La invasión de los robots o la Destrucción Creativa de la ...

La invasión de los robots o la Destrucción Creativa de la Cuarta Revolución Industrial

en Colombia, durante el periodo 2010 – 2020

Rafael Humberto Bernal Sánchez

Universidad Nacional de Colombia Maestría en Ciencias Económicas Facultad de Ciencias Económicas

Sede Bogotá

Bogotá D.C, Colombia

21 de septiembre de 2021

La invasión de los robots o la Destrucción Creativa de la Cuarta Revolución

Industrial en Colombia, durante el periodo 2010 – 2020

Rafael Humberto Bernal Sánchez

Tesis o trabajo de investigación presentada(o) como requisito parcial para optar al título de:

Magister en Ciencias Económicas

Tesis o trabajo de investigación presentada(o) como requisito parcial para optar al título de:

Magister en Ciencias Económicas

Director:

M.Sc. Jesús Alberto Villamil Martha

Línea de Investigación:

Desigualdad salarial, Revolución Industrial 4.0, Cambio Tecnológico, Innovación, Mercado Laboral.

Universidad Nacional de Colombia

Maestría en Ciencias Económicas

Facultad de Ciencias Económicas

Sede Bogotá

Bogotá D.C, Colombia

21 de septiembre de 2021

Línea de Investigación:

Desigualdad salarial, Revolución Industrial 4.0, Cambio Tecnológico, Innovación, Mercado Laboral

(Dedicatoria o lema)

A mis padres: Ana y Pablo (QEPD)

A mi esposa, compañera y cómplice de este viaje por la vida, Dayra Garrido.

y a mis hijos Juan Esteban y Sebastián

Declaración de obra original

Yo Rafael Humberto Bernal Sánchez declaro lo siguiente:

He leído el Acuerdo 035 de 2003 del Consejo Académico de la Universidad Nacional. «Reglamento sobre propiedad intelectual» y la Normatividad Nacional relacionada al respeto de los derechos de autor. Esta disertación representa mi trabajo original, excepto donde he reconocido las ideas, las palabras, o materiales de otros autores.

Cuando se han presentado ideas o palabras de otros autores en esta disertación, he realizado su respectivo reconocimiento aplicando correctamente los esquemas de citas y referencias biblioFigura s en el estilo requerido.

He obtenido el permiso del autor o editor para incluir cualquier material con derechos de autor (por ejemplo, tablas, figuras, instrumentos de encuesta o grandes porciones de texto).

Por último, he sometido esta disertación a la herramienta de integridad académica, definida por la universidad.

_______________________________ Nombre: Rafael Humberto Bernal Sánchez

Fecha De entrega al programa: 15/04/2021

Fecha de Correcciones a jurados: 17/09/2021

Fecha de Sustentación 21/09/2021

Agradecimientos Los agradecimientos cumplen diversas intensiones de reconocimiento a personas e instituciones. El primero para las directivas de Facultad de Ciencias Económicas, de la Universidad Nacional, en cabeza de su decano Jorge Armando Rodríguez, y del director del Programa de Maestría Raúl Chamorro, quienes hicieron posible despertar nuevamente el sueño de regresar a nuestra amada Universidad Nacional de Colombia y cumplir con este propósito.

Al profesor Alberto Villamil por su dirección y a los docentes del seminario I y II de investigación, Jhon Mauro Perdomo M y Andrés Ballesteros M., por su dedicación y compromiso en la orientación desde sus clases virtuales, que permitieron mantener la fe en un modelo de trabajo en la distancia, con igual o mayor calidad que la presencialidad.

También, al grupo de Seminarios CID, que cada miércoles, con invitados de lujo, en cada uno de los seminarios nos mostraron con ejemplo, que era posible enfrentarnos al desafío de escribir y contar una historia de este mundo global, virtualizado, a la vez que con grandes fracturas sociales e inequidad en un nuevo capitalismo de pandemia. Sinceramente gracias!

