Machine Translated by Google

Journal of Economic Perspectives—Volumen 33, Número 2—Primavera de 2019—Páginas 3–30

Automatización y nuevas tareas: cómo

La tecnología desplaza y reinstala
Mano de obra

Daron Acemoglu y Pascual Restrepo

fuente de controversia. Algunos ven el proceso continuo de automatización, como

Las implicaciones del cambio
ejemplificado tecnológico
por la maquinaria depara el empleo
control y los
numérico porsalarios son unlos robots
computadora,
industriales y la inteligencia artificial, como el presagio de un desempleo generalizado. Otros
razonan que la automatización actual, al igual que las oleadas anteriores de tecnologías, en última
instancia aumentará la demanda laboral y, por lo tanto, el empleo y los salarios.
Este artículo presenta un marco basado en tareas, basado en Acemoglu y Restrepo
(2018a, 2018b), así como en Acemoglu y Autor (2011), Autor, Levy y Murnane (2003) y Zeira
(1998), para reflexionar sobre las implicaciones de la tecnología para la demanda laboral y la
productividad. La producción requiere tareas, que se asignan al capital o al trabajo. Las
nuevas tecnologías no solo aumentan la productividad del capital y el trabajo en las tareas
que realizan actualmente, sino que también afectan la asignación de tareas a estos factores
de producción, lo que llamamos el contenido de tareas de la producción. Los cambios en el
contenido de tareas de la producción pueden tener efectos importantes en la forma en que
cambia la demanda laboral, así como en la productividad.
La automatización corresponde al desarrollo y adopción de nuevas tecnologías que
permiten sustituir mano de obra por capital en diversas tareas. La automatización cambia el
contenido de tareas de la producción de manera adversa para el trabajo debido a un efecto de
desplazamiento, ya que el capital se hace cargo de las tareas que antes realizaba el trabajo. el desplazamiento
El capital físico se hace cargo de tareas que antes realizaba la mano de obra

■ Daron Acemoglu es profesor de economía Elizabeth and James Killian en el Instituto Tecnológico de
Massachusetts, Cambridge, Massachusetts. Pascual Restrepo es Profesor Asistente de Economía,
Universidad de Boston, Boston, Massachusetts. Sus correos electrónicos son [email protected] y
[email protected]. †
Para materiales complementarios como apéndices, conjuntos de datos y declaraciones de divulgación del
autor, consulte
la página del artículo en https://doi.org/10.1257/jep.33.2.3 doi=10.1257/jep.33.2.3
Machine Translated by Google

4 Revista de Perspectivas Económicas

El efecto implica que la automatización reduce la participación del trabajo en el valor agregado. Hay
muchos ejemplos históricos de automatización. Muchas de las primeras innovaciones de la
Revolución Industrial automatizaron las tareas realizadas por los artesanos en el hilado y el tejido
(Mantoux 1928), lo que provocó un desplazamiento generalizado que desencadenó los disturbios
luditas (Mokyr 1990). La mecanización de la agricultura, que se aceleró con segadoras, cosechadoras
y arados accionados por caballos en la segunda mitad del siglo XIX y con tractores y cosechadoras
combinadas en el siglo XX, desplazó a un gran número de trabajadores agrícolas (Rasmussen 1982;
Olmstead y Rhode 2001). Hoy también asistimos a un período de rápida automatización. Los
trabajos de los trabajadores de producción se están viendo afectados por el auge de los robots
industriales y otra maquinaria automatizada (Graetz y Michaels 2018; Acemoglu y Restrepo 2018b),
mientras que los trabajadores administrativos en contabilidad, ventas, logística, comercio y algunas
ocupaciones gerenciales están viendo algunas de las tareas que solían realizar fueron reemplazadas
por software especializado e inteligencia artificial.

Al permitir una asignación más flexible de tareas a los factores, la tecnología de automatización
también aumenta la productividad, y por este canal, que llamamos efecto productividad, contribuye
a la demanda de mano de obra en tareas no automatizadas. El impacto neto de la automatización
en la demanda de mano de obra depende, por lo tanto, de cómo se equilibren los efectos de
desplazamiento y productividad.
La historia de la tecnología no se trata solo del desplazamiento del trabajo humano por las
tecnologías de automatización. Si lo fuera, estaríamos confinados a un conjunto cada vez menor de
tareas y trabajos antiguos, con una participación laboral en constante disminución en el ingreso nacional.
En cambio, el efecto de desplazamiento de la automatización ha sido contrarrestado por tecnologías
que crean nuevas tareas en las que la mano de obra tiene una ventaja comparativa. Estas nuevas
tareas generan no solo un efecto de productividad positivo, sino también un efecto de reincorporación:
reincorporan la mano de obra a una gama más amplia de tareas y, por lo tanto, cambian el contenido
de tareas de la producción a favor de la mano de obra.1 El efecto de reincorporación es el polo
opuesto del desplazamiento. y aumenta directamente la participación del trabajo, así como la
demanda de trabajo.
La historia también está repleta de ejemplos de la creación de nuevas tareas y el efecto de
restablecimiento. En el siglo XIX, a medida que avanzaba la automatización de algunas tareas, otros
desarrollos tecnológicos generaron oportunidades de empleo en nuevas ocupaciones. Estos incluían
trabajos para trabajadores de línea, ingenieros, maquinistas, reparadores, conductores, gerentes y
financieros (Chandler 1977; Mokyr 1990). Las nuevas ocupaciones y trabajos en nuevas industrias
también desempeñaron un papel fundamental en la generación de demanda de mano de obra
durante las décadas de rápida mecanización agrícola en los Estados Unidos, especialmente en las
fábricas (Rasmussen 1982; Olmsted y Rhode 2001) y en las ocupaciones administrativas, tanto en
los servicios como en la industria. fabricación (Goldin y Katz 2008; Michaels 2007). Aunque el
software y las computadoras han reemplazado la mano de obra en algunas tareas administrativas,
han creado simultáneamente muchas tareas nuevas. Estos incluyen tareas relacionadas

1También hay nuevas tareas en las que el capital tiene una ventaja comparativa (por ejemplo, detección automática). A lo largo de
nuestro enfoque se centra en las nuevas tareas "que requieren mucha mano de obra" y, para abreviar, simplemente nos referiremos a
ellas como "nuevas tareas".
Machine Translated by Google

Daron Acemoglu y Pascual Restrepo 5

a la programación, diseño y mantenimiento de equipos de alta tecnología, como desarrollo de software y

aplicaciones, diseño y análisis de bases de datos y tareas relacionadas con la seguridad informática, así
como tareas relacionadas con funciones más especializadas en ocupaciones existentes, incluidos asistentes
administrativos, analistas para solicitudes de préstamo y técnicos en equipos médicos (Lin 2011). En
Acemoglu y Restrepo (2018a, utilizando datos de Lin 2011), mostramos que aproximadamente la mitad del
crecimiento del empleo entre 1980 y 2015 tuvo lugar en ocupaciones en las que cambiaron los títulos de
trabajo o las tareas realizadas por los trabajadores.
Nuestro marco conceptual ofrece varias lecciones. Primero, la presunción de que todas las tecnologías
aumentan la demanda (agregada) de mano de obra simplemente porque elevan la productividad es
incorrecta. Algunas tecnologías de automatización pueden, de hecho, reducir la demanda de mano de obra
porque generan efectos de desplazamiento considerables pero modestas ganancias de productividad
(especialmente cuando los trabajadores sustituidos eran baratos para empezar y la tecnología automatizada
es solo marginalmente mejor que ellos). En segundo lugar, debido al efecto de desplazamiento, no debemos
esperar que la automatización genere aumentos salariales acordes con el crecimiento de la productividad.
De hecho, como ya señalamos, la automatización por sí sola siempre reduce la participación laboral en el
valor agregado de la industria y tiende a reducir la participación laboral general en la economía (lo que
significa que conduce a un crecimiento de los salarios más lento que al crecimiento de la productividad).
La razón por la que hemos tenido un rápido crecimiento de los salarios y una participación laboral estable
en el pasado es una consecuencia de otros cambios tecnológicos que generaron nuevas tareas para el
trabajo y contrarrestaron los efectos de la automatización en el contenido de tareas de la producción.
Algunas tecnologías desplazaron la mano de obra de las tareas automatizadas, mientras que otras
reincorporaron la mano de obra a nuevas tareas. En términos netos, el trabajo mantuvo un papel clave en
la producción. De la misma manera, nuestro marco sugiere que el futuro del trabajo depende de la
combinación de nuevas tecnologías y de cómo estas cambian el contenido de las tareas de producción.
En la segunda parte del documento, usamos nuestro marco para estudiar la evolución de la demanda
laboral en los Estados Unidos desde la Segunda Guerra Mundial y explicamos cómo se pueden usar los
datos de la industria para inferir el comportamiento del contenido de tareas de producción y el desplazamiento
y reincorporación. efectos Comenzamos mostrando que ha habido una desaceleración en el crecimiento de
la demanda laboral en las últimas tres décadas y un estancamiento casi total en las últimas dos.
Establecemos esto al estudiar la evolución de la masa salarial de toda la economía, que combina información
sobre salarios promedio y empleo total y, por lo tanto, proporciona información sobre los cambios en la
demanda laboral general.
Luego usamos datos de la industria para descomponer los cambios en la masa salarial de toda la economía
en productividad, efectos de composición y sustitución, y cambios en el contenido de tareas de la producción.
Todas las tecnologías crean efectos en la productividad que contribuyen a la demanda laboral. El efecto
composición surge de la reasignación de la actividad entre sectores con diferente intensidad laboral. El
efecto de sustitución captura la sustitución entre tareas intensivas en mano de obra y capital dentro de una
industria en respuesta a un cambio en los precios de las tareas (por ejemplo, causado por tecnologías de
aumento de factores que hacen que la mano de obra o el capital sean más productivos en las tareas que
actualmente realizan).
Estimamos cambios en el contenido de tareas de la producción a partir de cambios residuales en la
participación laboral a nivel de industria (más allá de lo que puede explicarse por efectos de sustitución).
Además, descomponemos los cambios en el contenido de tareas de la producción en efectos de
desplazamiento causados por la automatización y efectos de reincorporación impulsados por nuevas tareas.
Machine Translated by Google

6 Revista de Perspectivas Económicas

Brindamos apoyo externo para esta descomposición al relacionar los cambios estimados en el
contenido de tareas de producción con una batería de medidas de automatización e introducción
de nuevas tareas en todos los sectores.
Nuestra descomposición sugiere que la evolución de la masa salarial de EE. UU., especialmente
durante los últimos 20 años, no puede entenderse sin tener en cuenta los cambios en el contenido
de tareas de la producción. En particular, encontramos que la fuerte desaceleración del crecimiento
de la masa salarial de EE. UU. durante las últimas tres décadas es consecuencia de un crecimiento
de la productividad más débil de lo habitual y cambios significativos en el contenido de tareas de la
producción frente al trabajo. Al descomponer el cambio en el contenido de tareas de la producción,
estimamos efectos de desplazamiento más fuertes y efectos de reincorporación considerablemente
más débiles durante los últimos 30 años que en las décadas anteriores. Estos patrones apuntan a
una aceleración de la automatización y una desaceleración en la creación de nuevas tareas.
También plantean la pregunta de por qué el crecimiento de la productividad ha sido tan anémico
mientras que la automatización se ha acelerado durante los últimos años. Usamos nuestro marco
para arrojar luz sobre esta pregunta crítica.
Un apéndice en línea disponible con este artículo en el sitio web de la revista contiene una
exposición más detallada de nuestro marco, pruebas, resultados empíricos adicionales y detalles
sobre la construcción de nuestros datos.

Marco conceptual

La producción requiere la realización de una serie de tareas. La producción de una camisa,

por ejemplo, comienza con un diseño, luego requiere la realización de una variedad de tareas de
producción, como la extracción de fibras, hilarlas para producir hilo, tejer, tejer, teñir y procesar, así
como tareas adicionales que no son de producción, como contabilidad, marketing, transporte y
ventas. Cada una de estas tareas puede ser realizada por trabajo humano o por capital (incluyendo
tanto máquinas como software). La asignación de tareas a los factores determina el contenido de
tareas de la producción.

La automatización permite que algunas de las tareas que antes realizaba el trabajo sean
producidas por el capital. Como ejemplo reciente, los avances en las tecnologías robóticas desde la
década de 1980 han permitido a las empresas automatizar una amplia gama de tareas de producción
en la fabricación, como el mecanizado, la soldadura, la pintura y el montaje, que se realizaban
manualmente (Ayres y Miller 1983; Groover, Weiss , Nagel y Odrey 1986; Acemoglu y Restrepo
2018b). El conjunto de tareas involucradas en la producción de un producto no es constante a lo
largo del tiempo, y la introducción de nuevas tareas puede ser una fuente importante de demanda
de mano de obra, así como de productividad. En los textiles, los ejemplos de nuevas tareas
intensivas en mano de obra incluyen diseños computarizados, nuevos métodos de investigación de
mercado y diversas actividades gerenciales para una mejor orientación de la demanda y el ahorro
de costos. Al cambiar la asignación de tareas a factores, tanto la automatización como la introducción
de nuevas tareas afectan el contenido de tareas de producción.
Las tareas son, por lo tanto, la unidad fundamental de producción, y los factores de producción
contribuyen a la producción realizando estas tareas. En cambio, la canónica
Machine Translated by Google

Automatización y nuevas tareas: cómo la tecnología desplaza y reincorpora el trabajo 7

El enfoque en economía pasa por alto las tareas y postula directamente una función de producción
de la forma Y = F (AKK, TODOS), que además impone que todo cambio tecnológico toma una forma
de aumento de factores. Hay tres razones relacionadas por las que preferimos nuestro marco
conceptual. Primero, el enfoque canónico carece de realismo descriptivo.
Los avances en robótica, por ejemplo, no hacen que el capital o el trabajo sean más productivos, sino
que amplían el conjunto de tareas que puede producir el capital. Segundo, el cambio tecnológico que
aumenta el capital (un aumento en AK) o el cambio tecnológico que aumenta el trabajo (un aumento
en AL) corresponde al factor relevante que se vuelve uniformemente más productivo en todas las
tareas, lo cual, como mostraremos, ignora cambios potencialmente importantes en el contenido de la
tarea de producción. En tercer lugar, y lo que es más importante, también veremos que las
implicaciones cuantitativas y cualitativas de los avances tecnológicos que aumentan los factores son
diferentes de las de las tecnologías que cambian el contenido de las tareas de producción. Centrarse
solo en las tecnologías de aumento de factores puede obligarnos a sacar conclusiones engañosas.

Tareas y Producción

Presentamos nuestro marco basado en tareas describiendo primero el proceso de producción

en una economía de un solo sector.2 Supongamos que la producción combina la producción de un
rango de tareas, y que las tareas están indexadas por z y normalizadas para estar entre N − 1 y N,
3
como se muestra en la Figura 1.Las tareas se pueden producir usando capital o mano de obra. Las
tareas con z > I no están automatizadas y solo se pueden producir con mano de obra, que tiene una
tasa de salario W. Las tareas z ≤ I están automatizadas y se pueden producir con capital, que tiene
una tasa de renta R, así como con mano de obra. Suponemos que la mano de obra tiene una ventaja
tanto comparativa como absoluta en las tareas indexadas más altas. Por lo tanto, un aumento en I
representa la introducción de una tecnología de automatización, o automatización para , sobre el
abreviar. Por otro lado, un aumento en N corresponde a la introducción de nuevas tareas intensivas
en mano de obra o nuevas tareas para abreviar. Además de la automatización (I) y la introducción de
nuevas tareas (N), el estado de la tecnología para este sector depende de AL (tecnología de aumento
de mano de obra) y AK (tecnología de aumento de capital), que aumentan la productividad de estos
factores en todos. tareas.
Supongamos que minimiza los costos para las empresas usar capital en todas las tareas que
están automatizadas (todas z ≤ I) y adoptar todas las tareas nuevas de inmediato. Esto implica una
asignación de tareas a factores como se resume en la Figura 1, que también muestra cómo la
automatización y las nuevas tareas impactan en esta asignación.

2Esto también describe el proceso de producción en un sector situado en una economía multisectorial, con la única
diferencia de que, en ese caso, los cambios en la tecnología impactan los precios relativos e inducen la reasignación de
capital y mano de obra entre sectores. Discutimos estos efectos de precio relativo y reasignación a continuación.
σ
____
σ−1 σ−1
3Es decir, la función de producción toma la forma Y = (∫N−1 N Y(z) ____
σ)
, donde Y(z) es el resultado de la tarea
z. Se adopta la suposición de que las tareas se encuentran entre N − 1 y N para simplificar la exposición. Nada importante
cambia si, en cambio, permitimos que las tareas se encuentren en el intervalo entre 0 y N. El Apéndice en línea presenta
más detalles sobre los supuestos subyacentes y sobre las derivaciones de los resultados que siguen a lo largo de la
discusión.
Machine Translated by Google

8 Revista de Perspectivas Económicas

Figura 1
La asignación de capital y mano de obra a la producción de tareas y el impacto de
Automatización y Creación de Nuevas Tareas

Fuente: Autores.
Nota: La figura resume la asignación de tareas al capital y al trabajo. La producción requiere la realización de una
serie de tareas, normalizadas entre N – 1 y N. Las tareas superiores a I no están automatizadas y solo se pueden
producir con mano de obra. Las tareas debajo de I están automatizadas y se producirán con capital. Un aumento en
I representa la introducción de tecnología de automatización o automatización para abreviar. Un aumento en N
corresponde a la introducción de nuevas tareas intensivas en mano de obra o nuevas tareas para abreviar.

Siguiendo los mismos pasos que en Acemoglu y Restrepo (2018a), la producción se puede
representar como una función de elasticidad de sustitución constante (CES) del capital y el trabajo:

σ
____
σ−1 σ−1 σ−1
σ
Y = Π(I,N)(Γ(I,N) __1 (TODOS) ____+ (1 – Γ(I,N))__1 σ (AKK) ____ σσ ) .

Como en el modelo canónico, tenemos la producción como una función de las cantidades de
trabajo y capital, L y K. El término de tecnología que aumenta el trabajo AL y el término de aumento
del capital AK aumentan la productividad del trabajo y el capital en todas las tareas que actualmente
realizan. producir. La elasticidad de sustitución entre tareas, σ, determina cuán fácil es sustituir una
tarea por otra, y es también la elasticidad de sustitución (derivada) entre capital y trabajo.

La diferencia crucial con el modelo canónico es que los parámetros compartidos de esta función
de elasticidad constante de sustitución dependen de la automatización y de las nuevas tareas. El
parámetro de participación del trabajo, Γ(I, N ), es el contenido de tareas laborales de la producción,
que representa la participación de las tareas realizadas por el trabajo en relación con el capital
(ajustado por las diferencias en la productividad del trabajo y del capital entre estas tareas). Por el
contrario, 1 − Γ(I, N ) es el contenido de tareas de capital de la producción. Por lo tanto, un aumento en Γ(I, N )
Machine Translated by Google

Daron Acemoglu y Pascual Restrepo 9

desplaza el contenido de tareas de la producción a favor del trabajo y en contra del capital. En el caso especial
donde σ = 1, Γ(I, N ) = N − I. Más generalmente, Γ(I, N ) siempre es creciente en N y decreciente en I. Esto,
en particular, implica que la automatización (mayor I ) cambia el contenido de la tarea de la producción contra
el trabajo porque implica que el capital se haga cargo de las tareas que antes realizaba el trabajo. Por el
contrario, las nuevas tareas intensivas en mano de obra cambian el contenido de tareas de la producción a
favor de la mano de obra.4 Finalmente, la automatización y las nuevas tareas no solo cambian el contenido
de las tareas de producción sino que también generan ganancias de productividad al permitir la asignación de
(algunas) tareas a tareas más baratas. factores El término Π(I, N ), que aparece como la productividad total
de los factores, representa estas ganancias de productividad.
La participación del trabajo, dada por la masa salarial (WL) dividida por el valor agregado (Y ), se puede
derivar como:

Ls = ________________________
1
1−σ .
1 − Γ(yo, norte )
1 + ___________ _____
Γ(I,N ) ( R/AK con AL )

Esta relación, en la que se basará ampliamente en el resto del documento, aclara las dos fuerzas distintas
que dan forma a la participación laboral (en una industria o en toda la economía). Como es estándar, la
participación del trabajo depende de la relación de los precios efectivos de los factores, W/AL y R/AK.
Intuitivamente, a medida que aumentan los salarios efectivos en relación con las tasas efectivas de alquiler
del capital, el precio de las tareas producidas por el trabajo aumenta en relación con el precio de las tareas
producidas por el capital, y esto genera un efecto de sustitución entre tareas. Esta es la única fuerza que
influye en la participación del trabajo en el modelo canónico. Su magnitud y tamaño dependen de si σ es
mayor o menor que 1. Por ejemplo, cuando las tareas son complementarias (σ < 1), un aumento en el salario
efectivo eleva el costo compartido de las tareas producidas por la mano de obra. Sucede lo contrario cuando
σ > 1. Cuando σ = 1, obtenemos una función de producción Cobb­Douglas y el efecto sustitución desaparece
porque la participación de cada tarea en el valor agregado es fija.

