¿Puede el cambio tecnológico ser una amenaza de sustitución para el trabajo del futuro? ¿Es la automatización del empleo la explicación fundamental del debilitamiento de las clases medias en las economías desarrolladas? ¿Existe capacidad en la disciplina económica para anticiparse a estos fenómenos y predecir en qué sectores productivos la amenaza de la robotización es más profunda? Este trabajo realiza una reseña de la literatura especializada en la materia (respuestas a estos interrogantes por más de 40 expertos mundiales pueden verse en Robotlución. El futuro del trabajo en la integración 4.0 de América Latina).
Efectivamente, en años recientes, la literatura económica ha buscado constituir herramientas analíticas para responder estos interrogantes. Bajo diversas metodologías, la disciplina ha logrado elaborar desarrollos teóricos y proveer evidencia empírica respecto de la relación entre el cambio tecnológico y las dinámicas del mercado laboral. En efecto, publicaciones recientes que han sugerido que la automatización del empleo es una amenaza de sustitución potencial para una proporción considerable de puestos de trabajo han despertado un considerable interés tanto en Estados Nacionales como en Organismos Internacionales y han motivado el surgimiento de equipos de investigación y departamentos especializados con la finalidad de analizar estos fenómenos. A través de esta literatura emergente, la indagación respecto del impacto de estos cambios disruptivos se ha constituido como un área de estudio crecientemente dinámica dentro del ámbito de la economía laboral.
El alcance de estas publicaciones es muy amplio y va desde trabajos que han buscado asociar causalmente a medidas de incorporación de tecnología con las variaciones en las cantidades de empleo y sus respectivas remuneraciones durante años recientes, hasta publicaciones más ambiciosas que intentaron pronosticar probabilidades de automatización futura para el conjunto de ocupaciones existente en la actualidad. Naturalmente, el carácter reciente de esta literatura explica la multiplicidad de técnicas de investigación y formatos de evaluaciones empíricas generadas en ausencia de puntos de referencia metodológicos y teóricos estandarizados y provistas de un alto grado de consenso en la comunidad académica.
En ese contexto, resulta de interés generar un compendio exhaustivo de todos los aportes de la disciplina económica al análisis de este fenómeno, sin dejar de señalar sus múltiples limitaciones. Mediante el análisis de un amplio grupo de publicaciones recientes, el presente trabajo busca generar una descripción amplia y organizada de las distintas variantes de investigación. Analizar la literatura producida recientemente para establecer una revisión del estado del arte y el alcance de los trabajos de frontera permite contribuir al reconocimiento de tendencias robustamente documentadas y al establecimiento de pautas y metodologías de investigación potencialmente replicables en aportes futuros.
1.La polarización del empleo en las economías desarrolladas
Al analizar la evolución del patrón de empleo durante las últimas décadas en países desarrollados, la literatura ha documentado un fenómeno de hollowing-out o de “polarización del empleo”. McIntosh (2013) define a este proceso como un mecanismo por el cual las participaciones en el empleo total de los empleos altamente calificados y de los empleos de baja calificación se expanden, mientras que se contrae la participación correspondiente a los empleos de calificación media. Es así como tanto las ocupaciones de alto nivel educacional (técnicas, gerenciales y profesionales) como los servicios de baja calificación (servicios de limpieza, cocina, seguridad, etc.) ganaron peso en la distribución ocupacional frente a las ocupaciones administrativas y productivas, generalmente de niveles educacionales y salariales medios.
Para muchos autores, este fenómeno está estrechamente ligado al cambio tecnológico sesgado. Según Autor, Levy y Murnane (2003), muchos empleos de calificación media son intensivos en “tareas rutinarias”, es decir, en tareas encuadradas en reglas explícitas y fácilmente definibles. Las tareas rutinarias (ya sean de carácter cognitivo o manual) son usualmente más propensas a ser automatizadas porque al estar conformadas por procedimientos precisos y entendibles pueden codificarse en un programa y ser realizadas por un equipo robótico o computarizado.
