Tema 32
Nuevas tecnologías, empleo y cualificación. Producción en industria y servicios. Cambio técnico.
Introducción
La revolución tecnológica —IA, robótica, biotech, computación cuántica— está transformando radicalmente la producción y el empleo. Desde la invención de la máquina de vapor (1769) hasta ChatGPT (2022), cada ola tecnológica ha generado temores sobre la destrucción de empleo, y cada vez el balance neto ha sido positivo. El interrogante actual: la automatización masiva vía IA, ¿será diferente?
1. Cambio técnico y empleo
1.1. Visión histórica
La historia económica de los últimos 250 años es, en gran medida, la historia del cambio técnico y sus efectos sobre el empleo y la distribución de la renta. Schumpeter (1911, Theorie der wirtschaftlichen Entwicklung) acuñó el concepto de destrucción creativa: el capitalismo avanza mediante la renovación permanente, donde las nuevas tecnologías y empresas sustituyen a las antiguas generando costes de transición significativos (desempleo, obsolescencia de habilidades, quiebras) pero también beneficios netos a largo plazo en forma de nuevos productos, sectores y puestos de trabajo. Esta lógica ha operado en cada una de las cuatro grandes revoluciones industriales. La primera revolución industrial (ca. 1769-1850, máquina de vapor, textil, carbón) generó los movimientos luditas (1811-1816, destrucción de telares) y la teoría económica del «desplazamiento» tecnológico, respondida por Ricardo en el capítulo «On Machinery» de los Principios (1821). La segunda (ca. 1870-1914, electricidad, acero, ferrocarril, químicos) creó la industria fordista de producción en masa. La tercera (ca. 1969-, informática, telecomunicaciones, internet) generó la paradoja de Solow: «los ordenadores están en todas partes excepto en las estadísticas de productividad» (1987), resuelta dos décadas después cuando la productividad estadounidense aceleró. La cuarta revolución industrial (concepto acuñado por Klaus Schwab en 2016, WEF), articulada en torno a IA, IoT industrial, robótica avanzada, biotecnología y computación cuántica, difumina las fronteras entre lo físico, lo digital y lo biológico, y plantea la pregunta sobre si esta vez el cambio técnico es estructuralmente diferente en su velocidad y alcance.
Cambio técnico y empleo — perspectiva histórica
Las cuatro revoluciones industriales: tecnología clave e impacto laboral
1.2. Cambio técnico y productividad
Robert Solow (Nobel 1987), en su artículo fundacional «Technical Change and the Aggregate Production Function» (Review of Economics and Statistics, 1957), descompuso el crecimiento económico estadounidense de 1909-1949 en la contribución del capital, del trabajo y de un residuo que no podía atribuirse a ninguno de los dos factores —el llamado «residuo de Solow» o Productividad Total de los Factores (PTF). Su hallazgo: el 80 % del crecimiento de la producción por hora trabajada era atribuible al residuo, es decir, al progreso tecnológico y organizativo. El capital físico explicaba solo el 20 % restante. Esta cifra fue revolucionaria porque ponía la tecnología —y no la acumulación de capital— en el centro del crecimiento a largo plazo. La paradoja de Solow apareció treinta años después: en 1987, cuando los ordenadores personales ya estaban difundiéndose masivamente en las empresas estadounidenses, Solow observó que «los ordenadores están en todas partes excepto en las estadísticas de productividad». La PTF de EE. UU. llevaba dos décadas estancada pese a la inversión masiva en TI. La explicación, que tardó 15-20 años en comprenderse, fue múltiple: el capital organizativo y humano complementario tardó en desarrollarse (reorganización de procesos, formación de personal), las externalidades de red necesitaron masa crítica, y los datos de productividad medían mal los sectores de servicios. Cuando la productividad estadounidense aceleró en 1995-2005, la paradoja quedó resuelta. Hoy la misma discusión se reproduce con la IA generativa: la adopción masiva de 2022-2025 no se ha traducido aún en aceleración estadística de la PTF —una «segunda paradoja de Solow» que los economistas debaten con intensidad (Brynjolfsson 2023; Acemoglu 2024). La explicación más probable es el mismo retraso de adaptación organizativa que ocurrió con los ordenadores: los beneficios de productividad de la IA se materializarán a escala cuando las empresas rediseñen sus procesos para aprovechar plenamente la tecnología.