Varios colegas y amigos del posgrado deben ser reconocidos, especialmente mi gratitud es con Juan Carlos Cortés Cely, y Delfín Soto y Hernando Rubiano (QEPD), por su empeño y constancia en viabilizar este regreso a las aulas, infinito agradecimiento.

Doy un especial agradecimiento a mis colegas y amigos Ricardo Guerrero y Héctor Zarate por sus comentarios y apoyo en el proceso de investigación y en las discusiones y sesiones de trabajo, conectados por la virtualidad, en las cuales se debatieron temas de interés en torno a la metodología de trabajo y el tratamiento de los datos.

Y finalmente a mi familia por su apoyo, y a esas personas que en silencio van incentivando nuestro trabajo

Contenido IX

Resumen

La Invasión de los Robots o la Destrucción Creativa de la Cuarta Revolución industrial en

Colombia, durante el periodo 2010 -2020: Un Estudio de los cambios en la Estructura Salarial

Desde la Regresión Cuantílica.

El cambio tecnológico durante décadas ha incidido para que el mercado laboral seleccione a personas

con mayor preparación en años de estudios, experiencia laboral, o habilidades relativas, como los

primeros candidatos. Diferentes estudios apoyan la hipótesis propuesta que los cambios en la estructura

salarial están relacionados con innovaciones en el desarrollo tecnológico. En esta investigación se parte

de la hipótesis de cambio técnico sesgado (HTCS), que provoca la desigualdad de salarios de

trabajadores, en el periodo 2010 - 2020, según la cual la disparidad entre los salarios de trabajadores

calificados y de trabajadores no calificados son un resultado de la innovación de las tecnologías

disruptivas, que caracterizan a la Cuarta revolución 4.0, y provocan un sesgo hacia trabajadores con

mayor calificación. Por lo tanto, se analiza la “destrucción creativa” de la perturbación tecnológica para

caracterizar la dinámica de la desigualdad de los salarios reales durante la última década. Para comprobar

la hipótesis se utiliza la metodología Semi-paramétrica de Regresión por Cuantiles que corrige problemas

como la heterocedasticidad, el cambio estructural, o los datos atípicos, para el logaritmo del salario real

de trabajadores de tiempo completo, en función de la educación, sector económico, genero, ciclo de

vida. Con el uso de la metodología de regresión cuantílica se identifican diferencias salariales entre los

trabajadores colombianos con mayor y menor grado de acumulación de capital humano y se comprueba

que hay cambio tecnológico sesgado (HCTS). Las cifras para 13 ciudades revelan aumentos en la

participación del mercado por trabajadores con mayor capacitación en 2020, frente a lo observado en

inicios de la década.

Palabras clave: Cambio tecnológico, Revolución 4.0, desigualdad Salarial, Hipótesis de Polarización.

JEL Classification: J3, D3, O3

X

X

Abstract

The Invasion of Robots or the Creative Destruction of the Fourth Industrial Revolution in

Colombia, during the period 2010 -2020

For decades technological change has influenced the labor market towards people with higher education,

experience, or better skillset. Different studies support the proposed hypothesis that changes in the

salary structure are related to innovations in technological development. This research analyzes

inequality in wages for the period 2010 – 2020 and it is based on the hypothesis of biased technical

change (HTCS), which suggests, the disparity between the wages of skilled and unskilled workers is the

result of innovation in disruptive technologies. Innovation causes bias favoring people with higher

qualifications. To test the hypothesis, the Quantile Regression methodology is used, which corrects

problems such as heteroscedasticity, structural change, or atypical data. The dependent variable is the

logarithm of the real wage of full-time workers, and independent variables are: education, economic

sector, gender and lifetime employment cycle. Using the quantile regression methodology, salary

differences are identified between Colombian workers with a higher and lower degree of human capital

accumulation. The study concludes, there is biased technological change (HCTS). The figures in 13 cities

reveal increases in the market share of workers with more training in 2020, compared to what was

observed at the beginning of the decade.

Keywords: Technologic Change, Wage Structure, Endogenous growth, innovations, creative

destruction.