En contraste, los autores distinguen dos amplios grupos de tareas que son más difíciles de automatizar: las “tareas abstractas” y las “tareas manuales”. En el caso de las tareas abstractas, generalmente predominantes en empleos de alta calificación, comprenden procedimientos que involucran capacidades para solucionar problemas, intuición, creatividad o persuasión. Son cualidades naturalmente complejas como para definirlas de forma explícita y estandarizada y por ende difíciles de automatizar. En general son características de ocupaciones profesionales, técnicas o gerenciales que emplean trabajadores con altos niveles educacionales. En el otro extremo se halla otro tipo de tareas no rutinarias, las tareas manuales, que refieren a procesos que demandan adaptabilidad situacional, interacción personal y reconocimiento visual y de lenguaje. Estas tareas son características de empleos tales como la preparación de alimentos, los servicios de limpieza, la jardinería, servicios de seguridad y protección, entre otros. Aún sin tratarse de empleos de alta calificación presentan sin embargo importantes desafíos a la automatización dado que el producto de estos trabajos suele requerir que la actividad sea realizada en el sitio y “cara a cara”, al menos por ahora.
2. El cambio técnico sesgado
Múltiples estudios han buscado vincular causalmente al cambio tecnológico sesgado con las tendencias de polarización del patrón de empleo de las últimas décadas. La investigación reciente ha logrado proveer un cuerpo considerable de evidencia empírica en esta dirección para un amplio set de países desarrollados, relativizando en simultáneo la relevancia causal de otra de las hipótesis dominantes para explicar los fenómenos de polarización como es el comercio internacional y la relocalización (“offshoring”) vinculada a la formación de cadenas globales de valor.
Tal como lo define Van Reenen (2011), el cambio técnico sesgado (o task-biased technical change) afecta al empleo a través de la sustitución de tareas rutinarias (no son necesariamente manuales) y a la complementariedad con otro grupo de tareas y habilidades. Las tecnologías de la información y comunicación (TIC) pueden operar como complemento de la demanda de muchas habilidades analíticas no-manuales de alta calificación, y sustituir tanto tareas no-manuales rutinarias de oficina y administración (white collar) como tareas manuales de operarios de la producción de calificación media (blue-collar).
Esta descripción se distingue de los enfoques tradicionales del cambio técnico sesgado que sostiene simplemente que las TIC operan como un complemento de trabajadores de alta calificación y como un sustituto de trabajadores de baja calificación, sin considerar que muchas tareas no-manuales (pero rutinarias) se ven efectivamente afectadas por el fenómeno. Como destaca Van Reenen, el equipamiento robótico enfrenta una enorme dificultad para realizar tareas manuales de baja calificación, para las cuales los humanos no encuentran mayores escollos. Así como una computadora tiene una enorme capacidad para procesar grandes cantidades de información y realizar cálculos complejos en tiempos sustancialmente cortos, resulta muy complicado diseñar equipamiento robótico capaz de doblar una toalla o limpiar una casa de forma eficiente y costo-efectiva. Estas tareas generalmente implican grados muy bajos de educación formal, pero se encuentran fuertemente protegidas de la rutinización, al menos por ahora.
a) La evidencia empírica internacional
Uno de los trabajos más emblemáticos que buscó proveer evidencia coherente de estos mecanismos causales fue el de Autor y Dorn (2013) que analizó la evolución del mercado laboral de los EE.UU. durante 1980 y 2005. A través de datos censales, consideraron una muestra de individuos de entre 16 y 64 años y emplearon el concepto de commuting zones de Tolbert y Sizer (1996) como definición de mercado laboral local. Estas zonas se definen como agrupaciones de condados caracterizados por fuertes commuting ties. Estas zonas pueden ser entendidas como mercados laborales locales. Los requerimientos de tareas específicas de cada ocupación se definieron con el Dictionary of Occupational Titles (DOT), una base de datos que contiene una descripción estandarizada de los requerimientos de tareas específicas y su grado de intensidad. Con esta herramienta generaron una medida del grado de componentes rutinarios de cada actividad (la “routine task-intensity”) para cada tipo de empleo.
Con estas clasificaciones, Autor, Levy y Murnane (2003), utilizaron estadísticas salariales por ocupación a 4 dígitos y relacionaron cada ocupación con los requerimientos de tareas, segmentándolas en abstractas, rutinarias y manuales no-rutinarias. Estimaron regresiones que incluían interacciones entre la internet de banda ancha y el tipo de tareas realizadas. Verificaron que la expansión del servicio reforzó las primas salariales de empleos intensivos en tareas abstractas, afectó negativamente los salarios de empleos intensivos en tareas rutinarias y no tuvieron un efecto significativo sobre los empleos intensivos en tareas manuales no-rutinarias.
b) Los límites de la literatura
Un trabajo reciente de Alhamadi, Brynjolfsson, MacCrory y Westerman (2014) realizó una crítica interesante al marco teórico tradicional de Autor, Levy y Murnane (2003) y a la tipología de tareas empleada por los autores y utilizada posteriormente por los múltiples estudios empíricos relativos al cambio técnico sesgado.
