Automatización y empleo en Uruguay
| Autor | Diego Aboal, Andrés López, Roxana Maurizio, Paz Queraltó |
| Cargo | Universidad ORT Uruguay y Universidad de la República, Montevideo, Uruguay. Correo electrónico: diego. aboal@gmail.com - Instituto Interdisciplinario de Economía Política, Universidad de Buenos Aires y Conicet, Buenos Aires, Argentina. Correo electrónico: anlopez1962@gmail.com - Instituto Interdisciplinario de Economía Política, Universidad de ... |
| Páginas | 33-72 |
33
desarro. soc. 71, primer semestre de 2013, pp. x-xx, issn 0120-3584
Revista
Desarrollo y Sociedad Primer cuatrimestre 2021
PP. 33-72, ISSN 0120-3584
E-ISSN 1900-7760
Automatización y empleo en Uruguay
Automation and employment in Uruguay
Diego Aboal1
Andrés López2
Roxana Maurizio3
Paz Queraltó4
DOI: 10.13043/DYS.87.2
Resumen
El debate sobre los impactos de la automatización en el empleo ganó relevancia en
años recientes. Sin embargo, la creciente evidencia empírica ha estado focalizada,
en su mayoría, en países desarrollados. El objetivo de este artículo es, a partir de
ejercicios cuantitativos y cualitativos, identificar los cambios relativos en las ocu-
paciones y los tipos de tareas que podrían ser consistentes con un proceso de auto-
matización en el sector de comercio minorista uruguayo. Esto resulta de relevancia
por cuanto es un sector no transable que demanda, principalmente, mano de obra
de baja calificación en un país de ingresos medios. Se observa un desplazamiento
en el tipo de tareas realizadas y en las calificaciones requeridas, en desmedro de
los trabajadores con credenciales educativas bajas y de las tareas manuales no
1 Universidad ORT Uruguay y Universidad de la República, Montevideo, Uruguay. Correo electrónico: diego.
aboal@gmail.com
2 Instituto Interdisciplinario de Economía Política, Universidad de Buenos Aires y Conicet, Buenos Aires,
Argentina. Correo electrónico: anlopez1962@gmail.com
3 Instituto Interdisciplinario de Economía Política, Universidad de Buenos Aires y Conicet, Buenos Aires,
Argentina. Correo electrónico: roxanadmaurizio@gmail.com
4 Centro de Investigaciones Económicas, Montevideo, Uruguay. Correo electrónico: mpazqueralto@gmail.com
Este artículo fue recibido el 29 de mayo del 2020, revisado el 4 de noviembre del 2020 y finalmente
aceptado el 30 de noviembre del 2020.
87
Automatización y empleo en Uruguay
34
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
rutinarias, a favor mayormente de las cognitivo-rutinarias. Estos resultados son
útiles en el diseño de las políticas de formación profesional.
Palab ras clav e: cambio tecnológico, ocupación, tareas, Uruguay.
Clasificación JEL: O15, J24, J23.
Abstract
The debate surrounding the impacts of automation on employment has become
increasingly relevant in recent years. However, the growing empirical evidence
has been largely focused on developed countries. The purpose of this article is
to identify, based on quantitative and qualitative exercises, the relative changes
in occupations and types of tasks that could be consistent with an automation
process in the Uruguayan retail sector. This is significant because it is a non-
tradable sector that requires mainly low-skilled workers in a middle-income
country. A task content displacement effect is observed, to the detriment of
workers with low educational levels and non-routine manual tasks, in favor
mostly of cognitive-routine ones. These results are useful for the design of
vocational training policies.
Key words: Automation, employment, task, Uruguay.
JEL Classification: O15, J24, J23.
Introducción
En años recientes el análisis sobre los impactos de la automatización ha tenido
un lugar prominente en la agenda de debate académica y de políticas públi-
cas. Tal vez los trabajos que más llamaron la atención son aquellos que hacen
predicciones respecto a los posibles impactos de la automatización de tareas
sobre el volumen futuro del empleo (Arntz et al., 2016; Dutz et al. 2018; Frey y
Osborne, 2017; Manyika, Chui et al., 2017; Vermeulen et al., 20185). Si bien las
investigaciones iniciales dentro de esta línea (como, por ejemplo, la de Frey y
Osborne) hacían predicciones alarmantes sobre la posible destrucción masiva
de puestos de trabajo, a posteriori emergieron otros estudios con conclusiones
más matizadas, a la vez que emergieron diversas críticas a alguna de las meto-
dologías empleadas para elaborar las respectivas predicciones.
5 Véanse Balliestier y Elsheikhi (2018) para una revisión.
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 35
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
En paralelo, otra corriente de investigaciones (que son las que nos intere-
san en este artículo) han examinado los impactos que ya se han producido
sobre el mercado de trabajo en los últimos años a partir de la aceleración del
proceso de automatización de tareas. Algunos de estos estudios se enfocan
en las consecuencias en materia de creación/destrucción de empleos. Allí
se contrapone el llamado “efecto sustitución” (mecanismos automatizados de
producción desarrollan tareas repetitivas previamente llevadas adelante por la
fuerza de trabajo), que obviamente siempre tiene impactos negativos sobre el
empleo, contra el “efecto escala”, el cual se refiere a la posibilidad de que la
reducción de costos en el sector que se automatiza se traduzca en una mayor
demanda por sus bienes o servicios, lo que lleve a un crecimiento de sus acti-
vidades y, por consiguiente, del empleo. La posibilidad de que este efecto com-
pensatorio se produzca depende crucialmente de la elasticidad precio de la
demanda en los sectores en los que se produce la automatización —y de que
exista suficiente competencia en el mercado como para que la baja de costos se
traduzca en bajas de precios— o, alternativamente, de que existan otros sec-
tores con demanda altamente elástica al ingreso en los que se gasten las
rentas ahorradas por la baja de precios en el sector que se automatiza6. Adi-
cionalmente, se encuentran otros mecanismos por los cuales la actual oleada
de cambio tecnológico puede llevar a efectos compensadores por la vía de la
creación de empleo, lo que incluye la generación de nuevas oportunidades
de inversión o la emergencia de nuevas actividades productivas debidas al
propio avance de la robotización.
Por su parte, otro grupo de artículos examina, alternativa o complementa-
riamente, efectos en materia de composición de la demanda de trabajo. En
este sentido, varios estudios recientes observan una tendencia a la polariza-
ción del mercado laboral en la que pierden peso los trabajos de calificación
media a favor de los de alto y bajo nivel de calificación (McIntosh, 2013). Uno
de los factores que, de acuerdo con Autor et al. (2003), estarían detrás de
6 En este sentido, como argumenta Bessen (2017), la elasticidad precio de la demanda suele declinar
de manera progresiva a medida que los sectores maduran y se acumulan oleadas de ganancias de
productividad y baja de precios. Por otra parte, Autor (2015) sugiere que existen sectores de servicios
tecnológicamente “atrasados”, tales como servicios de limpieza, cuidado personal, gastronomía, etc.,
cuya demanda es altamente elástica al ingreso y, por tanto, también podrían generar empleo en un
contexto de creciente productividad.
Automatización y empleo en Uruguay
36
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
esta tendencia7 es que resulta más simple automatizar tareas repetitivas (ya
sean cognitivas o manuales), desempeñadas usualmente por trabajadores de
calificación media, que tareas “abstractas” (vinculadas a la resolución de pro-
blemas, la creatividad, etc.) o tareas “manuales no rutinarias” (que requieren
mayor interacción personal, adaptabilidad, etc.).
Finalmente, puede ocurrir que el cambio tecnológico complemente más que
desplace empleo (Autor, 2015), aunque esto, naturalmente, puede implicar
un cambio en el tipo de habilidades demandadas. En efecto, según Autor, los
procesos de trabajo requieren combinaciones de diversos insumos (mano de
obra, capital, creatividad, repetición, dominio técnico, intuición, etc.). Si todos
estos insumos tienen un rol relevante en un determinado proceso, las mejoras
en uno de ellos no hacen redundante al resto. En general, entonces, las tareas
que no se pueden sustituir por la automatización son complementadas por ella.
Aunque hay una interesante y creciente literatura teórica que busca analizar
los diversos canales de interacción entre cambio tecnológico y empleo8, parece
evidente que la prevalencia de uno u otro tipo de impactos ha de ser dirimida
empíricamente. En este escenario, el presente trabajo apunta a identificar los
cambios en la composición del empleo según el tipo de tareas realizadas en
las ocupaciones durante el nuevo milenio (2003-2016) en Uruguay, así como
evaluar en qué medida estos son consistentes con las predicciones en relación
con los impactos de la automatización, profundizando el análisis presentado
en Apella y Zunino (2017).
Nuestro estudio se enfoca en el sector comercio en Uruguay. La relevancia de
este estudio reside en una serie de factores. Primero, este sector es el segundo
empleador en Uruguay después del sector público. Segundo, a diferencia de
la mayor parte de la literatura disponible sobre el tema, nos focalizamos en
un sector no transable que demanda, principalmente, mano de obra de baja
calificación en un país de ingresos intermedios. Tercero, la mayor parte de los
trabajadores del sector a nivel mundial, incluyendo supermercados, se dedica
7 Hay otras explicaciones competitivas como, por ejemplo, el impacto de la offhorización de tareas
en el marco de los procesos de fragmentación productiva y despliegue de cadenas globales de valor
(Autor et al., 2015; Marcolin et al., 2016).
8 Véanse Calvino y Virgillito (2018) para un resumen de algunos de esos canales; con respecto a la literatura
focalizada en automatización, véanse, por ejemplo, Acemoglu y Restrepo (2018) o Berg et al. (2018).
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 37
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
a tareas manuales y repetitivas, para las que habilidades cognitivas básicas
son suficientes. Cuarto, dentro del sector comercio se esperan cambios muy
significativos en el tipo de demandas de personal, en el cual ciertas ocupacio-
nes, como, por ejemplo, cajeros o repositores, exhiben un muy elevado riesgo
de ser automatizadas, mientras que se requerirán crecientemente habilidades
asociadas al manejo de las nuevas tecnologías, así como en el análisis de datos
y predicción de patrones de compra. Finalmente, este documento combina
ejercicios cuantitativos (a partir de información proveniente de la Encuesta
Continua de Hogares de Uruguay) y un estudio de caso (a partir de informa-
ción proveniente de entrevistas en profundidad) sobre un proyecto específico
de cambio tecnológico ahorrador de trabajo, lo cual permite relacionar de
modo más preciso los cambios observados en el empleo con el avance de la
automatización en el sector. Todos estos aspectos le otorgan particularidad al
análisis aquí presentado, dado que la adopción de tecnología podría adquirir
características propias y tener impactos diferentes a los encontrados en otros
sectores y contextos económicos.
Los resultados obtenidos en este estudio están en línea con los del trabajo de
Apella y Zunino arriba citado, y sugieren que los desplazamientos en el tipo
de habilidades y calificaciones requeridas parecen obedecer más a movimientos
entre ocupaciones dentro del mismo sector que a cambios en el tipo de habili-
dades demandadas dentro de cada ocupación. Al igual que lo encontrado para
otros sectores y en el mercado de trabajo en su conjunto, la aceleración del
cambio tecnológico puede conllevar una más rápida obsolescencia del capital
humano general y específico. En este sentido, las políticas activas del mercado de
trabajo en lo que se refiere a la formación profesional y a la certificación
de conocimientos y capacidades adquieren un rol cada vez más importante,
aun en países en donde la adopción de tecnología y la automatización hasta
ahora resulta relativamente menos intensa.
