Economía del conocimiento

16
WEF LATAM 2017 - TRABAJO, CONOCIMIENTO Y LAS VENTAJAS COMPETITIVAS DEL FUTURO

Transcript of Economía del conocimiento

Page 1: Economía del conocimiento

WEF LATAM 2017 -TRABAJO, CONOCIMIENTO Y LAS VENTAJAS COMPETITIVAS DEL FUTURO

Page 2: Economía del conocimiento

2

WEF LATAM 2017

Trabajo, conocimiento y las ventajas competitivas del futuro

Oportunidad – correr junto a las máquinas

Desafíos – Formación de Talento & Digitalización

Conclusiones

Copyright © 2016 Accenture All rights reserved.

Page 3: Economía del conocimiento

Copyright © 2016 Accenture All rights reserved. 3

En la era digital, los activos físicos pierden relevancia Las compañías dominantes de turismo no tienen autos ni hoteles, las de comercio por internet no tienen almacenes ni stocks, las que manejan el tráfico no tienen autos

Page 4: Economía del conocimiento

Copyright © 2016 Accenture All rights reserved. 4

… frente a los activos intangibles que jugarán un rol cada vez más importante en los negocios del futuro

4

Source: Accenture Research based on S&P Capital IQ

1,2

1,0

0,8

0,6

1,8

2,2

1,6

2,0

1,4

Resto

Empresas tecnológicas

En el 2016, el valor de las compañías líderes en capitalización no está basado en activos físicos; los resultados económicos están basados en la innovación, el diseño, los algoritmos y la creatividad

Inde

x 20

06=1

Top 10 de empresas según capitalización de mercado, millones de dólares

Evolución de la capitalización de mercado

Capitalización de MercadoDiciembre 2006

Capitalización de MercadoDiciembre 2016

General Electric

JPMorgan

Wells Fargo & Co.

308.728

Johnson & Johnson

276.779

279.546

313.432

Facebook 331.594

Amazon

374.281

539.070

617.589

Exxon Mobil

483.160

Apple

Microsoft

Alphabet

356.313

231.503

Bank of America

229.496

223.227

BP

Royal Dutch Shell

ICBC

Toyota Motor Corp 215.040

239.758

Exxon Mobil

PetroChina

Microsoft

383.565

293.538

253.666

General Electric

273.691

446.944

Citigroup

Page 5: Economía del conocimiento

1985 1990 1995 2000 2005 2010

Estados Unidos, millones de personas

0

10

20

30

40

50

60

70

Source: Labor Department via St. Louis Fed

2015

Durante los últimos 30 años, el segmento de los trabajos con alto componente cognitivo y no rutinario es el único que continúa creciendo en forma acentuada

Source: OECD, “Digital Dividends”

Trabajadores del conocimiento (cognitivo no rutinario)

Trabajadores manuales rutinarios

Trabajadores cognitivos rutinarios

Trabajadores manuales no rutinarios 

Medio Oriente

Europa Orie

ntalAfric

aIndia

Latinoaméric

a

Sudeste Asiá

tico-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

Trabajadores del conocimiento/EmprendedoresTrabajadores cognitivos y manuales rutinariosTrabajadores manuales no rutinarios

Países Emergentes – var. % 1995-2012

Page 6: Economía del conocimiento

Copyright © 2016 Accenture All rights reserved. 6

Contribución de los trabajadores del conocimiento al PBI

0

5

10

15

20

25

30

35

40

45

20.8%

8.4%

16.5%

[Y VALUE]%

14.7%

Brazil

Mexico

15,0000 35,00025,0005,000 60,00010,000 20,000 55,00045,000 50,00040,00030,000

Korea

USA

Argentina

Chile

Colombia

PBI per cápita (USD 2015)

Contribución de los Trabajadores del Conocimiento (% PBI)

Page 7: Economía del conocimiento

7

• Stitch Fix es una start-up en la industria de la moda que fusiona tecnología, estilismo y un producto único a través de una experiencia de compra personalizada.

• El modelo de negocio está basado en el hecho de que el usuario, una vez registrado a la base de datos de la compañía, debe brindar datos sobre su estilo personal de vestimenta, colores, medidas, etc., para así recibir 5 prendas recomendadas por Stitch Fix.

• El Sistema de recomendación automática usa un algoritmo que trabaja bien con datos estructurados. Sin embargo, para analizar datos no estructurados requiere del “ojo clínico” o juicio del estilista.