Los autores reconocieron la necesidad de segmentar a la fuerza laboral en categorías de habilidades a la hora de analizar el impacto de la automatización en los niveles de empleo. Se apoyan en Elsby, Hobijn y Sahin (2010) quienes documentan que durante el inicio de los años 2000 hubo un crecimiento simultáneo en las ofertas de trabajo y el desempleo, dos variables usualmente correlacionadas negativamente. Esto sugeriría que el tipo de habilidades actualmente demandado por los empleadores no es compatible con el conjunto de habilidades de la actual fuerza laboral.
En ese contexto, destacaron la utilidad del marco provisto por Autor, Levy y Murnane pero señalaron que las categorizaciones presentadas tendían a estar definidas a priori, lo que generaría sesgos potenciales al incorporarlas en la estimación. Sostienen que un conjunto de categorías bien específicas no puede, ni capturar la amplitud de ocupaciones del mercado laboral, ni el variado impacto económico del cambio tecnológico sesgado a lo largo de una diversidad de habilidades humanas. Por tanto, los trabajos previos han hecho foco en el “margen extensivo” de la demanda de habilidades, es decir, que los investigadores crearon categorías de habilidades y luego documentaron cambios pasados en la demanda de empleos que contenían esas categorías, sin analizar las modificaciones en curso.
En esta línea, Alhamadi et al. intentan hacer foco en el “margen intensivo”, entendido como las formas por las cuales la tecnología está cambiando la composición interna de cada tipo de empleo y el conjunto de tareas requerido. El énfasis está puesto en el rediseño del conjunto de trabajos existente más que en los cambios en la demanda de las ocupaciones en sí mismas. Para ello analizaron cambios en el contenido de habilidad de la economía de EE.UU. en 2006-2014. Utilizaron la base O*NET, (continuación de DOT, desarrollada por el Departamento del Trabajo) que contiene una amplia descripción estandarizada y cuantificada del conjunto de tareas y habilidades de cada ocupación. Para cada empleo, estimaron la importancia de una determinada habilidad en su realización entre el momento inicial y final del período.
3. El futuro del empleo: cambios pronosticados en el mercado laboral
Múltiples trabajos de investigación recientes han intentado encarar la ambiciosa tarea de pronosticar qué tipos de empleos se encuentran en riesgo de automatización en el corto plazo y en qué magnitud. Tratándose de un desafío muy ambicioso y sin un contexto de literatura previa que fije pautas precisas y consolidadas para la estimación, las metodologías de estos trabajos y sus respectivas conceptualizaciones han sido muy diversas, con la consecuente heterogeneidad de resultados y conclusiones.
a)El estado del arte: las primeras aproximaciones
Probablemente el trabajo más emblemático de esta clase de ejercicios empíricos sea el realizado por Frey y Osborne (2013) para EE.UU. A través de la versión 2010 de la base O*NET y mediante algunas agregaciones metodológicas, construyeron una base de datos de 702 ocupaciones con la descripción correspondiente de la combinación de habilidades requerida, y las tareas ejecutadas en cada empleo. En un taller con un grupo de investigadores sobre aprendizaje de máquinas en la Universidad de Oxford, identificaron un conjunto de ocupaciones compuestas por tareas que podrían ser completamente realizadas en el corto plazo por equipamiento computarizado. Además, especificaron tres grandes “cuellos de botella de la automatización”: las tareas de percepción y manipulación, las tareas de inteligencia creativa y las tareas de inteligencia social. Seleccionaron las variables que en las descripciones de las ocupaciones de O*NET identifican estas tres restricciones del proceso sustitutivo. Con estos dos insumos, construyeron una ponderación que les permitió establecer una probabilidad de automatización cuantificable y clasificar mediante todas las ocupaciones analizadas.
El trabajo distingue tres categorías de riesgo de automatización (alto, medio y bajo), concluyendo que, en EE.UU., 47% del empleo enfrenta una alta probabilidad de automatización. Específicamente, que las ocupaciones asociadas con esta proporción son potencialmente automatizables en un número no especificado de años, en palabras de los autores: “quizás una década o dos”.
