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 públicas. 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 metodologías empleadas para elaborar las respectivas predicciones.

En paralelo, otra corriente de investigaciones (que son las que nos interesan 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 actividades y, por consiguiente, del empleo. La posibilidad de que este efecto compensatorio 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 sectores 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. Adicionalmente, 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 complementariamente, efectos en materia de composición de la demanda de trabajo. En este sentido, varios estudios recientes observan una tendencia a la polarización 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 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 problemas, 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 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 ocupaciones, 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 información 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 habilidades 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 comercio 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 comercio en Uruguay. La cuarta analiza los cambios en la estructura ocupacional uruguaya con base en datos de la Encuesta Continua de Hogares (ECH), con 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 estudio de caso sobre el sector supermercados. Finalmente, la sexta presenta las conclusiones y sugiere algunas lecciones de política.

I. Revisión de la literatura empírica

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 sustitución de mano de obra por tecnología, la automatización de transacciones probablemente redunde en una mayor escala del negocio. Ambas fuerzas operando 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 supermercados, se dedican a tareas manuales y repetitivas, para las que las habilidades 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 personal. 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 sensores y de robots, la cantidad de reponedores necesarios también disminuirá drásticamente¹².

La automatización de la operativa minorista permite registrar datos relacionados a los consumidores y sus preferencias. Los supermercados utilizarán esos datos para conocer mejor sus consumidores, identificar sus preferencias y predecir su comportamiento. Esto hará que aumente la demanda de mano de obra 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 clientela. En el propósito de procesar esa información se requerirá personal capacitado 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 clientes. 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 cambio 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 empresas más tradicionales del sector. Seguramente la tecnología disponible en el presente no hace pensar que las grandes superficies de venta minorista desaparezcan 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 perspectivas 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 sector, en el periodo 2005-2016, pasó de 15.1 (15.6) millones de trabajadores 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%) interacción 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% tecnológicas (no suma 100% por redondeo).

Fuente: ^{Bughin et al. (2018)}.

Figura 1. Habilidades demandadas en el sector comercio minorista (presente y futuro) 

^{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 trabajadores por tipo de ocupación se alterará de la siguiente forma: 47% interacción 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 oficina. 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 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.

Fuente: ^{Bughin et al. (2018)}.

Figura 2. Empleo en el sector comercial minorista (en millones) 

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, repetitivas, para las que son necesarias habilidades cognitivas básicas. La contracara es que necesitarán profesionales especializados en el manejo de las nuevas tecnologías, así como en el análisis de datos y predicción de patrones de compra. De igual modo, se demandarán más recursos humanos con habilidades socioemocionales, 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 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 Clasificación 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 objetivos 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 significativa 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 Uniforme 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 caracterizar 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 ocupación, a la vez que evaluar su evolución en el tiempo. De todas maneras, ambos enfoques están vinculados, ya que los trabajadores deben poseer ciertas calificaciones 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 consecuencia, 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 desarrollada 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 Classification (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:

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 identificada 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 correspondientes 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 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 estandarizan 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:

Donde J es el conjunto de 16 ítems ya mencionados¹⁹ para el individuo, i y μ_j y δ_j. representan, respectivamente, el promedio ponderado y la desviación estándar de la tarea j en el periodo 2003-2016. Estos son, a su vez, calculados de la siguiente manera:

Donde w_ies el peso relativo atribuido al individuo i.

Una vez finalizado este proceso la construcción de las medidas de intensidad 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 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 trabajadores 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 ocupación (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 nuevos 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:

Donde t^y_i,j,k,16 y t^y_i,j,k,03 representan el valor promedio de la intensidad de la tarea . 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, respectivamente; h^y_j,k representa el porcentaje del empleo en el sector j, con nivel educativo k. Aquellas variables que omiten el subíndice k se refieren al promedio sectorial. T es el conjunto de los cinco tipos de tareas definidos anteriormente. 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 proyecto 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 proporcionada sin una identificación de la empresa, pero reflejan, grosso modo, lo que ocurre con los supermercados más grandes en Uruguay. Si bien la información es relativamente limitada, permite apreciar algunos cambios básicos que ocurren en el sector.

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 cajeros 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 comercio. 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 esencialmente 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.

Fuente: BCU y elaboración propia con base en la ECH (INE-Uruguay).

Figura 3 Empleo, producto y productividad aparente del trabajo del sector comercio al por mayor y menor (índices) 

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 sector público (que incluye administración, educación y salud pública). De todas maneras, las diferencias entre estas ramas de actividad son muy pequeñas.

