Tradicionalmente, los procesos de cambio tecnológico son sesgados a favor de las habilidades: en general, en medio de una ola transformadora de tecnología, suelen salir mejor parados (en acceso al empleo, en ingresos, en condiciones laborales) las personas con mayor capacitación, habilidad o talento, especialmente cuando este talento es útil para utilizar y complementar a la nueva tecnología. Esto a su vez aumenta la prima salarial por calificación: la diferencia de ingreso laboral para quienes –siendo iguales en todo lo demás– tiene mayor grado de formación. Caso concreto: la diferencia en salario promedio entre un trabajador con título terciario y otro con título secundario.
La nueva IA podría invertir radicalmente esta ecuación.
Un artículo reciente introduce una pregunta novedosa: ¿Qué pasa si esta vez la tecnología reduce la prima por calificación y, como resultado de esto, también la desigualdad de ingresos? Para ilustrar el punto, estudia la vida de los taxistas en Tokyo. Saber hacia qué partes de la ciudad dirigirse, en qué momentos del día, para captar la mayor demanda de viajes, requiere de experiencia y de talento. Las nuevas aplicaciones de movilidad hacen innecesaria esa habilidad y ese talento, igualando los ingresos por hora trabajada. Según el artículo, una aplicación de este tipo en Tokio redujo un 7% el tiempo promedio de conducción sin pasajeros de un taxista. Como la aplicación sustituye una habilidad, los que no la tenían aumentan su performance en un 14% en promedio, igualando ingresos y aplanando la prima por habilidad.
En la misma dirección apunta David Autor en un trabajo de 2024 donde señala que, a diferencia de la primera automatización que preservaba los trabajos más calificados, la IA podría igualar hacia arriba complementando las competencias de trabajadores de calificación media para que puedan desempeñarse en tareas más complejas, eventualmente restaurando los empleos de clase media de países desarrollados perdidos con la globalización y la digitalización.
No es la primera vez que sucede esto. Antes del software de procesamiento de texto la mecanografía era todo un arte y una disciplina. Se enseñaba en las escuelas y en los institutos de formación como garantía laboral. Cuántas palabras por minuto se podían escribir era una habilidad que figuraba en el CV. Los procesadores de texto sustituyeron esa habilidad al punto de dejarla obsoleta –no está claro si para beneficio o desgracia de la secretaria–.
Pero ¿hacia dónde iguala Robin Hood?
En 1964, unos documentalistas ingleses liderados por Paul Almond reúnen y entrevistan en Londres a 14 chicos de 7 años de procedencia socioeconómica lo suficientemente variada como para representar a la sociedad británica de 1964. La idea es volver a entrevistarlos cada 7 años. En el primer capítulo de la “serie Up”, se ve a Tony, de clase baja, diciendo a cámara que de grande será jockey y que, de no lograrlo, será taxista. A Tony se lo ve de nuevo a los 14 entrenando para jockey en un establo y a los 21, tras haber fracasado como jockey, recorriendo Londres en un scooter para prepararse para el Knowledge, el enciclopédico examen de calles que los cabbies deben pasar para conducir un taxi. En el primer documental se piensa en hacer formar fila a los chicos y que tres de ellos dieran un paso al frente y dijeran: “de estos chicos solo tres tendrán éxito”.
Tal vez porque la interpretación dice tanto del objeto como de su observador (uno de los entrevistadores y futuro director, Michael Apted, confesará más tarde que, mientras filmaba 21 up, hizo tomas de Tony en barrios marginales para usarlas en el futuro porque consideraba que probablemente se volviera un delincuente), la serie confirma la hipótesis política que la motiva: a pesar del sistema de educación pública del welfare state, la clase social sigue determinando el destino socioeconómico de los chicos. Con una sola excepción: el jockey frustrado por el que Apted daba tan poco, que al convertirse en taxista sube un escalón social.
Hoy que el Knowledge está jaqueado por las plataformas y la falta de postulantes y al borde de la desaparición, no está claro si la tecnología elevará al conductor de UBER a la clase media o degradará al conductor de taxis a la clase baja. En Londres, en Tokio y en el resto del mundo.
¿Qué pasa con los taxistas calificados? En el artículo sobre los taxistas de Tokyo se especula con que preservan sus ingresos, aunque es lógico suponer que, con la mayor competencia de quienes ahora usan eficientemente la aplicación, pierdan algo de mercado y algo de salario. Incluso podríamos conjeturar que, sustituido el componente asociado a la calificación, el trabajador calificado no sería distinguible del no calificado: ambos ganarían lo mismo (adiós a la prima por educación) y el mercado contaría con una sobreoferta de trabajadores para una tarea para la que antes contaban con muchos menos, lo que sin duda llevaría a una reducción del salario promedio de estos trabajadores. Ganan los de abajo a costa de los de arriba, y gana la empresa a costa de todos.
Si la IA reemplazara a la inteligencia humana en todos sus aspectos, la igualación sería total y descendente, ya que prescindiría del trabajador de manera equitativa. Si reemplazara las tareas más complejas, la igualación también sería hacia abajo (recordemos el ejemplo de los logaritmos y la calculadora, o el de la ortografía y el corrector, o el del taxista). Más que elevar al trabajador poco calificado, lo que haría sería degradar el calificado haciendo redundante la calificación, tomando a cargo las tareas complejas y relegando para el trabajo humano los pasos más básicos.
“Las inversiones en IA están asociadas con una aplanación de la estructura jerárquica de las empresas, con aumentos significativos en la proporción de trabajadores a nivel junior y disminuciones en las proporciones de trabajadores en roles de gerencia media y puestos senior”, concluye un estudio de micro datos de los EE.UU. (también mencionan que las empresas que invierten en IA tienden a fuerzas laborales más educadas, con mayores proporciones de trabajadores con títulos de pregrado y posgrado, y más especialización en STEM).
Hallazgos preliminares, sobre datos pre-IA generativa, en línea con nuestra discusión del capítulo 1: una reducción del premio por estudiar y formarse y, con esto, de la desigualdad salarial y de ingresos. Bueno para la equidad entre trabajadores, sin duda. No tan bueno para los universitarios. Ni para la equidad entre el trabajo y el capital. En síntesis, nuestra hipótesis #2: el efecto Robin Hood de la nueva IA ecualiza a los trabajadores hacia abajo.
JJD