Luego de reemplazar ese primer cuerpo de empleos altamente expuesto a la automatización, el ritmo de la sustitución estaría determinado por la velocidad con que el progreso técnico supere los cuellos de botella descriptos. Habría dos grandes olas de automatización, separadas por una “meseta tecnológica”. En la primera, las ocupaciones primordialmente sujetas al riesgo de sustitución serían las referidas a los sectores de transporte y logística, administrativos y de oficina, ventas, construcción, servicios y ocupaciones productivas. Luego, el ritmo de reemplazo disminuiría en tanto el cambio técnico enfrentaría desafíos para reemplazar habilidades de percepción y manipulación. Finalmente, la segunda ola de automatización se produciría ante la superación de cuellos de botella relativos a la inteligencia social y creativa (originalidad, persuasión, percepción social, cuidado de los otros, etc.), particularmente relevantes en empleos en categorías de bajo riesgo como administración, negocios y finanzas, educación, salud, arte, medios de comunicación, ingeniería y ocupaciones científicas.
Para Arntz et al., el enfoque de Frey y Osborne tiene un sesgo en términos de las ocupaciones, dejando de lado un aspecto fundamental del impacto del cambio tecnológico: generalmente el objeto del proceso de automatización suele ser una tarea específica y no una ocupación en completa. Aplicando un enfoque alternativo, basado en las tareas, estos autores señalan que para Frey y Osborne los individuos clasificados en una misma categoría ocupacional tienen idénticas estructuras y requerimientos de tareas. En realidad, dentro de una misma categoría los trabajadores realizan tareas distintas. Frey y Osborne preguntaron a los expertos utilizando como unidad de análisis la ocupación como un todo, y no acercad de cada particular.
Para Arntz et al. esto pudo llevar a múltiples sobreestimaciones del impacto del cambio tecnológico. Habría incluso otros elementos de sesgo. En primer lugar, muchas de las ocupaciones pueden no estar lo suficientemente bien definidas como para ser efectivamente sustituidas por máquinas. Un equipo automatizado podría realizar muchas tareas definidas con precisión, pero en la práctica laboral generalmente existen más problemas que deben ser solucionados que formas actualmente conocidas para resolverlos. Además, según algunos trabajos de investigación citados por los autores como Autor (2014, 2015) y Pfeiffer y Suphan (2015), los expertos tienden a sobreestimar el potencial de las nuevas tecnologías. Por otro lado, los tiempos de adopción de la tecnología son lentos y el estado de implementación de la misma va por detrás de las posibilidades técnicas disponibles. Esto se debe a factores tales como la ausencia de personal calificado implementarlas, a que las firmas que no siempre introducen las técnicas novedosas de forma inmediata, y a obstáculos éticos o legales. Sobre esto último, Thierer y Hagemann (2015) y Bonnefon, Shariff y Rahwam (2015) documentaron al respecto algunos aspectos relevantes para el caso de la implementación de vehículos autónomos, donde si bien la tecnología de implementación se encuentra en una etapa avanzada de su desarrollo, enfrenta múltiples desafíos legales.
Arntz et al. propusieron una metodología alternativa y realizaron una estimación de la probabilidad futura de automatización de los empleos en 21 países de la OCDE. En vez de utilizar un conjunto limitado de variables que reflejarían estructuras de tareas promedio por ocupacional, emplearon datos de encuestas individuales del Programa para la Evaluación Internacional de las Competencias de los Adultos (PIAAC). Esta base contiene indicadores a nivel micro respecto de características socio económicas, habilidades, información laboral, tareas y competencias, mediante criterios comparables entre los países participantes en el programa. Los autores relacionaron los índices de automatización de Frey y Osborne con las observaciones individuales en la PIACC, según los códigos ocupacionales correspondientes. A través de este procedimiento concluyeron que son tareas específicas las que están expuestas a la automatización y no ocupaciones enteras.