Más novedosos son los efectos del contenido de tareas de la producción, Γ(I, N ), sobre la participación
del trabajo. Intuitivamente, a medida que se asignan más tareas al capital en lugar del trabajo, el contenido de
la tarea se desplaza en contra del trabajo y la participación del trabajo disminuirá sin ambigüedades.
Nuestro modelo predice que, independientemente de la elasticidad de sustitución σ, la automatización (que
cambia el contenido de tareas de la producción en contra de la mano de obra) reducirá la participación del
trabajo en la industria, mientras que las nuevas tareas (que alteran el contenido de las tareas de producción a
favor de la mano de obra). ) lo aumentará.

4Nuestra exposición asume que el contenido de tareas de la producción no depende de las tecnologías de aumento de
factores ni de la oferta de capital o mano de obra. Este será el caso cuando sea minimizador de costos para las empresas
de este sector usar capital en todas las tareas que están automatizadas (todas z ≤ I) y usar todas las tareas nuevas
inmediatamente. El Apéndice en línea presenta los supuestos subyacentes sobre la tecnología y los suministros de factores
que garantizan que este sea el caso. Cuando esta suposición no se cumple (por ejemplo, debido a cambios muy grandes
en las tecnologías de aumento de factores o en los suministros de factores), la asignación de tareas a los factores cambiará
con los suministros de factores y las tecnologías de aumento de factores. Incluso en este caso, el impacto de las tecnologías
de aumento de factores en el contenido de la tarea será pequeño en relación con las ganancias de productividad de estas tecnologías.
Machine Translated by Google

10 Revista de Perspectivas Económicas

Tecnología y demanda laboral Ahora

investigamos cómo la tecnología cambia la demanda laboral. Nos enfocamos en el comportamiento de la
factura salarial, WL, que captura el monto total que los empleadores pagan por la mano de obra. Recordar que

Masa salarial = Valor agregado × Participación laboral.

Los cambios en la masa salarial se traducirán en alguna combinación de cambios en el empleo y los salarios, y la
división exacta se verá afectada por la elasticidad de la oferta laboral y las imperfecciones del mercado laboral,
ninguno de los cuales modelamos explícitamente en este documento (para una discusión, véase Acemoglu y Restrepo
2018a, 2018b).
Usamos esta relación para pensar en cómo tres clases de tecnologías impactan la demanda laboral:
automatización, nuevas tareas y avances que aumentan los factores. Considere la introducción de nuevas tecnologías
de automatización (un aumento en I en la Figura 1). El impacto sobre la demanda laboral se puede representar como:

Efecto de la automatización en la demanda laboral = Efecto de la productividad

+ Efecto desplazamiento.

El efecto productividad surge del hecho de que la automatización aumenta el valor agregado, y esto eleva la demanda
de mano de obra de tareas no automatizadas. Si no ocurriera nada más, la demanda de mano de obra de la industria
aumentaría al mismo ritmo que el valor agregado, y la participación de la mano de obra permanecería constante. Sin
embargo, la automatización también genera un efecto de desplazamiento ( desplaza el trabajo de las tareas
previamente asignadas a él) que cambia el contenido de tareas de la producción contra el trabajo y siempre reduce la
participación del trabajo.
Por lo tanto, la automatización aumenta el tamaño del pastel, pero la mano de obra obtiene una porción más pequeña.
No hay garantía de que el efecto de productividad sea mayor que el efecto de desplazamiento; algunas tecnologías
de automatización pueden reducir la demanda de mano de obra incluso cuando aumentan la productividad.5

Por lo tanto, contrariamente a una presunción común en los debates populares, no son las tecnologías de
automatización "brillantes" las que amenazan el empleo y los salarios, sino las "tecnologías regulares" las que generan
pequeñas mejoras en la productividad. Esto se debe a que el efecto de productividad positivo de las tecnologías
regulares no es suficiente para compensar la disminución de la demanda laboral debido al desplazamiento. Para
comprender cuándo es probable que esto suceda, primero consideremos de dónde provienen las ganancias de
productividad de la automatización.
Estos no son consecuencia del hecho de que el capital y la mano de obra se vuelvan más productivos en las tareas
que realizan, sino que se derivan de la capacidad de las empresas para utilizar capital más barato en tareas que antes
realizaba la mano de obra. El efecto de productividad de

5De hecho, en Acemoglu y Restrepo (2018b), mostramos que los robots industriales, un ejemplo destacado de
tecnología de automatización, están asociados con una menor participación laboral y demanda laboral a nivel de la
industria y una menor demanda laboral en los mercados laborales locales expuestos a esta tecnología. Este resultado
es consistente con un poderoso efecto de desplazamiento que ha dominado el efecto de productividad de esta clase de
tecnologías de automatización.
Machine Translated by Google

Automatización y nuevas tareas: cómo la tecnología desplaza y reincorpora el trabajo 11

por lo tanto, la automatización es proporcional a los ahorros de costos obtenidos de dicha sustitución.
Cuanto mayor sea la productividad del trabajo en las tareas que se automatizan en relación con su salario
y cuanto menor sea la productividad del capital en estas tareas en relación con la tasa de alquiler del
capital, más limitadas serán las ganancias de productividad de la automatización. Los ejemplos de
tecnologías regulares incluyen el servicio de atención al cliente automatizado, que ha desplazado a los
representantes de servicios humanos, pero generalmente se considera de baja calidad y, por lo tanto, es
poco probable que haya generado grandes ganancias de productividad. También pueden incluir varias de
las aplicaciones de la tecnología de inteligencia artificial a tareas que actualmente representan un desafío
para las máquinas.

Las diferentes tecnologías van acompañadas de efectos en la productividad de diversas magnitudes

y, por lo tanto, no podemos suponer que un conjunto de tecnologías de automatización afectará la
demanda laboral de la misma manera que otros. Asimismo, debido a que las ganancias de productividad
de la automatización dependen del salario, el impacto neto de la automatización en la demanda laboral
dependerá del contexto más amplio del mercado laboral. Cuando los salarios son altos y la mano de obra
escasea, la automatización generará un fuerte efecto de productividad y tenderá a aumentar la demanda
de mano de obra. Cuando los salarios son bajos y la mano de obra abundante, la automatización traerá
modestos beneficios de productividad y podría terminar reduciendo la demanda laboral. Esta observación
podría explicar por qué las tecnologías de automatización adoptadas en respuesta a la escasez de
trabajadores de producción (de mediana edad) en países donde la fuerza laboral está envejeciendo
rápidamente, como Alemania, Japón y Corea del Sur, parecen tener efectos más positivos que en otros
países. Estados Unidos (sobre patrones entre países, véase Acemoglu y Restrepo 2018e; sobre el efecto
de los robots en Estados Unidos, véase Acemoglu y Restrepo 2018b; en Alemania, véase Dauth,
Findeisen, Suedekum y Woessner 2018). También sugiere una reinterpretación de la famosa hipótesis de
Habacuc de que el crecimiento más rápido de la economía estadounidense del siglo XIX en comparación
con Gran Bretaña se debió a su relativa escasez de mano de obra (Habakkuk 1962; para un argumento
similar en el contexto de la Revolución Industrial británica, véase también Allen 2009). La escasez de
mano de obra fomenta la automatización, y los altos salarios que provoca ayudan a explicar por qué este
proceso de automatización condujo a una rápida productividad y un mayor crecimiento de los salarios.

Considere a continuación el efecto de la introducción de nuevas tareas en la masa salarial, que se

refleja en un aumento de N en nuestro marco. Esto amplía el conjunto de tareas en las que los humanos
tienen una ventaja comparativa, y su efecto se puede resumir en:

Efecto de las nuevas tareas sobre la demanda laboral = Efecto de la productividad

+ Efecto reintegro.

El efecto de reincorporación capta el cambio en el contenido de tareas de la producción, pero ahora a

favor de la mano de obra, ya que el aumento de N reincorpora la mano de obra a nuevas tareas. Este
cambio en el contenido de la tarea siempre aumenta la participación del trabajo. También mejora la
productividad a medida que las nuevas tareas explotan la ventaja comparativa de la mano de obra. La
mejora de la productividad resultante, junto con el cambio en el contenido de las tareas, asegura que la
demanda de mano de obra siempre aumente tras la introducción de nuevas tareas.
Machine Translated by Google

12 Revista de Perspectivas Económicas

Finalmente, como afirmamos anteriormente, las implicaciones de las tecnologías de aumento de

factores son muy diferentes de las de la automatización y las nuevas tareas, porque no cambian el contenido
de la tarea de producción. En particular,

Efecto de las tecnologías de aumento de factores en la demanda laboral = Efecto de la productividad

+ Efecto sustitución.

Con las mejoras tecnológicas que aumentan los factores, tanto el trabajo como el capital se vuelven más
productivos en todas las tareas, haciendo que el efecto de la productividad sea proporcional a su participación
en el valor agregado.

Las tecnologías de aumento de factores también afectan la demanda de mano de obra a través del
efecto de sustitución presentado anteriormente, que cambia la participación de la mano de obra pero no altera
el contenido de tareas de la producción. Las estimaciones disponibles de σ sitúan este parámetro en un valor
inferior a 1 pero próximo a él, lo que implica que los efectos de sustitución de las tecnologías de aumento de
factores son pequeños en relación con sus efectos sobre la productividad.
En resumen, a diferencia de la automatización y las nuevas tareas que pueden generar efectos
significativos de desplazamiento y reincorporación, las tecnologías de aumento de factores afectan la
demanda laboral principalmente a través del efecto de la productividad y tienen un impacto relativamente
pequeño en la participación laboral. Como resultado, es poco probable que generen una menor demanda de
mano de obra a partir de los avances tecnológicos: las tecnologías que aumentan el capital siempre aumentan
la demanda de mano de obra, y las tecnologías que aumentan la mano de obra hacen lo mismo para un
L
valores, en particular, siempre que σ > 1 – s parámetro plausible (Acemoglu y Restrepo 2018c).6

Tareas, producción y demanda laboral agregada Ahora

incorporamos el modelo de tareas y producción en una economía con múltiples industrias e investigamos
cómo la tecnología cambia la demanda laboral agregada al caracterizar el comportamiento de la masa salarial
(en toda la economía). En nuestra economía multisectorial tenemos:

Masa salarial = PIB × ∑ Participación laboral en el sector i × Participación en el valor agregado en el sector i.
i

La perspectiva multisectorial ofrece un margen adicional de ajuste en respuesta a la automatización, a

lo que nos referimos como el efecto de composición. Siguiendo la automatización en el sector i (un aumento
en I para ese sector) tenemos:

Efecto de la automatización en i sobre la demanda laboral agregada = Efecto productividad +

Efecto desplazamiento +
Efecto composición.

6Muchas otras tecnologías comparten la característica de que no afectan el contenido de la tarea de producción. Por
ejemplo, las mejoras en la calidad o productividad de los equipos en cualquier subconjunto de tareas ya automatizadas
en (N − 1, I) (lo que en Acemoglu y Restrepo 2018d llamamos una “profundización de la automatización”) tendrán un
impacto en demanda de trabajo idéntica a las tecnologías de aumento de capital. Estas tecnologías no cambian la
asignación de tareas a los factores (ya que una nueva pieza de equipo está reemplazando a una más antigua), por lo
que afectan la demanda laboral principalmente a través del efecto de productividad.
Machine Translated by Google

Daron Acemoglu y Pascual Restrepo 13

Los dos primeros efectos son los mismos que los anteriores: el efecto de productividad representa el impacto de
la automatización en el sector i sobre el PIB, mientras que el efecto de desplazamiento representa el cambio en
el contenido de tareas del sector de producción i (que afecta la participación laboral dentro de este sector). Estos
efectos se escalan según el tamaño del sector i, ya que los sectores más grandes tendrán efectos agregados
más grandes.
El efecto de composición, que estuvo ausente cuando nos enfocamos en el efecto de la automatización
en una economía de un solo sector, captura las implicaciones de las reasignaciones sectoriales (cambios en la
participación del valor agregado entre sectores). Por ejemplo, la automatización en el sector i puede reasignar
la actividad económica hacia el sector j (dependiendo de las elasticidades de la demanda y los vínculos de
insumo­producto). Esta reasignación contribuye positivamente a la demanda laboral agregada cuando el sector
j tiene una mayor participación laboral que el sector en contracción i, y negativamente cuando ocurre lo contrario.

Una descomposición similar se aplica a las tareas nuevas. Tras la introducción de nuevas tareas en el
sector i (un aumento de N para ese sector), tenemos:

Efecto de las nuevas tareas en i sobre la demanda laboral agregada = Efecto de la productividad
+ Efecto de reintegro

+ Efecto de composición,

donde la novedad vuelve a ser el efecto de composición.

La mecanización de la agricultura en los Estados Unidos ilustra cómo estas fuerzas determinan
conjuntamente el comportamiento de la demanda laboral agregada. Los datos de Budd (1960) muestran que
entre 1850 y 1910, la sustitución del trabajo manual por segadoras y cosechadoras impulsadas por caballos en
la agricultura coincidió con una fuerte caída en la participación del trabajo en el valor de este sector, del 33 al 17
por ciento, una señal reveladora. del efecto de desplazamiento creado por la mecanización. Mientras tanto, a
pesar de la rápida mecanización de la agricultura, que en ese momento representaba un tercio de la economía
estadounidense, dos fuerzas se combinaron para generar un aumento en la demanda laboral agregada. Primero,
y en parte como consecuencia de la mecanización, el valor agregado y el empleo fueron reasignados de la
agricultura al sector industrial. Esto creó un poderoso efecto de composición, ya que la industria era (y sigue
siendo) mucho más intensiva en mano de obra que la agricultura. Además, la participación laboral dentro del
sector industrial aumentó aún más durante este proceso, del 47 por ciento en 1850 al 55 por ciento en 1890.
Este cambio en la participación laboral de la industria señala la presencia de un poderoso efecto de
reincorporación creado por la introducción de nuevos trabajadores intensivos en mano de obra. puestos de
trabajo en este sector. Esta interpretación es coherente con el crecimiento significativo de nuevos puestos de
trabajo en maquinaria agrícola (Olmstead y Rhode 2001), molienda de algodón (Rasmussen 1982) y,
posteriormente, ocupaciones administrativas en industrias comerciales y manufactureras (Goldin y Katz 2008;
Michaels 2007).

Finalmente, los efectos de las tecnologías de aumento de factores en un contexto de múltiples industrias
se pueden analizar de manera similar. Aunque también generan efectos de composición y pueden afectar la
demanda laboral agregada a través de este canal, las tecnologías de aumento de factores aún no tienen
impacto en el contenido de tareas de la producción. En ausencia de poderosos efectos de composición,
continúan afectando la demanda de mano de obra principalmente a través de su efecto de productividad.
Machine Translated by Google

14 Revista de Perspectivas Económicas

Fuentes del crecimiento de la demanda laboral en los Estados Unidos

Ahora usamos nuestro marco para arrojar luz sobre los factores que han dado forma a la evolución
de la demanda laboral de EE. UU. desde la Segunda Guerra Mundial. Para ello, desarrollamos una
descomposición de los cambios observados en la masa salarial total de la economía. Nuestra
descomposición requiere datos sobre el valor agregado de la industria, los pagos de factores y la
participación del trabajo. El cambio en la masa salarial agregada entre dos períodos se puede
descomponer (como mostramos en el Apéndice en línea) como:

Cambio en la masa salarial agregada = Efecto productividad + Efecto composición

+ Efecto sustitución + Cambio en el contenido de la tarea.

El efecto de la productividad es la suma de las contribuciones de varias fuentes de tecnología al

valor agregado y, por lo tanto, al PIB. En consecuencia, en nuestro ejercicio empírico medimos este
efecto utilizando cambios en (log) el PIB per cápita.
El efecto de composición captura los cambios en la demanda de mano de obra resultantes de la
reasignación del valor agregado entre sectores. Como se discutió en la sección anterior, esto está
relacionado con la brecha entre la participación laboral de los sectores en contracción y expansión.
En nuestro ejercicio empírico, lo medimos como la suma del cambio en la participación del valor agregado
de una industria ponderada por su participación laboral (si todos los sectores tuvieran la misma
participación laboral, este término sería igual a cero). El efecto de composición incluye no solo la
reasignación sectorial provocada por las nuevas tecnologías, sino también los cambios en el valor
agregado entre sectores resultantes de las transformaciones estructurales y la reasignación sectorial
debido a las preferencias (por ejemplo, Herrendorf, Rogerson y Valentinyi 2013; Hubmer 2018; Aghion,
Jones , y Jones 2017), diferencias en las intensidades de los factores (por ejemplo, Acemoglu y Guerrieri
2008), crecimiento diferencial de la productividad sectorial (por ejemplo, Ngai y Pissarides 2007), o
comercio internacional de bienes finales (por ejemplo, Autor, Dorn y Hanson 2013).

El efecto de sustitución es una suma ponderada por el empleo de los efectos de sustitución de las
industrias y, por lo tanto, depende de los cambios a nivel de industria en los precios efectivos de los
factores y la elasticidad de sustitución σ (como se muestra en la expresión anterior para la participación
del trabajo). Para estimar el efecto sustitución en una industria, elegimos como línea de base la estimación
de Oberfield y Raval (2014) de la elasticidad de sustitución entre capital y mano de obra, σ = 0.8.7
Además, utilizamos información sobre precios de factores sectoriales del Bureau of Análisis Económico,
Oficina de Estadísticas Laborales y cuentas nacionales de ingresos y productos. Para convertir los precios
de los factores observados en precios efectivos, comenzamos con un punto de referencia donde Ai L/Ai
K crece a una tasa común igual a la productividad laboral promedio, que tomamos como 2 por ciento
anual entre

7 Mostramos en el Apéndice en línea que los resultados son muy similares para variaciones razonables en σ.
Nótese también que el σ relevante es la elasticidad de sustitución entre capital y mano de obra a nivel de industria.
Esto es mayor que la elasticidad a nivel de empresa, estimada entre 0,4 y 0,7 (por ejemplo, Chirinko, Fazzari y
Meyer 2011) debido a la sustitución de producción entre empresas. Tenga en cuenta también que nuestro marco,
en particular el papel central de los cambios en el contenido de tareas de la producción, deja en claro que esta
elasticidad de sustitución no puede estimarse a partir de datos agregados.
Machine Translated by Google

Automatización y nuevas tareas: cómo la tecnología desplaza y reincorpora el trabajo 15

1947 y 1987 y 1,46 por ciento anual entre 1987 y 2017. La motivación para esta elección es que, si todo el
progreso tecnológico aumentara la mano de obra, sería necesario que coincidiera con el comportamiento de la
L
sea la tasa de crecimiento en Ai productividad laboral.8
El cambio en el contenido de la tarea viene dado por una suma ponderada por el empleo de los cambios
en el contenido de la tarea de la producción de las industrias. Estimamos el cambio a nivel de la industria en el
contenido de la tarea como el cambio residual en la participación del trabajo (observado directamente en los
datos) que no puede explicarse por el efecto de sustitución. A saber,

Cambio en el contenido de la tarea en i = Cambio porcentual en la participación del

trabajo en i − Efecto sustitución en i.

