MercadistasMercadistasEntrar con GoogleApoyar el sitioApoyar

Teoría

Automatización y sustitución de empleo

Visto en 13 apariciones de los programas.

Qué es

La automatización es la sustitución de trabajo humano por capital —máquinas, software, algoritmos— en la ejecución de una tarea. El punto de partida analítico es que un puesto de trabajo no es una unidad indivisible sino un conjunto de tareas, y que la tecnología no reemplaza ocupaciones sino tareas dentro de ellas. Ese cambio de lente, formalizado por Acemoglu y Autor (2011), es lo que permite explicar por qué la automatización destruye empleo en algunos lugares y lo multiplica en otros al mismo tiempo.

La preocupación es tan vieja como la disciplina. Ricardo (1821) agregó a la tercera edición de sus Principios un capítulo "On Machinery" en el que se retractó públicamente de su posición anterior: concedió que la maquinaria podía ser perjudicial para los intereses de la clase trabajadora, no solo en la transición. Un siglo después, Keynes (1930) acuñó el término desempleo tecnológico: el desempleo que surge "porque descubrimos medios de economizar el uso de trabajo más rápido de lo que encontramos nuevos usos para él". Su apuesta era que se trataba de un desajuste temporal de fase, no de un destino.

El marco moderno descompone el efecto en dos fuerzas opuestas. Acemoglu y Restrepo (2019) las llaman efecto desplazamiento —la máquina toma la tarea y la demanda de trabajo cae— y efecto restitución, que combina el abaratamiento del producto (más demanda, más empleo en las tareas no automatizadas) con la creación de tareas nuevas en las que el trabajo tiene ventaja comparativa. El saldo neto no está determinado por la teoría: es empírico, y depende de si la economía genera tareas nuevas al ritmo con que elimina las viejas. La versión ingenua del pesimismo —que hay una cantidad fija de trabajo por repartir— es la llamada falacia del monto fijo de trabajo, y es falsa; pero descartarla no obliga a concluir que cualquier transición sea benigna.

¿Qué tareas se automatizan? Autor, Levy y Murnane (2003) mostraron que el criterio no es "manual versus intelectual" sino rutinario versus no rutinario: una tarea codificable en reglas explícitas es automatizable, aunque sea cognitiva y bien pagada (liquidar planillas, revisar contratos estándar), mientras que una tarea que exige juicio tácito, destreza física en entornos no estructurados o interacción social resiste. Es la paradoja de Polanyi (1966), "sabemos más de lo que podemos decir": lo que no se puede explicitar, no se puede programar. El resultado agregado es la polarización del mercado laboral —crecen los extremos de alta y baja calificación, se vacía el medio administrativo y de manufactura—, documentada por Goos y Manning (2007) para el Reino Unido y replicada en buena parte de la OCDE.

La inteligencia artificial generativa altera ese mapa en un punto específico: erosiona la frontera de lo codificable, porque ya no requiere reglas explícitas sino ejemplos. Tareas que eran no rutinarias por definición —redactar, resumir, sintetizar, escribir código de base— pasan al lado automatizable. Conviene, eso sí, tratar con cautela las cifras agregadas: Frey y Osborne (2017) estimaron en 47% los empleos estadounidenses en alto riesgo evaluando ocupaciones completas, y Arntz, Gregory y Zierahn (2016) rehicieron el ejercicio tarea por tarea y obtuvieron 9%. La diferencia no es de datos sino de unidad de análisis.

Cómo lo explicó el programa

En bdm-2026-08-18, el panel abordó el problema desde el lado de la entrada al mercado y no desde el stock de empleo, que es donde el fenómeno se vuelve más agudo. Citando el informe del Foro Económico Mundial, se planteó que en los próximos diez años el 81% de los empleadores priorizará la experiencia por sobre el título universitario y que el 41% planea reducir dotaciones por la entrada de la IA y la automatización de procesos. El diagnóstico fue explícitamente estructural y mundial —no un problema chileno— pero agravado por la IA.

La tesis fuerte la puso Pepe Arias: "si no entran ahora al mercado, quedan afuera para siempre". El mecanismo implícito es un cuello de botella: si el empleador exige experiencia y simultáneamente automatiza las tareas rutinarias con las que históricamente se adquiría esa experiencia, el primer peldaño de la escalera desaparece. El destino que el programa señaló para quien no logra entrar no es el desempleo abierto sino la informalidad, "el peor de los mundos": ingresos sin cotización, sin acumulación de historial laboral formal y sin la formación en el puesto que permite el siguiente salto.

Esa lectura tiene respaldo. La literatura sobre cicatrices de entrada —Oreopoulos, von Wachter y Heisz (2012)— muestra que quienes egresan en un mercado laboral deprimido cargan una pérdida salarial que tarda cerca de una década en cerrarse, y que el mecanismo principal es la calidad del primer empleador. Y si el título deja de operar como señal, en el sentido de Spence (1973), el filtro se traslada a un atributo que el postulante joven no puede producir por definición.

Cabe una advertencia contra la conclusión automática: la evidencia temprana sobre IA generativa en el puesto de trabajo (Brynjolfsson, Li y Raymond, 2023) encontró que las ganancias de productividad se concentran en los trabajadores menos experimentados, porque la herramienta codifica y difunde el conocimiento tácito de los mejores. Eso favorece al novato ya contratado; no dice nada sobre si será contratado. El cuello de botella del programa vive exactamente en esa brecha.

Relación con otros conceptos

Se conecta directamente con la destrucción creativa de Schumpeter, que es este mismo proceso mirado desde las empresas y no desde los trabajadores, y con el capital humano, porque la pregunta relevante deja de ser cuánta educación se acumula y pasa a ser cuál es complementaria a la máquina. La distinción entre capital y trabajo como sustitutos o complementos —la elasticidad de sustitución— es lo que decide si la automatización sube o baja los salarios reales del grupo afectado. Del lado macro, si el desplazamiento es persistente aparece la histéresis del desempleo: períodos largos fuera del empleo formal deterioran la empleabilidad y convierten un shock transitorio en una tasa de desempleo estructural más alta. Y en economías con mercados laborales duales, como las latinoamericanas, el ajuste no se ve en la tasa de desempleo sino en el margen informal, que absorbe el excedente y esconde el problema en las estadísticas.

Fuentes y lecturas

  • Autor, D., Levy, F. y Murnane, R. (2003), The Skill Content of Recent Technological Change: An Empirical Exploration, Quarterly Journal of Economics 118(4).
  • Autor, D. (2015), Why Are There Still So Many Jobs? The History and Future of Workplace Automation, Journal of Economic Perspectives 29(3).
  • Acemoglu, D. y Restrepo, P. (2019), Automation and New Tasks: How Technology Displaces and Reinstates Labor, Journal of Economic Perspectives 33(2).
  • Bessen, J. (2015), Learning by Doing: The Real Connection between Innovation, Wages, and Wealth, Yale University Press.
  • Arntz, M., Gregory, T. y Zierahn, U. (2016), The Risk of Automation for Jobs in OECD Countries, OECD Social, Employment and Migration Working Papers N.º 189.

Apariciones