Una alternativa de investigación más cualitativa es la propuesta por el informe “The Future of Jobs: Employment, Skills and Workforce Strategy for the Fourth Industrial Revolution”, realizado por el Foro Económico Mundial durante el año 2016. Para entender el impacto actual y futuro de disrupciones claves en empleos, grupos de habilidades y patrones de reclutamiento, los investigadores encuestaron gran cantidad de jefes de recursos humanos de los más importantes empleadores, en múltiples industrias y países. Si bien sólo una minoría del empleo mundial se asocia directamente a grandes empleadores multinacionales, estas compañías muchas veces actúan como anclas para pequeñas firmas y ecosistemas de emprendedores locales. Ya sea mediante empleo indirecto o a través de la formación de tendencias en los requerimientos de tareas y habilidades, estas firmas tienen el potencial para transformar los mercados laborales locales. Naturalmente, la opinión de parte de los principales decisores globales en materia de empleo no puede ser ignorada a la hora de intentar pronosticar el futuro de las tendencias de la relación del cambio tecnológico sesgado y el mercado de trabajo.
b) La dificultad de pronosticar patrones de empleo futuros
Los trabajos de investigación mencionados adoptaron metodologías muy originales e indudablemente implican avances sustanciales al interior de la disciplina en el reconocimiento de tendencias futuras en el empleo. Sin embargo, pronosticar la destrucción de empleos futura es un desafío enorme, para el cual se presentan obstáculos metodológicos insalvables. A la hora de intentar constituir un cuerpo de información preciso y consolidado para la toma de decisiones de política pública, estas limitaciones no deberían ser soslayadas.
En primer lugar, la varianza significativa en las conclusiones de los trabajos de investigación indica que se está muy lejos de constituir un consenso en el pronóstico de estas tendencias y, sobre todo, en las metodologías pertinentes para su estimación. Por ejemplo, en el debate producido entre los trabajos de Frey y Osborne y Arntz et al., es difícil saber a priori cuál es el grado de tareas con alta probabilidad de sustitución que debe tener una ocupación para que pueda considerarse como “de alto riesgo”. Arntz et al. señalaron que dentro de una categoría ocupacional siempre existen algunas tareas que no son sustituibles, y que eso evitaría la automatización completa de la ocupación en sí misma. Pero, considerando a las ocupaciones como combinaciones particulares de tareas específicas, resulta imposible saber qué grado exacto de “tareas sustituibles” debe tener un empleo para forzar una nueva redistribución de tareas entre las actuales categorías ocupacionales y en la fuerza de trabajo existente. Efectivamente, estas limitaciones, imposibles de zanjar ex-ante, determinan las magnitudes y las conclusiones de las estimaciones en cuestión. Antes de considerar los resultados de estos trabajos de investigación como insumos para la generación de políticas públicas, debe avanzarse en la resolución de estos interrogantes de índole fundamentalmente teórica.
4. El cambio tecnológico sesgado y la formación de cadenas globales de valor: ¿un campo de análisis de interés para los países latinoamericanos?
Trabajos que busquen estudiar el impacto del cambio tecnológico sobre la generación de empleo en los distintos segmentos productivos de determinadas cadenas globales de valor (CGV) pueden ser una alternativa metodológica interesante para el diseño de políticas públicas en países emergentes. Teniendo en cuenta las tendencias internacionales de sustitución e intensidad factorial de los segmentos productivos donde se opera de forma crecientemente automatizada en economías de frontera sería un insumo útil para países las decisiones en materia de estructura productiva e integración global de países emergentes.
Por ejemplo, si la tendencia internacional de un determinado segmento productivo es de incrementar su intensidad en capital y reducir considerablemente su participación en el empleo total, la inserción internacional en esta cadena podrá, para un determinado país que no la integra, continuar resultando de interés en términos de generación de valor, pero indudablemente reducirá su relevancia a la hora de buscar estrategias de generación de empleo
Por otro lado, conocer el nuevo patrón de intensidad factorial de los distintos segmentos productivos de las CGV, en contextos de alto cambio tecnológico, permitirá guiar las estrategias de inserción a las mismas por parte de países en vías de desarrollo. Es decir, si la tendencia global actual en un segmento determinado de una cadena determinada es automatizar crecientemente el proceso productivo mediante la introducción de nuevas tecnologías, difícilmente será posible una integración internacional exitosa a dicho segmento al ofrecer únicamente ventajas salariales en empleos que tienden a desaparecer y ser sustituidos por equipamiento robótico. En ese caso, debería optarse por estrategias alternativas que privilegien la inversión y la adopción de capital y estimular segmentos del empleo específicos que se complementen con las nuevas tecnologías de frontera o, de lo contrario, abandonar la voluntad de inserción dada la escasa capacidad de la fuerza laboral existente del país para ofrecer trabajo coincidente con las características demandadas por la cadena.
