: An Agenda, University of Chicago Press.
Acemoglu, D. y Restrepo, P. (2016). The Race between Machine and Man: Implications
of Technology for Growth, Factor Shares and Employment. American Economic
Review 108 (6).
Autor, D. y Dorn, D. (2013). The Growth of Low-Skill Service Jobs and the Polarization
of the US Labour Market. American Economic Review, Vol. 103, No. 5.
Autor, D., Katz, L. y Krueger, A. (1998). Computing Inequality: Have Computers
Changed the Labor Market? Quarterly Journal of Economics 113 (4).
Brambilla, I., César, A., Falcone, G. y Gasparini, L. (2021a). The impact of robots in
Latin America: Evidence from local labor markets. CEDLAS-UNLP.
Brambilla, I., César, A., Falcone, G., Gasparini, L. y Lombardo, C. (2021b). The Risk of
Automation in Latin America. Documentos de Trabajo del CEDLAS Nº 281,
CEDLAS-UNLP.
Deaton, A. (2013). The Great Escape: Health, Wealth, and the Origins of Inequality.
Princeton University Press.
Gasparini, L., Brambilla, I., César, A., Falcone, G. y Lombardo, C. (2021). Routinization
and Employment: Evidence for Latin America. Documentos de Trabajo del
CEDLAS Nº 276, CEDLAS-UNLP.
Katz, L. y K. Murphy (1992). Changes in relative wages, 1963–1987: supply and
demand factors. The Quarterly Journal of Economics, 107(1).
Korinek, A. y Stiglitz, J. (2021a). Artificial Intelligence and Its Implications for Income
Distribution and Unemployment. En Agrawal et al. (2021).
Korinek, A. y Stiglitz, J. (2021b). Artificial Intelligence, Globalization, and Strategies for
Economic Development. Working Paper No. 146, Institute for New Economic
Thinking.
Sachs, J. (2021). R&D, Structural Transformation, and the Distribution of Income. En
Agrawal et al. (2021).
