Este documento examina cómo la Inteligencia Artificial Generativa (GenAI) podría afectar los mercados laborales a nivel global, abarcando 135 países y alrededor de dos tercios del empleo mundial. Se centra en cómo la exposición varía entre economías avanzadas y en desarrollo, y cómo la infraestructura digital y la composición de tareas moldean el equilibrio entre los riesgos de automatización y las ganancias de productividad.
La exposición a GenAI es mayor en economías avanzadas, con una relación positiva clara entre el PIB per cápita y la exposición a GenAI. Aproximadamente el 30-32 por ciento del empleo en países de altos ingresos está expuesto, mientras que en países de bajos ingresos, esta cifra se aproxima al 10-15 por ciento. Esta diferencia se debe principalmente a ocupaciones con mayor exposición a la automatización, como roles clericales y ciertos profesionales. En contraste, la proporción de empleos con potencial de aumento se distribuye de manera más uniforme entre los niveles de ingresos.
La brecha digital crea una asimetría entre riesgos y beneficios. El acceso a Internet es una condición previa para utilizar herramientas de GenAI. Cuando se ajusta la exposición por conectividad, las brechas de ingresos se amplían aún más. El documento identifica una dinámica de "pequeño margen, grandes cuellos de botella" en los países en desarrollo: los trabajadores en empleos con exposición a la automatización suelen estar conectados y, por lo tanto, pueden experimentar presiones de desplazamiento relativamente rápido. Por otro lado, los trabajadores en empleos con potencial de aumento a menudo carecen de acceso a Internet confiable, limitando su capacidad para realizar ganancias de productividad.
A través de los países con datos detallados, 441.8 millones de empleos caen en gradientes de exposición orientados al aumento. De estos, alrededor de 66.9 millones carecen de acceso a Internet, representando un potencial de productividad no realizado. Esto sugiere que en algunas economías en desarrollo, los efectos disruptivos pueden materializarse antes que los beneficios.
En los países de ingresos bajos y medios, la proporción de empleos expuestos a la automatización es menor en general, pero estos empleos suelen representar roles de servicio de mayor calidad, ocupaciones desproporcionadamente ocupadas por mujeres y jóvenes, y posiciones administrativas de nivel inicial que históricamente han servido como vías hacia un trabajo decente. Esto plantea el riesgo de un "bypass de cuello blanco", donde los empleos de oficina que apoyaron la movilidad ascendente y la participación de las mujeres en la fuerza laboral en economías avanzadas pueden no materializarse completamente en los países en desarrollo actuales.
Una contribución clave del documento es mostrar que los títulos ocupacionales no reflejan un contenido de tareas idéntico entre países. Utilizando datos de PIAAC y STEP para 46 países, se encuentra que los trabajadores en países en desarrollo realizan menos tareas analíticas no rutinarias, incluso dentro de ocupaciones clasificadas como altamente expuestas. Cuando se ajustan las puntuaciones de exposición a nivel país para reflejar el contenido real de las tareas, muchos países en desarrollo bajan en el ranking de exposición.
La exposición aumenta con la educación y los ingresos del hogar. Las mujeres y los trabajadores más jóvenes están sobrerrepresentados en ocupaciones con mayor exposición a la automatización, especialmente en países de ingresos altos y medios altos. En países más pobres, el segmento digitalmente conectado de trabajadores calificados puede enfrentar presiones laborales más tempranas. Sectorialmente, los servicios financieros y empresariales muestran alta exposición en todos los niveles de ingresos, pero las brechas de conectividad siguen siendo significativas en países de bajos ingresos.
El impacto de GenAI en el mercado laboral dependerá no solo de la capacidad tecnológica, sino también de la infraestructura digital, la organización de tareas dentro de las ocupaciones, los sistemas de educación y habilidades, y las instituciones del mercado laboral y la protección social.
¿Cómo pueden los países en desarrollo mitigar los riesgos de automatización mientras maximizan los beneficios de GenAI?
.
.
.
RESUMEN BASADO EN EL ARTÍCULO PUBLICADO EN International Labour Organization EL no especificado. Leer original
https://www.ilo.org/publications/disruption-without-dividend-how-digital-divide-and-task-differences-split
La ventana se está cerrando