La estructura del trabajo es la siguiente. En la primera sección se muestran
los trabajos empíricos sobre los impactos de la automatización en el volumen
y la composición del empleo tanto en general como para el sector de comer-
cio minorista en particular. En la segunda sección se detallan las fuentes de
datos y las metodologías de análisis cuantitativo y cualitativo empleadas. La
tercera describe la evolución del producto y del empleo en el sector comer-
cio en Uruguay. La cuarta analiza los cambios en la estructura ocupacional
uruguaya con base en datos de la Encuesta Continua de Hogares (ECH), con
Automatización y empleo en Uruguay
38
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
el fin de evaluar la intensidad y la dirección de dichos cambios según el tipo
de ocupación y los niveles educativos tanto para el empleo urbano total como
para el comercio minorista. La quinta sección incluye los resultados del estu-
dio de caso sobre el sector supermercados. Finalmente, la sexta presenta las
conclusiones y sugiere algunas lecciones de política.
I. Revisión de la literatura empírica
A. Los estudios de impacto sobre la economía en general
De la revisión efectuada para este trabajo surge que hay solo dos estudios que
muestran que el proceso de automatización tiene efectos netos negativos sobre
el empleo. Uno es el de Acemoglu y Restrepo (2017), quienes hallan que las
regiones estadounidenses más expuestas a la robotización industrial sufrieron
caídas diferenciales en el empleo y los salarios entre 1990 y el 2007. El otro es
el de Chiacchio et al. (2018), quienes encuentran caídas en el empleo y en los
salarios (aunque con resultados menos robustos en este último caso) deriva-
das de la adopción de robots, mediante el trabajo con datos para seis países
europeos (Finlandia, Francia, Alemania, Italia, España y Suecia) en el periodo
1995-2007. Los efectos negativos se concentran en el grupo de trabajadores
jóvenes con educación secundaria.
Por otra parte, se encuentra una serie de estudios que muestran efectos neu-
tros, o incluso positivos en algún caso, sobre el nivel de empleo, a la vez que,
en general, reportan impactos en materia de composición. Entre estos estudios
el de Graetz y Michaels (2018) también utiliza datos de robotización indus-
trial, en este caso para 17 países europeos entre 1993 y el 2007; los autores
encuentran que la adopción de robots tuvo efectos positivos sobre la produc-
tividad laboral y los salarios, no tuvo impactos sobre las horas trabajadas y
sesgó la demanda de trabajo en contra de los empleos de baja calificación
(nótese que este trabajo compara datos nacionales, mientras que Acemoglu y
Restrepo, 2017, usan información a nivel de mercados laborales regionales9)
9 Aunque no cuentan con datos sobre penetración de robots a ese nivel, la estiman combinando el nivel de
adopción de robots por sector ponderado por la composición de la estructura industrial de cada región.
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 39
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
Mann y Püttmann (2017) utilizan como variable explicativa de interés las
patentes otorgadas en EE. UU. entre 1976 y el 2014 que, de algún modo, están
vinculadas a la automatización de tareas. Los autores encuentran que el por-
centaje de dichas patentes sobre el total otorgado creció del 25 % al 67 % en
ese periodo (las altas cifras reportadas podrían sugerir que el método adop-
tado lleva a una definición bastante amplia del concepto de automatización).
En el trabajo se asocian las patentes identificadas con las industrias en las
que pueden utilizarse y luego, a través de datos sobre estructura de empleo
sectorial, a mercados laborales locales en los EE. UU. El resultado es que los
avances en automatización tienen impactos positivos sobre estos mercados,
aunque mientras el empleo industrial declina el de servicios aumenta, más que
compensando las pérdidas del primero (en particular, existe un movimiento de
trabajo rutinario industrial a trabajo no rutinario en servicios).
Por su parte, Autor y Salomons (2018) eligen como variable proxy la produc-
tividad tanto laboral como total de factores. La lógica es que dada la hetero-
geneidad de los canales de innovación es preferible usar una variable que se
pueda interpretar como resumen de sus impactos; obsérvese que aquí, enton-
ces, ya no se habla solo de automatización de tareas, pues las innovaciones
de producto también pueden generar ganancias de productividad. Asimismo,
como asumen los propios autores, los cambios en la productividad pueden pro-
venir de otros canales distintos a la innovación, tales como la offhorización
de tareas. Los datos provienen de 19 países —15 de la Unión Europea, EE. UU.,
Japón, Corea y Australia— entre 1970 y el 2007. Sus resultados indican que
los aumentos de productividad (en particular cuando se usa la productivi-
dad total de factores) han llevado a aumentos (modestos) en el empleo, bien
sea que se mida con base en el número de empleos totales o bien al tomar
el ratio de trabajadores empleados contra la población en edad de trabajar.
El mecanismo detrás de estos hallazgos sería que, si bien las industrias que
experimentan ganancias de productividad destruyen empleo, esas pérdidas
son más que compensadas por los derrames que esas ganancias generan en
otras actividades tanto vía eslabonamientos insumo-producto como a través
de aumentos en la demanda final.
Al desagregar los impactos de los aumentos de productividad por sector,
encuentran que las ganancias en minería, servicios públicos y construcción
reducen empleo debido a sus casi nulos impactos intersectoriales, mientras que
la industria genera modestas ganancias de empleo y los servicios ganancias
Automatización y empleo en Uruguay
40
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
algo mayores. Cuando analizan diferentes periodos, Autor y Salomons indi-
can que la relación positiva entre empleo y productividad desaparece en
la década de los 200010, algo que podría dar pie a pensar que el cambio
tecnológico ha acentuado su carácter destructor de empleos (aunque hay otros
factores que podrían estar en juego también, como, por ejemplo, los cambios
en el comercio, cuyos impactos no se analizan de forma específica). Final-
mente, los autores sí hallan evidencia en favor de la hipótesis de polarización
del empleo en contra del trabajo de media calificación.
Koch et al. (2019) se centran en el caso de España con datos para el periodo
1990-2016 y encuentran que la robotización reduce el peso de los costos
laborales en la industria, pero lleva a una tasa neta de creación de empleos
positiva. En particular, el trabajo muestra que las firmas que adoptan robots
expanden el nivel de empleo y las que no adoptan reducen su plantilla laboral.
En consecuencia, los efectos de la automatización sobre el empleo se darían
fundamentalmente como consecuencia del movimiento de factores dentro de
cada industria. En tanto, Dauth et al. (2018) se centran en el caso alemán, con
datos para el periodo 1994-2014, y encuentran que las pérdidas de trabajo en
las regiones industriales expuestas a la automatización se compensan plena-
mente con los nuevos puestos creados en el sector servicios. Las pérdidas de
empleo no afectan a los trabajadores establecidos (aunque estos deben acep-
tar cambios de tareas y menores ritmos de aumentos salariales), sino que se
derivan de menores oportunidades para los jóvenes.
Aghion et al. (2019) utilizan un concepto más amplio de automatización
(agregando también otro tipo de maquinaria, además de robots) y lo aplican
al estudio de la industria francesa, con datos para el periodo 1994-2015. Los
autores hallan también impactos positivos de la automatización sobre el empleo
tanto a nivel de planta como de empresa y no observan caídas del peso de los
salarios sobre los costos totales.
Otra serie de estudios ponen el foco en la adopción de tecnologías de la
información y las comunicaciones (TIC). Michaels et al. (2014) examinan el
10 Autor y Salomons (2017), con datos para 28 industrias en 18 naciones de la OECD, encuentran que
las ganancias de productividad reducen el share del empleo sobre el valor agregado, relación que no
estaba presente en la década de los setenta, pero que se hace negativa en la de los ochenta y en la
de la de los noventa y profundiza su intensidad en la de los 2000. Bottazzi et al. (2010) encuentran
similares efectos para Francia e Italia en un análisis a nivel sectorial.
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 41
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
impacto de la inversión en TIC sobre el empleo en 11 países de la OECD entre
1980 y el 2004, de modo que encuentran cómo en las industrias con mayor
uso de TIC se da un desplazamiento de trabajadores de media calificación en
favor de los de alta calificación. Por su parte, Bessen (2016), en el caso de los
EE. UU., halla que el efecto neto del uso de las TIC sobre el empleo es positivo;
el empleo crece relativamente más en las ocupaciones que usan estas tecno-
logías, aunque parte de ese aumento es a costa de otras ocupaciones en las
mismas industrias. A la vez, el uso de TIC genera pérdidas de empleo en ocu-
paciones de bajos salarios y ganancias en los puestos de altos salarios y eleva
la participación de los trabajadores con mayor nivel educativo. Asimismo, el
uso de computadoras está asociado a aumentos en las disparidades salariales
dentro de cada ocupación. En otro estudio, Bessen (2017) encuentra que el
uso de TIC se asocia con aumentos del empleo en sectores no manufactureros
y caídas de puestos de trabajo en sectores industriales. Esto se explica por la
mayor elasticidad de la demanda en los primeros, frente a la mayor saciedad
de la demanda en el mundo industrial. En un trabajo más reciente el mismo
autor no encuentra efectos negativos de la aplicación de TIC sobre los niveles
de empleo, aunque esto es resultado de caídas en industria, transporte y ser-
vicios públicos, así como aumentos en servicios, finanzas y comercio (Bessen y
Righi, 2019). Ahora bien, el citado trabajo de Chiacchio et al. (2018) encuentra
efectos positivos sobre los niveles de empleo cuando se analiza la introduc-
ción de TIC en lugar de robots.
Balsmeier y Woerter (2019) analizan los impactos de la inversión en diversas
tecnologías digitales, desde programas de software y robots, hasta impresión
3D, Internet de las cosas y comercio electrónico, para un panel de firmas sui-
zas con datos que corresponden al periodo 2014-2016. Los autores hallan
que la inversión en estas tecnologías tiene un efecto neto positivo sobre el
volumen de empleo, pero favorece la contratación de trabajadores de altas
calificaciones a la vez que desplaza a los de baja. Estos efectos se dan solo a
través de la adopción de la digitalización vía máquinas (robots, Internet de
las cosas, impresión 3D).
En un estudio para la Argentina, Brambilla y Tortarolo (2018), quienes usan
datos a nivel empresa, hallan que la adopción de TIC lleva a aumentos sala-
riales y de productividad, en particular en lo que respecta a firmas de ele-
vada productividad y que emplean trabajo de alto nivel de calificación. A su
vez, esta adopción induce una menor demanda relativa de empleo de baja
Automatización y empleo en Uruguay
42
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
calificación, aunque en términos absolutos estimula la creación de empleos en
todas las categorías de habilidades (este efecto se da con más intensidad
en empresas de rápido crecimiento).