JEL Classification: J3, D3, O3

Contenido XI

Contenido ....................................................................................................................................................................................................................................................................................................................................................................................... PÁG.

AGRADECIMIENTOS ....................................................................................................................... VIII

RESUMEN ............................................................................................................................................. IX

ABSTRACT .............................................................................................................................................. X

CONTENIDO ........................................................................................................................................ XI

LISTA DE FIGURAS .............................................................................................................................. XI

LISTA DE TABLAS ............................................................................................................................. XIII

INTRODUCCIÓN .................................................................................................................................. 15

CAPÍTULO 1: UN DEBATE SOBRE EL CAMBIO TECNOLÓGICO DE LA REVOLUCIÓN 4.0: LOS ORÍGENES DE LA DESTRUCCIÓN CREATIVA. ...................................................................... 19

1.1 LAS TEORÍAS DEL CRECIMIENTO ECONÓMICO Y LA ECONOMÍA POLÍTICA DEL CAMBIO

TECNOLÓGICO .................................................................................................................................................................... 23 1.2 LITERATURA DE LA HIPÓTESIS DE CAMBIO TECNOLÓGICO SESGADO - HCTS ..................................... 27 1.3 COLOMBIA: AVANCES DEL ANÁLISIS DE LA HIPÓTESIS DEL CAMBIO TECNOLÓGICO SESGADO - HCTS 31 1.4 CAMBIO TECNOLOGICO SESGADO: EVIDENCIA EMPÍRICA ......................................................................... 35

CAPÍTULO 2: CAMBIO TECNOLÓGICO DE LA REVOLUCIÓN 4.0 Y LA HIPÓTESIS DEL CAMBIO TECNOLÓGICO SESGADO (HCTS). ................................................................................. 38

2.1 LA PRODUCTIVIDAD EN EL CONTEXTO DEL CAMBIO TECNOLÓGICO: PRODUCTIVIDAD EN COLOMBIA

42 2.2 LA DISRUPCIÓN 4.0: EL CAMBIO TECNOLÓGICO DE LA CUARTA REVOLUCIÓN INDUSTRIAL ............. 45 2.3 CARACTERIZACIÓN DE LA CUARTA REVOLUCIÓN INDUSTRIAL ................................................................. 51 2.4 INDUSTRIA 4.0 Y ECOSISTEMA DIGITAL .......................................................................................................... 56

CAPÍTULO 3: DISEÑO METODOLÓGICO: ESPECIFICACIÓN DEL MODELO DE CAPITAL HUMANO DE MINCER PARA MEDIR LA DESIGUALDAD DEL SALARIO REAL...................... 59

3.1 COLOMBIA: EMPLEO ASALARIADO 2010 - 2019: DE LA HCTS AL “SKILLED - BIASED TECHNICAL

CHANGE”. ............................................................................................................................................................................. 59 3.2 MODELO DE LA ECUACIÓN DE CAPITAL HUMANO DE MINCER ................................................................ 62 3.3 HECHOS ESTILIZADOS Y MOTIVACIÓN: LA ESTRUCTURA DEL MERCADO LABORAL COLOMBIANO ... 64 3.4 EL SALARIO REAL EN COLOMBIA: 2010 - 2019 ............................................................................................... 70 METODOLOGÍA DE LA REGRESIÓN CUANTÍLICA LINEAL: .......................................................................... 74 3.5 DEFINICIÓN DE CUANTIL .................................................................................................................................. 74

CAPÍTULO 4: ANÁLISIS DE RESULTADOS ...................................................................................... 76

4.1 ESTIMACIÓN DE LA REGRESIÓN CUANTÍLICA LINEAL................................................................................. 76 4.1.1 Ventajas: ............................................................................................................................................................. 76 4.1.2 Desventajas: ......................................................................................................................................................... 76

CONCLUSIONES, RECOMENDACIONES Y AGENDA DE INVESTIGACIÓN FUTURA .......... 89

BIBLIOGRAFÍA. .................................................................................................................................... 94