• ¿La IA destruyó trabajo en la compañía? Por el contrario, desde el 2013, Stitch Fix pasó de tener 200 a 1,500 empleados a tiempo pleno.

Automatizar vs. Aumentar : La IA potencia las capacidades humanas

Source: https://hbr.org/2016/11/how-one-clothing-company-blends-ai-and-human-expertiseCopyright © 2016 Accenture All rights reserved.

Page 8: Economía del conocimiento

Copyright © 2016 Accenture All rights reserved. 8

Escenario “correr junto a las máquinas”: Las habilidades más “humanas” son cada vez más importantes por ser complementarias a la tecnología

• Influenciar • Enseñar• Programar • Discutir en tiempo real • Aconsejar • Negociar • Cooperar con colegas

Tareas que “corren junto a las máquinas” (relativo a habilidades humanas)

• Habilidades más humanas (creatividad, liderazgo e inteligencia social) son cada vez más importantes y complementarias a la tecnología.

2011 2012 2013 201496

97

98

99

100

101

102

103

Impo

rtan

cia

de la

hab

ilida

d (2

011=

100)

Análisis complejo

LiderazgoInteligencia SocialCreativo

Transaccionales rutinarias

Manual

• Definimos tareas que “corren junto a las máquinas” como aquellas que más se apoyan en habilidades humanas para su desarrollo

Habilidades “humanas”

Habilidades reemplazables por lasmáquinas

Algunos ejemplos incluyen:

Page 9: Economía del conocimiento

9

El trabajo del futuro: Automatizar vs. Aumentar

En el futuro, la demanda se concentrará en empleos que requieran habilidades más “humanas”

Potencial de automatización: >66%

• Procedimientos, criterios y reglas bien definidas• Tareas manuales rutinarias• Movilidad autónoma (ej.: autos que se manejan solos)• Tareas cognitivas rutinarias (ej.: agentes de viajes)

Potencial de automatización: 33%-66%

• Aprovechar conocimiento experto y experiencia.• Trabajos que requieren juicio• Lenguaje y comunicación de mediana complejidad (ej.:

escribir artículos simples)• Reconocimiento de patrones (ej.: diagnóstico medico,

reconocimeinto facial)

Potencial de automatización: 33%-66%

• Actividades de trabajo interconectadas• Resolución de problemas no estructurados

(ej. Ganar en programa de preguntas y respuestas)

Potencial de automatización: <33%

• Tareas que requieren de inteligencia social (ej.: negociación, dar consejos, persuadir).

• Comunicación compleja (ej.: escribir artículos complejos).• Análisis patrones complejos (ej. Data science).• Habilidades senso-motoras (ej.: peluqueros).• Creatividad e ingenio (ej.: diseño, nuevos • modelos de negocio).

Automatizar parcialmente

Automatizar parcialmenteAutomatizar

Sin estructura, volátil, gran

cantidad

Estructurada, estable, poca

cantidad

Rutinarias, predecibles, basadas en reglas

Ad-hoc, no predecibles, necesidad de juicio

Complejidad de las tareas

Generación de empleo

Complejidad en elProcesamiento de Información

Page 10: Economía del conocimiento

2015 2020 2025 2030 2035 2040 2045 20500%

5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

L...

Parti

cipac

ión

de tr

abaj

os co

n rie

sgo

de a

utom

atiza

ción

to-

tal a

lto

Evolución de la participación del empleo con riesgo de automatización total

Correr junto a las máquinas: Trabajos con menos del 33% de riesgo de automatización Automatización parcial: trabajos con riesgo de automatización entre el 33% y 66%Automatización total: riesgo de automatización mayor al 66%

El riesgo de automatización de la fuerza laboral será un desafío en los próximos 35 años. Según la investigación de Accenture, el riesgo de automatización para LATAM solo disminuirá sustancialmente a menos del 20% de la fuerza laboral para el 2035

El riesgo de automatización

persistirá por los próximos 20 años

Participación del empleo con riesgo de automatización total alto (ritmo normal)

Source: Accenture Research, OECD, Osborne & Frey (2013)

Page 11: Economía del conocimiento

11

Correr junto a las máquinas: ¿Cómo puede el aprendizaje de habilidades digitales reducir la pérdida de empleo en LATAM ?