Intuitivamente, con mercados competitivos de factores y productos, el cambio en el contenido de tareas de la

producción y el efecto sustitución son las únicas fuerzas que afectan la participación del trabajo en una industria.
Por lo tanto, se pueden inferir cambios en el contenido de la tarea una vez que tengamos estimaciones del efecto
sustitución.

Bajo suposiciones adicionales, también podemos separar el cambio en el contenido de la tarea en sus dos
componentes: los efectos de desplazamiento y reincorporación. Suponga que una industria no emprenderá
simultáneamente la automatización e introducirá nuevas tareas (esto está implícito, por ejemplo, en el
razonamiento del cambio tecnológico dirigido en Acemoglu y Restrepo 2018a, donde dependiendo de los precios
de los factores, una industria se involucrará en un tipo de innovación o en la otro). Luego, cuando la participación
de la mano de obra en una industria disminuye más allá de lo que cabría esperar con base en los precios de los
factores, estimamos un efecto de desplazamiento positivo resultante de la automatización en esa industria. Por
el contrario, cuando la participación laboral en una industria aumenta más allá de lo que cabría esperar con base
en los precios de los factores, estimamos un efecto de reincorporación positivo, atribuido en nuestro modelo a la
introducción de nuevas tareas. Motivados por este razonamiento, calculamos el efecto de desplazamiento como
el promedio móvil de cinco años del cambio en el contenido de la tarea para las industrias con un cambio
negativo, y el efecto de reincorporación como el promedio móvil de cinco años del cambio en el contenido de la
tarea para las industrias con un cambio negativo. un cambio positivo La ventana de tiempo de cinco años se
elige para minimizar la influencia del error de medición en la participación laboral de la industria. En la medida
en que haya una introducción simultánea de nuevas tecnologías de automatización y nuevas tareas en una
industria determinada dentro de un período de cinco años, nuestras estimaciones serán límites inferiores tanto
para los efectos de desplazamiento como de reincorporación.

Fuentes de la demanda laboral: 1947–1987

Primero aplicamos esta descomposición a los datos de las cuatro décadas posteriores a la Segunda
Guerra Mundial, de 1947 a 1987. Para este período, tenemos datos de la Oficina de

8Nuestras estimaciones para la tasa de crecimiento de Ai L/Ai K deben interpretarse como límites superiores, ya que, en general,
el crecimiento del PIB por trabajador no solo estará impulsado por cambios tecnológicos que aumenten la mano de obra. Porque
en nuestro ejercicio principal σ < 1, esto implica que también estamos subestimando la importancia de los efectos de desplazamiento
en la reducción del contenido de tareas de la producción. Sin embargo, las variaciones razonables en la tasa de crecimiento de Ai L/
Ai K tienen pequeños impactos en nuestros resultados de descomposición, como mostramos en el Apéndice en línea.
Machine Translated by Google

16 Revista de Perspectivas Económicas

Análisis económico para 58 industrias sobre el valor agregado y la participación de la mano de obra.9 Combinamos
esto con datos de las cuentas nacionales de ingresos y productos sobre las cantidades de capital y mano de obra
en cada industria para obtener medidas de los precios de los factores. Consolidamos los datos en 43 industrias
que cubrían el sector privado y se pueden rastrear consistentemente a lo largo del tiempo y entre fuentes.

El gráfico 2 presenta la evolución de la participación laboral en seis amplios sectores: construcción, servicios,
transporte, manufactura, agricultura y minería. Con excepción de la minería y el transporte, dos sectores pequeños
que representan el 10 por ciento del PIB, no hay disminuciones significativas en la participación laboral en estos
amplios sectores en este período. De hecho, la participación laboral en la manufactura y los servicios aumentó
modestamente durante este período. El panel inferior de la figura muestra la evolución de la participación del valor
agregado de estos sectores y confirma la reasignación secular de la manufactura.

girando hacia los servicios a partir de finales de la década de 1950.

La Figura 3 presenta nuestra descomposición utilizando las 43 industrias de nuestra muestra.
Hemos dividido la masa salarial por población, para que los cambios en la población no confundan los efectos en
los que nos estamos enfocando. El panel superior de la Figura 3 muestra que la masa salarial per cápita creció un
2,5 por ciento anual durante este período. El crecimiento rápido y constante de la masa salarial durante este período
se explica en gran medida por el efecto de la productividad (2,4 por ciento anual). Los efectos de sustitución y
composición son pequeños, y durante este período los cambios en el contenido de tareas de la producción también
son pequeños.
El panel central de la Figura 3 muestra que, aunque el cambio general en el contenido de tareas de la
producción durante este período es pequeño, hay un considerable desplazamiento y reincorporación. Entre 1947
y 1987, el efecto de desplazamiento redujo la demanda laboral en alrededor de un 0,48 por ciento anual, pero
simultáneamente hubo un efecto de reincorporación igualmente fuerte, equivalente a un aumento en la demanda
laboral de un 0,47 por ciento anual. El panel inferior de la Figura 3 muestra un patrón similar en la fabricación,
donde el cambio general en el contenido de la tarea también fue pequeño, mientras que los efectos de
desplazamiento y reincorporación fueron sustanciales. En resumen, nuestros hallazgos sugieren que durante las
cuatro décadas que siguieron a la Segunda Guerra Mundial hubo mucha automatización, pero esto estuvo
acompañado por la introducción de nuevas tareas (u otros cambios que aumentaron el contenido de tareas de la
producción a favor del trabajo) tanto en la fabricación como en la fabricación. y el resto de la economía que
contrarrestó las consecuencias adversas de la demanda laboral de la automatización.

Fuentes de demanda laboral: 1987–2017

Para el período 1987–2017, usamos datos de la Oficina de Análisis Económico para 61 industrias que cubren
el sector privado y los complementamos con datos de

9Nuestra medida de la demanda laboral está dada por la masa salarial en el sector privado y, por lo tanto, excluye los
ingresos del trabajo por cuenta propia. Esto evita la necesidad de prorratear los ingresos del trabajo por cuenta propia entre
el trabajo y el capital. Elsby, Hobijn y Sahin (2013) exploran este tema en detalle y concluyen que los ingresos laborales del
trabajo por cuenta propia han disminuido o se han mantenido constantes como porcentaje del ingreso laboral total durante
este período. Esto implica que la participación laboral, incluidos los ingresos del trabajo por cuenta propia, probablemente
disminuyó aún más y, por lo tanto, centrarse en la participación laboral en el sector privado subestima la disminución general
de la demanda laboral.
Machine Translated by Google

Daron Acemoglu y Pascual Restrepo 17

Figura 2
La participación del trabajo y la evolución sectorial, 1947–1987

A: Participación laboral dentro de cada industria, 1947–1987

80

70 Fabricación
Construcción

60

50 Servicios
Transporte
40

30 Minería
Agricultura
20

1947 1952 1957 1962 1967 1972 1977 1982 1987

B: Participación en el PIB por industria, 1947–1987

60 Servicios

50

40

30

20 Fabricación

10
Transporte
Construcción
0 Minería
Agricultura
1947 1952 1957 1962 1967 1972 1977 1982 1987

Fuente: Autores que utilizan datos de las cuentas de la industria de la Oficina de Análisis Económico de EE. UU.
Nota: El panel superior muestra la participación del trabajo en el valor agregado en servicios, manufactura, construcción,
transporte, minería y agricultura entre 1947 y 1987, mientras que el panel inferior muestra la participación del valor
agregado en estos sectores en relación con el PIB.

la Oficina de Estadísticas Laborales sobre los precios de los factores. El panel superior de la
Figura 4 presenta la evolución de la participación laboral para los mismos seis sectores generales
utilizados anteriormente. En contraste con el período 1947­1987, hay una disminución considerable
en la participación laboral en la manufactura y la construcción. La caída de la participación laboral
en la minería continúa a un ritmo similar. El panel inferior de la figura muestra la continua
reasignación de la actividad económica de la manufactura a los servicios.
El panel superior de la Figura 5 muestra una sorprendente desaceleración en el crecimiento
de la demanda laboral entre 1987 y 2017. La masa salarial per cápita creció a un ritmo modesto.
Machine Translated by Google

18 Revista de Perspectivas Económicas

figura 3
Fuentes de cambios en la demanda laboral, 1947–1987

A: Masa salarial, 1947–1987

100

Masa salarial observada

80

Efecto productividad
60

40

Efecto de sustitución
20
Efecto de composición
Cambio en el contenido de la tarea
0

1947 1952 1957 1962 1967 1972 1977 1982 1987

B: Cambio en el contenido de tareas de la producción, 1947–1987

20

Reinstalación

10

Cambio en el contenido de la tarea

−10

Desplazamiento

−20
1947 1952 1957 1962 1967 1972 1977 1982 1987

C: Contenido de tareas de fabricación de la producción, 1947–1987

20

Reinstalación

10

Cambio en el contenido de la tarea

−10

Desplazamiento

−20

1947 1952 1957 1962 1967 1972 1977 1982 1987

Fuente: Cálculos de los autores.

Nota: El panel superior presenta la descomposición de la masa salarial dividida por la población entre 1947 y 1987. Los paneles
central e inferior presentan nuestras estimaciones de los efectos de desplazamiento y reincorporación para toda la economía y el
sector manufacturero, respectivamente. Ver texto para los detalles de la estimación de los cambios en el contenido de la tarea y los
efectos de desplazamiento y reincorporación.
Machine Translated by Google

Automatización y nuevas tareas: cómo la tecnología desplaza y reincorpora el trabajo 19

Figura 4
La participación laboral y la evolución sectorial, 1987­2017

A: Participación laboral dentro de cada industria, 1987–2017

70

Construcción
60

Servicios
50
Transporte
Fabricación

40

Agricultura
30
Minería

20

1987 1992 1997 2002 2007 2012 2017

B: Participación en el PIB por industria, 1987–2017

Servicios
70

60

50

40

30

20

Fabricación
10
Transporte
Construcción
0 Minería
Agricultura
1987 1992 1997 2002 2007 2012 2017

Fuente: Los autores utilizan datos de las cuentas de la industria de la Oficina de Análisis Económico de EE. UU. y la Oficina de
Estadísticas Laborales.
Nota: El panel superior muestra la participación del trabajo en el valor agregado en servicios, manufactura, construcción, transporte,
minería y agricultura entre 1987 y 2017, mientras que el panel inferior muestra la participación del valor agregado en estos sectores
en relación con el PIB.

1,33 por ciento por año durante todo el período y esencialmente se estancó desde 2000. El primer
factor que explica la desaceleración de la demanda laboral durante este período es la desaceleración
del crecimiento de la productividad (1,54 por ciento por año en comparación con 2,4 por ciento en
1947­1987). El segundo factor que contribuye a un crecimiento más lento de la factura salarial,
especialmente después de fines de la década de 1990, es un cambio negativo significativo en el
contenido de tareas de la producción contra la mano de obra (de 0,35 por ciento anual), lo que provocó que la mano de ob
Machine Translated by Google

20 Revista de Perspectivas Económicas

Figura 5
Fuentes de cambios en la demanda laboral, 1987–2017

A: Masa salarial, 1987–2017 40 Efecto productividad

Masa salarial observada

30

20

10

Efecto de composición
0 Efecto de sustitución

−10 Cambio en el contenido de la tarea

1987 1992 1997 2002 2007 2012 2017

B: Cambio en el contenido de tareas de producción, 1987–2017

Reinstalación
10

−5

−10 Cambio en el contenido de la tarea

−15

−20
Desplazamiento
1987 1992 1997 2002 2007 2012 2017

C: Contenido de tareas de fabricación de la producción, 1987–2017

Reinstalación
10

−10

−20 Cambio en el contenido de la tarea

−30
Desplazamiento
1987 1992 1997 2002 2007 2012 2017

Fuente: Cálculos de los autores.

Nota: El panel superior presenta la descomposición de la masa salarial dividida por la población entre 1987 y 2017. Los paneles
central e inferior presentan nuestras estimaciones de los efectos de desplazamiento y reincorporación para toda la economía y el
sector manufacturero, respectivamente. Ver texto para los detalles de la estimación de los cambios en el contenido de la tarea y los
efectos de desplazamiento y reincorporación.

la demanda para desvincularse de la productividad. Acumulativamente, los cambios en el contenido de

tareas de la producción redujeron la demanda laboral en un 10 por ciento durante este período.
Los paneles central e inferior de la Figura 5 muestran que, en relación con el período anterior, el
cambio en el contenido de la tarea es impulsado por una desaceleración en la introducción
Machine Translated by Google

Daron Acemoglu y Pascual Restrepo 21

de tecnologías que reincorporan la mano de obra (la reincorporación aumentó la demanda de mano
de obra solo en un 0,35 % por año en comparación con el 0,47 % en 1947–1987) y una aceleración
del desplazamiento (el desplazamiento redujo la demanda de mano de obra en un 0,7 % por año en
comparación con el 0,48 % en 1947–1987). Este patrón es particularmente pronunciado en la
industria manufacturera, donde el efecto de desplazamiento redujo la demanda de mano de obra en
aproximadamente un 1,1 por ciento anual o alrededor de un 30 por ciento acumulativo. Estos
resultados son consistentes con Elsby, Hobijn y Sahin (2013), quienes documentan el importante
papel de los cambios dentro de la industria que no están correlacionados con los precios de los
factores al explicar el comportamiento agregado de la participación laboral. El cambio en el equilibrio
entre desplazamiento y reincorporación también corrobora los hallazgos de Autor y Salomons (2018),
quienes encuentran que las mejoras tecnológicas posteriores a 1980 se han asociado con caídas en
la participación laboral, mientras que las de las décadas anteriores no.
Finalmente, el panel superior también muestra que los efectos de composición y sustitución
tuvieron un impacto muy limitado en la masa salarial. Aunque hay un alejamiento considerable de la
manufactura, que en sí misma no está ajena a la automatización en este sector, así como a la
competencia de las importaciones, los efectos de composición resultantes son pequeños porque la
participación de la mano de obra en la manufactura es similar a la de las industrias de servicios en
expansión (ver el panel superior de la Figura 4). Estos hallazgos destacan que, a diferencia de la
mecanización de la agricultura del siglo XIX, no hay efectos de composición poderosos que
contribuyan a la demanda de mano de obra. Aún más importante, parece no haber un equivalente
de los poderosos efectos de restauración que acompañaron a la mecanización de la agricultura.
En resumen, la desaceleración del crecimiento de la demanda laboral durante los últimos 30
años se debe a una combinación de crecimiento anémico de la productividad y cambios adversos en
el contenido de las tareas de producción debido a la rápida automatización que no está siendo
contrarrestada por la creación de nuevas tareas.10

¿Qué captura el cambio en el contenido de la tarea?

Una preocupación natural es que nuestras estimaciones del cambio en el contenido de la tarea
capturen algo diferente de lo que comúnmente se podría entender como efectos de desplazamiento
de las tecnologías de automatización y efectos de reincorporación de nuevas tareas. Aquí
proporcionamos evidencia adicional de que nuestras estimaciones son informativas sobre los
cambios en el contenido de la tarea de producción. Nos enfocamos en el período 1987–2017 donde
tenemos medidas de automatización y podemos calcular proxies para nuevas tareas en la industria.

10En el Apéndice en línea, verificamos que este patrón es robusto a diferentes valores de la elasticidad de sustitución
y a variaciones razonables en las tasas de cambios tecnológicos que aumentan los factores.
Además, calculamos los cambios en las tecnologías de aumento de factores a nivel de la industria que serían
necesarios para explicar los cambios en la participación laboral de la industria sin ningún cambio en el contenido de
tareas de la producción. Descubrimos que esto requeriría cambios gigantescos en las tecnologías de aumento de
factores y aumentos de productividad, varios múltiplos más grandes que los aumentos observados en la productividad
total de los factores durante las últimas siete décadas. Este ejercicio subraya la necesidad de cambios importantes en
el contenido de tareas de la producción para dar cuenta de la evolución de la participación laboral sectorial y la masa
salarial. También demostramos en el Apéndice en línea que el orden en que se lleva a cabo la descomposición
(primero los efectos de la composición y luego los cambios dentro de la industria) no importa para los resultados.
Machine Translated by Google

22 Revista de Perspectivas Económicas

y luego documentar la correlación entre estas medidas y nuestras estimaciones del cambio en
el contenido de la tarea de producción.
Tenemos tres medidas de tecnologías de automatización a nivel industrial. Los proxies son:
1) la penetración ajustada de la medida de robots de Acemoglu y Restrepo (2018b) para 19
industrias, que luego se asignan a nuestras 61 industrias; 2) la proporción de trabajos rutinarios
en una industria en 1990, donde definimos trabajos rutinarios en una ocupación como en
Acemoglu y Autor (2011) y luego los proyectamos entre industrias de acuerdo con la participación
de la ocupación relevante en el empleo de la industria en 1990 (ver también vom Lehn 2018); y
3) la proporción de empresas (ponderada por empleo) en 148 industrias manufactureras
detalladas que utilizan tecnologías de automatización, que incluyen vehículos guiados
automáticamente, sistemas automáticos de almacenamiento y recuperación, sensores en
maquinaria, maquinaria controlada por computadora, controladores programables y robots
industriales. 11
La tabla 1 informa las estimaciones de la relación entre el cambio en el contenido de tareas
de la producción entre 1987 y 2017 y los indicadores indirectos de las tecnologías de
automatización y las nuevas tareas; cada fila y columna corresponde a un modelo de regresión
diferente. La tabla muestra que con todos estos indicadores existe la relación negativa esperada
entre niveles más altos de automatización y nuestra medida de cambios en el contenido de
tareas de producción a favor del trabajo (ver también representaciones visuales de estas
relaciones en el Apéndice en línea). Estas relaciones negativas siguen siendo muy similares
cuando agregamos varias variables de control, incluida, en la columna 1, una variable ficticia
para el sector manufacturero y, en la columna 2, las importaciones de China (el crecimiento de
las importaciones de bienes finales de China como en Autor, Dorn y Hanson 2013; Acemoglu,
Autor, Dorn, Hanson y Price 2016) y una medida de deslocalización de bienes intermedios
(Feenstra y Hanson 1999; Wright 2014). De acuerdo con nuestro marco conceptual, los cambios
en el contenido de las tareas no están relacionados con las importaciones de bienes finales de
China, pero están correlacionados con la deslocalización, que a menudo implica la deslocalización
de tareas intensivas en mano de obra (Elsby, Hobijn y Sahin 2013). El control de la deslocalización
no cambia la relación que informamos en la Tabla 1 porque la deslocalización está afectando a
un conjunto diferente de industrias que nuestras medidas de automatización (consulte el
Apéndice en línea).
También analizamos una serie de proxies para la introducción de nuevas tareas en todas
las industrias y cómo se correlacionan con nuestra medida del cambio en el contenido de la
tarea para 1987–2017. Nuestros cuatro sustitutos para nuevas tareas son: 1) la proporción de
empleo de 1990 en ocupaciones con una gran fracción de nuevos títulos de trabajo, según el
Diccionario de Títulos Ocupacionales de 1991 compilado por Lin (2011); 2) la proporción de
empleo de 1990 en ocupaciones con un gran número de “tareas emergentes” según O*NET,
que corresponden a tareas que los trabajadores identifican como cada vez más

11 Estos datos son de la Encuesta de Tecnologías de Manufactura y están disponibles en 1988 y 1993 para
148 industrias SIC de cuatro dígitos que forman parte de los siguientes sectores de manufactura de tres dígitos:
productos metálicos fabricados; maquinaria no eléctrica, equipos eléctricos y electrónicos; equipo de transporte;
e instrumentos y productos relacionados (Doms, Dunne y Troske 1997). Para este ejercicio, calculamos medidas
para el cambio en el contenido de tareas de estas industrias manufactureras de cuatro dígitos utilizando datos
detallados de las tablas de insumo­producto de la Oficina de Análisis Económico para 1987 a 2007.
Machine Translated by Google

Automatización y nuevas tareas: cómo la tecnología desplaza y reincorpora el trabajo 23

tabla 1

Relación entre Cambio en el Contenido de la Tarea de Producción y Proxies para

Automatización y Nuevas Tareas

Controlando por
Datos
Controlling para Importación china
sin
fabricación (2) y deslocalización
procesar (1) (3)

Proxies para tecnologías de automatización:

Penetración ajustada de robots, 1993–2014 −1.404 −0,985 −1,129
(0.377) (0.369) (0,362)
Observaciones 61 61 61
R2 0.18 0.21 0.27

Proporción de trabajos rutinarios en la industria, 1990 −0,394 −0,241 −0,321

(0.122) (0,159) (0,164)
Observaciones 61 61 61
R2 0.14 0.19 0.27

Porcentaje de empresas que utilizan la automatización −0,390 −0,397

tecnologías, 1988–1993 (datos SMT) (0.165) (0.166)

Observaciones 148 148
R2 0.08 0.09

Proxies para nuevas tareas:

Porcentaje de nuevos títulos de trabajo, basado en DOT* 1.609 1.336 1,602

de 1991 y empleo por ocupación en 1990 (0.523) (0.530) (0,541)

Observaciones 61 61 61
R2 0.12 0.23 0.32

Número de tareas emergentes, basado en el empleo de 8.423 7.108 7.728

1990 por ocupación (2.261) (2.366) (2.418)

Observaciones 61 61 61
R2 0.14 0.25 0.33

Porcentaje de crecimiento del empleo entre 1990 y 2016 2.121 1.638 1.646

en nuevas ocupaciones (0.723) (0.669) (0.679)

Observaciones 61 61 61
R2 0.08 0.20 0.26

Aumento porcentual en el número de ocupaciones 0.585 0.368 0.351

representadas en la industria (0.156) (0.207) (0.215)

Observaciones 61 61 61
R2 0.14 0.19 0.25

Fuente: Autores.