ANEXO: FIGURAS Y SALIDAS DE ESTIMACIÓN ECONOMÉTRICA CUANTÍLICA ................ 100

Lista de figuras

XII

XII

Figuras

Página

Figura 1-1: Productividad Total De Los Factores (2015 -2019) 45 Figura 1-2: Métrica textual de los artículos publicados sobre el cambio tecnológico 4.0 56

Figura1-3: Industria 4.0 y ecosistema digital en la década 2010 - 2019 58 Figura 2-1: Tasa global de participación, ocupación y desempleo 2010 - 2019 59 Figura 2-2: (a): Población Ocupados: Total 13 ciudades y áreas metropolitanas Población ocupada

69

Figura 2-2: (b) Población Ocupados: Total 13 ciudades y áreas metropolitanas Población ocupada según ramas de actividad CIIU 3 A.C. 2010 – 2019

69

Figura 2-3: Logaritmo del Salario Real en Colombia 73 Figura 2-4: Logaritmo del Salario Real promedio, según nivel educativo 2010 –2019 74 Figura 3-1: La recta de regresión correspondiente al cuartil 0.75 80 Figura 3-2. Función de Chequeo 81 Figura 3-3: Coeficientes del salario real por retornos de la educación 78 Figura 3-4: Coeficientes de la Regresión por cuantiles para los años 2010 - 2019 87 Figura 3-5: Regresión Cuantílica para el Salario Real del periodo 2010 a 2019. 89

Contenido XIII

Lista de tablas Tabla Página

Tabla 1-1: Comportamiento comparado del Aporte al crecimiento del valor agregado (%) 45

Tabla 1-2: Impulsores Tecnológicos de la Cuarta Revolución Industrial 51

Tabla 1-3: Evolución de las Tecnologías para dispositivos Móviles 1980 -2020 52

Tabla 1-4: Evolución de las Revoluciones Industriales Tabla 2-1: Población Total 13 ciudades y áreas metropolitanas

53

Tabla 2-2: Población Total 13 ciudades y áreas metropolitanas Tabla 2-3: Población Ocupados: Total 13 ciudades y áreas metropolitanas población ocupada según sector económico 2010 – 2019.

67

Tabla 2-4: Ocupados: Tasa de crecimiento Sectorial de personas ocupadas (%) Datos semestrales.

68

Tabla 2-5: Cambio en la Estructura del Mercado de Trabajo por nivel Educativo y de la relación salarial, entre trabajador con más de 16 años de educación y frente al resto de trabajadores

71

Tabla 2-6 Análisis de Relación Salarial entre trabajadores con mayor nivel de años de educación (> 16 o más) y los trabajadores de menos años de educación (<15 o menos años)

75

Tabla 3-1: Estadística Descriptiva de las variables del modelo econométrico para evaluar la desigualdad en el mercado de trabajo colombiano 2010 - 2019

83

Tabla 3-2: Medidas Estadísticas de Posición de las variables del modelo econométrico para evaluar la desigualdad en el mercado de trabajo colombiano 2010 - 2019.

84

Tabla 3-3: Correlación Entre Las Variables Explicativas y El Logaritmo Del Ingreso Real 85

Tabla 3-4: Análisis del salario real por retornos de la educación, Experiencia, Experiencia_P^2 y género, 2010 vs 2020:

86

Tabla 3-5: Salario Real 2010 (a): Ingreso laboral Real INGELABO): Coeficientes para los cuantiles 0.1, 0.25, 0.5, 0.75, 0.9 para el año 2010.