1bis. Modelos de Aghion-Howitt y Acemoglu-Restrepo
Innovación, automatización y empleo
El modelo de crecimiento schumpeteriano de Aghion-Howitt (1992) formalizó la destrucción creativa: las empresas innovadoras sustituyen a las anteriores; el ritmo de innovación es endógeno y depende del valor presente esperado de la patente y del nivel competitivo. Estudios recientes (Aghion et al. 2019) muestran una relación en U invertida entre competencia e innovación.
Acemoglu y Restrepo (2018, 2020) proponen un marco unificado de tareas y tecnologías: la automatización sustituye a humanos en tareas concretas (efecto desplazamiento), pero la tecnología también crea tareas nuevas (efecto reincorporación). Si el segundo efecto domina, sube el empleo y el salario; si no, surgen pérdidas distributivas. Su evidencia empírica es que en EE. UU. desde 1980 el efecto desplazamiento ha sido más fuerte que el efecto creación, lo que explica el estancamiento de salarios medios y la polarización.
Marco de tareas (Acemoglu-Restrepo 2018)
Automatización: efecto desplazamiento vs. efecto reincorporación
Modelos de innovación y automatización
Aghion-Howitt (1992) vs. Acemoglu-Restrepo (2018)
| Aghion-Howitt 1992 | Acemoglu-Restrepo 2018 | |
|---|---|---|
| Mecanismo | Destrucción creativa schumpeteriana | Sustitución vs. reincorporación de tareas |
| Predicción | Crecimiento endógeno; U invertida competencia-innovación | Empleo y salario suben si reincorporación > desplazamiento |
| Evidencia | Aghion et al. 2019: competencia óptima media | Robots/1000 trab. en EE.UU. ↓ empleo 0,18-0,34 pp |
2. Polarización ocupacional
2.1. SBTC y RBTC
Skill-Biased Technical Change (Katz-Murphy 1992): tecnología complementa cualificados. Routine-Biased TC (Autor-Levy-Murnane 2003): sustituye tareas rutinarias (manuales y cognitivas). Resultado: polarización de empleo: crecen jobs altos y bajos, desaparecen los medios.
Cambio técnico sesgado
SBTC vs. RBTC: autores, mecanismo y efecto distributivo
| Modelo | Autores / año | Tipo de tareas sustituidas | Efecto sobre distribución salarial |
|---|---|---|---|
| SBTC (Skill-Biased TC) | Katz-Murphy (1992, QJE) | Tareas manuales poco cualificadas | Aumenta prima salarial universitaria; amplía brecha alta-baja cualificación |
| RBTC (Routine-Biased TC) | Autor-Levy-Murnane (2003, QJE) | Tareas rutinarias (cognitivas Y manuales) de cualificación media | Polarización: desaparecen empleos medios; crecen extremos → U-shape |
2.2. Impacto IA generativa
ChatGPT (2022), MidJourney, etc. Frey-Osborne (2013): 47 % ocupaciones EE.UU. automatizables. Goldman (2023): 300 M puestos globales afectados. Debate: complementariedad vs. sustitución. Consenso: mayores cambios en tareas, no eliminación masiva.
Los estudios más recientes matizan: OCDE Employment Outlook 2023 estima que el 27 % de las ocupaciones de la OCDE tienen alto riesgo de automatización; Acemoglu y Restrepo (2022) documentan que la robotización industrial en EE. UU. ha reducido entre 0,18 y 0,34 puntos porcentuales el empleo y entre 0,25 y 0,5 los salarios por cada robot adicional por cada 1.000 trabajadores. Sin embargo, Brynjolfsson, Li y Raymond (NBER 2023) muestran en un experimento real con asistentes de IA que la productividad de los trabajadores poco cualificados sube un 35 %, reduciendo la brecha intra-empresa.
2.3. Datos sobre brecha digital y empleo
La DESI (Digital Economy and Society Index, Comisión Europea) sitúa a España en la posición 7/27 en digitalización general, pero solo en la 14ª en capital humano digital: el 36 % de la población carece de competencias digitales básicas, frente al 26 % en la media UE. La brecha STEM se traduce en 120.000 vacantes tecnológicas sin cubrir en España (Adecco 2024). El programa Espana Digital 2026 moviliza 20.000 M€ entre fondos NextGen y presupuestos nacionales para conectividad, microelectrónica, IA, ciberseguridad y FP digital.