Nota: La tabla informa estimaciones de la relación entre el cambio en el contenido de las tareas de producción entre 1987 y 2017 y los
indicadores indirectos de las tecnologías de automatización y las nuevas tareas. Cada fila y columna corresponde a un modelo de regresión
diferente. La columna 1 informa las estimaciones de la relación bivariada entre el cambio en el contenido de tareas de la producción y el
proxy indicado a nivel de la industria. La columna 2 incluye una variable ficticia para las industrias manufactureras como control. Además,
la Columna 3 controla el aumento de las importaciones chinas (definido como el aumento de las importaciones en relación con el consumo
de EE. UU. entre 1991 y 2011, como en Acemoglu et al. 2016) y el aumento de la deslocalización (definido como el aumento en la
participación de intermedios importados entre 1993 y 2007, como en Feenstra y Hanson 1999). Excepto por la tercera fila, que utiliza la
Encuesta de Tecnologías de Manufactura (SMT), todas las regresiones son para las 61 industrias utilizadas en nuestro análisis del período
1987­2017. Cuando se usa la SMT, las regresiones son para 148 industrias manufactureras detalladas. Los errores estándar robustos
contra la heteroscedasticidad están entre paréntesis. Cuando usamos la medida de penetración de robots, agrupamos los errores estándar
en las 19 industrias para las que está disponible esta medida.

* El DOT es el Diccionario de Títulos Ocupacionales.

Machine Translated by Google

24 Revista de Perspectivas Económicas

importante en sus trabajos; 3) la parte del crecimiento del empleo en una industria explicada por “nuevas
ocupaciones”, definidas como ocupaciones que no estaban presentes en esa industria en 1990 pero
están presentes en 2016; y 4) el porcentaje de aumento en el número de ocupaciones en una industria
entre 1990 y 2016. Las primeras dos medidas se proyectan en las industrias utilizando la participación
de estas ocupaciones en el empleo industrial en 1990.
Las cuatro medidas están destinadas a capturar cambios importantes en los tipos de actividades
realizadas en las ocupaciones (luego asignadas a industrias) o la introducción de ciertas actividades
nuevas en una industria. Por lo tanto, esperamos que las correlaciones entre estos indicadores de
nuevas tareas y nuestra medida de los cambios en el contenido de la tarea a favor del trabajo sean
positivas y significativas, y lo son. Estos resultados se mantienen independientemente de si incluimos o
no controles adicionales en las columnas 2 y 3 de la Tabla 1.
Estas correlaciones refuerzan la interpretación de que nuestras estimaciones de los cambios en el
contenido de las tareas de producción contienen información valiosa sobre el desplazamiento de las
tecnologías de automatización y el restablecimiento de la introducción de nuevas tareas.

Factores de confusión
Nuestro enfoque se ha basado en mercados competitivos y también se ha abstraído de varios
otros cambios que podrían afectar los mercados laborales de EE. UU. Ahora trataremos brevemente
estos temas.
Primero, como ya hemos señalado, el comercio de bienes finales no debería tener impacto en
nuestras estimaciones del cambio en el contenido de tareas de la producción (porque afectarán los
precios y las ventas, que son capturados por nuestro efecto de productividad, e inducen reasignaciones
sectoriales). , que forman parte de nuestros efectos de composición). Esto se confirma con nuestros
resultados en la Tabla 1. La deslocalización, por otro lado, cambiará directamente el contenido de tareas
de la producción porque implica el reemplazo de algunas tareas intensivas en mano de obra por
servicios del exterior (Grossman y Rossi­Hansberg 2008).
Nuestras estimaciones en la Tabla 1 son consistentes con esto, pero también muestran que la
deslocalización no cambia la relación cuantitativa o cualitativa entre varias medidas de automatización
y nuestras estimaciones del cambio en el contenido de tareas de producción.
En segundo lugar, como también se señaló anteriormente, las reasignaciones sectoriales
resultantes de la transformación estructural tampoco afectan el contenido de tareas de la producción y
son parte de nuestros efectos de composición. El hecho de que estos efectos de composición sean
pequeños sugiere que estas reasignaciones sectoriales no han sido un factor importante en la
desaceleración de la demanda laboral y los cambios en la participación laboral en el ingreso nacional.
En tercer lugar, hemos hecho abstracción de la presencia de trabajadores con diferentes
habilidades y, por lo tanto, una pregunta potencial es si los cambios en la composición de habilidades
de la fuerza laboral afectarían nuestras estimaciones del cambio en el contenido de tareas de la producción.
La respuesta es “no”, siempre que los pagos de factores a nivel de la industria estén bien medidos.
Por lo tanto, siempre que se tenga en cuenta el aumento de la masa salarial causado por la mejora de
las habilidades en un sector, este cambio de composición no provoca un cambio en el contenido de
tareas de la producción. Una implicación es que cambios seculares como el envejecimiento de la
población y una mayor participación femenina en la fuerza laboral, aunque afectarán la composición de
la fuerza laboral y los precios de los factores, no deberían confundir nuestras estimaciones de cambios
en el contenido de tareas de la producción.
Machine Translated by Google

Daron Acemoglu y Pascual Restrepo 25

En cuarto lugar, los cambios en la oferta de factores tampoco deberían tener impacto siempre que
nuestras estimaciones del efecto sustitución (que forman la base de nuestras estimaciones del cambio
en el contenido de tareas de la producción) sigan siendo precisas.
En contraste con estos factores, las desviaciones de los mercados laborales o de productos
competitivos podrían confundir potencialmente nuestras estimaciones del contenido de la tarea.
Particularmente dignas de mención son las desviaciones de los mercados laborales competitivos. Si el
lado de la oferta del mercado está determinado por la negociación u otros acuerdos de participación en
la renta, entonces nuestro enfoque sigue siendo válido siempre que las empresas estén en su curva de
demanda laboral (para mano de obra total o para diferentes tipos de mano de obra en presencia de heterogeneidad).
Esto se debe a que nuestro análisis solo utiliza información del lado de la demanda laboral, por lo que
no es importante si los trabajadores se encuentran a lo largo de una curva de oferta laboral bien definida.
Por otro lado, los cambios en la extensión del monopsonio y la negociación bilateral y los problemas de
atraco que obligan a las empresas a salir de su curva de demanda laboral podrían confundir nuestras
estimaciones. Se produciría una confusión similar si cambiaran los márgenes de beneficio del mercado
de productos. Aunque estos temas son importantes, están más allá del alcance del documento actual y
son algunos de los temas que estamos investigando en el trabajo en curso.

¿Qué explica la naturaleza cambiante de la tecnología y el lento crecimiento de la productividad desde

1987?
Nuestros resultados sugieren que es la combinación de cambios adversos en el contenido de
tareas de la producción, impulsado por la automatización acelerada y la desaceleración del
restablecimiento, y el débil crecimiento de la productividad lo que explica el lento crecimiento de la
demanda laboral en las últimas tres décadas y especialmente desde 2000. ¿Por qué? ¿Ha cambiado
recientemente el equilibrio entre la automatización y las nuevas tareas? ¿Por qué el crecimiento de la
productividad ha sido tan decepcionante a pesar de la aceleración de las tecnologías de automatización?
Aunque no tenemos respuestas completas a estas preguntas, nuestro marco conceptual apunta a una
serie de ideas que vale la pena considerar.
Hay dos razones básicas por las que el equilibrio entre la automatización y las nuevas tareas
puede haber cambiado. En primer lugar, la frontera de posibilidades de innovación que vincula estos
dos tipos de cambio tecnológico puede haberse desplazado, facilitando una mayor automatización y
dificultando la creación de nuevas tareas (para un análisis formal, véase Acemoglu y Restrepo 2018a).
Por ejemplo, es posible que las nuevas tecnologías de propósito general basadas en los avances en
hardware y software hayan abaratado aún más la automatización, o que nos hayamos quedado sin
ideas para generar nuevas tareas de alta productividad (que requieren mucha mano de obra).
Encontramos una segunda razón para un cambio en este equilibrio más plausible: es decir, la economía
de EE. UU. puede haberse movido a lo largo de una frontera de posibilidades de innovación dada
porque los incentivos para la automatización han aumentado y aquellos para crear nuevas tareas han
disminuido. Varios factores pueden empujar en esta dirección. El código fiscal de EE. UU. subsidia
agresivamente el uso de equipos (por ejemplo, a través de varios créditos fiscales y amortización
acelerada) y grava el empleo de mano de obra (por ejemplo, a través de impuestos sobre la nómina).
La tendencia hacia una mayor (y potencialmente excesiva) automatización puede haber sido reforzada
por el creciente enfoque en la automatización y el uso de inteligencia artificial para eliminar el elemento
humano de la mayor parte de la producción.
Machine Translated by Google

26 Revista de Perspectivas Económicas

proceso. Este enfoque se ha visto impulsado recientemente tanto por el papel central que las grandes
empresas tecnológicas han llegado a desempeñar en la innovación con su modelo de negocio basado
en la automatización y pequeñas plantillas, como por la visión de muchas de las luminarias del mundo
tecnológico (piense en los esfuerzos de Tesla para automatizar ampliamente la producción, lo que
resultó ser muy costoso). Finalmente, la disminución del apoyo gubernamental a la innovación también
puede haber contribuido al desalentar la investigación con horizontes más largos, lo que probablemente
perjudicó aún más la creación de nuevas tareas (que dan frutos más lentamente) en relación con la
automatización.
Esta lista de factores puede contribuir no solo al equilibrio cambiante entre la automatización y
las nuevas tareas, sino también a la desaceleración del crecimiento de la productividad. Primero,
debido a que las nuevas tareas contribuyen a la productividad, la reincorporación más lenta se asociará
con un crecimiento de la productividad más lento. Por lo tanto, los factores que inclinan la balanza en
contra de nuevas tareas probablemente se traduzcan en oportunidades perdidas para mejorar la
productividad. Además, un crecimiento salarial más lento como resultado de un efecto de
reincorporación débil indirectamente hace que la automatización sea menos productiva, porque las
ganancias de productividad de la automatización están aumentando en el salario efectivo en las tareas
que se reemplazan y, por lo tanto, los salarios más bajos reducen estas ganancias de productividad.
En segundo lugar, si las innovaciones tanto en la automatización como en las nuevas tareas están
sujetas a rendimientos decrecientes (dentro de un período de tiempo determinado o a lo largo del
tiempo), un cambio significativo en el equilibrio entre estos dos tipos de nuevas tecnologías nos
empujará hacia desarrollos más marginales y causará crecimiento más lento de la productividad. En
tercer lugar, como enfatizamos anteriormente, las ganancias de productividad de la automatización
podrían ser bastante pequeñas para tecnologías regulares, cuando la automatización sustituye tareas
en las que el trabajo ya era productivo y el capital aún no es muy efectivo. Desde este punto de vista,
una mayor automatización, especialmente cuando es inducida por distorsiones impositivas o un
entusiasmo excesivo por automatizar todo, tomaría la forma de tales tecnologías regulares y no traería
muchas ganancias de productividad. Finalmente, en Acemoglu y Restrepo (2018d), sugerimos que
puede haber un desajuste entre las habilidades disponibles de la fuerza laboral y las necesidades de
nuevas tecnologías. Esto podría reducir aún más las ganancias de productividad de la automatización
y dificultar la introducción de nuevas tareas, porque la falta de habilidades requeridas reduce la eficiencia con la que se puede
Si el equilibrio entre la automatización y las nuevas tareas ha cambiado de manera ineficiente y
si de hecho esto está contribuyendo a la rápida automatización, la ausencia de poderosos efectos de
reincorporación y la desaceleración del crecimiento de la productividad, entonces puede haber espacio
para intervenciones políticas para mejorar tanto la creación de empleo como Crecimiento de la
productivdad. Estas intervenciones podrían incluir la eliminación de incentivos para la automatización
excesiva (como el tratamiento preferencial de los bienes de capital) y la implementación de nuevas
políticas diseñadas para reequilibrar la dirección del cambio tecnológico (para una discusión más
detallada en el contexto de la inteligencia artificial, consulte Acemoglu y Restrepo 2019) .

Observaciones finales

Este artículo desarrolla un modelo basado en tareas para estudiar los efectos de diferentes
tecnologías en la demanda laboral. En el centro de nuestro marco está el contenido de la tarea de
Machine Translated by Google

Automatización y nuevas tareas: cómo la tecnología desplaza y reincorpora el trabajo 27

producción: mide la asignación de tareas a los factores de producción. La automatización, al crear

un efecto de desplazamiento, desplaza el contenido de la tarea de la producción en contra del trabajo,
mientras que la introducción de nuevas tareas en las que el trabajo tiene una ventaja comparativa la
mejora a través del efecto de reincorporación. Estas tecnologías son cualitativamente diferentes de
las que aumentan los factores, que no afectan el contenido de la tarea de producción. Por ejemplo, la
automatización siempre reduce la participación laboral y puede reducir la demanda laboral, y las
nuevas tareas siempre aumentan la participación laboral.
Luego mostramos cómo se pueden inferir los cambios en el contenido de tareas de la producción
y otros factores que contribuyen a la demanda laboral a partir de datos sobre la participación del
trabajo, el valor agregado y los precios de los factores a nivel de industria. La principal implicación de
nuestro ejercicio empírico utilizando esta metodología es que el reciente estancamiento de la demanda
laboral se explica por una aceleración de la automatización, particularmente en la manufactura, y una
desaceleración en la creación de nuevas tareas. Además, y tal vez reflejando este cambio en la
composición de los avances tecnológicos, la economía también experimentó una marcada
desaceleración en el crecimiento de la productividad, lo que contribuyó a la atonía de la demanda laboral.
Nuestro marco también tiene implicaciones claras para el futuro del trabajo. Nuestra evidencia
y enfoque conceptual no respaldan las afirmaciones de que el fin del trabajo humano es inminente ni
la presunción de que el cambio tecnológico siempre y en todas partes será favorable para el trabajo.
Más bien, sugieren que si el origen del crecimiento de la productividad en el futuro continúa siendo la
automatización, la posición relativa de la mano de obra, junto con el contenido de tareas de la
producción, disminuirá. La creación de nuevas tareas y otras tecnologías que aumenten la intensidad
de la mano de obra en la producción y la participación del trabajo son vitales para un crecimiento
salarial continuo acorde con el crecimiento de la productividad.
La aparición de tales tecnologías depende no solo de nuestras capacidades de innovación, sino
también de la oferta de diferentes habilidades, los cambios demográficos, las instituciones del
mercado laboral, las políticas gubernamentales, incluidos los impuestos y el gasto en investigación y
desarrollo, la competencia en el mercado, las estrategias corporativas y el ecosistema de clústeres
innovadores. Hemos señalado algunas razones por las que el equilibrio entre la automatización y las
nuevas tareas puede haberse inclinado de manera ineficiente a favor de las primeras, con
implicaciones potencialmente adversas para el empleo y la productividad, y algunas direcciones para
las intervenciones de políticas para corregir este desequilibrio.
Machine Translated by Google

28 Revista de Perspectivas Económicas

Referencias

Acemoglu, Daron y David Autor. 2011. Ayres, Robert U. y Steven M. Miller. 1983.
“Habilidades, tareas y tecnologías: implicaciones para el Robótica: Aplicaciones e Implicaciones Sociales. Compañía
empleo y los ingresos”. Cap. 12 en Manual de economía editorial Ballinger.
laboral, vol. 4, Parte B, editado por David Card y Orley Budd, Edward C. 1960. “Factor Shares, 1850–1910”.
Ashenfelter. Elsevier. Cap. 9 en Tendencias en la economía estadounidense en el
Acemoglu, Daron, David Autor, David Dorn, Gordon H. siglo XIX. Prensa de la Universidad de Princeton.
Hanson y Brendan Price. 2016.
“La competencia de las importaciones y la gran caída del Chandler, Alfred D. 1977. The Visible Hand: The
empleo en EE. UU. de la década de 2000”. Revista de economía Managerial Revolution in American Business.
laboral 34 (S1): S141–S198. Prensa de la Universidad de Harvard.
Acemoglu, Daron y Veronica Guerrieri. 2008. Chirinko, Robert C., Steven M. Fazzari y Andrew P.
“Profundización del capital y crecimiento económico Meyer. 2011. "Un nuevo enfoque para estimar los parámetros
desequilibrado”. Revista de economía política 116 (3): 476– de la función de producción: la elusiva elasticidad de
98. sustitución de capital­trabajo".
Acemoglu, Daron y Pascual Restrepo. 2018a. Revista de Estadísticas Comerciales y Económicas 29 (4):
“La carrera entre la máquina y el hombre: implicaciones de 587–94.
la tecnología para el crecimiento, la participación de los Dauth, Wolfgang, Sebastian Findeisen, Jens Suedekum
factores y el empleo”. Revista económica estadounidense y Nicole Woessner. 2018. "Ajustándose a los robots:
108 (6): 1488–1542. evidencia a nivel de trabajador". Institute Working Paper 13,
Acemoglu, Daron y Pascual Restrepo. 2018b. "Robots y Opportunity and Inclusive Growth Institute.
trabajos: evidencia de los mercados laborales de EE. UU.".
Documento de trabajo NBER 23285. Doms, Mark, Timothy Dunne y Kenneth R.
Acemoglu, Daron y Pascual Restrepo. 2018c. Troske. 1997. “Trabajadores, salarios y tecnología”.
"Modelado de automatización". AEA Papers and Proceedings, Revista trimestral de economía 112 (1): 253–90.
108: 48–53. Elsby, Michael WL, Bart Hobijn y Ays¸egül Sahin. 2013.
Acemoglu, Daron y Pascual Restrepo. 2018d. “Inteligencia "La disminución de la participación laboral de EE. UU.".
Artificial, Automatización y Trabajo”. Documento de trabajo Documentos de Brooking sobre la actividad económica no.
NBER 24196. 2, págs. 1–63.
Acemoglu, Daron y Pascual Restrepo. 2018e. Feenstra, Robert y Gordon Hanson. 1999.
“Demografía y Automatización”. Documento de trabajo NBER "El impacto de la subcontratación y el capital de alta
24421. tecnología en los salarios: estimaciones para los Estados
Acemoglu, Daron, Pascual Restrepo.y 2019. “¿El tipo Unidos, 1979–1990". Revista trimestral de economía 114
incorrecto de IA? (3): 907–40.
Inteligencia artificial y el futuro de la demanda laboral”. Goldin, Claudia y Lawrence F. Katz. 2008.
Documento de trabajo NBER 25682. La carrera entre la educación y la tecnología. Prensa Belknap.
Aghion, Philippe, Benjamin F. Jones y Charles I. Jones.
2017. “Inteligencia artificial y crecimiento económico”. Graetz, Georg y Guy Michaels. 2018.
Documento de trabajo NBER 23928. “Robots en el trabajo”. Revisión de Economía y Estadística
Allen, Robert C. 2009. La Revolución Industrial Británica 100 (5): 753–68.
en Perspectiva Global. Prensa de la Universidad de Groover, Mikell P., Mitchell Weiss, Roger N.
Cambridge. Nagel y Nicholas G. Odrey. 1986. Robótica Industrial:
Autor, David H., David Dorn y Gordon H. Tecnología, Programación y Aplicaciones.
Hanson. 2013. “El síndrome de China: efectos en el mercado McGraw­Hill Inc.
laboral local de la competencia de las importaciones en los Grossman, Gene M. y Esteban Rossi Hansberg. 2008.
Estados Unidos”. Revista económica estadounidense 103 "Tareas comerciales: una teoría simple de la deslocalización".
(6): 2121–68. American Economic Review 98(5): 1978–97.
Autor, David H., Frank Levy y Richard J.
Murnane. 2003. "El contenido de habilidades del cambio Habakkuk, John H. 1962. Tecnología estadounidense y
tecnológico reciente: una exploración empírica". británica en el siglo XIX: la búsqueda de inventos que
Revista trimestral de economía 118 (4): 1279–1333. ahorren mano de obra. Prensa de la Universidad de
Autor, David y Anna Salomons. 2018. “¿Está desplazando Cambridge.
la participación laboral de la automatización? Crecimiento de Herrendorf, Berthold, Richard Rogerson y Ákos Valentinyi.
la productividad, empleo y participación laboral”. 2013. “Dos perspectivas sobre las preferencias y la
Documentos de Brooking sobre la actividad económica, núm. 1, págs. 1–87. transformación estructural”. Americano
Machine Translated by Google