En este sentido, a la hora de identificar estas tendencias, los países latinoamericanos cuentan con una “ventaja metodológica”. Sus menores niveles de adopción tecnológica les permiten observar en el presente los impactos del cambio tecnológico en la intensidad factorial de distintos procesos productivos que aún no operan efectivamente a nivel local. El reconocimiento de estas tendencias a nivel internacional puede permitirles explotar este desfasaje tecnológico, dado que pueden observar en el presente técnicas productivas “futuras” y conocer ex-ante sus impactos.
En el informe Technology at Work v2.0 de 2016, realizado en conjunto por el Banco Citi e investigadores de la Universidad de Oxford, se documentaron tangencialmente algunas tendencias recientes del impacto del cambio tecnológico sesgado en la dinámica de CGV. El informe analizó, para algunos segmentos industriales específicos, las tendencias de reversión de lo que Baldwin (2006) denominó como second unbundling, un proceso por el cual los avances en las tecnologías de comunicación y sus costos declinantes permitieron la fragmentación internacional de las cadenas productivas mediante una mayor habilidad para coordinar y monitorear la producción desde largas distancias. La proliferación de CGV documentada por Baldwin permitió integrar crecientemente al comercio internacional a países en vías de desarrollo, deslocalizando procesos productivos previamente establecidos en países desarrollados.
Este análisis preliminar deja muchos aspectos de interés sin abordar. En primer lugar, no prueba suficientemente la relación causal entre la creciente automatización del proceso productivo y el desempeño exportador de los países. En efecto, otros factores de relevancia en la dinámica comercial pudieron estar operando como impulsores significativos de estos fenómenos. Por otro lado, este análisis no aborda cuestiones de cambio factorial en la producción de estos sectores industriales dejando irresueltos interrogantes cruciales a la hora de pensar estrategias de integración a estas CGV: ¿cómo impactó este proceso al nivel absoluto de empleo en los distintos países? ¿qué segmentos del empleo se vieron beneficiados exhibiendo relaciones de complementariedad con la creciente robotización? ¿qué segmentos se vieron perjudicados y sustituidos parcialmente por la automatización industrial reciente? A la hora de considerar la factibilidad de la integración a estas cadenas, se requiere un abordaje más profundo de estas cuestiones.
Bibliografía
Adermon, A. y Gustavsson, M. (2015). Job Polarization and Task-Biased Technological Change: Sweden, 1975-2005. The Scandinavian Journal of Economics, 117(3), 878-917.
Akerman, A., Gaarder, I. y Mogstad, M., (2015). “The Skill Complementarity of Broadband Internet.”, NBER Working Paper 20826, National Bureau of Economic Research, Cambridge, MA.
Alhamadi, Y., Brynjolfsson, E., MacCrory, F. y Westerman, G., (2014). “Racing With and Against the Machine: Changes in Occupation Skill Composition in an Era of Rapid Technological Advance”, estudio presentado en la Conferencia Internacional en Sistemas de la Información, Auckland, Diciembre 2014.
Arntz, M., Gregory, T. y Zierahn, U., (2016). “The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis”, OECD Social, Employment and Migration Working Papers, No. 189, OECD Publishing, Paris.
Autor, D. (2014). “Polanyi’s Paradox and the Shape of Employment Growth”, estudio presentado en el Simposio de Política Económica del Banco de la Reserva Federal de Kansas City, Jackson Hole, 22 de Agosto.
Autor, D. y Dorn, D. (2013). “The Growth of Low-Skill Service Jobs and the Polarization of the U.S. Labor Market.” American Economic Review, 103 (5), 1533–97.
Autor, D., Levy, F. y Murnane, R. (2003). “The skill content of recent technological change: an experimental exploration”, Quarterly Journal of Economics, 118(4), 1279-1333.
Baldwin, R., (2006). “Globalisation: The Great Unbundling(s)”. Economic Council of Finland.
Banco Mundial (2016). “World Development Report 2016: Digital Dividends”.
Bloom, N., Draca, M. y Van Reenen, J. (2011). Trade induced technical change? The impact of Chinese imports on technology, jobs and plant survival. CEP Discussion Paper 1000.
Bonnefon, J. F., A. Shariff and I. Rahwan (2015). “Autonomous Vehicles Need Experimental Ethics: Are We Ready for Utilitarian Cars?” (http://arxiv.org/pdf/1510.03346.pdf).