Finalmente, Autor et al. (2015) discuten el impacto relativo de la automatiza-
ción medida en función de la participación de los empleos rutinarios sobre el
total de empleo en cada mercado regional de trabajo en EE. UU. Los autores
encuentran que, así estimada, la automatización no tiene impactos de nivel
sobre el empleo, aunque sí provoca cambios de composición, ya que reduce
la participación de las tareas rutinarias —tanto productivas como adminis-
trativas— en la industria y en los servicios, lo que genera polarización sala-
rial. Gregory et al. (2018) —utilizando una variable similar a la de Autor et al.
(2015) y trabajando con regiones europeas— hallan, a su vez, cómo el cambio
tecnológico que reemplaza rutinas, si bien desplaza empleo de manera directa,
genera ganancias netas de puestos de trabajo, dado que los ahorros de cos-
tos llevan a las empresas a demandar más bienes transables, de manera que
elevan el empleo en otros sectores; a posteriori, los trabajadores de esos sec-
tores generan una mayor demanda (y contribuyen a aumentar el empleo) en
sectores no transables. Aaronson y Phelan (2018), por su parte, examinan el
impacto de los aumentos de salarios mínimos en EE. UU., asumiendo que estos
tienden a favorecer cambios tecnológicos ahorradores de mano de obra. Los
autores encuentran que estos aumentos generan pérdidas de empleo en activi-
dades rutinarias cognitivas (por ejemplo, cajeros), no tienen impactos sobre las
tareas rutinarias manuales y generan efectos positivos sobre las actividades que
son intensivas en contactos interpersonales (por ejemplo, atención al cliente).
En conclusión, la evidencia acerca de los impactos de la automatización de
tareas sobre el empleo es hasta ahora ambigua en cuanto a la predominancia
del efecto escala versus el efecto sustitución. Sin embargo, parece haber mayor
evidencia a favor de la hipótesis según la cual la automatización modifica la
composición de la fuerza de trabajo, ya sea a favor del empleo más calificado
o vía polarización; esto puede darse bien como sea caídas absolutas de ciertos
tipos de ocupaciones o bien como aumentos relativamente menores de aquellas.
Dicho esto, es necesario resaltar que todos los trabajos conocidos tienen diver-
sas limitaciones. Una cuestión específica que dificulta el análisis empírico en el
caso de la automatización es que mientras el efecto substitución ocurre a nivel
de la empresa, el efecto escala puede darse a ese nivel, pero también puede
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 43
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
observarse, por ejemplo, aguas abajo (por ejemplo, clientes que experimentan
reducciones de costos en sus insumos y, por tanto, expanden su actividad). El
caso del sector bancario de EE. UU. analizado en Bessen (2016) es ejemplo de la
primera variante (la masiva apertura de cajeros automáticos desde fines de
la década de los noventa convivió con una fuerte expansión del empleo en el
sector, ya que la baja de costos promovió mayor apertura de filiales y la posi-
bilidad de ofrecer otros servicios a los clientes11). En cambio, si, por ejemplo, la
automatización del proceso de ordeñe induce una baja de costos que se tras-
lada a los sectores usuarios de leche, la expansión de la demanda (y el efecto
escala) se daría en los productores de quesos u otros derivados. Por otra parte,
mientras que en el caso del sector bancario podría no haber reducciones netas
de empleo (aunque algunos trabajadores podrían perder sus puestos o tener
que adquirir nuevas capacidades para desempeñarse en otras ocupaciones), en
el segundo los trabajadores que pierden su empleo por la automatización difí-
cilmente serán los mismos que van a emplearse en las industrias aguas abajo.
A su vez, como se dijo antes, es evidente que la robotización, per se y de manera
estática, destruye empleos. La cuestión es entender los impactos agregados
y de largo plazo. En este sentido, por ejemplo, si bien el trabajo citado de
Acemoglu y Restrepo (2017) halla efectos negativos de la automatización,
estos se dan a nivel de mercados locales de trabajo. Sin embargo, podría ocu-
rrir que en el agregado esas pérdidas se compensen total o parcialmente por
ganancias de empleo en otras zonas. Ahora bien, los estudios que utilizan datos
de TIC tienen el problema de que no es obvio que esas tecnologías reempla-
cen empleo humano; más bien pueden complementarlo y, en ese caso, no es
sorprendente que tiendan a generar un premio salarial para aquellos traba-
jadores que puedan dominarlas, ya que elevan sus niveles de productividad
(véanse Dutz et al., 2018, para una discusión y un modelo analítico en torno
a los impactos posibles del uso de TIC sobre el empleo).
Por último, es previsible que los impactos de la automatización de tareas
difieran, incluso significativamente, en función de los contextos naciona-
les, con atención al hecho de que los países tienen distintas dotaciones
factoriales, marcos regulatorios, instituciones laborales, estructuras produc-
tivas, etcétera (Calvino y Virgillito, 2018). La difusión de la automatización
11 Entre 1999 y el 2009 se incorporaron 200 000 ATM en el sector financiero en EE. UU. mientras que la
demanda de personal para atención de cajas subió a un ritmo de 2 % anual.
Automatización y empleo en Uruguay
44
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
seguramente tendrá también efectos diferentes para distintos países a par-
tir de las consecuencias que genere sobre los procesos de división del tra-
bajo a escala global y regional, así como sobre las tendencias al offshoring o
reshoring de tareas. La contribución de nuestro trabajo justamente se inscribe
en el marco de una agenda que busca explorar el impacto de la automatiza-
ción en países de ingresos medios y en sectores no transables caracterizados
por demandar empleos de relativamente bajo nivel de calificación.
B. La automatización en el comercio minorista
La automatización de transacciones y procesos afecta profundamente la
naturaleza de los negocios minoristas en la medida en que implica grandes
cambios tanto en la relación con los clientes como en los procesos internos
de las empresas. Mientras la automatización de procesos significa una susti-
tución de mano de obra por tecnología, la automatización de transacciones
probablemente redunde en una mayor escala del negocio. Ambas fuerzas ope-
rando a la vez tendrán como consecuencia un cambio significativo en cuanto
a la composición de las plantillas de las empresas del sector (Deloitte, 2018).
La mayor parte de los trabajadores del sector minorista, incluyendo supermer-
cados, se dedican a tareas manuales y repetitivas, para las que las habilida-
des cognitivas básicas son suficientes. Este es el tipo de tareas que el avance
tecnológico tornará obsoletas. Cargos tales como el de cajeros están en riesgo,
en tanto que ya existe la tecnología que le permite a los compradores pagar
sus compras en una terminal, con un mínimo necesario de asistencia del per-
sonal. Asimismo, gran parte de los empleados de un supermercado se dedica
a tareas de reposición de stocks. En un futuro cercano, con la ayuda de sen-
sores y de robots, la cantidad de reponedores necesarios también disminuirá
drásticamente12.
La automatización de la operativa minorista permite registrar datos relaciona-
dos a los consumidores y sus preferencias. Los supermercados utilizarán esos
datos para conocer mejor sus consumidores, identificar sus preferencias y pre-
decir su comportamiento. Esto hará que aumente la demanda de mano de obra
12 La Federación Internacional de Robótica estimaba que en el 2018 se venderían en todo el mundo 35
millones de robots con el fin de utilizarse en el área de servicios (Accenture, 2016). En el 2015, esa
cifra era de solo 152 400 unidades.
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 45
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
en algunas áreas del sector minorista. En particular, crecerá la necesidad de
mano de obra especializada en ofrecer servicios al consumidor, a fin de estar
en capacidad de aprovechar el mejor conocimiento que tendrán de su clien-
tela. En el propósito de procesar esa información se requerirá personal capa-
citado para manejar y analizar grandes bases de datos. Así, es muy probable
que en el sector minorista el área de predicción de la demanda del mercado
se desarrolle de forma significativa (Manyika, Lund et al., 2017).
Refuerza estos procesos el hecho de que gran parte de la población cuenta
con dispositivos móviles con tecnología suficiente para informarse y realizar
compras por Internet. De hecho, una parte cada vez mayor de la población
prefiere realizar sus compras vía web, en vez de hacerlo en una tienda física.
El e-commerce permite conocer mejor los patrones de consumo de los clien-
tes. Pero el e-commerce es también una oportunidad directa de aumentar la
escala del negocio, de modo que llegue a sectores de la población a los que
no es posible hacerlo al disponer únicamente de tiendas físicas (KPMG, 2018).
La automatización de las transacciones puede también significar un cam-
bio en la forma que compran los consumidores. Es probable que este nuevo
consumidor compre más veces, cantidades menores de productos. Esto es un
cambio importante en la operativa del negocio minorista y también llevará a
la necesidad de modificaciones en las rutinas de las empresas para adaptarse
al mismo (Deloitte, 2018).
La automatización generalizada en el proceso de compra y venta de mercadería
abre la puerta a nuevos actores, quienes pueden llegar a competir con empre-
sas más tradicionales del sector. Seguramente la tecnología disponible en el
presente no hace pensar que las grandes superficies de venta minorista desa-
parezcan en el corto plazo. Sin embargo, sí es factible que se difundan nuevas
formas de negocios en las que el uso de mano de obra sea muy pequeño. De
hecho, ya existen casos de estos nuevos modelos en sectores como la venta
de muebles o de libros.
El trabajo de Bughin et al. (2018) intenta cuantificar la evolución y las pers-
pectivas de estas tendencias con base en un análisis de la composición del
empleo en el sector minorista por tipo de tareas. El empleo total en este sec-
tor, en el periodo 2005-2016, pasó de 15.1 (15.6) millones de trabajadores
Automatización y empleo en Uruguay
46
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
en USA (Europa Occidental13) a 15.7 (16.6) millones (Figura 1). Esto implica
un crecimiento del empleo total en el periodo en ambas zonas del orden del
5 %. Los 32.3 millones de empleados del 2016 se distribuyeron, según el tipo
de ocupaciones, de la siguiente manera (en millones): 15.9 (49 %) interac-
ción con clientes, 4.9 (15 %) personal de oficina, 3.3 (10 %) tareas manuales,
2.5 (8 %) gerentes y ejecutivos, 1.7 (5 %) profesionales y 3.9 (12 %) otros (los
números no suman 100 debido a redondeos). En términos del porcentaje del
tiempo de trabajo total que se utilizó en diversas habilidades se encuentra la
siguiente distribución: 24 % habilidades físicas o manuales, 27 % cognitivas
básicas, 22 % cognitivas avanzadas, 18 % socioemocionales y 10 % tecnoló-
gicas (no suma 100 % por redondeo).
Figura 1. Habilidades demandadas en el sector comercio minorista (presente y futuro)
0 %
5 %
10 %
15 %
20 %
25 %
30 %
Físicas
o manuales
Cognitivas
básicas
Cognitivas
avanzadas
Socioemocionales Tecnológic as
2017 2030
Fuente: Bughin et al. (2018).
Bughin et al. (2018) estiman que para el 2030 el empleo total en el sector
comercio minorista crecerá cerca de un 3 % y que la proporción de trabaja-
dores por tipo de ocupación se alterará de la siguiente forma: 47 % interac-
ción con clientes (reducción de 3 puntos porcentuales, pp, con respecto al
2016), 13 % (-2 pp) personal de oficina, 7 % (-3 pp) tareas manuales, 10 %
(+2 pp) gerentes y ejecutivos, 8 % (+3 pp) profesionales, 15 % (+3 pp) otros.