Daron Acemoglu y Pascual Restrepo 29

Revisión económica 103 (7): 2752–89. Oberfield, Ezra y Devesh Raval. 2014.
Hubmer, Joaquín. 2018. “La carrera entre preferencias “Microdatos y macrotecnología”. Documento de trabajo
y tecnología”. Artículo inédito, Universidad de Yale. NBER 20452 Olmstead,
Alan y Paul Rhode. 2001.
Lin, Jeffrey. 2011. “Adaptación tecnológica, ciudades y "Remodelación del paisaje: el impacto y la difusión del
obra nueva”. Revisión de Economía y Estadística 93 (2): tractor en la agricultura estadounidense, 1910­1960".
554–74. Revista de Historia Económica 61 (3):
Mantoux, Paul. 1928. La revolución industrial en el 663–98.
siglo XVIII: un resumen de los comienzos del sistema de Rasmussen, Wayne D. 1982. “La mecanización de la
fábrica moderno en Inglaterra. Jonathan Cabo, Ltd. agricultura”. Scientific American 247(3): 76–89. de Lehn,

Michaels, Guy. 2007. “La división del trabajo, la Christian. 2018. "Comprender la disminución de la
coordinación y la demanda de procesamiento de participación laboral de EE. UU.: Evidencia de las tareas
información”. Documento de debate del CEPR 6358. ocupacionales". Revista Económica Europea 108: 191–
Mokyr, Joel. 1990. La Palanca de la Riqueza: 220.
Creatividad Tecnológica y Progreso Económico. Prensa Wright, Greg. 2014. “Revisando el impacto de la
de la Universidad de Oxford: Nueva York. deslocalización en el empleo”. económico europeo
Paseos de Ngai, L. Rachel y Christopher A. Pissa. Revisión 66: 63–83.
2007. “Cambio estructural en un modelo de crecimiento Zeira, José. 1998. “Trabajadores, máquinas y
multisectorial”. American Economic Review 97(1): 429–43. crecimiento económico”. Revista trimestral de economía
113 (4): 1091–1117.
Machine Translated by Google

30 Revista de Perspectivas Económicas

Machine Translated by Google

Este artículo ha sido citado por:

1. Yang Shoufu, Ma Dan, Shen Zuiyi, Wen Lin, Dong Li. 2023. El impacto de la aglomeración de la industria de la inteligencia artificial
en la complejidad económica. Investigación económica­Ekonomska Istraživanja 36:1, 1420­1448. [Referencia cruzada]

2. Navitha Singh Sewpersadh. 2023. Modelos de valor de negocio disruptivos en la era digital. Revista de Innovación y Emprendimiento
12:1. . [Referencia cruzada]

3. Lei Wang, Yahong Zhou, Benjamin Chiao. 2023. Robots e innovación empresarial: evidencia de la fabricación china. Journal of
Business Research 162, 113878. [Referencia cruzada]

4. Alexander Lammers, Félix Lukowski, Kathrin Weis. 2023. La relación entre los comités de empresa y la oferta formativa de las
empresas en tiempos de cambio tecnológico. Diario Británico de Relaciones Industriales 61:2, 392­424. [Referencia cruzada]

5. Ruting Huang, Xin Yao. 2023. El papel de la infraestructura de transmisión de energía en la desigualdad de ingresos: nueva
evidencia de China. Política energética 177, 113564. [Referencia cruzada]

6. Yiran Cheng, Xiaorui Zhou, Yongjian Li. 2023. El efecto de la transformación digital en la productividad total de los factores de las
empresas de la economía real. Revista Internacional de Economía y Finanzas 85, 488­501.
[Referencia cruzada]

7. Andrea Szalavetz. 2023. Las tecnologías digitales dan forma a la naturaleza y la intensidad de la rutina del taller
trabajar. Competencia y Cambio 27:2, 277­301. [Referencia cruzada]

8. Erling Barth, James C. Davis, Richard B. Freeman, Kristina McElheran. 2023. Retorciendo la curva de demanda: Digitalización y la
fuerza laboral de mayor edad. Diario de Econometría 233:2, 443­467. [Referencia cruzada]

9. . Creación de las Personas como Concepto Teórico Tecnológico 37­68. [Referencia cruzada]

10. . Las personas como tecnología y pensamiento sistémico en el contexto del desarrollo de recursos humanos
123­146. [Referencia cruzada]

11. Chih­Hai Yang. 2023. Respuestas de I+D a la crisis de los costes laborales en China: ¿importa el tamaño de la empresa?. Pequeño
Economía de la Empresa 118. . [Referencia cruzada]

12. Rafael Novella, David Rosas­Shady, Alfredo Alvarado. 2023. ¿Ya casi llegamos? Adopción de nuevas tecnologías y demanda
laboral en Perú. Ciencia y Políticas Públicas 21. . [Referencia cruzada]

13. Goffredo Giordano, Saravana Prashanth Murali Babu, Barbara Mazzolai. 2023. Robótica blanda hacia objetivos de desarrollo
sostenible y acciones climáticas. Fronteras en Robótica e IA 10. . [Referencia cruzada]

14.Denise Jackson, Claire Lambert. 2023. Percepciones de los padres adolescentes sobre las oportunidades profesionales sostenibles
y la creación de capitales de empleabilidad para el trabajo futuro. Revista educativa 54, 1­23.
[Referencia cruzada]

15. Ron Boschma, Ernest Miguelez, Rosina Moreno, Diego B. Ocampo­Corrales. 2023. El papel de la relación y la falta de relación
para la geografía de los avances tecnológicos en Europa.
Geografía Económica 99:2, 117­139. [Referencia cruzada]

16. Juan He, Xiaodong Du, Wei Tu. 2023. ¿Puede la transformación digital corporativa aliviar la financiación?
restricciones?. Economía Aplicada 79, 1­17. [Referencia cruzada]

17. Emmanuel Monod, Mary Beth Watson­Manheim, Ingrid Qi, Elisabeth Joyce, Anne­Sophie Mayer, Flavia Santoro. 2023.
Consecuencias (in)intencionadas de los asistentes de ventas de IA. Revista de Sistemas de Información Informática 63:2, 436­448.
[Referencia cruzada]

18. Avner Ben­Ner, Ainhoa Urtasun, Bledi Taska. 2023. Efectos de las Nuevas Tecnologías en el Trabajo: El
Caso de Fabricación Aditiva. ILR Review 76:2, 255­289. [Referencia cruzada]

19. Christian H. Ebeke, Kodjovi M. Eklou. 2023. La automatización y la elasticidad empleo de los impuestos
política. Journal of Macroeconomics 75, 103502. [Referencia cruzada]
Machine Translated by Google

20. Cheng Qian, Chun Zhu, Duen­Huang Huang, Shangfeng Zhang. 2023. Examinar el mecanismo de influencia del desarrollo de inteligencia
artificial en la participación de los ingresos laborales a través de simulaciones numéricas.
Pronóstico tecnológico y cambio social 188, 122315. [Crossref]

21. Sergio Destefanis, Naqeeb Ur Rehman. 2023. Inversión, actividades de innovación y empleo en las regiones europeas. Cambio
Estructural y Dinámica Económica 33. . [Referencia cruzada]

22. Gang Peng, Rahul Bhaskar. 2023. Inteligencia artificial y aprendizaje automático para la automatización del trabajo.
Revista de gestión de bases de datos 34: 1, 1­12. [Referencia cruzada]

23. Merih ANGIN, Orçun DOĞMAZER. 2023. Hindistan'ın Yapay Zekâ Gelişimi Üzerine Bir İnceleme.
Mevzu­Sosyal Bilimler Dergisi . [Referencia cruzada]

24. Chris Gillard. 2023. ¿Más edad, menos crecimiento? Estancamiento secular y envejecimiento social. Internacional
Revista de Sociología y Política Social 43:1/2, 1­16. [Referencia cruzada]

25. Başak Dalgıç, Burcu Fazlıoğlu, Aytekin Güven. 2023. Innovación, empleo y estructura de mercado:
evidencia de nivel firme de Turquía. Economía empírica 51. . [Referencia cruzada]

26. Peikang Zhang, Huailiang Liang, Changjun Yue. 2023. Ansiedad tecnológica: ¿Cómo impactan los robots en el empleo informal de los
graduados universitarios?. Revista de políticas públicas asiáticas 110, 1­17. [Referencia cruzada]

27. Nikolas Scholl, Thomas Kurer. 2023. Cómo el cambio tecnológico afecta los patrones de votación regionales.
Investigación y métodos de ciencia política 12, 1­19. [Referencia cruzada]

28. Jiawu Gan, Lihua Liu, Gang Qiao, Qin Zhang. 2023. El papel de la adopción de robots en la innovación verde: Evidencia de China.
Modelado económico 119, 106128. [Referencia cruzada]

29.David Klenert, Enrique Fernández­Macías, José­Ignacio Antón. 2023. ¿Realmente los robots destruyen puestos de trabajo?
Evidencia de Europa. Democracia Económica e Industrial 44:1, 280­316. [Referencia cruzada]

30. Jiamin Liu, Xiaoyu Ma, Jiaoning Zhang, Sisi Zhang. 2023. Construcción de urbanización de nuevo tipo, porcentaje de empleo por turnos
y emisiones de CO2: evidencia de China. Investigación de ciencia ambiental y contaminación 30:10, 26472­26495. [Referencia cruzada]

31. Milan Miric, Nan Jia, Kenneth G. Huang. 2023. Uso del aprendizaje automático supervisado para la clasificación a gran escala en la
investigación de gestión: el caso para identificar patentes de inteligencia artificial. Revista de gestión estratégica 44: 2, 491­519.
[Referencia cruzada]

32. Steffen Künn, Juan Palacios, Nico Pestel. 2023. Calidad del aire interior y toma de decisiones estratégicas.
Ciencias de la Administración 4. . [Referencia cruzada]

33. Izak Atiyas, Mark A. Dutz. Usos de la tecnología digital entre las microempresas: ¿Por qué el uso productivo es tan bajo en el África
subsahariana? . [Referencia cruzada]

34. Xiaoxue Du, Xuejian Wang, Patrick Hatzenbuehler. 2023. Tecnología digital en la agricultura: una revisión de problemas, aplicaciones y
metodologías. Revisión económica agrícola de China 15: 1, 95­108. [Referencia cruzada]

35. Adio­Adet Tichafara Dinika. 2023. Preparando a los jóvenes africanos para el futuro del trabajo. Estudios de política digital 1:2, 47­64.
[Referencia cruzada]

36. Sean J. Flynn, Andra Gante. 2023. ¿Se beneficia Main Street de lo que beneficia a Wall Street?. Diario
de Análisis Financiero y Cuantitativo 11, 1­37. [Referencia cruzada]

37. Zhihong Yang, Yang Shen. 2023. El impacto de la fabricación inteligente en la productividad total del factor verde industrial y sus múltiples
mecanismos. Fronteras en Ciencias Ambientales 10. . [Referencia cruzada]

38. PA Hancock. 2023. Mecanizar la mente para cuidar la máquina. Problemas teóricos en ergonomía
Ciencia 24:1, 111­128. [Referencia cruzada]

39. Roberto Antonietti, Luca Cattani, Francesca Gambarotto, Giulio Pedrini. 2023. Tecnologías habilitadoras clave sesgadas por la educación,

la rutina y la complejidad: evidencia de Emilia­Romaña, Italia. Industria e Innovación 30:1, 103­134. [Referencia cruzada]
Machine Translated by Google

40. Annette Bernhardt, Lisa Kresge, Reem Suleiman. 2023. El lugar de trabajo basado en datos y el caso de los derechos tecnológicos
de los trabajadores. Revisión de ILR 76: 1, 3­29. [Referencia cruzada]

41. Filippo Belloc, Gabriel Burdin, Fabio Landini. 2023. Tecnologías Avanzadas y Voz del Trabajador.
Económica 90:357, 1­38. [Referencia cruzada]

42. Huwei Wen, Nuoyan Li, Fengxiu Zhou. 2023. Economía Digital y Emprendimiento: Heterogeneidad
de Habilidades de la Fuerza Laboral. Asian Economics Letters 4: Vista temprana. . [Referencia cruzada]

43. Radu Vranceanu, Ángela Sutan. 2023. ¿Debe la empresa o el empleado pagar por la mejora de las competencias? Un contrato
enfoque teórico. Economía Gerencial y de Decisión 44:1, 197­207. [Referencia cruzada]

44. Bárbara Ribeiro, Robert Meckin, Andrew Balmer, Philip Shapira. 2023. La paradoja de la digitalización del trabajo científico cotidiano:
cómo se amplifica y diversifica el trabajo del conocimiento mundano en las biociencias. Política de investigación 52:1, 104607.
[Referencia cruzada]

45. Roberto Antonietti, Luca Cattani, Giulio Pedrini. 2023. Los robots y la productividad de los sistemas de fabricación locales en Emilia­
Romagna: el papel mediador de la similitud y complejidad ocupacional. Estudios de Planificación Europea 6, 1­25. [Referencia
cruzada]

46. Xiaoyi Li, Qibo Tian. 2023. ¿Cómo afecta el uso de robots a las emisiones de carbono corporativas? — Evidencia del sector
manufacturero de China. Sostenibilidad 15:2, 1198. [Referencia cruzada]

47. Yunsi Chen, Dezhuang Hu. 2023. ¿Por qué los exportadores son más amigables con el género? Evidencia de China.
Modelado económico 118, 106087. [Referencia cruzada]

48. Ingvild Almås, Orazio Attanasio, Pamela Jervis. 2023. Economía y Medida: Nuevas Medidas
para modelar la toma de decisiones. Revista Electrónica SSRN 4. . [Referencia cruzada]

49. Herbert Dawid, Michael Neugart. 2023. Efectos del cambio tecnológico y la automatización en la estructura de la industria y la
desigualdad (salario): conocimientos de un modelo dinámico basado en tareas. Revista de Economía Evolutiva 33:1, 35­63.
[Referencia cruzada]

50. Zeshuang Liu, Xin Lei. Investigación sobre la influencia no lineal de la inteligencia artificial en el desarrollo de los empleados en la
empresa manufacturera 169­182. [Referencia cruzada]

51. Mirella Damiani, Fabrizio Pompeya, Alfred Kleinknecht. 2022. Robots, habilidades y trabajos temporales: evidencia de seis países
europeos. Industria e Innovación 86, 1­50. [Referencia cruzada]

52. Naomitsu Yashiro, Tomi Kyyrä, Hyunjeong Hwang, Juha Tuomala. 2022. Tecnología, mercado laboral
instituciones y jubilación anticipada. Política Económica 37:112, 811­849. [Referencia cruzada]

53. Cardén de Siún. 2022. Patrones y programas: replicación y creatividad en el tejido basado en el lugar de
Shetland e Irlanda. TEXTIL 15, 1­20. [Referencia cruzada]

54. Tyler Baldwin, Wyatt Clarke, Maysa M. García de Macedo, Rogerio de Paula, Subhro Das. Mejores representaciones laborales
basadas en habilidades, evaluadas a través de los datos de transición laboral 2182­2185. [Referencia cruzada]

55. Kamila Moulaï, Gazi Islam, Stephan Manning, Laurianne Terlinden. 2022. "Demasiado humano" o el surgimiento de un sentimiento
inducido por la tecnología de ser menos capaz: trabajo de identidad, capacitismo y nuevas tecnologías de servicio. The International
Journal of Human Resource Management 33:22, 4499­4531. [Crossref]

56. Alexandra Fedorets, Stefan Kirchner, Jule Adriaans, Oliver Giering. 2022. Datos sobre Transformación Digital en el Panel
Socioeconómico Alemán. Jahrbücher für Nationalökonomie und Statistik 242:5­6, 691­705. [Referencia cruzada]

57. Sebastian Goldmann, Michael Knorzer. 2022. El avance tecnológico impulsa la productividad laboral: Determinación empírica del
potencial de eficiencia en marketing y ventas. Economía Gerencial y de Decisión 20. . [Referencia cruzada]

58. Thomas Gries, Wim Naudé. 2022. Modelado de inteligencia artificial en economía. Revista para el Trabajo
Investigación de Mercado 56:1. . [Referencia cruzada]
Machine Translated by Google

59. John Gilbert, Onur A. Koska, Reza Oladi. 2022. Tecnología que elimina mano de obra, desigualdad salarial y proteccionismo
comercial. Revista de Teoría Económica Pública 24:6, 1249­1265. [Referencia cruzada]

60. Pei Zhang, Jiaoe Wang, Mengming Li, Fan Xiao. 2022. Investigación sobre el mecanismo de la infraestructura de la información
que afecta la mejora de la estructura industrial. Informes científicos 12:1. . [Referencia cruzada]

61. Aniruddh Mohan, Parth Vaishnav. 2022. Impacto de la automatización en las horas­operador de camiones de larga distancia en los
Estados Unidos. Humanidades y Ciencias Sociales Comunicaciones 9:1. . [Referencia cruzada]

62. Karen Paulina Vargas­Bravo, Paula Andrea Córdova­Coronel, Luis Bernardo Tonon­Ordóñez. 2022.
Determinantes en la Contratación de Trabajadores para las Empresas Manufactureras Ecuatorianas.
Economía y Negocios 13:2, 93­108. [Referencia cruzada]

63. Xiao Shen, Jingbo Liang, Jiangning Cao, Zhengwen Wang. 2022. Cómo el envejecimiento de la población afecta la mejora de la
estructura industrial: evidencia de China. Revista internacional de investigación ambiental y salud pública 19:23, 16093. [Crossref]

64. Panda Su, Yu Wang. 2022. ¿Ayuda a la reducción de carbono en China? Un artículo de investigación sobre el papel mediador de
la automatización de la producción basado en la curva de Carbon Kuznets. Sostenibilidad 14:23, 16000. [Crossref]

65. Jack Stilgoe, Miloš Mladenović. 2022. La política de los vehículos autónomos. Humanidades y Sociales
Ciencias Comunicaciones 9:1. . [Referencia cruzada]

66. Jian canción, Yijing Wang, Jing Wang. 2022. El impacto del esquema de comercio de emisiones de SO2 en el desempeño ambiental
de la empresa: un canal de la aplicación Robot. Revista internacional de investigación ambiental y salud pública 19:24, 16471.
[Crossref]

67. Siqi Li, Xintao Li, Qingqing Zhao, Jun Zhang, Haoyu Xue. 2022. Un análisis de las construcciones dimensionales de la innovación
ecológica en las empresas manufactureras: desarrollo a escala y pruebas empíricas. Sostenibilidad 14:24, 16919. [Crossref]

68. G. Dosi, MC Pereira, A. Roventini, ME Virgillito. 2022. Paradigmas tecnológicos, creación y destrucción de trabajo en un modelo
multisectorial basado en agentes. Política de investigación 51:10, 104565. [Referencia cruzada]

69. Minji Rhyu, Sungwon Lee. 2022. Efectos distributivos de la tecnología de la Cuarta Revolución Industrial en la productividad:
evidencia de datos a nivel de empresa coreana. Revista Internacional de Economía Empírica 01:04. . [Referencia cruzada]

70. Mari Sako, Matthias Qian, Jacopo Attolini. 2022. Futuro del trabajo profesional: evidencia de trabajos legales en Gran Bretaña y los
Estados Unidos. Revista de Profesiones y Organización 9:2, 143­169. [Referencia cruzada]

71. Toon Van Overbeke. 2022. ¿Conflicto o cooperación? Explorando la relación entre las cooperativas
instituciones y robotización. Diario Británico de Relaciones Industriales 33. . [Referencia cruzada]

72.David Barrientos, Bruno JT Fernandes, Cleyton Mario O. Rodrigues, Leandro Honorato De S.