Polarización ocupacional: cambio en la cuota de empleo por nivel salarial
El cambio técnico sesgado al sesgo de rutina (Autor-Levy-Murnane 2003) destruye empleos rutinarios de cualificación media e impulsa simultáneamente alta cualificación cognitiva y servicios manuales no rutinarios.
3. Industria vs. servicios
3.1. Terciarización
Ley de los tres sectores (Fisher-Clark 1935-40): a medida que crece la renta, el empleo migra de primario → secundario → terciario. España: 75 % ocupados en servicios (2024).
El proceso de desindustrialización en España es notable: en 1980 el empleo industrial superaba el 26 % del total; en 2024 ha bajado al 13,5 %, por debajo de la media UE (16 %) y muy lejos de Alemania (24 %). El Plan Industria España 2030 persigue revertir parcialmente esta tendencia mediante reindustrialización verde y digital, y elevar el peso del sector manufacturero al 20 % del VAB.
Ley de los tres sectores (Fisher-Clark)
Reasignación sectorial del empleo en España (% ocupados)
3.2. Industria 4.0
El concepto Industria 4.0 (acuñado en Alemania, Hightech-Strategie 2011) integra: IoT industrial (sensores y actuadores conectados), smart factory (planta autónoma y adaptable), cobots (robots colaborativos seguros junto a humanos), impresión 3D (additive manufacturing), digital twin (réplica virtual de procesos físicos), computación en la nube industrial y IA aplicada a la cadena de producción. En España, los PERTE (Proyectos Estratégicos para la Recuperación y Transformación Económica) de vehículo eléctrico y conectado (PERTE VEC, 24.000 M€ de inversión movilizada) y de microelectrónica y semiconductores (PERTE Chip, 12.250 M€, en coordinación con la European Chips Act de 2023) son las apuestas industriales centrales del PRTR. El objetivo: anclar cadenas de valor estratégicas en España y no depender del 100 % de importaciones asiáticas en componentes críticos (la crisis de microchips de 2021-2022 obligó a parar líneas de montaje en Stellantis, Volkswagen y Renault en España).
La servitización (Vandermerwe-Rada 1988) y la economía de plataformas difuminan las fronteras tradicionales. Empresas industriales venden ahora servicios asociados (Rolls-Royce vende «horas de vuelo», Siemens vende mantenimiento predictivo). Las plataformas digitales (Glovo, Uber, Amazon) crean nuevas tipologías laborales: Ley 12/2021 (Ley Rider) presume la laboralidad de los repartidores, primera norma del mundo en este ámbito.
Industria 4.0 (WEF 2016)
Pilares tecnológicos de la smart factory
4. Educación y cualificación
Capital humano y lifelong learning
Claudia Goldin y Lawrence Katz, en The Race between Education and Technology (2008), propusieron el marco analítico más poderoso para entender la relación entre cambio técnico, educación y desigualdad salarial en el largo plazo. Su tesis: la evolución de la prima salarial universitaria en EE. UU. durante el siglo XX describe una carrera entre la oferta de trabajo cualificado (determinada por la expansión del sistema educativo) y la demanda de trabajo cualificado (determinada por el sesgo tecnológico de la producción). Cuando la educación avanza al menos al mismo ritmo que la tecnología —como en EE. UU. entre 1900 y 1980, gracias a la «revolución de la escuela secundaria» y la expansión universitaria— la prima salarial decrece y la desigualdad se reduce. Cuando la tecnología acelera más que la educación —como en EE. UU. desde 1980 con el SBTC— la prima se dispara y la desigualdad crece. España muestra el paradoxo inverso: alta proporción de universitarios (37 % de los activos, por encima de la media OCDE) junto a déficit de perfiles técnicos medios de FP, lo que genera sobrecualificación en los segmentos altos y escasez en los medios. La Ley Orgánica 3/2022 de Ordenación e Integración de la Formación Profesional es la apuesta estratégica para corregir este desajuste: crea los ciclos de FP básica, media y superior más el nuevo nivel de Especialización, facilita la doble titulación, y apuesta por la FP dual en empresas. La conexión con el PRTR es explícita: uno de los ejes transversales del Plan de Recuperación es la recualificación digital, con el programa «Formación en Competencias Digitales» del SEPE que pretende cualificar digitalmente a 600.000 trabajadores activos entre 2021 y 2026.
