Contrarrestar los impactos geográficos de la automatización: computadoras, inteligencia artificial y disparidades de lugar

Las elecciones presidenciales de 2016 revelaron, como nada antes, uno de los aspectos más sorprendentes pero menos anticipados de la revolución digital global. En una sola y dramática votación, la victoria de Donald Trump puso de relieve el surgimiento de una marcada y creciente divide entre dos Américas: una basada en grandes áreas metropolitanas orientadas digitalmente; el otro se encuentra en ciudades, pueblos y áreas rurales más pequeñas y de menor tecnología.1Al hacerlo, la votación mostró, con su mapa rojo y azul, el poder subestimado de la tecnología para remodelar la geografía de las naciones.





La división fue un shock para muchos.2Sin embargo, no era solo la crudeza de la brecha geográfica revelada lo que resultaba tan desconcertante. También fue inquietante la medida en que las divisiones regionales reveladas de la nación reflejaban algo importante sobre el naturaleza fundamental de tecnologías digitales emergentes, incluidas diversas formas de automatización, como la inteligencia artificial (IA).3



Las divisiones espaciales agudizadas no solo reflejaron decisiones de ubicación aleatorias, en este sentido, o el declive de la fabricación (aunque contribuyeron). En cambio, un cuerpo significativo de literatura académica sugiere ahora que las nuevas tecnologías han introducido herramientas disruptivas en la economía que, al potenciar el trabajo de alto nivel y sustituir las tareas rutinarias, también están reorganizando masivamente la geografía económica de la nación.



Lo más evidente hasta la fecha ha sido la dinámica impulsada por la máquina que amplificar la capacidad de los trabajadores calificados para agregar valor, sustituir el trabajo rutinario e inyectar el ganador se lleva la mayor parte -o superestrella —Dinámica en los mercados.4Con el tiempo, esta difusión inicial de herramientas digitales y automatización ha incrementado las llamadas fuerzas de aglomeración que resultan en que las personas y las empresas se agrupan en lugares privilegiados para compartir información, combinar habilidades y trabajo, y aprender cosas nuevas, con impactos significativos en la economía del país. geografía.



De esta manera, las elecciones de 2016 pueden caer como la primera vez que la sociedad comenzó a comprender todas las implicaciones del potencial de la automatización para transformar el mundo físico. A medida que las ciudades grandes y tecnológicas como Nueva York, Washington y el Área de la Bahía parecían habitar cada vez más en un mundo diferente al resto de Estados Unidos, la gente y los lugares que quedaron atrás se rebelaron.



La IA y sus impactos positivos y negativos no se distribuirán de manera uniforme y probablemente contribuirán a las preocupantes divisiones geográficas de la nación.



Todo lo cual sugiere la necesidad de agregar otro elemento a la lista de dilemas sociales y éticos que rodean la próxima era de la IA: el hecho de que la IA y sus impactos positivos y negativos no se distribuirán de manera uniforme y probablemente contribuirá a las preocupantes divisiones geográficas de la nación. Resolver este desafío agregará otra prioridad a la resolución de problemas sobre el futuro del trabajo, la adaptación de los trabajadores y el contenido ético de los algoritmos.

Automatización, IA y lugar

El vínculo de la IA con la geografía se deriva de la tendencia de las tecnologías digitales a amplificar la productividad del experto y sustituto del trabajo rutinario o rutinario. Más destacado, Beaudry, Doms y Lewis demostró hace más de una década que las ciudades que adoptaron las computadoras personales antes y más rápido vieron cómo sus salarios relativos aumentaban más rápidamente.5



Desde entonces, se han acumulado pruebas adicionales, incluidas las recientes Investigación de Brookings —Que las tecnologías digitales están contribuyendo en gran medida a la divergencia de las economías regionales y alejarse de las ciudades superestrellas de los más pequeños y del interior rural.6 Enrico Moretti ha demostrado que las economías digitales están generando diferencias crecientes entre las personas e incluso entre las habilidades.7Y Elisa Giannone tiene demostrado que la divergencia de los salarios de las ciudades desde 1980, después de décadas de convergencia, refleja una combinación de recompensas cada vez mayores de la tecnología para los trabajadores tecnológicos altamente calificados y la agrupación de la industria local.8



Del mismo modo, mi propio análisis de la digitalización muestra que los salarios anuales medios de los estados y las ciudades no solo están correlacionados con los puntajes medios de habilidades digitales de las localidades, sino que el empleo y los ingresos de los lugares más digitales se están alejando de los lugares con menos habilidades digitales.