En otras palabras, crecerá el personal directivo y profesional a expensas de
los trabajadores que interactúan con clientes, manuales y el personal de ofi-
cina. Con respecto al cambio en las habilidades que se usarán en el sector
en el 2030, sus pronósticos son los siguientes: 18 % (-6 pp) del tiempo
13 Austria, Bélgica, Dinamarca, Finlandia, Francia, Alemania, Grecia, Italia, Holanda, Noruega, España,
Suecia, Suiza y el Reino Unido.
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 47
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
demandará habilidades físicas o manuales, 24 % cognitivas básicas (-3 pp),
22 % (= pp) cognitivas avanzadas, 21 % (+3 pp) socioemocionales y 15 %
(+5 pp) tecnológicas (no suman por redondeo de números) (véase la Figura 2).
Habrá un desplazamiento de las habilidades físicas y manuales y cognitivas
básicas por las socioemocionales y tecnológicas.
Figura 2. Empleo en el sector comercial minorista (en millones)
14.0
14.5
15.0
15.5
16.0
16.5
17.0
USA Europa Occidental
2005 2017
Fuente: Bughin et al. (2018).
En resumen, se espera que este sector enfrente a nivel mundial una drástica
reducción de la demanda de mano de obra asignada a tareas manuales, repeti-
tivas, para las que son necesarias habilidades cognitivas básicas. La contracara
es que necesitarán profesionales especializados en el manejo de las nuevas tec-
nologías, así como en el análisis de datos y predicción de patrones de compra.
De igual modo, se demandarán más recursos humanos con habilidades socioe-
mocionales, tales como capacidades para relaciones interpersonales y empatía.
Este análisis sobre los cambios recientes y esperados en el total del empleo y
en su composición en el sector resulta valioso en el propósito de evaluar en qué
medida los patrones observados en el caso uruguayo se encuentran en línea con
los hallazgos en países de mayor grado de desarrollo tecnológico.
II. Fuentes de datos y metodología
A fin de llevar a cabo el estudio de la evolución de la estructura del empleo,
y en particular del sector comercio, se utilizaron los microdatos provenientes
Automatización y empleo en Uruguay
48
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
de la Encuesta Continua de Hogares (ECH). El periodo bajo análisis es 2003-
2016. La ECH la lleva a cabo anualmente el Instituto Nacional de Estadística de
Uruguay. Hasta el 2005 solo se realizaba en áreas urbanas del país y, a partir
de allí, pasó a tener cobertura nacional al incluir áreas rurales en su muestra.
Por tanto, con el fin de mantener la comparabilidad en el tiempo, el análisis
se restringe exclusivamente a las áreas urbanas.
Adicionalmente a los cambios en la cobertura geográfica, a lo largo del periodo
bajo análisis la ECH ha modificado tanto los clasificadores de actividad y de
ocupación utilizados como el nivel de desagregación con el cual se presenta
la información. En relación con la rama de actividad, en el 2012 la Clasifica-
ción Internacional Industrial Uniforme (CIIU)-revisión 3 fue reemplazada por
la CIIU-revisión 4. Asimismo, recién desde el 2005 la información se desagrega a
cuatro dígitos mientras que en los años anteriores solo se lo hacía a dos dígitos.
Vale la pena mencionar que lo ideal sería —si se tienen en cuenta los objeti-
vos de este trabajo y, en particular, el estudio de caso— analizar de manera
específica la evolución del empleo en supermercados. En este sentido, si bien
desde el 2005 en adelante es posible identificar específicamente el empleo
en establecimientos no especializados, aparece una discontinuidad significa-
tiva en el 2012 asociada al cambio de clasificador que, aun con una apertura
a cuatro dígitos, no es posible corregir. A esto contribuye también la escasa
cantidad de observaciones muestrales a este nivel de desagregación.
En relación con el clasificador de ocupaciones también hubo modificaciones en
el periodo bajo análisis. Hasta el 2011 se usó el Clasificador Internacional Uni-
forme de Ocupaciones CIUO-88 y desde el 2012 en adelante el CIUO-08. Estos
cambios implicaron un trabajo de armonización y correspondencia entre ellos.
A partir de esta información se sigue el “enfoque de tareas”, propuesto por Autor
et al. (2003) y Acemoglu y Autor (2011), entre otros, con el fin de caracteri-
zar el cambio en la composición del empleo total y, en particular, en el sector
comercio en Uruguay. De acuerdo con estos autores, en lugar de caracterizar
las ocupaciones según su nivel de calificación resulta más adecuado hacerlo
según el tipo de tareas que se llevan a cabo por los trabajadores en cada una
de ellas. Esto se vuelve aún más relevante a la hora de evaluar el impacto
del avance tecnológico en la estructura del mercado de trabajo, ya que esta
perspectiva permite identificar qué tipo de actividades involucra cada ocupa-
ción, a la vez que evaluar su evolución en el tiempo. De todas maneras, ambos
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 49
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
enfoques están vinculados, ya que los trabajadores deben poseer ciertas cali-
ficaciones y habilidades que les permitan realizar las tareas que requiere un
determinado puesto de trabajo.
En concreto, aquí se busca obtener para cada ocupación en cada momento
del tiempo una medida de la intensidad con la que se realizan diferentes tipos
de tareas, de modo que se evalúe si los cambios observados en ella son con-
secuencia, al menos parcialmente, del cambio tecnológico, y, en particular,
de la automatización. El primer paso para alcanzar tal objetivo es contar con
información referida, precisamente, al tipo de actividades que se llevan a cabo
en cada puesto de trabajo. Para esto se recurre a la base de datos desarro-
llada por O*Net (Occupational Information Network), la cual brinda de manera
periódica, desde el año 2000, información sobre el contenido de tareas en un
conjunto amplio de ocupaciones en Estados Unidos. Esta base de datos hace
uso, a su vez, de la clasificación propuesta por la Standard Occupational Clas-
sification (SOC) del Bureau of Labor Statistics (BLS) de dicho país, a la que
adiciona información proveniente de encuestas realizadas a trabajadores, así
como de expertos y analistas en ocupaciones.
En particular, O*Net computa la importancia (medida a partir de una escala
entre 0 y 100) de un set muy amplio de diferentes tareas en la ejecución de
alrededor de 1000 ocupaciones de la SOC. Cuanto mayor es el índice, mayor es
la intensidad con la que se realiza una determinada tarea en cada puesto de
trabajo. Basados en tres criterios utilizados en O*Net (“work activities”, “work
context” y “abilities”), Acemoglu y Autor (2011), a su vez, seleccionan 16 de
ellas, las cuales se detallan a continuación:
1. “Pace determined by speed of equipment” (MR)14;
2. “Controlling machines and processes” (MR);
3. “Spend time making repetitive motions” (MR);
4. “Operating vehicles, mechanized devices, or equipment” (MnR)15;
14 A modo de ejemplo, los “operadores y encargados de maquinarias para la fabricación de fibras sin-
téticas” tienen un índice muy elevado, de 94, en esta dimensión; por el contrario, los “estadísticos” o
“desarrolladores de software” tienen un índice igual a cero, lo cual indica que en estas ocupaciones el
ritmo de trabajo no está determinado por la velocidad del equipo o de las maquinarias que usan.
15 Los “pilotos de avión” reciben el valor más alto en esta categoría, 97, mientras que, entre otros, los
“diseñadores de videojuegos” se ubican en el extremo opuesto con un valor igual a cero.
Automatización y empleo en Uruguay
50
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
5. “Spend time using hands to handle, control or feel objects, tools or controls”
(MnR);
6. “Manual dexterity” (MnR);
7. “Spatial orientation” (MnR);
8. “Importance of repeating the same tasks” (CR)16;
9. “Importance of being exact or accurate” (CR);
10. “Structured v. Unstructured work” (CR);
11. “Analyzing data/information” (CnRA)17;
12. “Thinking creatively” (CnRA);
13. “Interpreting information for others” (CnRA);
14. “Establishing and maintaining personal relationships” (CnRI)18;
15. “Guiding, directing and motivating subordinates” (CnRI);
16. “Coaching/developing others” (CnRI).
Posteriormente, estos autores reducen esta información a cinco medidas de
intensidad de las tareas en cada ocupación, según sean estas de naturaleza
manual o cognitiva y según sean o no rutinarias. La composición de cada una
de estas cinco categorías de tareas a partir de las 16 originales está iden-
tificada en el listado anterior. En particular, allí se diferencian 1) las tareas
manuales rutinarias (MR), 2) las tareas manuales no rutinarias (MnR), 3) las
tareas cognitivas rutinarias (CR), y 4) las tareas cognitivas no rutinarias (CnR).
Estas, a su vez, son desagregadas en dos categorías adicionales, cognitivas no
rutinarias analíticas (CnRA) y cognitivas no rutinarias interpersonales (CnRI).
El segundo paso es aplicar esta información a la estructura de ocupaciones de
Uruguay. Con ese propósito, como fue mencionado, se usaron las ECH corres-
pondientes al 2003 y al 2016, así como los datos de O*Net de cada uno de
esos años, respectivamente. Se decidió empezar el análisis en este año debido
a que, si bien O*Net comienza a brindar información en el 2000, la primera
evaluación completa de tareas se realizó en el 2003. A fin de llevar a cabo la
16 Por ejemplo, los “empleados de facturación” reciben un valor muy elevado mientras que lo contrario
sucede entre los “trabajadores de reparaciones y mantenimiento”.
17 “Economistas”, “actuarios”, “estadísticos” son ejemplos de ocupaciones con valores elevados en este
tipo de tareas; los “manicuristas” son ejemplo de lo contrario.
18 Los “gerentes de relaciones públicas” obtienen el valor máximo mientras que los “mineros” obtienen
el valor mínimo.
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 51
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
armonización entre O*Net y cada ECH es necesario realizar la conversión de
los clasificadores CIUO88 y CIUO08, ya mencionados, al clasificador O*Net
correspondiente a cada año. En particular, para ambos años se debe hacer la
armonización entre la SOC y CIUO08, a partir del conversor provisto por el
BLS, y para el año 2003 previamente se realizó la conversión del CIUO88 al
CIUO08, provista por la Organización Internacional del Trabajo. Un supuesto
importante de esta metodología es que se asume como válida para Uruguay
la caracterización de cada ocupación definida para Estados Unidos, aspecto
que se tiene en cuenta al evaluar los resultados.
Finalmente, luego de asignar el valor de cada uno de estos 16 tipos de tareas
(t) a cada ocupación presente en los microdatos de las encuestas, se estandari-
zan a fin de hacer la información comparable en el tiempo. La estandarización
se realiza considerando de manera conjunta los microdatos correspondientes
al 2003 y el 2016 a partir de la siguiente fórmula:
∀∀∈=
−
ij Jt t
ij
std
ij
j
!! !,
µ
δ
Donde J es el conjunto de 16 ítems ya mencionados19 para el individuo, i y
μj y j representan, respectivamente, el promedio ponderado y la desviación
estándar de la tarea j en el periodo 2003-2016. Estos son, a su vez, calcula-
dos de la siguiente manera:
∀∈ =
−
()
=
=
∑
∑
jJ
wt
w
ji
N
iijj
i
N
i
!!