El Premio Nobel 2023, Claudia Goldin, ha documentado a lo largo de su carrera que la convergencia salarial mujer-hombre depende crucialmente de la flexibilidad temporal del trabajo y de la transformación de la organización de la jornada. Su libro Career and Family (2021) sostiene que la «penalización por maternidad» y la rigidez de las horas «codiciosas» (greedy work) explican gran parte de la brecha residual una vez controladas educación y experiencia.
5. Políticas y perspectivas
OCDE Skills Outlook 2023
Riesgo de automatización por nivel educativo
| Nivel educativo | % empleos en alto riesgo |
|---|---|
| Terciario alto (máster/doctorado) | ~8 % |
| Terciario (universitario) | ~14 % |
| Secundario | ~25 % |
| Primario / sin estudios | ~32 % |
Retos y medidas
• Recualificación (reskilling, upskilling).
• Regulación IA: AI Act UE (Reg. 2024/1689).
• Renta básica universal: debate.
• Impuesto a los robots (Bill Gates, 2017): debate.
• Kit Digital (PYMES España): 3.000 M€.
• Semana 4 días: proyecto piloto Ministerio Industria.
Debate fiscal y redistributivo
Cuatro propuestas para gravar la automatización y financiar redistribución
| Proponente / iniciativa | Mecanismo | Crítica principal |
|---|---|---|
| Impuesto robots (Gates 2017) | Impuesto sobre el uso productivo de robots | Difícil definición; fuga inversión |
| Impuesto digital España | 3 % servicios digitales (Ley 4/2020) | Recauda poco; tensión con EE.UU. |
| Pilar 1-2 OCDE | 15 % mínimo global; reasignación beneficios | Implementación lenta y dispar |
| RBU | Transferencia universal incondicional | Coste fiscal alto; efecto sobre oferta laboral |
5.2. AI Act y gobernanza europea de la IA
El Reglamento UE 2024/1689 (AI Act), aprobado en mayo de 2024, es la primera norma integral mundial sobre inteligencia artificial. Establece un enfoque basado en el riesgo: prohíbe usos inaceptables (puntuación social, manipulación cognitiva, scraping facial indiscriminado), regula con obligaciones estrictas las aplicaciones de alto riesgo (RR. HH., justicia, sanidad, infraestructuras críticas, educación), exige transparencia para chatbots y modelos generativos, e impone evaluaciones específicas a los modelos fundacionales de propósito general que superen ciertos umbrales de cómputo (~10²⁵ FLOPs). La aplicación es escalonada: prohibiciones desde febrero de 2025, gobernanza de modelos generales en agosto de 2025, plena aplicación en 2026-2027. Las sanciones llegan al 7 % de la facturación global o 35 M€.
En paralelo, el Pacto Europeo por la IA (compromiso voluntario de empresas), la Oficina Europea de IA (DG CNECT) y la Estrategia Nacional de IA 2024 española (con la AESIA, Agencia Española de Supervisión de IA, primera de la UE, sede en A Coruña) configuran el ecosistema regulatorio. Se complementan con la Carta de Derechos Digitales española (2021) y el RGPD.
5.3. Productividad española y cambio técnico
España tiene un déficit estructural de productividad total de los factores respecto a la zona euro: en el período 2000-2023, la PTF apenas creció un 0,1 % anual frente al 0,7 % alemán. Causas señaladas por el Banco de España: tamaño empresarial reducido (el 95 % de las empresas tiene menos de 10 trabajadores), inversión I+D del 1,49 % del PIB (vs. 2,3 % UE, 3,2 % Alemania), regulación fragmentada por CCAA, déficit de capital humano en perfiles STEM. Los PERTE de microchips (12.250 M€), vehículo eléctrico (24.000 M€), agroalimentación e hidrógeno verde son las apuestas industriales para corregir el patrón.
6. Cambio técnico, desigualdad y políticas redistributivas
6.1. Tecnología y desigualdad salarial
La interacción entre cambio técnico y educación es la pieza central del modelo de Goldin-Katz: cuando la tecnología avanza más rápido que la educación, la prima de cualificación se dispara y la desigualdad crece (caso EE. UU. 1980-2010). Cuando la educación avanza al menos al mismo ritmo, las brechas se contienen (caso EE. UU. 1900-1980, modelo nórdico contemporáneo). En España, la prima salarial universitaria (diferencial respecto a no universitarios) era del 50 % en 2008 y ha bajado al 35 % en 2022, en parte por la sobrecualificación: el 36 % de los universitarios trabaja en puestos por debajo de su titulación, primer dato de la OCDE.