• Actualmente, el 48% del empleo en LATAM se encuentra en riesgo de ser automatizado. • Sin push y si el aprendizaje se mantiene al ritmo actual, llevará hasta el 2035 para que solo el 20% del empleo se encuentre en

riesgo de ser automatizado. Por el contrario, aumentar el énfasis en el aprendizaje de habilidades más humanas podría reducer sustancialmente la pérdida de empleo. Se estima que duplicando el ritmo al cual los trabajadores aprenden habilidades digitales, la fuerza de trabajo estaría preparada para correr junto a las máquinas 10 años antes – en el 2025 en vez del 2035.

2015 2020 2025 2030 2035 2040 2045 20500%

5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

Normal Pace Double the pace

Part

icip

ació

n de

em

pleo

con

alt

o ri

esgo

de

aut

omat

izac

ión

Duplicar el ritmo de aprendizaje podría disminuir el tiempo

necesario para correr junto con las

máquinas en 10 años

Page 12: Economía del conocimiento

Copyright © 2016 Accenture All rights reserved. 12

¿Cuánto contribuirán los trabajadores del conocimiento al PBI en 20 años? – escenario: duplicar el ritmo de aprendizaje

LATAM Duplicar Ritmo 2015-

2035

LATAM Baseline2015-2035

2.3%

Push

2.1%

Tasa de Crecimiento Anual Promedio LATAMCAGR 2015-2035

LATAM

0.2%

Page 13: Economía del conocimiento

Copyright © 2016 Accenture All rights reserved. 13

Formación de Talento Digitalización• Graduados STEM• Tasa de graduación• Acceso a la universidad• Abandono educación

secundaria

• Acceso a banda ancha• Uso de TIC en transacciones

B2B• Gobierno Digital • Exportación de Servicios TIC• Inversión en tecnologías

emergentes• Impacto TIC en nuevos

productos y servicios

La oportunidad está ahí pero la región tiene aún varios desafíos por resolver…

Page 14: Economía del conocimiento

14

Formación de Talento - Los trabajadores mejor posicionados serán aquellos que cuenten con más y mejor educación

Series1

1419 16

11

25 22

Graduados en Carreras STEM (%)

Argentina Colombia ChileBrazil Mexico OECD average

Secondary degree Bachelor degree Master degree

59

13 2

70

16 8

88

349

61

12 3

49 23

4

85

38 18

Tasa de Graduación por Nivel de Educación

Argentina Colombia ChileBrazil Mexico OECD average

Science Reading Mathematics

475 475 456416 425 390447 459 423401 407 377416 423 408

493 493 490

Resultados de la Prueba PISA

Argentina (CABA) Colombia ChileBrazil Mexico OECD average

Sources: OECD Education at a Glance, UNESCO

Page 15: Economía del conocimiento

Adopción digital (Individuos)

Adopción digital (corporaciones)

Servicios Creativos

Difusión de Conocimiento

Nuevos productos y servicios

Inversión Digital

0

50

100

Estados Unidos Colombia Chile Argentina Brazil Mexico

20 40 80 100

15

Digitalización - Acelerar la adopción de tecnologías digitales y ampliar el acceso a la banda ancha

• Uso de redes sociales • Subscripción a banda ancha

móvil/100 pop.• Hogares con acceso a Internet, %

• Absorción de tecnología a nivel empresa (survey)

• Uso de TIC en transacciones B2B (survey)

• Gasto bruto en R&D• Capacidad para la Innovación

(survey)• Exportaciones de bienes y servicios

creativos

• Exportación de Servicios TIC (% PBI)• Derechos de Propiedad Intelectual, % negocio total• Intensidad de la competición local (survey)

• Facilidad para hacer negocios• Impacto de TIC en nuevos productos y

servicios (survey)

• Gasto en Big Data/Analytics (USD por persona)• Gasto en Digital Commerce (USD por persona) • Gasto en IoT (USD por persona)• Gasto en movilidad (USD por persona)• Gasto en Digital Ad (USD per persona)

Country RankingUSA 100Chile 58Brazil 50Argentina 48Colombia 47Mexico 45

Digital Index

Page 16: Economía del conocimiento

Para crear la fuerza de trabajo del futuro hoy, los líderes pueden tomar acciones inmediatas en al menos tres frentes:

Acelerar la recalificación de sus empleados

Reforzar la adquisición de talento desde sus fuentes.

Rediseñar el trabajo para destrabar el potencial de las habilidades más humanas

Conclusiones

Copyright © 2016 Accenture All rights reserved.