Silva, Allana Rocha, Paulo Christiano Sobral, Bruno Souza, Dionizio Feitosa, Juliana Barreto, Mabel Guimaraes. Un Sistema de
Información Jurídica para la Minería Inteligente de Sentencias Aplicado al Derecho Civil 1­6.
[Referencia cruzada]

73. Javier Silvestre, John E. Murray. 2022. Determinantes en la adopción de una tecnología sin sustitución de mano de obra: ventilación
mecánica en las minas de carbón de Virginia Occidental, 1898–1907. Cliométrica 33. .
[Referencia cruzada]

74. Marius R. Busemeyer, Tobías Tober. 2022. Lidiando con el Cambio Tecnológico: Preferencias de Política Social y Contexto
Institucional. Estudios Políticos Comparados 94, 001041402211393. [Crossref]

75. Ni Chen, Zhi Li, Bo Tang. 2022. ¿Puede la habilidad digital proteger contra el riesgo de desplazamiento laboral causado por la
inteligencia artificial? Evidencia empírica de 701 ocupaciones detalladas. PLOS UNO 17:11, e0277280.
[Referencia cruzada]
Machine Translated by Google

76. Sebastiaan Van Doorn, Dimitrios Georgakakis, Jana Oehmichen, Marko Reimer. 2022. ¿Oportunidad o Amenaza? Explorando los
roles de los mandos intermedios frente a la transformación digital. Revista de Estudios de Gestión 9. . [Referencia cruzada]

77. Xiangmei Zhu, Bin Zhang, Hui Yuan. 2022. Economía digital, mejora de la estructura industrial y productividad total de los factores
ecológicos: evidencia en la industria textil y de la confección de China. PLOS UNO 17:11, e0277259. [Referencia cruzada]

78. Sagarika Mishra, Michael T. Ewing, Holly B. Cooper. 2022. Foco en inteligencia artificial y desempeño firme. Revista de la Academia
de Ciencias del Marketing 50:6, 1176­1197. [Referencia cruzada]

79. Linhui Wang, Hui Wang, Zhanglu Cao, Yongda He, Zhiqing Dong, Shixiang Wang. 2022. ¿Puede la intelectualización industrial
reducir las emisiones de carbono? — Evidencia empírica desde la perspectiva de la productividad total del factor de carbono en
China. Pronóstico tecnológico y cambio social 184, 121969.
[Referencia cruzada]

80. Christos A. Makridis, Saurabh Mishra. 2022. Inteligencia artificial como servicio, crecimiento económico,
y Bienestar. Diario de Investigación de Servicio 25:4, 505­520. [Referencia cruzada]

81. Christian Brannström, Michael Ewers, Peter Schwarz. 2022. ¿Llegará el pico de talento antes que el pico del petróleo o el pico de
demanda?: Explorar si las elecciones de carrera de los trabajadores altamente calificados acelerarán la transición a la energía
renovable. Investigación energética y ciencias sociales 93, 102834. [Referencia cruzada]

82. Tobias Müller, Florian Schuberth, Micha Bergsiek, Jörg Henseler. 2022. ¿Cómo se puede gestionar la transición de la oficina al
teletrabajo? El impacto de las tareas y la idoneidad del lugar de trabajo en la colaboración y el rendimiento laboral. Fronteras en
Psicología 13. . [Referencia cruzada]

83. Qinyi Liu, Belton M. Fleisher. 2022. Tareas laborales y acumulación de habilidades cognitivas. Economía Aplicada 54:49, 5734­5753.
[Referencia cruzada]

84. Xiaozhen Qin, Weipan Xu, Haohui 'Caron' Chen, Jiawei Zhong, Yifei Sun, Xun Li. 2022. Automatización, empleo empresarial y
actualización de habilidades: evidencia a nivel empresarial de China. Industria e Innovación 29:9, 1075­1107. [Referencia cruzada]

85. Ekkehard Ernst. 2022. El trilema de la IA: salvar el planeta sin arruinar nuestros trabajos. Fronteras en
Inteligencia Artificial 5. . [Referencia cruzada]

86. Felix Creutzig, Daron Acemoglu, Xuemei Bai, Paul N. Edwards, Marie Josefine Hintz, Lynn H. Kaack, Siir Kilkis, Stefanie Kunkel,
Amy Luers, Nikola Milojevic­Dupont, Dave Rejeski, Jürgen Renn, David Rolnick, Christoph Rosol , Daniela Russ, Thomas Turnbull,
Elena Verdolini, Felix Wagner, Charlie Wilson, Aicha Zekar, Marius Zumwald. 2022. Digitalización y Antropoceno. Revisión Anual
de Medio Ambiente y Recursos 47:1, 479­509. [Referencia cruzada]

87.David Andersson, Mounir Karadja, Erik Prawitz. 2022. Migración Masiva y Cambio Tecnológico.
Revista de la Asociación Económica Europea 20:5, 1859­1896. [Referencia cruzada]

88. Manuel A. Hidalgo­Pérez, Benedetto Molinari. 2022. El efecto de la automatización temprana en la distribución salarial con elecciones
ocupacionales endógenas. Economía Política 39:3, 1055­1082. [Referencia cruzada]

89. Carlos Usabiaga, Fernando Núñez, Lukasz Arendt, Ewa Gałecka­Burdziak, Robert Pater. 2022. Requisitos de habilidades y
polarización laboral: un análisis de asociación basado en ofertas de trabajo en línea polacas.
Modelado económico 115, 105963. [Referencia cruzada]

90. Jakub Growiec. 2022. AUTOMATIZACIÓN PARCIAL Y TOTAL. Dinámica Macroeconómica 26:7, 1731­1755. [Referencia cruzada]

91. Alberto Chong, Daniel Velásquez, Mónica Yáñez­Pagans. 2022. Computadoras y discreción: evidencia de dos experimentos
naturales aleatorios. Desarrollo Económico y Cambio Cultural 71:1, 63­109. [Referencia cruzada]

92. Wei Qian, Yongsheng Wang. 2022. ¿Cómo afectan los costos laborales crecientes a la productividad total de los factores ecológicos?
Basado en la Perspectiva de Inteligencia Industrial. Sostenibilidad 14:20, 13653. [Crossref]
Machine Translated by Google

93. Debraj Ray, Dilip Mookherjee. 2022. Crecimiento, automatización y participación laboral a largo plazo. Revisión de Dinámica Económica
46, 1­26. [Referencia cruzada]

94. Jeremy Schulz. 2022. Impactos futuros: la automatización se encuentra con la pandemia. Científico conductual estadounidense
23, 000276422211272. [Referencia cruzada]

95. David A. Spencer. 2022. Automatización y Bienestar: Cerrando la Brecha entre Economía y
Ética de negocios. Revista de Ética Empresarial 33. . [Referencia cruzada]

96. Irina S. Bagdasaryan, Andrey G. Golovko, Emil E. Barinov, Mikhail Y. Ponezhin. Discriminación tecnológica de los empleados en medio
de la pandemia de la Covid­19 y en la pospandemia: Conflictos laborales de la digitalización exprés y sus soluciones 67­80. [Referencia
cruzada]

97. Konstantin V. Vodenko, Irina S. Bagdasaryan, Daria O. Tyurina, Galina B. Vlasova. Modelización del conflicto en el mercado laboral en
condiciones de automatización basada en robots, Big Data e IA: las especificidades de la desigualdad tecnológica de los países y la
gestión de conflictos 121­131.
[Referencia cruzada]

98. Mariasole Bannò, Giorgia Maria D'Allura, Emilia Filippi, Sandro Trento. 2022. ¿Cómo afectan las metas y prioridades no económicas a
la propensión de las empresas familiares a innovar en automatización? El papel de la propiedad, la junta directiva, el joven sucesor y
la generación. Revista Europea de Gestión de la Innovación 25:6, 961­983. [Referencia cruzada]

99. Erika Majzlíková, Matej Vitáloš. 2022. Riesgo potencial de automatización para trabajos en Eslovaquia: un análisis a nivel de distrito e
industria. Economía de Europa del Este 60:5, 452­478. [Referencia cruzada]

100. Malo Mofakhami. 2022. ¿La innovación es buena para los trabajadores europeos? Más allá de los efectos de destrucción/creación de
empleo, la adopción de tecnología afecta las condiciones laborales de los trabajadores europeos. Diario de la Economía del
Conocimiento 13:3, 2386­2430. [Referencia cruzada]

101. Jazmín Mondolo. 2022. El vínculo compuesto entre el cambio tecnológico y el empleo: un estudio de la literatura. Revista de Estudios
Económicos 36:4, 1027­1068. [Referencia cruzada]

102. José­Ignacio Antón, David Klenert, Enrique Fernández­Macías, Maria Cesira Urzì Brancati, Georgios Alaveras. 2022. El impacto de la
robotización en el mercado laboral en Europa. Revista Europea de Relaciones Industriales 28:3, 317­339. [Referencia cruzada]

103. Braiden Coleman, Kenneth Merkley, Joseph Pacelli. 2022. Human Versus Machine: una comparación de las recomendaciones de
inversión de Robo­Analyst y Traditional Research Analyst. The Accounting Review 97:5, 221­244. [Referencia cruzada]

104. Luis Felipe Sáenz. 2022. Intensidades de capital que varían en el tiempo y la evolución en forma de joroba de la actividad económica en
la manufactura. Journal of Macroeconomics 73, 103429. [Referencia cruzada]

105. Rupika Khanna, Chandan Sharma. 2022. Impacto de la tecnología de la información en el desempeño de la empresa: nueva evidencia
de la fabricación india. Política y economía de la información 60, 100986. [Referencia cruzada]

106. Diti Goswami. 2022. Productividad y reasignación de puestos de trabajo: evidencia de la manufactura india.
Revista internacional de mano de obra 43: 6, 1425­1448. [Referencia cruzada]

107. Pablo D. Fajgelbaum, Amit K. Khandelwal. 2022. Los impactos económicos del comercio entre EE. UU. y China
Guerra. Revisión anual de economía 14: 1, 205­228. [Referencia cruzada]

108. Gene M. Grossman, Ezra Oberfield. 2022. La esquiva explicación de la disminución de la participación laboral.
Revisión Anual de Economía 14:1, 93­124. [Referencia cruzada]

109. Wen Chen. 2022. ¿Puede el desarrollo bajo en carbono obligar a las empresas a realizar una transformación digital?.
Estrategia Empresarial y Medio Ambiente 6. . [Referencia cruzada]

110. Tuuli Turja, Tuomo Särkikoski, Pertti Koistinen, Oxana Krutova, Harri Melin. 2022. ¡Trabajo bien robotizado! – Mantener la diversidad de
tareas y el bienestar en la gestión de los cambios tecnológicos. Revista Europea de Gestión 146. . [Referencia cruzada]
Machine Translated by Google

111. Adam Seth Litwin, Jessie HF Hammerling, Françoise Carré, Chris Tilly, Chris Benner, Sarah Mason, Steve Viscelli, Beth Gutelius, Nik
Theodore. 2022. Un Foro sobre Tecnologías Emergentes. ILR Review 75:4, 807­856. [Referencia cruzada]

112. Yituan Liu, Yabin Bian, Wenhao Zhang. 2022. ¿Cómo impacta la transformación digital de las empresas en la estructura educativa de los
empleados? Evidencia de China. Sostenibilidad 14:15, 9432. [Crossref]

113. Aleksandr Christenko. 2022. Automatización y movilidad ocupacional: Una tarea basada en el conocimiento
acercarse. Tecnología en la sociedad 70, 101976. [Crossref]

114. Lin William Cong, Wenshi Wei, Danxia Xie, Longtian Zhang. 2022. Crecimiento endógeno bajo múltiples usos de datos. Journal of
Economic Dynamics and Control 141, 104395. [Crossref]

115. Luca Eduardo Fierro, Alessandro Caiani, Alberto Russo. 2022. Automatización, polarización laboral y cambio estructural. Revista de
Comportamiento Económico y Organización 200, 499­535. [Referencia cruzada]

116. Jing Zou, Xiaojun Deng. 2022. Elección de la tenencia de la vivienda e integración socioeconómica de los migrantes en
ciudades emergentes de China. China Economic Review 74, 101830. [Referencia cruzada]

117. Michał Jerzmanowski, Robert Tamura. 2022. Elasticidad agregada de sustitución entre competencias: estimaciones desde un enfoque
macroeconómico. Dinámica Macroeconómica 12, 1­31. [Referencia cruzada]

118. Nicole Wu. 2022. “Restringir extranjeros, no robots”: respuestas partidistas a la amenaza de automatización. Economía y Política .
[Referencia cruzada]

119. Naoum Tsolakis, Dimitris Zissis, Spiros Papaefthimiou, Nikolaos Korfiatis. 2022. Hacia la sostenibilidad ambiental impulsada por la IA:
una aplicación de logística automatizada en terminales portuarias de contenedores.
Revista internacional de investigación de producción 60:14, 4508­4528. [Referencia cruzada]

120. Chen Zhang, Biao Ma, Yujie Gan, Hao Xu. 2022. La parte inferior del corazón del constructor inmobiliario: evidencia de mensajes en línea
de trabajadores migrantes rurales chinos. Revista de Ciencias Políticas de China 33. . [Referencia cruzada]

121. Chia­Hui Lu. 2022. INTELIGENCIA ARTIFICIAL Y TRABAJOS HUMANOS. Macroeconómico

Dinámica 26:5, 1162­1201. [Referencia cruzada]

122. Eden SH Yu, ChiChur Chao. 2022. Venta online, entrega a domicilio y economía de plataformas. Boletín de Investigación Económica
74:3, 722­736. [Referencia cruzada]

123. Chih­Hai Yang. 2022. Cómo la tecnología de inteligencia artificial afecta la productividad y el empleo: evidencia a nivel de empresa de
Taiwán. Política de investigación 51:6, 104536. [Referencia cruzada]

124. Guendalina Anzolín, Antonio Andreoni, Antonello Zanfei. 2022. ¿Qué está impulsando la robotización en la cadena de valor de la
automoción? Evidencia empírica sobre el papel de las IED y las capacidades nacionales en la adopción de tecnología. Technovation
115, 102476. [Referencia cruzada]

125. . Innovación de políticas en África 16­34. [Referencia cruzada]

126. Fabio D'Orlando. 2022. Interacción social, envidia y renta básica: ¿los remedios al desempleo tecnológico reducen el bienestar?. Estudios
de Renta Básica 17:1, 53­93. [Referencia cruzada]

127. Jean­Philippe Deranty, Thomas Corbin. 2022. Inteligencia artificial y trabajo: una revisión crítica de
investigaciones recientes de las ciencias sociales. IA Y SOCIEDAD 4. . [Referencia cruzada]

128. Frank M. Fossen, Daniel Samaan, Alina Sorgner. 2022. ¿Cómo se relacionan las tecnologías patentadas de IA, software y robots con los
cambios salariales en los Estados Unidos?. Fronteras en Inteligencia Artificial 5. .
[Referencia cruzada]

129. Laurent Giraud, Ali Zaher, Selena Hernández, Al Ariss Akram. 2022. Los impactos de la inteligencia artificial en las habilidades directivas.
Revista de Sistemas de Decisión 33, 1­34. [Referencia cruzada]

130. Alessio Rebechi, Nicolás Rohde. 2022. Inseguridad económica, ansiedad racial y populismo de derecha.
Revisión de Ingresos y Patrimonio 306. . [Referencia cruzada]
Machine Translated by Google

131. Jisun Lim, Keun Lee. 2022. ¿La innovación de las empresas sigue creando empleos incluso después del efecto de robo de
empresas a nivel sectorial?. Revista de Reforma de la Política Económica 13, 1­29. [Referencia cruzada]

132. Yuhong Du, Xiahai Wei. 2022. Cambio tecnológico y desempleo: evidencia de China.
Cartas de economía aplicada 29: 9, 851­854. [Referencia cruzada]

133. Provash Kumer Sarker. 2022. Efectos macroeconómicos de la inteligencia artificial en las economías emergentes: perspectivas de
Bangladesh. Gestión Económica y Sostenibilidad 7:1, 59­69. [Referencia cruzada]

134. Henri Haapanala, Ive Marx, Zachary Parolin. 2022. Robots y sindicatos: el efecto moderador del trabajo organizado en el desempleo
tecnológico. Democracia Económica e Industrial 0143831X2210940. [Referencia cruzada]

135. Hong Jiang, Xue Wang, Qian Xiao, Silin Li. 2022. Comportamiento de inversión relacionado con máquinas automatizadas y cambio
técnico sesgado: basado en evidencia de empresas manufactureras cotizadas en China. Fronteras en Psicología 13. . [Referencia
cruzada]

136. Silvio Traverso, Massimiliano Vatiero, Enrico Zaninotto. 2022. Robots y regulación laboral: un análisis entre países y entre
industrias. Economía de la Innovación y Nuevas Tecnologías 23, 1­23. [Referencia cruzada]

137. Antonio Paolillo, Fabrizio Colella, Nicola Nosengo, Fabrizio Schiano, William Stewart, Davide Zambrano, Isabelle Chappuis, Rafael
Lalive, Dario Floreano. 2022. Cómo competir con los robots evaluando los riesgos de automatización del trabajo y las alternativas
resilientes. Ciencia Robótica 7:65. . [Referencia cruzada]

138. Debra Howcroft, Phil Taylor. 2022. Automatización y el futuro del trabajo: una configuración social de
enfoque tecnológico. Nuevas Tecnologías, Trabajo y Empleo 27. . [Referencia cruzada]

139. Limeng Ying, Xiaojing Liu, Menghao Li, Lipeng Sun, Pishi Xiu, Jie Yang. 2022. ¿Cómo afecta la fabricación inteligente a la innovación
empresarial? El papel mediador del aprendizaje organizacional. Sistemas de información empresarial 16:4, 630­667. [Referencia
cruzada]

140. Marcello Nieddu, Filippo Bertani, Linda Ponta. 2022. La transición hacia la sostenibilidad y la transformación digital: dos desafíos
para los modelos macroeconómicos basados en agentes. Revisión de la Economía Política Evolutiva 3:1, 193­226. [Referencia
cruzada]

141. Cristian Alonso, Andrew Berg, Siddharth Kothari, Chris Papageorgiou, Sidra Rehman. 2022. ¿La revolución de la IA provocará una
gran divergencia?. Revista de Economía Monetaria 127, 18­37. [Referencia cruzada]

142. Luís Guimarães, Pedro Mazeda Gil. 2022. Explicando la Participación Laboral: Automatización Vs Mercado Laboral
Instituciones. Labor Economics 75, 102146. [Referencia cruzada]

143.Daron Acemoglu, David Autor, Jonathon Hazell, Pascual Restrepo. 2022. Inteligencia artificial y empleos: evidencia de vacantes en
línea. Revista de Economía Laboral 40:S1, S293­S340. [Referencia cruzada]