!!
!,
/
δ
µ
1
1
122
Donde wi es el peso relativo atribuido al individuo i.
Una vez finalizado este proceso la construcción de las medidas de intensi-
dad de cada uno de los cinco grupos de tareas se obtiene al sumar los valores
obtenidos por los atributos correspondientes a cada una de ellas y realizar
19 Para el 2003, O*Net no proporciona el elemento “Ser estructurado”, perteneciente a la tarea CR, por
lo que para este periodo se utilizaron 15 ítems.
Automatización y empleo en Uruguay
52
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
nuevamente el mismo proceso de estandarización. Luego, los valores para cada
uno de los dos años —2003 y 2016— se comparan con el promedio (que surge
de considerar ambos años de manera conjunta) de modo que se identifiquen
los cambios en el contenido de tareas a lo largo del periodo bajo estudio.
Además de permitir evaluar el cambio temporal en la intensidad de las tareas
en el total del empleo, este enfoque permite descomponer estos cambios en
diferentes factores. El primero de ellos refiere al efecto sectorial (ES), que mide
el cambio de intensidad en las tareas explicado por el movimiento de los tra-
bajadores entre las diferentes ramas de actividad con distinto contenido de
ocupaciones y tareas. El segundo proviene del cambio entre ocupaciones (EO)
dentro de un mismo sector, el cual se relaciona con los movimientos de los
trabajadores entre distintos puestos de trabajo con diferentes combinaciones
de tareas. El tercer efecto refiere a los cambios en el interior de cada ocupa-
ción (IO), que captura la contribución de los cambios en la intensidad de las
tareas requeridas para su desarrollo.
Asimismo, como lo señalan Apella y Zunino (2017), los cambios en el nivel
educativo de la población ocupada resultan relevantes aquí ya que, de alguna
manera, determinan la capacidad de los trabajadores de adaptarse a los nue-
vos requerimientos laborales. Por tanto, la estimación del efecto de cada
uno de los tres canales mencionados será “controlada” por los cambios en el
nivel de educación de los trabajadores (EE). Por último, se contempla el efecto
interacción (INT) entre todos los efectos anteriores. Este efecto captura, por
una parte, las asociaciones no lineales entre los factores aquí considerados y,
por otra, la influencia de otras variables no contempladas en este ejercicio.
El ejercicio de descomposición se calcula de acuerdo con la siguiente fórmula:
IT IT IT th
iT ii jS kEijkjkjSkE∈∈∈∈∈
−
()
=−
2016 2003
16
16 16
(,,,,
t
th
ij
kj
k,,
,,
)
03
03 03
IT IT IT ES EE EO IO INT
iT ii iiii i∈−
()
=++++
2016 2003 !
∀=−
()
∈
∈
∑
iT i
jS
ijkjj
ES thh
[!
]
,,,03
03 16 03
∀=−
∈
∈∈
∑∑
iT i
jSkE
ijk
jk
j
jk
j
EE th
h
h
h
(!
,,,
,,
03
03
16
16
03
03
)!hj
03
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 53
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
∀=−
∈
∈∈
∑∑
iT i
jSkE
ijkijk jk
EO tth
(!
)!
,,,,,, ,03
16
03
03 03
∀=−
∈
∈∈
∑∑
iT i
jSkE
ijkijk
jk
IO tth
(!
)!
,,,,,, ,16
16
03
16 03
∀=
−−
∈
∈∈
∑∑
iT i
jSkE
ijkijk jk jk
INTtthh
(!
)!!
,,,,,,
,,
16
16
03
03 16 03
(
()
+−
+
∈∈
∑∑
!!!
,,,,
jSkE
ijkjk
j
j
th
h
h
03
03 16
03
16
1!!!
,
hh
h
jk
j
j
03
16
03
1−
∀=−−
∈
∈∈
∑∑
iT i
jSkE
ijkijk jk jk
INTtthh(!)!!
,,,,,, ,,16
16
03
03 16 03
(()
+−
+
∈∈
∑∑
!!
!
,,,,
jSkE
ijkjk
j
j
th
h
h
03
03 16
03
16
1!
!!
,
hh
h
jk
j
j
03
16
03
1−
Donde
t
ijk
y
,,,1
6
y
t
ijk
y
,,,0
3
representan el valor promedio de la intensidad de la
tarea i para el trabajador en el sector j, con educación k, en el año y = [2003,
2016], calculado a partir de la utilización de O*Net 2013 y O*Net 2016, res-
pectivamente;
hjk
y
, representa el porcentaje del empleo en el sector j, con nivel
educativo k. Aquellas variables que omiten el subíndice k se refieren al pro-
medio sectorial. T es el conjunto de los cinco tipos de tareas definidos ante-
riormente. S es el conjunto de 13 ramas de actividad consideradas y E es el
conjunto de cinco niveles educativos (hasta primaria completa, secundaria
incompleta, secundaria completa, terciaria incompleta, terciaria completa).
En el análisis específico del comercio al por menor la descomposición recién
señalada incorporará un factor menos que en el análisis agregado, ya que
desaparece el efecto sectorial20.
Finalmente, para el estudio de caso sobre supermercados, se analiza el pro-
yecto de implementación de las cajas de autoservicio y las balanzas incluidas
en ellas, de manera que se pesan las futas y verduras. Con el fin de recabar
información sobre este cambio tecnológico se realizaron entrevistas con la
Asociación de Supermercados del Uruguay (ASU). La información fue propor-
cionada sin una identificación de la empresa, pero reflejan, grosso modo, lo
que ocurre con los supermercados más grandes en Uruguay. Si bien la infor-
mación es relativamente limitada, permite apreciar algunos cambios básicos
que ocurren en el sector.
20 Las bases de datos, las series y los códigos utilizados en este documento están disponibles para quien
los solicite.
Automatización y empleo en Uruguay
54
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
Para evaluar cuál fue el impacto del cambio tecnológico analizado sobre el
empleo se implementó un cuestionario en el que se solicitó información sobre
las habilidades demandadas y el número de empleados en la ocupación caje-
ros en tres momentos distintos del tiempo: 2012 (antes de implementar la
automatización), 2017 y 2022 (estimaciones de las tendencias futuras). Se le
preguntó a la empresa que evaluara, en una escala de 1 a 5 (de nada a muy
importante), la importancia asignada a cinco habilidades de la mano de obra:
físicas o manuales, cognitivas básicas, cognitivas avanzadas, tecnológicas y
socioemocionales. En el Anexo se incluye el cuestionario aplicado en estas
entrevistas.
III. Evolución del producto y del empleo del
sector comercio en Uruguay
Con el objetivo de contextualizar el análisis posterior, esta sección presenta de
forma sucinta las tendencias del producto y del empleo total del sector comer-
cio. Como se observa en la Figura 3, el producto del sector comercio ha crecido
un 56 % en el periodo 2007-2017, de modo que se mantiene relativamente
estancado desde el 2013. El empleo total también se ha mantenido esencial-
mente estable durante ese periodo. Esto ha implicado una tendencia creciente
de la productividad que ha sido muy similar a la de la producción del sector.
Figura 3 Empleo, producto y productividad aparente del trabajo del sector comercio
al por mayor y menor (índices)
80
90
100
110
120
130
140
150
160
170
2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017
Empleo Producto Productividad aparente del trabajo
Fuente: BCU y elaboración propia con base en la ECH (INE-Uruguay).
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 55
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
La Figura 4 presenta la evolución del empleo urbano según rama de actividad.
Allí se comprueba que la estabilidad exhibida por el número de ocupaciones en
este sector también se verifica en términos de su participación en el empleo
total. En particular, a lo largo del nuevo milenio este sector ha concentrado
de manera estable alrededor del 12/13 % del empleo del país. Sin embargo, la
reducción del empleo en la industria manufacturera hizo que en los últimos
años el comercio al por menor sea el segundo empleador después del sec-
tor público (que incluye administración, educación y salud pública). De todas
maneras, las diferencias entre estas ramas de actividad son muy pequeñas.
Figura 4. Evolución de la composición del empleo urbano según rama de actividad
2003-2016
14 14 14 14 15 14 14 14 14 13 13 12 12 12
15 14 13 13 12 12 12 12 12 13 13 13 13 13
13 13 13 13 13 12 12 12 12 13 12 12 13 12
0
10
20
30
40
50
60
70
80
90
100
2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016
Industria Construcción Comercio por mayor Transporte Serv. a las empresas Serv. personales
Ser. dom. Sec. público Otros serv. Comercio por menor Serv. financieros
Fuente: elaboración propia con base en la ECH (INE-Uruguay).
Una de las dimensiones relevantes en este estudio es el nivel educativo de los
trabajadores. Al igual que en el resto de América Latina, en Uruguay se ha veri-
ficado un proceso de aumento de las calificaciones promedio de la población
ocupada. El Cuadro 1 presenta la composición del empleo urbano total y del
empleo en el sector comercio al por menor según nivel educativo. Tal como
se observa en el Cuadro 1, durante el periodo bajo análisis hubo una reduc-
ción sistemática del porcentaje de trabajadores que no completaron el nivel
secundario (HSI), de 11 pp y un crecimiento del empleo de las dos catego-
rías siguientes, secundaria completa/terciaria incompleta (SC/TI), de 7 pp, y
terciaria completa (TC), de 4 pp. No obstante esta tendencia, en el 2016 alrededor
de dos tercios de los trabajadores no habían obtenido el nivel secundario, 27 %
poseía este nivel y solo 15 % había finalizado el nivel universitario. Esto muestra
una estructura del empleo muy sesgada a niveles bajos de capital humano formal.
Automatización y empleo en Uruguay
56
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
Cuadro 1. Evolución del empleo urbano según nivel educativo
Var. 1991-1999
2003 2004 2005 2012 2013 2014 2015 2016 % pp
Empleo total
HSI 69 66 65 61 59 58 59 58 -16 % -11,2
SC/TI 20 23 24 26 26 27 26 27 34 % 6,8
TC 11 11 11 14 15 15 15 15 40 % 4,3
TOTAL 100 100 100 100 100 100 100 100
Comercio al por menor
HSI 78 74 73 74 73 72 71 71 -8 % -6,2
SC/TI 20 24 25 24 25 26 26 26 26 % 5,4
TC 2 2 2 3 2 3 3 3 46 % 0,9
TOTAL 100 100 100 100 100 100 100 100
Fuente: elaboración propia con base en la ECH (INE-Uruguay).
A su vez, la estructura de la ocupación total según el nivel educativo difiere de
manera significativa de la observada en el comercio al por menor. En efecto,
el comercio concentra un porcentaje significativamente aún más elevado de
trabajadores con bajo nivel educativo, de modo que la proporción de aque-
llos que no completaron el nivel medio superaba en aquel año en aproxima-
damente 13 pp el registrado para el total del empleo. Por el contrario, solo
alrededor del 3 % del empleo sectorial se explica por trabajadores con edu-
cación universitaria.