Citibank (2016). “Technology at Work v2.0: The future is not what it used to be”.
Doms, M., y Lewis, E., (2006). “Labor Supply and Personal Computer Adoption.” Federal Reserve Bank of Philadelphia Working Paper 06-10.
Elsby, M., Hobijn, B., y Sahin, A. (2010). “The Labor Market in the Great Recession”, David Romer y Justin Wolfers, editores, Brookings Papers on Economic Activity: Spring 2010.
Foote, C. y Richard, R., (2014). “Labor-Market Polarization Over the Business Cycle”, Federal Reserve Bank of Boston Working Paper.
Frey, C. y Osborne, M. (2013). “The Future of Employment: How Susceptible are Jobs to Computerization?”, University of Oxford.
Goos, M. y Manning, A. (2007). Lousy and lovely jobs. The rising polarization of work in Britain. The Review of Economics and Statistics, 89(1), 118-133.
Goos, M, Manning, A. y Salomons, A. (2011). Explaining Job Polarization: The Roles of Technology, Offshoring and Institutions. Center for Economic Studies Discussion Paper 11.34, University of Leuven.
Goos, M., Manning, A. y Salomons, A. (2014). “Explaining Job Polarization: Routine-Biased Technological Change and Offshoring.” American Economic Review, 104 (8), 2509–2526.
Holmes, C. (2010). Job Polarisation in the UK: An Assessment Using Longitudinal Data. SKOPE Research Paper No. 90.
Holmes, C. y Mayhew, K. (2012). The Changing Shape of the UK Job Market and its Implications for the Bottom Half of Earners. Resolution Foundation Report.
Mazzolari, F. y Ragusa, G. (2013). “Spillovers from High-Skill Consumption to Low-Skill Labor Markets.” Review of Economics and Statistics, 95(1), 74–86.
McIntosh, Steve (2013). “Hollowing out and the future of the labour market”, UK government, Department of Business, Innovation, and Skills, BIS Research paper number 134.
McKinsey Global Institute (2017). “A Future that Works: Automation, Employment and Productivity”.
Messina, J., Pica, G. y Oviedo, A. M., (2016). “Job Polarization in Latin America.” Unpublished manuscript, World Bank, Washington, DC. Background paper for the World Bank LAC Chief Economist Office study on Wage Inequality.
Michaels, G., Natraj, A. y Van Reenen, J. (2014). “Has ICT Polarized Skill Demand? Evidence from Eleven Countries over 25 Years.” Review of Economics and Statistics, 96(1): 60-77.
Mieske, K. (2009). Low-Skill Service Jobs and Technical Change. Unpublished MSc dissertation, University College London.
Ngai, R. y Pissarides, C. (2007). “Structural Change in a Multi-sector Model of Growth” American Economic Review, 97(1), 429-443.
Oesch, D. y Menes, J. (2011). Upgrading or polarization? Occupational change in Britain, Germany, Spain and Switzerland, 1990-2008. Socio-Economic Review, 9, 503531.
Pfeiffer, S. and A. Suphan (2015). “The Labouring Capacity Index: Living Labouring Capacity and Experience as Resources on the Road to Industry 4.0”, Working Paper 2015, No. 2, University of Hohenheim.
Smith, N. (2013). “The End of Labor: How to Protect Workers From the Rise of Robots”. The Atlantic, Enero 2014.
Spitz-Oener, A. (2006). Technical change, job tasks and rising educational demands: looking outside the wage structure. Journal of Labour Economics, 24(2), 235-270.
Thierer, A. D. and R. Hagemann (2014). “Removing Roadblocks to Intelligent Vehicles and Driverless Cars”, Wake Forest Journal of Law & Policy (2015).
Timmer, M., P., Ye, X., (2014). “Is Technical Change Factor Biased? An Analysis of Cost Shares in Vertically Integrated Production”, trabajo preparado para la 33ra Conferencia General IARIW.
Tolbert, M., y Sizer, M., (1996). “U.S. Commuting Zones and Labor Market Areas: A 1990 Update.” Economic Research Service Staff Paper 9614.
Van Reenen, J. (2011). Wage inequality, technology and trade: 21st century evidence. Labour Economics, 18, 730-741.
World Economic Forum, (2016). “The future of jobs: Employment, skills, and workforce strategy for the fourth Industrial Revolution”.