Fuente: elaboración propia con base en la ECH (INE-Uruguay).

Figura 4. Evolución de la composición del empleo urbano según rama de actividad 2003-2016 

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 verificado 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 reducción sistemática del porcentaje de trabajadores que no completaron el nivel secundario (HSI), de 11 pp y un crecimiento del empleo de las dos categorías 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.

Cuadro 1. Evolución del empleo urbano según nivel educativo 

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 aquellos que no completaron el nivel medio superaba en aquel año en aproximadamente 13 pp el registrado para el total del empleo. Por el contrario, solo alrededor del 3% del empleo sectorial se explica por trabajadores con educación universitaria.

Sin embargo, más allá de estas diferencias, también aquí se verificó una reducción en la participación relativa del grupo de trabajadores de bajas calificaciones, 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 participación de los ocupados con nivel intermedio, mientras que la porción representada por los ocupados con nivel universitario se mantuvo prácticamente sin cambios. Por tanto, estos valores parecen sugerir que, si bien el empleo sectorial 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 incrementos relevantes en los requerimientos de mano de obra altamente calificada.

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 sectorial 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.

Fuente: elaboración propia con base en O*NET y ECH (INE-Uruguay).

Figura 5. Variación en la intensidad de las tareas en el empleo urbano total 2003-2016 

En el periodo bajo análisis se observan claramente dos tendencias contrapuestas: 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 

Fuente: elaboración propia con base en la ECH (INE-Uruguay).

Fuente: elaboración propia con base en O*NET y ECH (INE-Uruguay).

Figura 6. Variación en la intensidad de las tareas en el comercio al por menor 2003-2016 

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 analíticas. 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 reducción 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 observados en el empleo sectorial según el nivel educativo analizados previamente. 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.

Cuadro 3. Composición del empleo según tipo de tareas y variación entre el 2003 y el 2016 en el comercio al por menor 

Fuente: elaboración propia con base en la ECH (INE-Uruguay).

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 cognitivas 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 rutinarias 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, 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.

Fuente: elaboración propia con base en O*NET y ECH (INE-Uruguay).

Figura 7. Descomposición de los cambios en la intensidad de las tareas en el comercio al por menor. 2003-2016 

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 importante remarcar que dentro de cada una de las ocupaciones se ha reducido de manera progresiva la necesidad de realizar tareas manuales, sean o no rutinarias, 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 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, adquisición de maquinaria y equipo, hardware y software, y, por otro, de licencias o patentes. En un futuro cercano, se pretende implementar otras transformaciones 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 electrónicos. Esto permitió introducir cajas de autoservicios. En aquel año había aproximadamente 160 de esas cajas en los supermercados de la ASU (representan 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.

Según lo recogido en el trabajo de campo con la cadena de supermercados mencionada, el cambio ha conseguido los objetivos buscados en materia de costos, productividad, transparencia y seguridad. Por ejemplo, su implementación permite que el promedio de número de cajas abiertas por local de supermercado sea mayor. A modo de ilustración, la instalación de cuatro self-checkout 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 supermercados. 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 distintas 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 indicaba 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 particular. 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 funcionarios de la cadena bajo estudio respondieron que es posible encontrar personal con la formación profesional y las habilidades requeridas en el mercado de trabajo. Por otra parte, se manifiesta que los ajustes en la demanda de trabajo 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 autoservicio. En contraste, no se han contratado trabajadores que hayan participado de algún programa de formación profesional.

Cuadro 4. Número de empleados en la ocupación cajeros y habilidades demandadas 

VI. Conclusiones y recomendaciones de política

En este trabajo hemos abordado la cuestión de los impactos de la automatización 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 sector supermercados, cuyas lecciones, si bien no necesariamente extrapolables a otros sectores o a similares ramas en otros países, brindan rica información 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, 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 educativas 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 incrementa la presencia de las tareas cognitivas en desmedro de las manuales, aunque en el caso del comercio minorista, las manuales rutinarias experimentan 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 macroeconómicos y sectoriales que caracterizan a los países de América Latina, emerge la necesidad de avanzar hacia la construcción de un sistema integrado de políticas activas del mercado de trabajo que no solo otorguen alguna garantía de ingresos a los trabajadores, sino que también faciliten el tránsito entre diferentes 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 trabajo 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 apenas un aporte más en una agenda de investigación amplia y en constante 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 oportunidades y los desafíos que emergen de este proceso.