La digitalización se relaciona positivamente con los salarios medios



Con el tiempo, un afortunado nivel superior de áreas metropolitanas grandes, densas y cargadas de talento ha crecido consistentemente más rápido que las ciudades medianas y menos prósperas:



Salarios anuales promedio indexados y nivel de empleo, 1969-2016

En el centro de estas tendencias es la automatización. Lo que yo llamo la primera gran fase de la automatización digital, la fase de la era de las TI, data de 1980 a 2016 y se centra en la adopción de la PC y la robótica industrial. Acerca de este período, mi grupo en el Programa de Política Metropolitana en Brookings ha trabajado con el investigador senior no residente de Brookings, Ian Hathway (empleando datos proporcionados por David Autor) para mostrar cómo el impacto diferencial de la automatización en los tipos de tareas a nivel nacional se traduce en resultados laborales locales desiguales.9



En primer lugar, nuestra mirada a las tendencias ocupacionales nacionales en la era de la tecnología de la información describe claramente cómo el crecimiento de los salarios y el cambio del empleo en los años desde 1980 reflejan un vaciamiento en el continuo de habilidades que a su vez refleja una demanda reducida de trabajo de habilidad media, rutinario o repetitivo. ya sea de naturaleza física o cognitiva, dada la sustitución de una máquina por dicho trabajo.



El crecimiento de los salarios y el empleo ha sido el más lento en los trabajos de salario medio

En general, está muy claro que tanto el crecimiento del empleo como el progreso de los salarios se han desplomado en medio de la distribución de habilidades para ocupaciones como ayudantes de producción y trabajadores de oficina.

En segundo lugar, vinculamos ese patrón nacional con los impactos comunitarios mediante el mapeo de la incidencia local del trabajo rutinario o repetitivo en 1980. Al hacerlo, se obtiene una descripción visual de la exposición local al trabajo susceptible a la automatización.

Proporción de empleo habitual por zona de desplazamiento, 1980

Proporción de empleo habitual por zona de desplazamiento, 1980

Fuente: Análisis de Brookings de Autor y Dorn (2013)

El mapa está claro. Si bien el trabajo de rutina se extendió ampliamente por todo el país al comienzo de la era de la automatización, no se distribuyó de manera uniforme.

Y así, lo que ha seguido en los últimos 35 años también ha sido desigual. Con la adopción generalizada de robots industriales y la PC, se produjo una interrupción traumática y localmente variable del empleo de salario medio combinada con un cambio masivo de trabajadores de calificación media, a menudo sin educación universitaria, hacia actividades de servicios con salarios más bajos. Notablemente, las regiones orientadas a la administración de oficinas y manufactura — áreas del Medio Oeste, Noreste, Sur y Costa Oeste con las concentraciones más altas de empleo rutinario — también fueron los lugares que vieron el cambio más grande hacia el empleo en servicios de bajos salarios en la era de la información.

En resumen, la primera era de la automatización digital no ha sido espacialmente neutra. Los lugares con mayor exposición al trabajo de rutina, como Detroit con sus fábricas de automóviles o Nueva York con sus millones de trabajadores administrativos, vieron algunos de los mayores aumentos de empleo en servicios de baja calificación en la era de la tecnología de la información. Su fuerza de trabajo de rutina relativamente grande y de habilidades medias se vio sometida a una presión especial de la automatización. Por el contrario, las áreas metropolitanas con una menor proporción de empleos de rutina, como Raleigh, Carolina del Norte, con sus universidades y hospitales, vieron transiciones menos dramáticas en el mercado laboral.

Ahora, la era de la TI se está transformando en una era de la IA impregnada de tecnologías digitales más potentes, como el aprendizaje automático y otras formas de inteligencia artificial. Lo que plantea la pregunta: ¿Cómo será la próxima fase de la interacción entre la automatización y el empleo?

