Si los robots hacen los trabajos, ¿cómo pagamos las cuentas?

¿Te has preguntado quién va a pagar el alquiler si las máquinas hacen lo que ustedes hacían? Es la imagen que trae el miedo a la automatización: fábricas vacías, filas de desempleados y robots con mejores contratos que la gente. La realidad, según evidencia empírica, no es tan cinematográfica, pero sí plantea preguntas serias sobre distribución de ingresos y oportunidades para quienes no son ricos.

Un estudio sobre mercados laborales locales en Alemania entre 1994 y 2014 muestra algo sorprendente: la llegada de robots industriales no redujo el empleo total. ¿Cómo puede ser? Lo que sucedió fue un movimiento dentro de la economía: se perdieron puestos en la manufactura, pero se crearon trabajos en el sector de servicios empresariales. Es decir, el empleo no desapareció por completo; cambió de forma y de lugar dentro del tejido productivo.

Eso no significa que nadie se viera afectado. A nivel individual, la adopción de robots no aumentó el riesgo de desplazamiento para la mayoría de trabajadores ya dentro de la manufactura. Muchos se quedaron con el mismo empleador y cambiaron de ocupación dentro de la empresa en lugar de ser echados a la calle. La gran caída en empleo manufacturero vino principalmente de que hubo menos nuevas vacantes para quienes entraban al mercado laboral por primera vez —los jóvenes buscadores de su primer trabajo—, no tanto por una oleada masiva de despidos entre los veteranos.

Hay otra cara de la moneda: productividad y cómo se reparte lo que se produce. Las regiones más expuestas a robots registraron aumentos en la productividad laboral —la economía producía más por hora trabajada—, pero al mismo tiempo la porción del ingreso que va al trabajo (el llamado share laboral) disminuyó. En palabras sencillas: la torta creció, pero la porción que reciben los trabajadores se hizo más pequeña. Esa diferencia suele traducirse en 'rentas' agregadas que benefician a dueños de capital y a las empresas, y en una redistribución en contra del trabajo.

Si juntamos esas piezas, aparece un panorama mixto. Por un lado, la automatización puede crear eficiencia y nuevos empleos en otros sectores; por otro, concentra ganancias en quienes poseen capital y reduce oportunidades de entrada para los jóvenes. Para una persona no rica, eso significa que la posibilidad de mantener o mejorar su ingreso depende menos de que haya más trabajo en el país y más de qué tipo de trabajo se crea, qué habilidades piden y cómo se reparte el fruto de la producción.

Ante ese escenario, el informe 'Work for a brighter future' de la ILO Global Commission (2019) pone dos ideas centrales sobre la mesa: la necesidad de aprendizaje a lo largo de toda la vida y el papel de una protección social universal. Explicado sin tecnicismos: si los empleos cambian constantemente, entrar y permanecer en la fuerza laboral exige actualizar habilidades varias veces a lo largo de la vida; y si el mercado no garantiza transiciones suaves, hace falta algún tipo de red que evite caídas profundas cuando un sector se encoge.

El mismo informe también destaca otras preguntas que van más allá de la tecnología: aparecen nuevas formas de trabajo, cambios en las reglas e instituciones que regulan empleo, la urgencia de incluir a más grupos y lograr mayor igualdad de género, y la necesidad de medir no solo cuánto se trabaja sino cómo eso contribuye al bienestar. Es un recordatorio de que la tecnología no actúa sola: interactúa con leyes, políticas y normas sociales que determinan si los beneficios se extienden o se concentran.

Entonces, ¿qué significa esto para alguien que no es rico y está viendo la automatización avanzar? No hay una respuesta milagrosa ni una receta personal única. Lo que la evidencia sí sugiere es que las oportunidades de trabajo pueden moverse de unos sectores a otros; que quienes ya tienen empleo a menudo pueden adaptarse dentro de su empresa; y que los nuevos entrantes al mercado corren más riesgo de encontrar menos “primeros empleos” en industrias tradicionalmente intensivas en mano de obra.

La lección práctica a escala social es clara: cuando la economía cambia rápido, las políticas públicas importan. Dos palancas que aparecen como prioritarias en la evidencia son facilitar el aprendizaje continuo para que la fuerza laboral pueda seguir el ritmo de la demanda de habilidades, y diseñar protecciones sociales lo bastante amplias como para cubrir transiciones y reducir la desigualdad que la automatización puede acentuar. Si una sociedad combina movilidad laboral real con redes que amortigüen las caídas, aumenta la probabilidad de que la mayoría no quede rezagada cuando cambien los oficios.

En resumen: los robots no necesariamente aniquilan el empleo total, pero sí reordenan quién gana y quién pierde. Para que la gente no rica no termine pagando la mayor parte del costo, hace falta pensar en educación continua, protección social universal y cambios institucionales que acompañen la tecnología. No es un cuento de ciencia ficción ni una solución automática: es un mapa de cómo las decisiones públicas y privadas decidirán si la automatización termina siendo una oportunidad compartida o una fuente más de desigualdad.