Economistas Desarrollan Método para Estimar la Automatización de Trabajos por Robots

Un equipo de roboticistas de la Escuela Politécnica Federal de Lausana y economistas de la Universidad de Lausana han desarrollado un nuevo método para calcular qué trabajos existentes corren más riesgo de ser automatizados por máquinas en el futuro próximo.

El estudio se publicó en Science Robotics.

El equipo también desarrolló un método para sugerir transiciones de carrera a trabajos con menor probabilidad de ser automatizados y con los esfuerzos de capacitación más pequeños.

El profesor Dario Floreano es director del Laboratorio de Sistemas Inteligentes de la EPFL y autor principal del estudio.

“Hay varios estudios que predicen cuántos trabajos serán automatizados por robots, pero todos se centran en robots de software, como el reconocimiento de voz y de imágenes, asesores financieros robóticos, chatbots, etc.”, dice el profesor Floreano. “Además, esas predicciones varían mucho dependiendo de cómo se evalúan los requisitos del trabajo y las capacidades del software. Aquí, consideramos no solo el software de inteligencia artificial, sino también robots muy inteligentes que realizan trabajo físico y desarrollamos un método para una comparación sistemática de las capacidades humanas y robóticas utilizadas en cientos de trabajos.”

Desarrollando el Método

El equipo logró mapear las capacidades de los robots en los requisitos del trabajo, lo que fue el gran avance del estudio. Examinaron la Hoja de Ruta Robótica Multi-Anual H2020 (MAR) de la Comisión Europea, que es un documento de estrategia que se revisa periódicamente por expertos en robótica. La MAR detalla qué capacidades se requieren de los robots actuales o pueden ser requeridas por los robots futuros. Estas se organizan en categorías como manipulación, percepción e interacción con humanos.

El equipo analizó muchos artículos de investigación, patentes y descripciones de productos robóticos para evaluar el nivel de madurez de las capacidades robóticas. Se basaron en el “nivel de preparación tecnológica” (TRL), que es una escala para medir el nivel de desarrollo de la tecnología.

Cuando se trató de capacidades humanas, los investigadores utilizaron la base de datos O*net, que es un recurso ampliamente utilizado sobre el mercado laboral de EE. UU. Clasifica alrededor de 1.000 ocupaciones mientras detalla las habilidades y conocimientos necesarios para cada una.

El equipo primero emparejó selectivamente las capacidades humanas de la lista O*net con las capacidades robóticas del documento MAR, lo que les permitió calcular cuánto riesgo hay de que cada trabajo existente sea realizado por un robot en el futuro. Si un robot es bueno en un trabajo, el TRL es más alto.

Clasificando los Trabajos

Después de realizar este análisis, el resultado fue una clasificación de 1.000 trabajos. Uno de los más bajos en la lista fue “Físicos”, mientras que “Empacadores de Carne” fue uno de los más altos. Los trabajos en procesamiento de alimentos, construcción y mantenimiento tenían el mayor riesgo.

El profesor Rafael Lalive codirigió el estudio en la Universidad de Lausana.

“El desafío clave para la sociedad hoy en día es cómo volverse resiliente contra la automatización”, dice el profesor Lalive. “Nuestro trabajo proporciona asesoramiento de carrera detallado para los trabajadores que enfrentan altos riesgos de automatización, lo que les permite tomar trabajos más seguros mientras reutilizan muchas de las habilidades adquiridas en el trabajo anterior. A través de este asesoramiento, los gobiernos pueden apoyar a la sociedad para que se vuelva más resiliente contra la automatización.”

Los autores crearon un método para encontrar un trabajo alternativo con un riesgo de automatización significativamente menor para cualquier trabajo dado. Estos trabajos también estaban cerca del original en cuanto a capacidades y conocimientos requeridos, lo que ayuda a mantener los esfuerzos de capacitación al mínimo.

Este nuevo método podría usarse de muchas maneras diferentes. Por un lado, los gobiernos podrían utilizarlo para medir cuántos trabajadores podrían enfrentar la automatización en el futuro. Esto ayudaría a adaptar las iniciativas de capacitación y las políticas correspondientes. Las empresas también podrían utilizarlo para analizar los costos asociados con la automatización.

Todo este trabajo se tradujo en un algoritmo que puede predecir el riesgo de automatización para cientos de trabajos mientras sugiere transiciones de carrera.

Puedes encontrar el algoritmo accesible públicamente aquí.