Pero esa es la era inicial de la automatización de TI. Ahora, la era de la TI se está transformando en una era de la IA impregnada de tecnologías digitales más potentes, como el aprendizaje automático y otras formas de inteligencia artificial.10Lo que plantea la pregunta: ¿Cómo será la próxima fase de la interacción entre la automatización y el empleo?

Para arrojar algo de luz sobre esto, mi grupo trabajó más con Hathaway para analizar las tendencias futuras en la fase de automatización de la IA utilizando estimaciones proporcionadas por el McKinsey Global Institute de susceptibilidad ocupacional a la automatización durante las próximas décadas. (Para obtener más información sobre nuestro método, consulte nuestro artículo aquí ).

Una vez más, vinculamos la información nacional sobre el impacto proyectado de la automatización en los tipos de tareas y ocupaciones con información sobre la combinación ocupacional de las geografías locales para evaluar los posibles resultados de empleo en los estados y áreas metropolitanas.

Ahora que encontramos? Al observar los datos que incorporan proyecciones de la influencia de la IA, la imagen del impacto futuro en la ocupación y, a su vez, en la geografía, parece un poco diferente a la del período anterior.

A nivel nacional, una curva que describe el potencial de automatización actual de las ocupaciones (con la exposición subiendo por el eje vertical) tiene un nuevo aspecto distintivo, ya que informa la exposición más alta para los roles con los salarios más bajos (aquellos a la izquierda en el eje horizontal ) con menor exposición a la automatización, más aumentan los salarios (a la derecha de la figura):

Los trabajos con salarios más bajos son los más expuestos a la automatización

Esta curva se ve diferente a la anterior que grafica el crecimiento de los salarios y el empleo frente a los niveles salariales, lo que sugiere una presión de automatización. Mientras que antes el contenido de tareas rutinarias por debajo del percentil 20 del salario era bajo, aquí, el mayor potencial para la automatización futura de las tareas actuales se concentra entre los trabajadores con salarios más bajos. Esto refleja en parte un aumento drástico de las incursiones proyectadas de automatización en el sector de servicios gracias a las próximas aplicaciones de inteligencia artificial para las operaciones de servicios de alimentos y la administración de oficinas. Mientras tanto, el potencial de automatización a nivel de tareas cae constantemente a medida que aumentan los salarios promedio. Las personas con mayores ingresos generalmente continúan enfrentando amenazas de baja automatización basadas en el contenido de la tarea actual, aunque eso podría cambiar a medida que la IA comience a presionar algunos trabajos no rutinarios con salarios más altos. Al menos una nueva investigación sugiere exactamente que eso podría suceder.11

Pasando ahora a la geografía de estas tendencias, vemos de nuevo que si bien el riesgo de automatización se sentirá en todas partes, sus avances en la era de la inteligencia artificial se seguirán sintiendo de manera diferente en todos los lugares (aunque ahora, el patrón es un poco diferente dada la amplia nueva vulnerabilidad de servicios de gama baja).

En este sentido, los datos de exposición a la automatización en la era de la IA muestran que los impactos de la automatización serán más disruptivos en los estados, condados y ciudades de Heartland. Estas son exactamente las mismas regiones más afectadas por los cambios de la era de la TI.

Potencial de automatización promedio por condado, 2016

Potencial de automatización promedio por condado, 2016

Fuente: Análisis de Brookings de datos de BLS, Census, EMSI, Moodys y McKinsey

En este sentido, los estados y condados menos educados de Heartland especializados en industrias manufactureras y de servicios de bajo nivel podrían verse especialmente afectados por la automatización en la era de la inteligencia artificial, mientras que los estados y condados bien educados a lo largo del corredor Boston-Washington y en el oeste La costa parece menos expuesta.

De manera paralela, las comunidades más pequeñas y menos educadas lucharán relativamente más con la automatización de la fase de IA, mientras que las ciudades más grandes y mejor educadas experimentarán menos interrupciones. Así es como se ve:

Potencial medio de automatización por área metropolitana, 2016

Potencial medio de automatización por área metropolitana, 2016

Fuente: Análisis de Brookings de datos de BLS, Census, EMSI, Moodys y McKinsey

Según el mapa, más del 50 por ciento de las tareas actuales ponderadas por empleo de todos los trabajadores son potencialmente automatizables en pequeñas áreas metropolitanas como Kokomo, Indiana y Hickory, Carolina del Norte. Por el contrario, la proporción de trabajo vulnerable en áreas metropolitanas altamente educadas y altamente digitales como San José, California y el Distrito de Columbia es solo del 40 por ciento y el 39 por ciento, respectivamente. En general, los niveles de educación metropolitana más altos sirven como un freno contra el potencial de automatización de la fase de IA. Esto se debe en parte a que la educación respalda el tipo de trabajo interpersonal complejo que la IA complementará en lugar de reemplazar, y también a que los logros educativos mejoran la adaptabilidad individual y comunitaria.