Sin embargo, más allá de estas diferencias, también aquí se verificó una reduc-
ción en la participación relativa del grupo de trabajadores de bajas calificacio-
nes, si bien con menor intensidad que la observada para el empleo total. Esta
caída fue compensada casi de forma exclusiva por el aumento en la participa-
ción de los ocupados con nivel intermedio, mientras que la porción represen-
tada por los ocupados con nivel universitario se mantuvo prácticamente sin
cambios. Por tanto, estos valores parecen sugerir que, si bien el empleo secto-
rial ha seguido la tendencia de mayores demandas de calificaciones observada
para el conjunto del empleo, en este caso esta se ha concentrado en el pasaje
desde los niveles educativos muy bajos a los intermedios, sin registrar incre-
mentos relevantes en los requerimientos de mano de obra altamente calificada.
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 57
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
IV. Estimación del cambio en el contenido
de tareas en las ocupaciones
En esta sección se analiza la composición y la evolución del empleo total y sec-
torial según el contenido de tareas específicas en cada ocupación. La Figura 5
presenta la variación entre el 2003 y el 2016 en la intensidad de las cinco
categorías de tareas definidas anteriormente en el total del empleo urbano en
Uruguay. El detalle de estos resultados, así como el desvío estándar de cada
estimación y los intervalos de confianza se presentan en el Cuadro 2.
Figura 5. Variación en la intensi dad de las tareas en el empleo urban o total 2003-2016
15.4 % 13.3 %
18.9 %
-
5.9 %
-
10.0 %
-15 %
-10 %
-5 %
0 %
5 %
10 %
15 %
20 %
25 %
CnRA CnRI CR MR MnR
Fuente: elaboración propia con base en O*NET y ECH (INE-Uruguay).
En el periodo bajo análisis se observan claramente dos tendencias contrapues-
tas: por una parte, un incremento de la intensidad de las tareas cognitivas
tanto rutinarias (+19 %) como no rutinarias analíticas (+15 %) y no rutinarias
interpersonales (+13 %); por otra, una reducción en la intensidad de las tareas
manuales rutinarias (-6 %) y no rutinarias (-10 %). Todos estos resultados
son estadísticamente significativos. A su vez, están en línea con los hallazgos
previos de Apella y Zunino (2017).
Cuadro 2. Composición del empleo según tipo de tareas y variación entre el 2003 y
el 2016
2003 2016 Variación
Estimación Desvío
estándar
Intervalo de
confianza Estimación Desvío
estándar
Intervalo de
confianza Estimación Intervalo de
confianza
CnRA -0,131 0,001 -0,133 -0,129 0,022 0,001 0,020 0,024 15,4 % 15,4 % 15,35 %
CnRI -0,121 0,001 -0,123 -0,119 0,012 0,001 0,010 0,014 13,3 % 13,3 % 13,31 %
CR -0,146 0,001 -0,148 -0,145 0,042 0,001 0,040 0,044 18,9 % 18,9 % 18,86 %
MR 0,024 0,001 0,023 0,026 -0,034 0,001 -0,036 -0,033 -5,9 % -5,9 % -5,88 %
MnR 0,092 0,001 0,090 0,094 -0,008 0,001 -0,010 -0,006 -10,0 % -10,0 % -9,97 %
Fuente: elaboración propia con base en la ECH (INE-Uruguay).
Automatización y empleo en Uruguay
58
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
Cuando se comparan estas tendencias con las observadas en el interior del
sector de comercio al por menor se observan similitudes y diferencias (Figura
6 y Cuadro 3).
En particular, aquí se verifica cómo, al igual que para el promedio del empleo,
las tareas cognitivas rutinarias son las que mayor incremento experimentaron
durante este periodo, seguidas por las tareas cognitivas no rutinarias analíti-
cas. Sin embargo, en ambos casos los aumentos observados en este sector son
aun de mayor intensidad que los registrados en el empleo total. En particular,
la variación positiva de las tareas cognitivas rutinarias fue del orden del 50 %,
mientras que la de las tareas cognitivas analíticas fue del 21 %. Siguiendo la
tendencia global, se reduce fuertemente el contenido de las tareas manuales no
rutinarias, lo que duplica la caída observada en el empleo total. Sin embargo,
en contraposición a lo sucedido para el empleo agregado, aquí se observa un
aumento en las tareas manuales rutinarias, si bien el cambio es más pequeño
que en los casos previos (pero estadísticamente significativo) y una reduc-
ción del orden del 7 % en las tareas cognitivas no rutinarias interpersonales.
Por tanto, en un extremo, se incrementaron las tareas cognitivas realizadas
de manera rutinaria, mientras que, en el otro, se contrajeron las actividades
manuales no rutinarias. Si se tiene en cuenta que el primer grupo de tareas lo
realizan, en su mayoría, trabajadores de nivel educativo intermedio, mientras
que el segundo grupo lo desempeñan, principalmente, ocupados de nivel bajo
de calificación, estas tendencias parecen ser consistentes con los cambios
Figura 6. Variación en la intensidad de las tareas en el come rcio al por menor 2003-2016
21 %
-7.1 %
48.7 %
9.5 %
-19.1 %
-30 %
-20 %
-10 %
0 %
10 %
20 %
30 %
40 %
50 %
60
%
CnRA CnRI CR MR MnR
Fuente: elaboración propia con base en O*NET y ECH (INE-Uruguay).
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 59
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
observados en el empleo sectorial según el nivel educativo analizados previa-
mente. A su vez, la compensación entre el aumento de las tareas cognitivas
analíticas y la caída de las cognitivas interpersonales estaría en línea con la
estabilidad en el porcentaje de trabajadores con nivel educativo universitario
durante el periodo bajo estudio.
Así, al identificar los canales a través de los cuales operaron estos cambios,
la Figura 7 presenta los resultados de la descomposición mencionada en la
sección metodológica para cada uno de estos cinco grupos de tareas. Si se
comienza por los dos que registraron los mayores cambios con signos opuestos
—CR y MnR—, resulta interesante notar que el aumento de las tareas cogniti-
vas rutinarias se explica casi totalmente (97 %) por cambios en la estructura
de ocupaciones en el interior de la rama. Esto es, a lo largo del periodo bajo
análisis aumentó la participación relativa de ocupaciones que son intensivas
en este tipo de tareas.
Por el contrario, la reducción del peso relativo de las tareas manuales no ruti-
narias parece deberse mayormente a cambios en la tecnología de producción
en el interior de cada ocupación. Asimismo, el aumento de las tareas cognitivas
no rutinarias analíticas estuvo asociado al efecto entre ocupaciones, el cual
estuvo parcialmente compensado por una reducción en la intensidad de este
tipo de tareas en el interior de cada uno de los puestos de trabajo. Lo mismo se
observa en el caso de las tareas manuales rutinarias; en efecto, su aumento
se explica exclusivamente por el incremento de los puestos de trabajo que
requieren para su desarrollo este tipo de actividades, ya que cada uno de ellos,
Cuadro 3. Composición del empleo según tipo de tareas y variación entre el 2003 y
el 2016 en el comercio al por menor
2003 2016 Variación
Estimación Desvío
estándar
Intervalo de
confianza Estimación Desvío
estándar
Intervalo de
confianza Estimación Intervalo de
confianza
CnRA -0,233 0,002 -0,237 -0,229 -0,023 0,003 -0,029 -0,017 21,0 %
21,0 % 21,0 %
CnRI 0,068 0,002 0,063 0,073 -0,003 0,003 -0,009 0,002 -7,1 %
-7,1 % -7,1 %
CR -0,363 0,002 -0,366 -0,359 0,125 0,003 0,119 0,131 48,7%
48,7 % 48,7 %
MR -0,257 0,002 -0,260 -0,254 -0,162 0,003 -0,168 -0,156 9,5 %
9,5 % 9,5 %
MnR 0,074 0,002 0,070 0,079 -0,117 0,003 -0,122 -0,111 -19,1 %
-19,1 % -19,1 %
Fuente: elaboración propia con base en la ECH (INE-Uruguay).
Automatización y empleo en Uruguay
60
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
en promedio, redujo el contenido de estas. Por último, la menor ponderación
de las tareas cognitivas no rutinarias interpersonales en el empleo sectorial se
debe también al cambio en la estructura de las ocupaciones, pues, de hecho, en
el interior de cada una de ellas la intensidad de este tipo de tareas aumentó.
Figura 7. Descomposición de los cambios en la intensidad de las tareas en el comercio
al por menor. 2003-2016
-40
%
-30
%
-20
%
-10
%
0
%
10
%
20
%
30
%
40
%
50
%
60
%
70
%
CnRA CnRI CR MR MnR
Expansión educativa Entre ocupaciones Intra ocupacio nes Interacción
+21
%-7
%+49
% +10
%-19
%
Fuente: elaboración propia con base en O*NET y ECH (INE-Uruguay).
Por tanto, puede concluirse que, salvo en el caso de las tareas manuales no
rutinarias, en las cuatro restantes categorías han sido los movimientos entre
ocupaciones en el interior del sector los que han traccionado los mayores
cambios, sean estos positivos o negativos. De todas maneras, resulta impor-
tante remarcar que dentro de cada una de las ocupaciones se ha reducido de
manera progresiva la necesidad de realizar tareas manuales, sean o no rutina-
rias, mientras que lo contrario sucedió con las tareas cognitivas no rutinarias
interpersonales. Estos hallazgos parecen ser consistentes con los resultantes
de un proceso de cambio tecnológico sesgado hacia mayores calificaciones.
Sin embargo, en sentido contrario, también se contrajo la intensidad en el
interior de las ocupaciones de las tareas cognitivas no rutinarias analíticas y
de las cognitivas rutinarias, lo que da cuenta de un panorama heterogéneo.
Finalmente, consistente con lo mencionado previamente, los cambios en el
nivel educativo —en particular, el crecimiento significativo en la proporción
de trabajadores con nivel educativo secundario— estuvieron en línea con el
aumento de las tareas cognitivas, especialmente en aquellas de tipo rutinarias.
Vale la pena remarcar que el hecho de analizar un sector no transable en
un país de desarrollo intermedio hace que la velocidad y las características
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 61
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
que adopta el cambio tecnológico puedan diferir de las observadas en países
de mayor desarrollo y en sectores más expuestos a la competencia internacional.
Asimismo, estos cambios pueden deberse a una multiplicidad de factores que
incluyen el cambio tecnológico, pero también a otros potencialmente asociados
a modificaciones en la oferta y demanda del empleo sectorial. En la sección
siguiente se intenta arrojar más luz sobre el tema a partir del estudio de caso.
V. Estudio de caso: adopción de cajeros de
autoservicio en el sector supermercados
El estudio de caso se realiza a partir de entrevistas con el gerente general de
la Asociación de Supermercados de Uruguay y de información provista por los
supermercados y centralizada por el gerente general. Las respuestas refieren,
en general, al comportamiento promedio de los supermercados en Uruguay.
Sin embargo, las cifras presentadas en el Cuadro 4 refieren a una única cadena
de supermercados para la que estaba disponible la información cuantitativa.