144. Sergio De Nardis, Francesca Parente. 2022. Cambios tecnológicos y de tareas en los principales países de la UE.
Política Económica Contemporánea 40:2, 391­413. [Referencia cruzada]

145. Filippo Belloc, Gabriel Burdin, Luca Cattani, William Ellis, Fabio Landini. 2022. Coevolución del riesgo de automatización del trabajo
y la gobernanza del lugar de trabajo. Política de investigación 51:3, 104441. [Referencia cruzada]

146. Nanxu Chen, Dongqing Sun, Jing Chen. 2022. Transformación digital, participación laboral y heterogeneidad industrial. Revista de
innovación y conocimiento 7: 2, 100173. [Referencia cruzada]

147. Parque Jiyong, Jongho Kim. 2022. Una exploración basada en datos de la carrera entre el trabajo humano y las máquinas en el
siglo XXI. Comunicaciones de la ACM 65:5, 79­87. [Referencia cruzada]

148. Galina N. Tuguskina, Liliya V. Rozhkova, Lyudmila I. Naydenova, Vadim N. Supikov, Shakhrutdin G. Seidov. 2022. La Educación
Continuada como Condición para Incrementar la Competitividad de los Especialistas en el Mercado Laboral. Integración de la
Educación 26:1, 111­129. [Referencia cruzada]

149. Rajeev K. Goel, Michael A. Nelson. 2022. Efectos en el empleo de la I+D y la innovación de procesos: evidencia de pequeñas y
medianas empresas en mercados emergentes. Eurasia Business Review 12:1, 97­123. [Referencia cruzada]
Machine Translated by Google

150. Stefania Innocenti, Marta Golin. 2022. Inversión en capital humano y riesgos de automatización percibidos: Evidencia de 16 países.
Revista de Comportamiento Económico y Organización 195, 27­41. [Referencia cruzada]

151. Fushu Luan, Xinhui Yang, Yang Chen, Paulo José Regis. 2022. Robots industriales y entorno aéreo: un modelo moderado de
mediación de la densidad de población y el consumo de energía. Producción y Consumo Sostenible 30, 870­888. [Referencia
cruzada]

152. Kate A. Hamblin. 2022. Tecnología en los sistemas de cuidado: Desplazar, remodelar, reinstalar o degradar
papeles?. Nueva Tecnología, Trabajo y Empleo 37:1, 41­58. [Referencia cruzada]

153. Deborah Giustini. 2022. Intérpretes de conferencias de Haken en Japón: Explorando el estatus a través de la sociología del trabajo y
de las profesiones. Interpretación y Sociedad 2:1, 3­31. [Referencia cruzada]

154. Sophia JW Hamm, Boochun Jung, Woo­Jong Lee, Daniel G. Yang. 2022. Trabajo Organizado y
Almacenamiento de inventario. The Accounting Review 97:2, 241­266. [Referencia cruzada]

155. Xin Du, Hengming Zhang, Yawen Han. 2022. ¿Cómo afecta la inversión en nueva infraestructura a la calidad del crecimiento
económico? Evidencia empírica de China. Sostenibilidad 14:6, 3511. [Crossref]

156. Alireza Amini, Behnam Nikbin. 2022. Estimación y análisis de funciones de demanda laboral específicas de género en Irán. Diario de
Planificación y Presupuesto 26:4, 35­64. [Referencia cruzada]

157. Pablo Egaña­delSol, Gabriel Cruz, Alejandro Micco. 2022. COVID­19 y automatización en una economía en desarrollo: evidencia de
Chile. Pronóstico tecnológico y cambio social 176, 121373. [Crossref]

158. María García­Vega. 2022. Reestructuración de I+D durante la Gran Recesión y empresas jóvenes.
Revista Internacional de Organización Industrial 81, 102819. [Crossref]

159. Juthathip Jongwanich, Archanun Kohpaiboon, Ayako Obashi. 2022. Avance tecnológico, penetración de importaciones y mercados
laborales: evidencia de Tailandia. Desarrollo Mundial 151, 105746.
[Referencia cruzada]

160. Michael Cauvel, Aaron Pacitti. 2022. Poder de negociación, cambio estructural y caída de la participación laboral en EE. UU. Cambio
estructural y dinámica económica 60, 512­530. [Referencia cruzada]

161. Herman L. Boschken. 2022. Desigualdad económica en las ciudades globales de EE. UU. Diario de Asuntos Urbanos 25,
1­19. [Referencia cruzada]

162. Vivek Srikrishnan, Yawen Guan, Richard SJ Tol, Klaus Keller. 2022. Proyecciones probabilísticas de las emisiones de CO2 de
referencia del siglo XXI utilizando un modelo de evaluación integrado calibrado simple.
Cambio Climático 170:3­4. . [Referencia cruzada]

163. Pablo Egaña­delSol, Monserrat Bustelo, Laura Ripani, Nicolás Soler, Mariana Viollaz. 2022.
Automatización en América Latina: ¿Las mujeres corren mayor riesgo de perder sus empleos?. Pronóstico tecnológico y cambio
social 175, 121333. [Crossref]

164. Alexandra Ioannidou, Andrea Parma. 2022. Riesgo de automatización del trabajo y participación en la educación y formación de
adultos: ¿Importan los regímenes de bienestar?. Educación de adultos trimestral 72:1, 84­109.
[Referencia cruzada]

165. Frank M. Fossen, Alina Sorgner. 2022. Nuevas tecnologías digitales y dinámica heterogénea de salarios y empleo en los Estados
Unidos: Evidencia a partir de datos a nivel individual. Pronóstico tecnológico y cambio social 175, 121381. [Crossref]

166.Deniz Güvercin. 2022. Digitalización y populismo: evidencia entre países. Tecnología en la Sociedad 68,
101802. [Referencia cruzada]

167. Chi­Wei Su, Xi Yuan, Muhammad Umar, Oana­Ramona Lobonţ. 2022. ¿La innovación tecnológica trae destrucción o creación al
mercado laboral?. Tecnología en la sociedad 68, 101905.
[Referencia cruzada]

168. Longzheng Du, Weifen Lin. 2022. ¿La aplicación de robots industriales supera la paradoja de Solow? Evidencia de China. Tecnología
en la sociedad 68, 101932. [Crossref]
Machine Translated by Google

169. Meng Niu, Zhenguo Wang, Yabin Zhang. 2022. Cómo la tecnología de la información y la comunicación impulsa los trabajos (rutinarios y no
rutinarios): trayectoria estructural y análisis de descomposición para China.
Política de telecomunicaciones 46:1, 102242. [Referencia cruzada]

170. Joao Guerreiro, Sergio Rebelo, Pedro Teles. 2022. ¿Se deben gravar los robots?. La revisión de la economía
Estudios 89:1, 279­311. [Referencia cruzada]

171. Jean­Marie Peretti. Avant­propos. La révolution numérique améliore­t­elle l'impact social des entreprises ? 54­70. [Referencia cruzada]

172. Stanislav Rogachev, Bakytbek Akaev. Algoritmos para la previsión de la participación del trabajo en la renta: detección de la no linealidad
intersectorial 161­180. [Referencia cruzada]

173. Michael Oyelere, Adejoke Ige­Olaobaju, Rashmi Maini. Revitalización sindical: el impacto de
Inteligencia Artificial y Gig Economy 399­424. [Referencia cruzada]

174. Rita de la Feria, María Amparo Grau Ruiz. Impuestos a los robots 93­99. [Referencia cruzada]

175. Krige Siebrits. ¿Esta vez será diferente? Efectos del cambio tecnológico a gran escala en las democracias avanzadas 37­62. [Referencia cruzada]

176. Agata Frankowska, Bartosz Pawlik. Una década de investigación en inteligencia artificial en la Unión Europea: un análisis bibliométrico 52­62.
[Referencia cruzada]

177. Swati Bhatt. Dinamismo empresarial entre 1994 y 2020 31­49. [Referencia cruzada]

178. Swati Bhatt. Las empresas emergentes maduras 87­119. [Referencia cruzada]

179. Mauro Caselli, Andrea Fracasso. COVID­19 y Tecnología 1­34. [Referencia cruzada]

180. CAK Lovell. Medición de la productividad: pasado, presente y futuro 3­103. [Referencia cruzada]

181. Ying Qiu. La reconfiguración de las cadenas globales de valor en la economía digital: tendencias recientes y la nueva agenda de China 267­294.
[Referencia cruzada]

182. Iván Savin, Ingrid Ott, Chris Konop. 2022. Seguimiento de la evolución de la robótica de servicios: conocimientos desde un enfoque de modelado
de temas. Pronóstico tecnológico y cambio social 174, 121280. [Crossref]

183. Aina Gallego, Thomas Kurer, Nikolas Schöll. 2022. Ni Left Behind ni Superstar: ganadores ordinarios de la digitalización en las urnas. La Revista
de Política 84:1, 418­436. [Referencia cruzada]

184.Dušan Vujović. 2022. Innovaciones, productividad y crecimiento: reforma y desafíos políticos para Serbia.
Ekonomika preduzeca 70:3­4, 161­178. [Referencia cruzada]

185. Benjamín Moll, Lukasz Rachel, Pascual Restrepo. 2022. Crecimiento desigual: el impacto de la automatización en la desigualdad de ingresos y
riqueza. Econométrica 90:6, 2645­2683. [Referencia cruzada]

186. Fabio Montobbio, Jacopo Staccioli, Maria Enrica Virgillito, Marco Vivarelli. 2022. Los robots y el origen de su impacto ahorrador de mano de obra.
Pronóstico tecnológico y cambio social 174, 121122.
[Referencia cruzada]

187. Deborah Giustini. COVID­19 y la configuración de la materialidad en la interpretación a distancia: ¿la tecnología está contraatacando? 197­213.
[Referencia cruzada]

188. Pavle Jakšić. 2022. Crisis pandémica: efectos macroeconómicos y reacción de las autoridades económicas.

Ekonomski pogledi 24:2, 69­96. [Referencia cruzada]

189. Aleksandra Parteka, Joanna Wolszczak­Derlacz, Dagmara Nikulin. 2022. Cómo la tecnología digital afecta las condiciones de trabajo en cadenas
de producción globalmente fragmentadas: evidencia de Europa.
Revista Electrónica SSRN 4. . [Referencia cruzada]

190. Filippo Belloc, Gabriel Burdin, Fabio Landini. 2022. Robots, Digitalización y Voz del Trabajador. SSRN
Diario electrónico 12. . [Referencia cruzada]

191. Yinghua Li, Nuo Shi, Stephen Teng Sun. 2022. Penetración de robots y comportamiento de costos asimétricos.
Revista Electrónica SSRN 128. . [Referencia cruzada]
Machine Translated by Google

192.Dirk Czarnitzki, Gastón P. Fernández, Christian Rammer. 2022. Inteligencia artificial y nivel de empresa
Productividad. Revista Electrónica SSRN 33. . [Referencia cruzada]

193. Parque Jiwon. 2022. Transformación digital y mercado laboral: ¿cuánto sabemos?. SSRN
Revista Electrónica 33. . [Referencia cruzada]

194. Hideki Nakamura. 2022. ¿Pueden los trabajadores desplazados tener un nuevo comienzo?. Revista Electrónica SSRN 118. .
[Referencia cruzada]

195. Paul D. McNelis, Guay C. Lim. 2022. Políticas fiscales, crecimiento de la producción y participación laboral del
Ingreso. Revista Electrónica SSRN 108. . [Referencia cruzada]

196. Linhui Wang, Hui Wang, Yongda He, Zhiqing Dong, Shixiang Wang, Zhanglu Cao. 2022. ¿Puede la intelectualización industrial reducir las
emisiones de carbono? Evidencia empírica desde la perspectiva de la productividad total del factor de carbono en China. Revista Electrónica
SSRN 102. . [Referencia cruzada]

197. Adrian Poignant, Raoul van Maarseveen, Niklas Bengtsson. 2022. El costo social de la industrialización: evidencia de la industria siderúrgica
sueca del siglo XIX. Revista Electrónica SSRN 102. . [Referencia cruzada]

198. Astrid Krenz, Holger Strulik. 2022. Automatización y caída y ascenso de la economía de servicio. SSRN
Revista Electrónica 4. . [Referencia cruzada]

199. Kaizhao Guo. 2022. Automatización, Habilidad y Creación de Empleo. Revista Electrónica SSRN 4. . [Referencia cruzada]

200. Hubert Escaith. 2022. Industria Creativa 4.0: Hacia una Nueva Economía Creativa Globalizada (una
Descripción general). Revista Electrónica SSRN 33. . [Referencia cruzada]

201. María López­Martínez, Olga García­Luque, Myriam Rodríguez­Pasquín. 2021. Brecha digital de género y convergencia en los países de la
Unión Europea. Economía 15:1, 115­128. [Referencia cruzada]

202. Urmat Dzhunkeev. 2021. Modelización del impacto de las tecnologías digitales en la tasa de desempleo en
Rusia. Boletín de Economía de la Universidad de Moscú : 6, 186­201. [Referencia cruzada]

203. Mehmet KAYA. 2021. SANAYİ 4.0, İŞGÜCÜ PİYASASI VE BİLGİ İŞÇİLİĞİ. Revista de Ciencias Sociales y Educativas Internacionales
Lingüísticas . [Referencia cruzada]

204. Adam Seth Litwin. Cambio tecnológico y trabajo de atención de primera línea: hacia el cuádruple
Objetivo 99­142. [Referencia cruzada]

205. Lei Wang, Provash Sarker, Kausar Alam, Shahneoaj Sumon. 2021. Inteligencia artificial y crecimiento económico: un marco teórico. Scientific
Annals of Economics and Business 68:4, 421­443. [Referencia cruzada]

206. Christos A. Makridis, Joo Hun Han. 2021. Futuro del trabajo y empoderamiento y satisfacción de los empleados: Evidencia de una década de
cambio tecnológico. Pronóstico tecnológico y cambio social 173, 121162. [Crossref]

207. Xuan Wang, Yaojie Li, Tom Stafford, Daqi Xin. 2021. El mercado laboral de TI en medio de la pandemia: el caso de los Estados Unidos.
Revisión de gestión de ingeniería IEEE 49: 4, 41­53. [Referencia cruzada]

208. László Czaller, Rikard H. Eriksson, Balázs Lengyel. 2021. Reducción del riesgo de automatización a través de la movilidad profesional:
¿dónde y para quién?. Papeles en Ciencia Regional 100: 6, 1545­1569. [Referencia cruzada]

209. Mauro Caselli, Andrea Fracasso, Silvio Traverso. 2021. Robots y riesgo de contagio de COVID­19 en el lugar de trabajo: Evidencia de Italia.
Pronóstico tecnológico y cambio social 173, 121097. [Crossref]

210. Khuong Vu, Nobuya Haraguchi, Juergen Amann. 2021. Desindustrialización en los países desarrollados en medio de una globalización
acelerada: patrones, influenciadores y percepciones políticas. Cambio estructural y dinámica económica 59, 454­469. [Referencia cruzada]

211. Rianka Roy. 2021. Privilegio precario: globalismo, biopolítica digital y trabajadores tecnológicos
Movimientos en la India. El legado europeo 26:7­8, 675­691. [Referencia cruzada]

212. Belton M. Fleisher, William H. McGuire, Xiaojun Wang, Min Qiang Zhao. 2021. Innovación inducida: evidencia de la industria secundaria de
China. Economía Aplicada 53:52, 6075­6093. [Referencia cruzada]
Machine Translated by Google

213. Paz Arancibia, Raymond Torres. El futuro del empleo y las relaciones laborales 143­161.
[Referencia cruzada]

214. Pierre­Alexandre Balland, Ron Boschma. 2021. Mapeo de los potenciales de las regiones en Europa para contribuir a la
producción de nuevos conocimientos en tecnologías de Industria 4.0. Estudios Regionales 55:10­11, 1652­1666.
[Referencia cruzada]

215. Nikolaos Terzidis, Raquel OrtegaArgilés. 2021. Polarización del empleo en los mercados laborales regionales: evidencia
de los Países Bajos. Revista de Ciencias Regionales 61:5, 971­1001. [Referencia cruzada]

216. Wei Liu, Yingbo Xu, Di Fan, Yi Li, Xue­Feng Shao, Jingjing Zheng. 2021. Aliviar las amenazas de contaminación ambiental
corporativa hacia la salud y la seguridad públicas: el papel de la ciudad inteligente y la inteligencia artificial. Ciencias de la
seguridad 143, 105433. [Referencia cruzada]

217. Victor Galaz, Miguel A. Centeno, Peter W. Callahan, Amar Causevic, Thayer Patterson, Irina Brass, Seth Baum, Darryl
Farber, Joern Fischer, David Garcia, Timon McPhearson, Daniel Jimenez, Brian King, Paul Larcey, Karen Levy . 2021.
Inteligencia artificial, riesgos sistémicos y sostenibilidad.
Tecnología en la sociedad 67, 101741. [Crossref]

218. Sierdjan Koster, Claudia Brunori. 2021. ¿Qué hacer cuando vengan los robots? Educación no formal en trabajos afectados
por la automatización. Revista internacional de mano de obra 42: 8, 1397­1419. [Referencia cruzada]

219. Enrique Fernández­Macías, David Klenert, José­Ignacio Antón. 2021. ¿Todavía no tan disruptivo?
Características, distribución y determinantes de los robots en Europa. Cambio estructural y dinámica económica 58, 76­89.
[Referencia cruzada]

220. Astrid Krenz, Holger Strulik. 2021. Cuantificación de la relocalización a nivel macro—Medición y
aplicaciones Crecimiento y Cambio 52:3, 1200­1229. [Referencia cruzada]

221. Yingying Lu, Yixiao Zhou. 2021. Una revisión sobre la economía de la inteligencia artificial. Revista de Estudios Económicos
35:4, 1045­1072. [Referencia cruzada]

222. Désiré Avom, Aimé Kocou Dadegnon, Charlemagne Babatoundé Igue. 2021. ¿La digitalización promueve la creación neta
de empleo? Evidencia empírica de los países de la UEMAO. Política de telecomunicaciones 45:8, 102215. [Referencia
cruzada]

223. Hemant Jain, Balaji Padmanabhan, Paul A. Pavlou, TS Raghu. 2021. Editorial para la Sección Especial sobre Humanos,
Algoritmos e Inteligencia Aumentada: El Futuro del Trabajo, las Organizaciones y la Sociedad. Investigación de sistemas
de información 32:3, 675­687. [Referencia cruzada]

224.David Hémous, Morten Olsen. 2021. Cambio Técnico Dirigido en Economía Laboral y Ambiental. Revisión anual de
economía 13: 1, 571­597. [Referencia cruzada]

225. Arif Jetha, Ali Shamaee, Silvia Bonaccio, Monique AM Gignac, Lori B. Tucker, Emile Tompa, Ute Bültmann, Cameron D.
Norman, Cristina G. Banks, Peter M. Smith. 2021. Fragmentación en el futuro del trabajo: una exploración del horizonte
que examina el impacto de la naturaleza cambiante del trabajo en los trabajadores que experimentan vulnerabilidad. Diario
americano de medicina industrial 64:8, 649­666. [Referencia cruzada]
226. ARTURO H. ORFEBRERO. 2021. LA RECESIÓN DEL CORONAVIRUS EN ESTADOS UNIDOS: ¿HAY UNA HUELLA A

LARGO PLAZO?. Diario de Negocios y Análisis Económico 04:01, 23­41.