En resumen, la propagación de la IA, como la fase anterior de la automatización, bien puede tener impactos locales significativos y variados. Si bien sus contribuciones pueden beneficiar a la nación en conjunto, sus efectos salariales y de dislocación podrían afectar de manera diferente, real y no siempre bienvenida, formas que deberán reconocerse y abordarse adecuadamente.

cuando la reina victoria tomo el trono

Contrarrestar la geografía de la automatización

Es apropiado, entonces, que una rica discusión nacional rodee ahora las muchas preguntas planteadas por AI, comenzando con el futuro del trabajo. Los ricos debates en curso sobre hasta qué punto se pueden hacer algoritmos para respetar los valores humanos y democráticos básicos también son valiosos. Esta previsión es fundamental.

Sin embargo, también será fundamental una discusión seria sobre las implicaciones geográficas de la automatización y la IA.

Las implicaciones espaciales de AI también necesitan un lugar prominente en la discusión, porque nada menos que los equilibrios territoriales de la nación pueden estar en riesgo.

Las tendencias geográficas informadas aquí sugieren que las implicaciones espaciales de AI también necesitan un lugar destacado en la discusión, porque nada menos que los equilibrios territoriales de la nación pueden estar en riesgo. Los esfuerzos para garantizar que la era de la inteligencia artificial funcione bien en todos los lugares también se beneficiarán del progreso en una serie de agendas generales no espaciales, que exhortan a las partes a adoptar el crecimiento y la tecnología para mantener altos los niveles de vida, promover una mentalidad de aprendizaje constante entre los trabajadores. facilitar transiciones más suaves de un trabajo a otro y reducir las dificultades entre las personas que están luchando. (Ver el informe Brookings, Automatización e inteligencia artificial: cómo las máquinas afectan a personas y lugares. )

Sin embargo, más allá de eso, cualquier estrategia integral para aprovechar al máximo la IA también deberá abordar específicamente la resiliencia de las comunidades locales. ¿Cómo deberían ser esos esfuerzos? Dos estrategias de respuesta parecen esenciales y exigen al gobierno, la industria y la sociedad civil que:

  • Economías regionales vulnerables preparadas para el futuro.
  • Ampliar el apoyo para el ajuste de la comunidad.

Economías regionales vulnerables preparadas para el futuro

Un requisito inicial es equipar los lugares afectados por la tecnología para que sean más resilientes. Dichos esfuerzos deben comenzar con un enfoque en preparar a los trabajadores para el futuro en estos lugares, esforzándose por impartir habilidades que conduzcan a un trabajo resistente a la automatización.

Aquí, las iniciativas regionales y estatales se muestran prometedoras.

Por ejemplo, el programa SkillUp en el condado de Cuyahoga en el noreste de Ohio aprovecha las empresas locales para facilitar el desarrollo de habilidades regionales para trabajos en demanda.12El programa ayuda a las empresas de la región a identificar las necesidades futuras de la fuerza laboral a través de un proceso de planificación estratégica, determina las habilidades requeridas para esos trabajos y desarrolla hojas de ruta personalizadas para evaluar las habilidades existentes de los trabajadores y facilitar la capacitación para los puestos en demanda. La capacitación se enfoca en tres tipos de habilidades: habilidades blandas, habilidades fundamentales y habilidades técnicas / ocupacionales. Cuando se combinan, las habilidades hacen que los trabajadores se adapten mejor a los impactos de la automatización en el mercado laboral. Los estudios empíricos muestran que estos programas de capacitación específicos para empleadores son una forma eficaz de aumentar la productividad, el empleo y los ingresos de los trabajadores.13

Asimismo, Skillful State Network y Skillful State Playbook indican los pasos que deben tomar las regiones para reorientar su fuerza laboral hacia las habilidades en demanda.14Dichos esfuerzos cobrarán mayor importancia a medida que la automatización y la inteligencia artificial aumenten el ritmo del cambio de tareas y ordenen que los trabajadores dominen nuevas formas de trabajar con las máquinas o trabajar más allá de ellas.