De acuerdo con lo recogido en las entrevistas con los representantes del
sector, los principales motivos para adoptar cajeros de autoservicio son la
reducción de costos, el aumento de la productividad del factor trabajo y el
logro de mejoras en la seguridad y la transparencia. Las inversiones realizadas
para implementar este cambio tecnológico incluyeron, por un lado, adquisi-
ción de maquinaria y equipo, hardware y software, y, por otro, de licencias o
patentes. En un futuro cercano, se pretende implementar otras transforma-
ciones basadas en tecnologías de automatización, como, por ejemplo, en el
área de logística de los supermercados.
Las cajas de autoservicio surgen a partir de la ley de inclusión financiera del
2014 que hizo aumentar la presencia de medios de pagos electrónicos de forma
dramática en Uruguay. Se estima que en el 2015 el 25 % de la facturación se
realizaba a través de pagos electrónicos en los supermercados de la ASU. En
el 2018, el 70 % de la facturación se realiza a través de medios de pagos elec-
trónicos. Esto permitió introducir cajas de autoservicios. En aquel año había
aproximadamente 160 de esas cajas en los supermercados de la ASU (repre-
sentan alrededor de 20 % del total de cajas), las cuales usaba el 25 % de los
clientes (en el 2014 no existía ninguna caja de autoservicio en Uruguay). La
etapa de cambio organizacional en la que este proyecto se enmarca es, por
una parte, de automatización, y, por otra, de racionalización.
Automatización y empleo en Uruguay
62
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
Según lo recogido en el trabajo de campo con la cadena de supermercados
mencionada, el cambio ha conseguido los objetivos buscados en materia de cos-
tos, productividad, transparencia y seguridad. Por ejemplo, su implementación
permite que el promedio de número de cajas abiertas por local de supermer-
cado sea mayor. A modo de ilustración, la instalación de cuatro self check-
out brinda la posibilidad de que tres cajeras puedan abrir cajas comunes, lo
que aumenta el número de cajas promedio en operación. Se espera que estas
mejoras de productividad se profundicen en años venideros.
En el Cuadro 4 se puede observar la cantidad de empleados en la ocupación
cajeros y su evolución a lo largo de los distintos años, en una cadena de super-
mercados. Existen datos para los años 2012, 2017 y estimaciones a 2022. A
su vez, el cuadro también muestra en una escala del 1 al 5 (donde 1 significa
nada importante y 5 muy importante) la importancia de cada una de las dis-
tintas habilidades en la ocupación cajero.
De acuerdo con las entrevistas, a los cajeros se les demanda, básicamente,
dos tipos de habilidades: cognitivas básicas y socioemocionales. Se estima
que el énfasis en ambas se mantendrá inalterado en el futuro. Esto último es
consistente con la evidencia presentada en la sección previa, en la cual se indi-
caba que para el comercio minorista los cambios en la intensidad por tipo de
tareas provenían más de cambios en las ocupaciones de los empleados que
de cambios dentro de las ocupaciones. Más aún, los resultados previos dan
cuenta de un aumento significativo de las tareas cognitivas rutinarias que
está en línea con el tipo de habilidades más fuertemente requeridas en este
tipo de puestos de trabajo.
Por otra parte, la evolución en el número total de trabajadores en los últimos
cinco años parece sugerir que el efecto escala más que compensó al efecto
sustitución, al menos en el caso de esta cadena de supermercados en par-
ticular. Resulta importante, de todas maneras, reconocer que los datos aquí
presentados no tienen en cuenta la influencia de otros factores que podrían
afectar el número total de trabajadores en la cadena considerada, más allá
del impacto de la automatización.
Cuando se consultó sobre problemas para reclutar la mano de obra con las
características necesarias a fin de implementar el cambio tecnológico, los fun-
cionarios de la cadena bajo estudio respondieron que es posible encontrar per-
sonal con la formación profesional y las habilidades requeridas en el mercado
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 63
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
de trabajo. Por otra parte, se manifiesta que los ajustes en la demanda de tra-
bajo son fáciles de realizar, dado el fenómeno de alta rotación de la mano de
obra en el sector. El supermercado brindó formación a sus trabajadores para
que puedan servir como asistentes de los clientes en las cajas de autoservi-
cio. En contraste, no se han contratado trabajadores que hayan participado
de algún programa de formación profesional.
VI. Conclusiones y recomendaciones de política
En este trabajo hemos abordado la cuestión de los impactos de la automa-
tización sobre el empleo a través de dos instrumentos: 1) el análisis de los
cambios en la estructura ocupacional uruguaya en las últimas dos décadas
a partir de encuestas de hogares (tanto para la economía en su conjunto como
para el sector de comercio minorista) y 2) un estudio de caso sobre el sec-
tor supermercados, cuyas lecciones, si bien no necesariamente extrapolables
a otros sectores o a similares ramas en otros países, brindan rica informa-
ción a nivel microeconómico sobre los cambios, observados y esperados, en
la estructura de tareas y ocupaciones a partir de la introducción de procesos
de automatización.
Mientras que la evidencia internacional disponible no permite concluir
nada firme respecto a la preeminencia de los efectos escala o sustitución (y,
por tanto, la pregunta sobre si la automatización tiene efectos negativos,
Cuadro 4. Número de empleados en la ocupación cajeros y habilidades demandadas
2012 2017 2022
Ocupación: Cajeros
Datos generales
Número de trabajadores 1450 1557
Porcentaje de trabajadores de sexo masculino 11 16
Edad promedio 33.5 29.8
Habilidades
Cognitivas básicas 5 5 5
Sociales y emocionales 2 2 2
Automatización y empleo en Uruguay
64
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
neutros o positivos sobre el volumen de empleo queda abierta), sí parece claro
que se ha dado un desplazamiento en el tipo de habilidades y calificaciones
requeridas pari passu el avance del proceso de automatización. En particular,
en varios países desarrollados se observa un proceso de polarización en las
ocupaciones, acompañado de un pasaje de las habilidades físicas y manuales
a las cognitivas, así como de un creciente requerimiento de credenciales edu-
cativas superiores. Las expectativas, en tanto, coinciden en señalar que estas
tendencias continuarán desenvolviéndose a futuro.
Los hallazgos resultantes del examen del caso uruguayo a través de los dos
abordajes mencionados permiten arribar a conclusiones similares en cuanto
a los cambios en la composición del empleo agregado. Por una parte, hay un
menor peso del empleo con credenciales educativas bajas. Por otra, se incre-
menta la presencia de las tareas cognitivas en desmedro de las manuales,
aunque en el caso del comercio minorista, las manuales rutinarias experimen-
tan cierto aumento, en tanto que las cognitivas no rutinarias decaen. Estos
desplazamientos parecen explicarse, fundamentalmente, por cambios en la
estructura de ocupaciones más que por modificaciones en la intensidad de
tareas dentro de cada sector.
En contextos laborales crecientemente dinámicos y cambiantes, no solo por la
aceleración del cambio tecnológico, sino por los impactos de shocks mac roe co-
nómicos y sectoriales que caracterizan a los países de América Latina, emerge
la necesidad de avanzar hacia la construcción de un sistema integrado de polí-
ticas activas del mercado de trabajo que no solo otorguen alguna garantía de
ingresos a los trabajadores, sino que también faciliten el tránsito entre dife-
rentes estados laborales y ocupaciones. Uno de los pilares de este sistema es
el de la formación profesional, lo cual debe contribuir a reducir la brecha entre
la oferta y la demanda de calificaciones, habilidades y conocimientos. Sin
embargo, para que esta política activa cumpla de manera eficaz y eficiente
su rol se requiere que se verifiquen dos condiciones esenciales: por un lado,
una educación formal de calidad, a partir de la cual la formación para el tra-
bajo pueda otorgar los conocimientos específico que requiera el mercado de
trabajo; por otro, una estrecha conexión entre el contenido de la formación
profesional y las demandas cambiantes del aparato productivo.
Finalmente, cabe destacar que somos conscientes de que este trabajo es ape-
nas un aporte más en una agenda de investigación amplia y en constante
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 65
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
evolución. Nuevos análisis tanto cuantitativos como cualitativos, en los que
se exploren diversas fuentes de información y se aproveche el paso del tiempo
(que a su vez permite explorar los impactos de más largo plazo del fenómeno
bajo estudio), ayudarán a identificar mejor los impactos de la automatización
y a diseñar iniciativas de políticas más eficaces con miras a enfrentar las opor-
tunidades y los desafíos que emergen de este proceso.
Agradecimientos
Este documento es resultado de un trabajo realizado en el marco del proyecto
Uruguay: Required Working Skills in a Context of Technological Change, con
financiamiento del Banco Mundial, Argentina. Emiliano Tealde redactó la
parte B de la sección I revisión de la literatura de este artículo. Se agradecen
los valiosos comentarios y las sugerencias realizados por revisores anónimos
de la revista.
Referencias
1. Aaronson, D., & Phelan, B. (2018). The potencial to automate low-wage
jobs in the US and its impact on workers. LSE Business Review. http://
bit.ly/2KI74ww
2. Accenture. (2016, mayo). Intelligent automation: The essential new
co-worker for the digital age. Te chnology Visi on. https://www.accen-
ture.com/fr-fr/_acnmedia/pdf-11/accenture-intelligent-automation-
technology-vision-2016-france.pdf
3. Acemoglu, D., & Autor, D. (2011). Skills, task and technologies: Implica-
tions for employment and earnings. En O. Ashenfelter & D. Card (eds.),
Handbook of Labor Economics (pp. 1043-1071). Elsevier.
4. Acemoglu, D., & Restrepo, P. (2017). Robots and jobs: Evidence from
the US labor markets (NBER Working Paper No. 23285). NBER Program:
Economic Fluctuations and Growth.
5. Acemoglu, D., & Restrepo, P. (2018). Artificial intelligence, automation
and work (NBER Working Paper, 24196). NBER program: Economic Fluc-
tuations and Growth, Labor Studies. https://doi.org/10.3386/w24196
Automatización y empleo en Uruguay
66
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
6. Aghion, P., Antonin, C., Bunel, S., & Jaravel, X. (2019). What is the impact
of automation on employment? New evidence from France (Discussion
Paper 1444 3). CE PR.
7. Apella, I., & Zunino, G. (2017). Cambio tecnológico y el mercado de
trabajo en Argentina y Uruguay. Un análisis desde el enfoque de tareas
(Serie de informes técnicos del Banco Mundial en Argentina, Paraguay y
Uruguay N.o 11) . Wo rld Ban k. http://documents1.worldbank.org/curated/
en/940501496692186828/pdf/115685-NWP-SPANISH-P161571-Apella-
ZuninoCambiotecnologico.pdf
8. Arntz, M., Gregory, T., & Zierahn, U. (2016). The risk of automation for jobs
in OECD Countries (OECD Social, Employment and Migration Working
Paper s) [1 89]). OECD. https://doi.org/10.1787/5jlz9h56dvq7-en
9. Autor, D. (2015). Why are there still so many jobs? the history and future
of workplace automation. Journal of Economic Perspectives, 29(3) 3-30.
https://doi.org/10.1257/jep.29.3.3
10. Autor, D., Dorn, D., & Hanson, G. (2015, mayo). Untangling trade and
technology: Evidence from local labour markets. The Economic Journal,
125(584), 621-646. https://doi.org/10.1111/ecoj.12245
11. Autor, D., Levy, F., & Murnane, R. (2003). The skill content of recent techno-
logical change: An empirical exploration. The Quarterly Journal of Econo-
mics, 118(4), 1279-1333. https://doi.org/10.1162/003355303322552801
12. Autor, D., & Salomons, A. (2017, junio). Robocalypse now: Does producti-
vity growth threaten employment? [presentación de diapositivas]. Euro-
pean Central Bank. https://www.ecb.europa.eu/pub/conferences/shared/
pdf/20170626_ecb_forum/Autor-Salomons-Productivity-Presentation.pdf
13. Autor, D., & Salomons, A. (2018). Is automation labor-displacing?
Productivity growth, employment and the labor shares (NBER Working
Paper, 24871) . Na tional Bure au o f Eco nomic Resea rch, Massa chuset ts,
Cambridge, EE. UU. https://doi.org/10.3386/w24871
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 67
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
14. Balliester, T., & Elsheikhi, A. (2018). The future of work: A literature review
(ILO Research Department Working Paper 29).