6.2. Debate sobre la fiscalidad de los robots y la IA
El debate sobre cómo financiar el Estado del Bienestar ante la automatización tiene varios ejes: (1) impuesto a los robots propuesto por Bill Gates (2017), criticado por Acemoglu y Restrepo por desincentivar productividad; (2) impuesto digital español (Ley 4/2020, gravamen del 3 % sobre publicidad digital, intermediación, datos), recaudación de unos 350 M€ anuales; (3) tributo global de Pilar 1 y Pilar 2 de la OCDE, con tipo mínimo efectivo del 15 % a multinacionales, en transposición desde 2024 (Ley 7/2024); (4) renta básica universal, defendida por Van Parijs, debatida en pilotos (Finlandia 2017-2018, Stockton EE. UU., Barcelona BMincome).
Conclusión
El cambio técnico es el motor de largo plazo del crecimiento económico —Solow (1957) estimó que el residuo de progreso técnico explica hasta el 80 % del crecimiento de la productividad— y, simultáneamente, la fuente más importante de transformación del mercado de trabajo. La tensión entre destrucción creativa (Schumpeter 1911) y desplazamiento tecnológico (Acemoglu-Restrepo 2018) es el eje analítico central del tema: el balance histórico ha sido positivo —cada revolución industrial ha generado más empleos de los que ha destruido— pero la transición genera costes distribuidos de forma muy desigual, y la IA generativa introduce incertidumbre sobre si la velocidad y la amplitud del cambio actual permiten la adaptación.
El tema ha recorrido cuatro dimensiones. La perspectiva histórica (§1): de la máquina de vapor a ChatGPT, con el telón de fondo de la paradoja de Solow y las ondas de Kondratiev. Los modelos de polarización ocupacional (§2): SBTC (Katz-Murphy 1992), RBTC (Autor-Levy-Murnane 2003), el marco de tareas de Acemoglu-Restrepo (2018) y el impacto de la IA generativa sobre las tareas cognitivas no rutinarias (Eloundou et al., 2023). La estructura industrial (§3): terciarización, Industria 4.0, PERTE, servitización y economía de plataformas. La política (§4-§5-§6): AI Act, recualificación, brecha STEM, desigualdad salarial y debate fiscal sobre robots y IA.
Las conexiones son múltiples. El cambio técnico y el empleo enlazan directamente con el Tema 31 (políticas activas de formación y recualificación como respuesta al desplazamiento). La polarización salarial conecta con la desigualdad del Tema 36. La gobernanza de la IA (AI Act) es un caso ejemplar de política regulatoria europea del Tema 34. La productividad española y el gasto en I+D (1,49 % del PIB) remiten a los factores del crecimiento del Tema 27.
Frase-síntesis: «La pregunta no es si la IA destruirá empleos —sí destruirá tareas, y con ellas algunos puestos—, sino si la sociedad es capaz de invertir con suficiente rapidez en las capacidades humanas complementarias a la máquina. La carrera entre educación y tecnología (Goldin-Katz 2008) define quién gana y quién pierde en cada ola de automatización. España la lleva perdiendo en I+D desde los años 90; ganársela requiere doblar el gasto en veinte años».
- SCHUMPETER, J.A. (1911): Theorie der wirtschaftlichen Entwicklung.
- SOLOW, R.M. (1957): «Technical Change and the Aggregate Production Function».
- KATZ, L. i MURPHY, K. (1992): «Changes in Relative Wages 1963-87», QJE.
- AUTOR, D., LEVY, F. i MURNANE, R. (2003): «The Skill Content of Recent Technological Change», QJE.
- GOLDIN, C. i KATZ, L. (2008): The Race between Education and Technology.
- FREY, C.B. i OSBORNE, M.A. (2013): The Future of Employment, Oxford Martin.
- BRYNJOLFSSON, E. i MCAFEE, A. (2014): The Second Machine Age.
- Reglament UE 2024/1689 (AI Act); Llei 3/2022 FP.
Síntesis del tema
El one-pager de síntesis del tema, para repaso rápido.
Herramienta incluida en la suscripción.
Suscríbete · 20 €/mes