Por su parte, el gobierno federal debería reorientar sus flujos de financiamiento para apoyar tales esfuerzos. Esto incluye apoyar soluciones locales de abajo hacia arriba e incentivar a las regiones a alinear sus sistemas de educación, fuerza laboral y capacitación, y de desarrollo económico entre sí, junto con las necesidades específicas de los empleadores y la nueva importancia de las habilidades blandas de orden superior. El objetivo debería ser crear líneas claras y articuladas de adquisición de habilidades destinadas directamente a garantizar que las economías regionales se conviertan en fuentes de trabajadores resilientes capacitados para aportar valor en una era en la que las máquinas hacen las cosas de memoria.

De manera relacionada, los gobiernos deberían buscar acelerar la adopción de tecnología inteligente por parte de las economías regionales y las empresas que probablemente se quedarán atrás como un esfuerzo paralelo para ayudar a los lugares a ser más resilientes. Esto debería comenzar con los gobiernos federal y estatal aumentando sus misiones de extensión invirtiendo más en esfuerzos para ampliar la aplicación, adopción y comercialización de las innovaciones de automatización e inteligencia artificial, incluso a través de la transformación organizacional. En este frente, la exitosa red Manufacturing Extension Partnership (MEP) ofrece un precedente de 30 años y 50 estados para equipar a las pequeñas y medianas empresas con soluciones de productividad de alta tecnología, incluso en zonas rurales.15Sobre la base de esa historia, Estados Unidos ahora necesita un programa de estilo MEP más amplio y audaz diseñado para difundir aplicaciones de alta tecnología e inteligencia artificial y transformaciones organizacionales en todos los rincones de la economía, incluido el sector de servicios.

Ampliar el apoyo para el ajuste de la comunidad

Y, sin embargo, ni siquiera los esfuerzos exitosos para promover la resiliencia de las comunidades evitarán una dislocación más grave en algunos lugares. Algunas regiones, en particular las que se encuentran en el extremo más pequeño de la distribución por tamaño, podrían sufrir graves trastornos económicos y del mercado laboral. Por esa razón, los formuladores de políticas federales y estatales deben complementar los esfuerzos para impulsar la resiliencia local con intervenciones dirigidas especiales para mitigar los peores impactos negativos de la automatización.

Aquí, hay antecedentes, como la Oficina de Ajuste Económico (OEA) del Departamento de Defensa enfocada en mitigar los impactos del cierre de bases, el Programa Asistente de Ajuste de la Administración de Desarrollo Económico orientado a cambios económicos adversos, y las Alianzas para la Oportunidad y la Fuerza Laboral financiadas por el Congreso y Programa de Revitalización Económica (POWER), dirigido a comunidades impactadas por cambios en la política energética.16Sin embargo, la escala modesta de estos programas y, en algunos casos, la coordinación desarticulada, limita su impacto. Puede ser necesaria una estrategia nacional más sólida.

Los gobiernos podrían, por ejemplo, canalizar la inversión generadora de empleo hacia las comunidades y lugares que se vean afectados negativamente por la automatización, reconociendo que algunos lugares probablemente experimentarán más desplazamientos que otros.

Tal esfuerzo podría comenzar por reunir recursos del gobierno y del sector privado en las comunidades afectadas, y debería complementarse con esfuerzos para impulsar la demanda de mano de obra en esas áreas. Los gobiernos podrían, por ejemplo, canalizar la inversión generadora de empleo hacia las comunidades y lugares que se vean afectados negativamente por la automatización, reconociendo que algunos lugares probablemente experimentarán más desplazamientos que otros.17La colocación de activos federales o estatales en esos lugares, junto con los esfuerzos para impulsar el espíritu empresarial mediante la racionalización de las regulaciones, podría ayudar.18También podrían hacerlo los programas regionales explícitos de puesta al día.19