15. Balsmeier, B., & Woerter, M. (2019). Is this time different? How digita-
lization influences job creation and destruction. Research Policy, 48(8).
https://doi.org/10.1016/j.respol.2019.03.010
16. Berg, A., Buffie, E. F., & Zanna, L. F. (2018). Should we fear the robot
revolution? (The correct answer is yes). Journal of Monetary Economics,
97, 117-148. https://doi.org/10.1016/j.jmoneco.2018.05.014
17. Bessen, J. E. (2016). How co mpu ter au tom ati on a ffe ct s oc cup ati on s: Te ch -
nology, jobs and skills (Boston Univ. School of Law, Law and Economics
Research Paper 15-49). https://dx.doi.org/10.2139/ssrn.2690435
18. Bessen, J. E. (2017). Automation and jobs: When technology boosts
employment (Boston Univ. School of Law, Law and Economics Research
Paper 17-0 9). https://dx.doi.org/10.2139/ssrn.2935003
19. Bessen, J. E., & Righi, C. (2019). Shocking technology: What happens
when firms make large IT investments? (Bos ton Un iv. Scho ol of L aw, Law
and Economics Research Paper No. 19-6). https://dx.doi.org/10.2139/
ssrn.3371016
20. Bottazzi, G., Dosi, G., Jacoby, N., Secchi, A., & Tamagni, F. (2010). Corporate
performances and market selection: Some comparative evidence. Indus-
trial and Corporate Change, 19(6), 1953-1996. https://doi.org/10.1093/
icc/dtq063
21. Brambilla, I., & Tortarolo, D. (2018). Investment in ICT, productivity, and
labor demand: The case of Argentina (World Bank Policy Research Working
Paper s). Wo rld Ba nk. https://doi.org/10.1596/1813-9450-8325
22. Bughin, J., Hazan, E., Lund, S., Dahlström, P., Wiesinger, A., & Subrama-
niam, A. (2018, mayo 23). Skill shift: Automation and the future of the
workforce (McKinsey and Company Global Institute discussion paper).
https://www.mckinsey.com/featured-insights/future-of-work/skill-shift-
automation-and-the-future-of-the-workforce
Automatización y empleo en Uruguay
68
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
23. Calvino F., & Virgillito, M. E. (2018). The innovation-employment nexus:
A critical survey of theory and empirics. Journal of Economic Surveys,
32(1), 83-117. https://doi.org/10.1111/joes.12190
24. Chiacchio, F., Petropoulos, G., & Pichler, D. (2018). The impact of robots
on EU employment and wages: A local labour market approach (Bruegel
Working Paper Iss ue 02).
25. Dauth, W., Findeisen, S., Suedekum, J., & Woessner, N. (2018). Adjusting
to robots: Worker-level evidence. Julius-Maximilians-Universität. https://
www.diw.de/documents/dokumentenarchiv/17/diw_01.c.606345.de/
dauth_dams_nov-paper.pdf
26. Deloitte. (2018, febrero). Global powers of retailing 2018: Transformative
change, reinvigorated commerce. https://www2.deloitte.com/content/
dam/Deloitte/global/Documents/consumer-industrial-products/cip-
2018-global-powers-retailing.pdf Retailing.
27. Dutz, M. A., Almeida, R. K., & Packard, T. G. (2018). The jobs of tomo-
rrow: Technology, productivity, and prosperity in Latin America and the
Caribbean. World Bank Group. https://doi.org/10.1596/978-1-4648-
1222-4
28. Frey, C. B., & Osborne, M, A. (2017). The future of employment: How suscep-
tible are jobs to computerisation? Technol ogical Fo recasting and Socia l
Change, 114, 254-280. https://doi.org/10.1016/j.techfore.2016.08.019
29. Graetz, G., & Michaels, G. (2018). Robots at work. The Review of Economics
and Statistics, 100(5), 753-768. https://doi.org/10.1162/rest_a_00754
30. Gregory, T., Solomons, A., & Zierahn, U. (2018). Racing with or against
the machine? Evidence from Europe (CESifo Working Paper No. 7247).
31. Koch , M., Manuylov, I. , & Smolka, M. (2019). Robots and firms (CESifo
Working Paper No. 7608). CESifo.
32. KPMG. (2018, abril). Global retail trends 2018. Global Retail Trends.
https://assets.kpmg/content/dam/kpmg/xx/pdf/2018/03/global-retail-
trends-2018.pdf
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 69
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
33. Mann, K., & Püttmann, L. (2018). Benign effects of automation:
New evidence from patent texts. SSRN. https://dx.doi.org/10.2139/
ssrn.2959584
34. Manyika, J., Chui, M., Miremadi, M., Bughin, J., George, K., Willmott, P.,
& Dewhurst, M. (2017). A future that works: Automation, employment
and productivity. McKinsey and Company Global Institute. https://
www.mckinsey.com/featured-insights/digital-disruption/harnessing-
automation-for-a-future-that-works/de-de
35. Manyika, J., Lund, S., Chui, M., Bughin, J., Woetzel, J., Batra, J., Ko, R.
& Sanghvi, S. (2017). Jobs lost, jobs gained: What the future of work
will mean for jobs, skills, and wages. McKinsey and Company Global
Institute. https://www.mckinsey.com/featured-insights/future-of-work/
jobs-lost-jobs-gained-what-the-future-of-work-will-mean-for-jobs-
skills-and-wages
36. Marcolin, L., Miroudot, S., & Squicciarini, M. (2016). GVCs, jobs and
routine content of occupations. OECD Trade Policy Papers, 146. https://
doi.org/10.1787/5jm0mq7kr6s8-en
37. McIntosh, S. (2013). Hollowing out and the future of the labour market
(BIS research paper, 134). Department for Business, Innovation and Skills.
https://assets.publishing.service.gov.uk/government/uploads/system/
uploads/attachment_data/file/250206/bis-13-1213-hollowing-out-and-
future-of-the-labour-market.pdf
38. Michaels, G., Natraj, A., & Reenen, J. van. (2014). Has ICT polarized
skill demand? Evidence from eleven countries over twenty-five years.
Review of Economics and Statistics, 96(1), 60-77. https://doi.org/10.1162/
REST_a_00366
39. Verme ulen, B., Kes selhut , J., Pyka, A ., & S aviott i, P. P. ( 2018). The im pact
of automation on employment: just the usual structural change? Sus tai -
nability, 10(5), 1661. https://doi.org/10.3390/su10051661
Automatización y empleo en Uruguay
70
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
Anexo
Cuestionario aplicado en el estudio de caso
1. ¿En qué consiste el cambio tecnológico?
2. ¿Este proyecto ha sido implementado antes en el extranjero?
a) No
b) Se ha implementado, pero en otra industria
c) Sí
d) No sabe
3. ¿Cuáles han sido los motivos para implementar este proyecto?
Marque todas las que corresponda
a) Para reducir costos
b) Para reducir personal
c) Para generar una ventaja competitiva con respecto a la competencia
d) Para aumentar la productividad del factor trabajo
e) Mejoras en seguridad/transparencia
f) Aprovechamiento de una demanda total o parcialmente insatisfecha en
el mercado
g) Cambios regulatorios
4. ¿Cuáles han sido las inversiones realizadas para implementar el proyecto?
Marque todas las que corresponda
a) Adquisición de maquinaria y equipo
b) Adquisición de hardware
c) Adquisición de software
d) Adquisición de licencias o patentes
e) Contratación de consultorías
f) Estudios de mercado
5. ¿Cuáles han sido las consecuencias del cambio tecnológico?
Marque todas las que corresponda
a) Reducción de costos
b) Reducción de personal (a través de congelar nuevas contrataciones, por el
retiro o en algunos casos el despido)
c) Se ha generado una ventaja competitiva con respecto a la competencia
Diego Aboal, Andrés López, Roxana Maurizio y Paz Queraltó 71
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
d) Ha aumentado la productividad del factor trabajo
e) Ha habido mejoras en la seguridad/transparencia
6. ¿Considera que este proyecto de cambio tecnológico que estamos dis-
cutiendo generó todos los cambios posibles, o considera que continuará
generando cambios? En caso de que continúe generando cambios, sobre
cuáles puntos considera que lo hará?
Marque todas las que corresponda
a) Reducción de costos
b) Reducción de personal
c) Ventaja competitiva
d) Aumento de productividad del trabajo
e) Mejoras en seguridad/transferencia
7. La etapa del cambio organizacional en el que este proyecto se enmarca, es de
a) Automatización
Descripción: incorporación de tecnología que ayuda a las labores de control
de los trabajadores. Apunta a corregir errores que son comunes en tareas
repetitivas cuando son realizadas por personas.
b) Racionalización
Descripción: incorporación de tecnología que ayuda a tomar decisiones para
mejorar la eficiencia de los procesos internos de la empresa. Apunta a ayu-
dar a mandos intermedios en la gestión de las operaciones.
c) Reingeniería
Descripción: incorporación de tecnología que cambia significativamente la
forma de operar de la empresa.
d) Otro
Especifique
8. La mano de obra que tenía disponible antes de implementar el proyecto,
¿era la adecuada para poder hacerlo?
a) No tenía la formación profesional ni las habilidades personales
b) Tenía la formación profesional pero no las habilidades personales
c) No tenía la formación profesional pero tenía las habilidades personales
d) Tenía la formación profesional y las habilidades personales
Automatización y empleo en Uruguay
72
desarro. soc. 87, bogotá, primer cuatrimestre de 2021, pp. 33-72, issn 0120-3584, e-issn 1900-7760, doi: 10.13043/dys.87.2
9. Mencione las ocupaciones que han sido afectadas por el proyecto.
Indique para cada ocupación la importancia de cada una de las siguien-
tes habilidades en una escala de 1 a 5, donde 1 significa nada impor-
tante y 5 significa muy importante. Las habilidades se categorizan de
la siguiente manera:
a) Físicas y manuales
Ejemplos: tareas de carga
b) Cognitivas básicas
Ejemplos: cajeros, tareas de reposición
c) Cognitivas avanzadas
Ejemplos: gerencia
d) Sociales y emocionales
Ejemplos: sicólogos
e) Tecnológicas
Ejemplos: reparación de máquinas