[Referencia cruzada]

227. MARIUS R. BUSEMEYER, ALEXANDER HJ SAHM. 2021. ¿Inversión social, redistribución o renta básica? Explorando la
Asociación entre el Riesgo de Automatización y las Actitudes del Estado de Bienestar en Europa. Revista de Política
Social 94, 1­20. [Referencia cruzada]

228. Jean­Paul Carvalho. 2021. Mercados y comunidades: el costo social de la meritocracia. Revista de Economía Institucional
29, 1­19. [Referencia cruzada]

229. Klaas de Vries, Abdul Erumban, Bart van Ark. 2021. Productividad y pandemia: interrupciones a corto plazo e implicaciones
a largo plazo. Economía internacional y política económica 18:3, 541­570.
[Referencia cruzada]
Machine Translated by Google

230. Davide Dottori. 2021. Robots y empleo: evidencia de Italia. Economía Política 38:2, 739­795.
[Referencia cruzada]

231. Astrid Krenz, Klaus Prettner, Holger Strulik. 2021. Robots, reshoring y mucha mano de obra poco cualificada
trabajadores European Economic Review 136, 103744. [Referencia cruzada]

232. Georges V. Houngbonon, Julienne Liang. 2021. Internet de banda ancha y desigualdad de ingresos. Revisión de Economía de
Redes 20:2, 55­99. [Referencia cruzada]

233. Warn N. Lekfuangfu, Voraprapa Nakavachara. 2021. Reformando el mercado laboral de Tailandia: las fuerzas entrelazadas de
los avances tecnológicos y las cadenas de suministro cambiantes. Modelado económico 33, 105561. [Referencia cruzada]

234. Burcu Ozgun, Tom Broekel. 2021. La geografía de las noticias sobre innovación y tecnología: un estudio empírico de los medios
de comunicación alemanes. Pronóstico tecnológico y cambio social 167, 120692. [Crossref]

235. Ayako Obashi, Fukunari Kimura. 2021. Nuevos Desarrollos en Redes Internacionales de Producción: Impacto de las Tecnologías
Digitales*. Revista Económica Asiática 35:2, 115­141. [Referencia cruzada]

236. IPL Png, Charmaine HY Bronceado. 2021. Costo del efectivo: evidencia de los cajeros. Servicio Ciencia 13:2,
88­108. [Referencia cruzada]

237. Massimiliano Cali, Giorgio Presidente. Automatización y Desempeño de Manufactura en un País en Desarrollo. [Referencia
cruzada]

238. Seamus McGuinness, Konstantinos Pouliakas, Paul Redmond. 2021. El cambio tecnológico que desplaza habilidades y su
impacto en los empleos: ¿desafiando el alarmismo tecnológico?. Economía de la Innovación y Nuevas Tecnologías 15, 1­23.
[Referencia cruzada]

239. Susanne Leitner­Hanetseder, Othmar M. Lehner, Christoph Eisl, Carina Forstenlechner. 2021. Una profesión en transición:
actores, tareas y roles en la contabilidad basada en IA. Revista de Investigación Contable Aplicada 22:3, 539­556. [Referencia
cruzada]

240. Filippo Bertani, Linda Ponta, Marco Raberto, Andrea Teglio, Silvano Cincotti. 2021. La complejidad de la economía digital
intangible: un modelo basado en agentes. Revista de Investigación Empresarial 129, 527­540.
[Referencia cruzada]

241. Margarita Billon, Jorge Crespo, Fernando Lera­López. 2021. ¿Afectan las desigualdades educativas al uso de Internet? Un
análisis para países desarrollados y en desarrollo. Telemática e Informática 58, 101521. [Crossref]

242. G. Dosi, M. Piva, ME Virgillito, M. Vivarelli. 2021. Cambio tecnológico incorporado y no incorporado: los patrones sectoriales de
creación y destrucción de empleo. Política de investigación 50:4, 104199.
[Referencia cruzada]

243. 2021. Las razones que afectan la implementación de HR Analytics entre los profesionales de recursos humanos.
Canadian Journal of Business and Information Studies 29­37. [Referencia cruzada]

244. Ricardo Abramovay. 2021. O fim do trabalho. Entre a distopia ea emancipação. Estudios Avanzados 35:101, 139­150. [Referencia
cruzada]

245. Anton Korinek, Joseph E. Stiglitz. 2021. Los avances impulsados por Covid­19 en automatización e inteligencia artificial corren el
riesgo de exacerbar la desigualdad económica. BMJ n367. [Referencia cruzada]

246. Giacomo Damioli, Vincent Van Roy, Daniel Vertesy. 2021. El impacto de la inteligencia artificial en la productividad laboral. Eurasia
Business Review 11:1, 1­25. [Referencia cruzada]

247. Jacopo Staccioli, María Enrica Virgillito. 2021. Vuelta al pasado: las raíces históricas del ahorro de mano de obra
automatización. Eurasia Business Review 11:1, 27­57. [Referencia cruzada]

248.Dusan Paredes, David Fleming­Muñoz. 2021. Automatización y robótica en la minería: implicaciones en el empleo, los ingresos y
la desigualdad. Las industrias extractivas y la sociedad 8:1, 189­193. [Referencia cruzada]
Machine Translated by Google

249. Nikolái Stähler. 2021. El impacto del envejecimiento y la automatización en la macroeconomía y la desigualdad.
Journal of Macroeconomics 67, 103278. [Referencia cruzada]

250.David Jaume. 2021. Los efectos en el mercado laboral de una expansión educativa. Revista de desarrollo
Economía 149, 102619. [Referencia cruzada]

251. Thomas Wendt. 2021. Futuros Organizados. Sobre la ambigüedad de la absorción digital de la incertidumbre. Fronteras en la Educación 6. .
[Referencia cruzada]

252. Erhan IŞCAN. 2021. Yeni Çağda Eski Bir Sorun: Endüstri 5.0 Yolunda Yapay Zekanın İşsizliğe
Etkileri. Revista de la Universidad de Yaşar 16:61, 77­94. [Referencia cruzada]

253. . Bibliografía 113­124. [Referencia cruzada]

254. Cameron Piercy, Angela Gist­Mackey. 2021. Ansiedades de automatización: percepciones sobre la automatización tecnológica y el futuro del
trabajo farmacéutico. Comunicación Hombre­Máquina 2, 191­208.
[Referencia cruzada]

255. Pablo Moya­Martínez, Fernando Bermejo, Raúl del Pozo­Rubio. 2021. ¿Tiempos difíciles para los sistemas de cuidados a largo plazo? Efectos
indirectos sobre la economía española. Investigación de Sistemas Económicos 33:1, 1­19. [Referencia cruzada]

256. John Armour, Richard Parnham, Mari Sako. 2021. Desbloqueo del potencial de la IA para el derecho inglés.
Revista Internacional de la Profesión Jurídica 28:1, 65­83. [Referencia cruzada]

257. Emma C. Gardner, John R. Bryson. 2021. El lado oscuro de la industrialización de la contabilidad: innovación, mercantilización, colonización y
competitividad. Industria e Innovación 28:1, 42­57.
[Referencia cruzada]

258. Manos Matsaganis. Áreas marginadas como preocupación de política pública 39­48. [Referencia cruzada]

259. Michael Thom. Gravar los pecados del siglo XXI 153­176. [Referencia cruzada]

260. Robin S. Grenier, Marie­Line Germain. Una introducción a la experiencia en el trabajo: actual y emergente
Tendencias 1­13. [Referencia cruzada]

261. Chu­Chen Rosa Yeh, Wei­Wen Chang, Cze Chiun Wong. El impacto de la inteligencia artificial en
Trabajo y valor humano: puntos de vista de investigadores sociales 419­428. [Referencia cruzada]

262. Jacopo Staccioli, María Enrica Virgillito. El presente, pasado y futuro de las tecnologías de ahorro de mano de obra
1­16. [Referencia cruzada]

263. Thomas Wendt. Die Kultivierung des Zufalls. Zum Verhältnis von organizationaler Strukturautomation und Unberechenbarkeit in der digitalen
Moderne 295­308. [Referencia cruzada]

264. Robert C. Allen. La interacción entre salarios, tecnología y globalización: el mercado laboral y la desigualdad, 1620­2020 795­824. [Referencia
cruzada]

265. Thomas M. Flaherty, Ronald Rogowski. 2021. El aumento de la desigualdad como amenaza para el orden internacional liberal. Organización
Internacional 75:2, 495­523. [Referencia cruzada]

266. Merter Mert. 2021. Crecimiento económico bajo la neutralidad de Solow. Investigación Económica­Ekonomska Istraživanja 34:1, 3440­3467.
[Referencia cruzada]

267. Carlos RodríguezLluesma, Pablo GarcíaRuiz, Javier PintoGaray. 2021. La transformación digital del trabajo: Una mirada relacional. Ética
Empresarial, Medio Ambiente y Responsabilidad 30:1, 157­167. [Referencia cruzada]

268. Nargess Golshan, Inder Khurana, Felipe Bastos G. Silva. 2021. Transparencia Informativa y Laboral
Resultados del mercado. Revista Electrónica SSRN 110. . [Referencia cruzada]

269. Francesco Seghezzi. 2021. Il Patto per il lavoro della regione Emilia­Romagna: una lettura di relazioni
industriales SOCIOLOGIA DEL LAVORO :161, 218­235. [Referencia cruzada]

270. José Azar, Xavier Vives. 2021. Oligopolio de equilibrio general y estructura de propiedad. Econométrica
89:3, 999­1048. [Referencia cruzada]

271.Dušan Vujović. 2021. Respuesta política a la pandemia de COVID­19 y desafíos futuros relacionados.
Ekonomika preduzeca 69:3­4, 217­229. [Referencia cruzada]
Machine Translated by Google

272. Karen Jeffrey, Konstantinos Matakos. 2021. Vulnerabilidad económica y creencia en el sueño americano: ¿cómo evolucionarán las
preferencias redistributivas a medida que la automatización desplace la mano de obra?. Revista Electrónica SSRN 33. . [Referencia
cruzada]

273. Berkay Akyapi. 2021. ¿Cómo afecta la automatización la participación laboral agregada y el nivel económico de las empresas?
¿Resultados?. Revista Electrónica SSRN 110. . [Referencia cruzada]

274. Sean S. Cao, Wei Jiang, Junbo L. Wang, Baozhong Yang. 2021. De hombre contra máquina a hombre + máquina: el arte y la inteligencia
artificial de los análisis de acciones. Revista Electrónica SSRN 14. . [Referencia cruzada]

275. Fredrik Andersson, Henrik Jordahl, Anders Kärnä. 2021. Burocracia creciente: seguimiento del crecimiento de la administración altamente
calificada dentro de la educación superior sueca. Revista Electrónica SSRN 4. .
[Referencia cruzada]

276. Oghenovo A. Obrimah. 2021. Contextualizando la Importancia del Gobierno para la Progresividad de las Mejoras en el Bienestar de los
Agentes Económicos. Revista Electrónica SSRN 33. . [Referencia cruzada]

277. James Feigenbaum, Daniel P. Gross. 2021. Fricciones organizacionales y rendimientos crecientes de la automatización: lecciones de AT&T
en el siglo XX. Revista Electrónica SSRN 33. .
[Referencia cruzada]

278. Silvio Traverso, Massimiliano Vatiero, Enrico Zaninotto. 2021. Robots y regulación laboral: un análisis entre países y entre industrias. Revista
Electrónica SSRN 33. . [Referencia cruzada]

279. Sabrina Genz, Terry Gregory, Markus Janser, Florian Lehmer, Britta Matthes. 2021. ¿Cómo se adaptan los trabajadores cuando las
empresas adoptan nuevas tecnologías?. Revista Electrónica SSRN 110. . [Referencia cruzada]

280. Martin Kenney, M. Anne Visser, John Zysman. 2021. Impacto del COVID­19 en el Trabajo y las Cadenas de Valor del Sistema
Agroalimentario. Revista Electrónica SSRN 33. . [Referencia cruzada]

281. Sunghoon Chung, Sangmin Aum. 2021. Organización para la Digitalización a Nivel de Empresa. SSRN
Revista Electrónica 33. . [Referencia cruzada]

282. Do Won Kwak, Dong­Eun Rhee, Ju Hyun Pyun. 2021. (Transformación digital y su impacto en los resultados del
mercado laboral: análisis basados en datos a nivel de país, trabajadores coreanos y empresas coreanas). Revista Electrónica SSRN 8. .
[Referencia cruzada]

283. Robert Dixon, GC Lim. 2020. ¿La disminución de la participación laboral en los EE. UU. está impulsada por cambios en la tecnología y/o el
poder de mercado? Un análisis empírico. Economía Aplicada 52:59, 6400­6415.
[Referencia cruzada]

284. Alejandro Pérez­Laborda, Fidel Pérez­Sebastián. 2020. Complementariedad de habilidades de capital y cambio técnico sesgado en todos
los sectores de EE. UU. Journal of Macroeconomics 66, 103255. [Referencia cruzada]

285. Zsófia L. Bárány, Christian Siegel. 2020. Cambio tecnológico sesgado y reasignación de empleo.
Labor Economics 67, 101930. [Referencia cruzada]

286. Milojko Arsić. 2020. Impacto de la digitalización en el crecimiento económico, la productividad y el empleo.
Temas económicos 58:4, 431­457. [Referencia cruzada]

287. Anthony Strittmatter, Uwe Sunde, Dainis Zegners. 2020. Patrones del ciclo de vida del rendimiento cognitivo a largo plazo. Actas de la
Academia Nacional de Ciencias 117:44, 27255­27261. [Referencia cruzada]

288. Filippo Bertani, Marco Raberto, Andrea Teglio. 2020. Los efectos de la transformación digital en la productividad y el desempleo: una
evaluación empírica y de modelado. Revisión de la Economía Política Evolutiva 1:3, 329­355. [Referencia cruzada]

289. Jinyoung Kim, Parque Cyn­Young. 2020. Educación, capacitación y aprendizaje permanente en la era de la revolución tecnológica: una
revisión. Literatura económica de Asia y el Pacífico 34:2, 3­19. [Referencia cruzada]

290. Gaaitzen J. de Vries, Elisabetta Gentile, Sébastien Miroudot, Konstantin M. Wacker. 2020. El ascenso
de los robots y la caída de los trabajos rutinarios. Labor Economics 66, 101885. [Referencia cruzada]
Machine Translated by Google

291. Szufang Chuang, Carroll M. Graham. 2020. Problemas contemporáneos y mejora del desempeño de los trabajadores maduros en la Industria
4.0. Mejora del desempeño 59:6, 21­30. [Referencia cruzada]

292.Daron Acemoglu, Pascual Restrepo. 2020. Robots y trabajos: evidencia de los mercados laborales de EE. UU. Revista de Economía Política
128:6, 2188­2244. [Referencia cruzada]

293.David Spencer, Gary Slater. 2020. Sin automatización, por favor, somos británicos: tecnología y perspectivas de trabajo. Cambridge Journal of
Regions, Economy and Society 13: 1, 117­134. [Referencia cruzada]

294.Daron Acemoglu, Pascual Restrepo. 2020. ¿El tipo equivocado de IA? La inteligencia artificial y el futuro de la demanda laboral. Cambridge
Journal of Regions, Economy and Society 13: 1, 25­35. [Referencia cruzada]

295. Manudeep Bhuller, Lasse Eika. 2020. Nedgang i sysselsettingen fra 2000–2017. Søkelys på arbeidslivet
37:1­2, 20­37. [Referencia cruzada]

296.Daron Acemoglu, Claire Lelarge, Pascual Restrepo. 2020. Compitiendo con robots: evidencia a nivel de empresa de Francia. Actas y documentos
de la AEA 110, 383­388. [Abstracto] [Ver artículo en PDF] [PDF con enlaces]

297.Daron Acemoglu, Pascual Restrepo. 2020. Desempaquetando el sesgo de habilidades: automatización y nuevas tareas. Actas y documentos de
la AEA 110, 356­361. [Abstracto] [Ver artículo en PDF] [PDF con enlaces]

298.David Autor, David Dorn, Lawrence F. Katz, Christina Patterson, John Van Reenen. 2020. La caída de la participación laboral y el auge de las

empresas superestrellas*. The Quarterly Journal of Economics 135:2, 645­709. [Referencia cruzada]

299. Sofía Hernnäs. 2020. ¿La digitalización perjudicará o ayudará a los trabajadores de la salud?. XRDS: Encrucijada, La
Revista ACM para Estudiantes 26:3, 14­17. [Referencia cruzada]

300. Malin Gardberg, Fredrik Heyman, Pehr­Johan Norbäck, Lars Persson. 2020. Automatización y dinámica ocupacional basada en la digitalización.
Economics Letters 189, 109032. [Referencia cruzada]

301. William F. Fox. 2020. La Influencia de los Vehículos Autónomos en los Ingresos Fiscales del Estado. Impuesto Nacional
Diario 73:1, 199­234. [Referencia cruzada]

302. Jolta Kacani. Cadenas globales de valor y la participación de las economías emergentes en el comercio internacional
33­84. [Referencia cruzada]

303. Laura Barbieri, Chiara Mussida, Mariacristina Piva, Marco Vivarelli. Probando el Empleo y
Impacto en las habilidades de las nuevas tecnologías 1­27. [Referencia cruzada]

304. Melanie Arntz, Terry Gregory, Ulrich Zierahn. Digitalización y el futuro del trabajo: consecuencias macroeconómicas 1­29. [Referencia cruzada]

305. Jorge Eduardo Fernández­Pol, Charles Harvie. Mirando al Futuro Próximo 113­144. [Referencia cruzada]

306.Daron Acemoglu. 2020. Comentar. NBER Macroeconomía Anual 34, 317­330. [Referencia cruzada]

307. Jiaping Qiu, Chi Wan, Yan Wang. 2020. Automatización y Estructura de Capital. SSRN electrónico
diario _ [Referencia cruzada]

308. Iván PL Png. 2020. Automatización, diseño de trabajo y productividad: evidencia de campo. Revista Electrónica SSRN 4. . [Referencia cruzada]

309. Pablo Egaña del So, Alejandro Micco. 2020. ¿Puede COVID­19 acelerar
¿Transformaciones tecnológicas?. Revista Electrónica SSRN . [Referencia cruzada]

310. Braiden Coleman, Kenneth J. Merkley, Joseph Pacelli. 2020. Hombre contra máquina: una comparación de las recomendaciones de inversión
de Robo­Analyst y Traditional Research Analyst. Revista Electrónica SSRN 33. . [Referencia cruzada]

311. Sean Flynn, Andra C. Gante. 2020. ¿Qué nos dice Wall Street sobre Main Street?. SSRN electrónico
Diario 108. . [Referencia cruzada]

312. Ley de Kelvin, Michael Shen. 2020. ¿Cómo da forma la inteligencia artificial a la industria de la auditoría?. SSRN
Revista Electrónica 33. . [Referencia cruzada]
Machine Translated by Google

313. Martin Jacob, Robert Vossebürger. 2020. El papel de los impuestos sobre la renta de las personas físicas en la inversión empresarial
Decisiones. Revista Electrónica SSRN 116. . [Referencia cruzada]

314. Jiafu An, Raghavendra Rau. 2019. Finanzas, tecnología y disrupción. El Diario Europeo de Finanzas 12, 1­12. [Referencia cruzada]

315. . Cambio Tecnológico 136­157. [Referencia cruzada]

316. Yasuyuki Sawada. 2019. Inversiones en infraestructura, tecnologías y empleos en Asia. Internacional
Revista de Investigación de Capacitación 17:sup1, 12­25. [Referencia cruzada]

317. Swati Bhatt. Disminución de la asunción de riesgos 117­151. [Referencia cruzada]

318. Alissa Bruehne, Martin Jacob, Harm H. Schütt. 2019. Cambio Tecnológico y Tributación de los Países
Diseño de políticas. Revista Electrónica SSRN 69. . [Referencia cruzada]

319. Seamus McGuinness, Konstantinos Pouliakas, Paul Redmond. 2019. El cambio tecnológico que desplaza las habilidades y su impacto en los
empleos: ¿desafiando el alarmismo tecnológico?. Revista Electrónica SSRN 33. .
[Referencia cruzada]

320. Mustafa Dogan, Alexandre Jacquillat, Pinar Yildirim. 2018. Autoridad de Automatización Estratégica y Toma de Decisiones. Revista Electrónica
SSRN 122. . [Referencia cruzada]

321. Thomas Jansson, Yigitcan Karabulut. 2018. ¿Los robots aumentan la dispersión de la riqueza?. SSRN electrónico
Diario 112. . [Referencia cruzada]

322. Aina Gallego, Thomas Kurer, Nikolas Schoell. 2018. No tan disruptivo después de todo: cómo la digitalización en el lugar de trabajo afecta las
preferencias políticas. Revista Electrónica SSRN 33. . [Referencia cruzada]

323. Georges Vivien Houngbonon, Julienne Liang. 2017. Internet de banda ancha y desigualdad de ingresos.
Revista Electrónica SSRN 108. . [Referencia cruzada]