Sin duda, la tendencia de los esfuerzos de Estados Unidos para estimular el crecimiento y el desarrollo en las comunidades en dificultades ha sido generalmente otorgar pequeñas subvenciones ad hoc a muchos lugares, pocos de los cuales tienen perspectivas de cambio. Una estrategia más eficaz sería canalizar una gran inversión a unas pocas áreas, con el objetivo de impulsar un conjunto dinámico de nuevos centros regionales de empleo. De esta manera, el gobierno federal podría canalizar importantes inversiones hacia 10 áreas metropolitanas promisorias y de tamaño mediano seleccionadas a través de un proceso competitivo que serían declarados polos de crecimiento regional. Esta inversión consistiría en un conjunto de beneficios de investigación, impuestos, infraestructura y desarrollo económico del gobierno, y se combinaría con la inversión correspondiente por parte de los estados y el sector privado. Los polos de crecimiento servirían de esta manera como anclas para mejorar el crecimiento del empleo de alto valor en la vecindad circundante más amplia.20

Más allá de eso, es probable que se necesiten herramientas más sólidas, como iniciativas para focalizar espacialmente los créditos de contratación, los subsidios laborales o las garantías laborales, para ayudar a algunas ubicaciones más afectadas a hacer frente al cambio de tareas. Dichos apoyos, enfocados en las nuevas contrataciones (para no proporcionar beneficios inesperados en los trabajos existentes), estarían dirigidos a áreas que experimentan un ajuste particularmente doloroso o lento, y naturalmente incentivarían la inversión para acompañar los trabajos. Economistas tan diversos como Ed Glaeser, Larry Summers, Robert Litan y David Neumark han afirmado la necesidad de intervenciones tan sólidas a favor del trabajo en ciertos lugares en dificultades donde la automatización ha socavado la demanda laboral.21En este sentido, es posible que los gobiernos también deban considerar iniciativas que apunten a inversiones de apoyo al trabajo en lugares más afectados. Tales inversiones en infraestructura necesaria o trabajo de eficiencia energética, por ejemplo, tendrían el beneficio adicional de crear un número considerable de empleos de salario medio, el tipo de mayor riesgo debido a las tecnologías emergentes.22

En suma

En conclusión, la nación necesita agregar factores geográficos a su creciente discusión sobre los beneficios y daños de la IA. Como hemos visto, la automatización en su fase digital inicial desde 1980 hasta ahora trajo importantes ganancias económicas a la economía agregada, pero también una disrupción significativa que no se distribuyó de manera uniforme. En particular, la automatización digital en su primera fase ha contribuido a importantes alteraciones del mercado laboral y una crisis de la calidad del empleo que se han traducido en resultados desiguales en el empleo local, resultados que probablemente han contribuido a las crisis sociales y políticas de la década actual. En la medida en que esos impactos negativos presagien más de lo mismo (o peor) en los próximos años, el período de la IA podría ser aún más difícil. La difusión potencialmente más rápida de las nuevas tecnologías de IA, sus incursiones proyectadas en nuevas áreas de ocupación y su poder manifiesto para rehacer empresas, industrias y mercados laborales locales las hacen a la vez especialmente emocionantes como tecnologías y potencialmente temibles como factores de disrupción regional.

La nación debe comprometerse ahora con nuevos esfuerzos para ayudar a las comunidades y a los trabajadores a adaptarse al cambio. Si la nación puede comprometerse con su gente de esta manera, un futuro lleno de máquinas parecerá mucho más tolerable en sus regiones nerviosas.

Sin embargo, las próximas décadas no necesitan repetir la experiencia de las últimas. De hecho, la nación puede aprender del período de TI de la automatización para prepararse para el de la IA. Por ejemplo, está claro que puede ser necesaria una postura de ajuste deliberada y coordinada que incluya a los legisladores, educadores, el sector privado y la sociedad civil a nivel federal, estatal y local para hacer frente a los desequilibrios regionales que la tecnología ha exacerbado en las últimas décadas. En este sentido, la nación debe comprometerse ahora con nuevos esfuerzos para ayudar a las comunidades y a los trabajadores a adaptarse al cambio. Si la nación puede comprometerse con su gente de esta manera, un futuro lleno de máquinas parecerá mucho más tolerable en sus regiones nerviosas.