87

Tabla 3-6: Salario Real 2010 (b): Coeficientes para los cuantiles 0.1, 0.25, 0.5, 0.75, 0.9 para el año 2019. 87

Tabla 3-7: Coeficientes de la Regresión Cuantílica para explicar la Relación con el logaritmo del salario Real 2010 - 2019

89

La invasión de los robots o la Destrucción Creativa de la Cuarta Revolución Industrial en Colombia, durante el periodo 2010 – 2020

Introducción

El estudio del cambio tecnológico de la Revolución 4.0 y sus efectos en el mercado de laboral, debido a

la innovación tecnológica disruptiva, está marcada por la aparición de nuevas tecnologías como la

robótica, la analítica, la inteligencia artificial, las tecnologías cognitivas, la nanotecnología y el Internet of

Things (IoT), entre otros. Este proceso de sistematización y uso de las nuevas tecnologías digitales es un

fenómeno económico y social que ha acompañado a la humanidad a lo largo de la historia, especialmente

a partir de la primera revolución industrial, y tiene como efecto la sustitución de tareas que previamente

se realizaban con trabajo humano.

Buena parte del desarrollo humano se soporta en la inmersión en procesos de formación que

identificamos como aprendizaje. Este proceso es el resultado, en muchos casos, de adaptase a cambios

en el desarrollo tecnológico, mediante el cual, los seres humanos modifican y adquieren habilidades,

conocimientos y conductas, que les permiten desarrollar la capacidad de realizar un trabajo, una tarea, o

dominar una habilidad.

En la historia económica de la innovación por cambio tecnológico, se han suscitado tres revoluciones

industriales, cada una con características diferentes, pero con un elemento homogéneo y es que el

fenómeno del cambio tecnológico evoluciona rápido y se propaga a una velocidad mayor de

propagación. La primera Revolución Industrial tuvo origen en Inglaterra, a partir de 1786 con la máquina

de vapor en la industria y el transporte, el telar mecánico que desarrolló la industria textil, entre otras.

La segunda revolución industrial sucedió a mediados del siglo XIX, y se caracterizó por el desarrollo de

la electricidad en la industria, el transporte y la vida doméstica. El descubrimiento del motor habilitó el

invento del automóvil, la industria del petróleo y del acero, materias primas que desarrollaron la

construcción y la fabricación de nuevas máquinas y herramientas. En la vida doméstica surgió el teléfono,

alumbrado eléctrico, y los electrodomésticos. Mercancías que comenzaron a caracterizar lo que hoy

conocemos como sociedad de consumo capitalista.

Con la Tercera revolución industrial, llegó la televisión y los primeros ordenadores personales, que

cambiaron el modelo organizativo en las empresas y el trabajo basado en objetivos. Se inició a comienzos

16 La Invasión de los Robots o la Destrucción Creativa de la Cuarta Revolución

Industrial en Colombia, Durante el Periodo 2010 - 2020

16

del siglo XX, con el impulso a la aviación y la exploración espacial, el empleo de la energía atómica, la

electrónica y la cibernética. Se desarrollaron los medios de comunicación, producción de cine e

informática, y la evolución de medios de transporte. Sin embargo, fue la masificación de computadores,

a finales de los años 90, la que sentó las bases para consolidar la Cuarta Revolución industrial, también

conocida como la revolución digital, que trajo consigo el desarrollo de la capacidad de computadores,

internet, la proliferación de aplicaciones y el desarrollo de tecnologías digitales disruptivas en todos los

sectores económicos y en la sociedad en su conjunto. Esta transformación digital suele tener profundas

implicaciones para una organización, afectando la estrategia, el talento humano, los modelos de negocio

e incluso la forma en que se organiza la empresa.

Por su parte, desde la economía política de la innovación tecnológica, se reconoce por los economistas

la importancia que tiene el avance del conocimiento tecnológico en el desarrollo económico de la

sociedad capitalista (Benavidez. 2004). Lo que llevaría a relacionar el cambio tecnológico con aumentos

en la productividad laboral. Desde Adam Smith, al desarrollar la idea de división del trabajo, se establecen

principios de mayor destreza, que incrementan la cantidad de trabajo que puede realizar el obrero (Smith,

1958). En su obra, Smith deja sentadas las bases que relacionan tres elementos claves a saber:

conocimiento tecnológico, crecimiento económico y bienestar de la sociedad (Benavidez, 2004). Otros

teóricos también consideraron que la innovación tecnológica abonó a la explicación del conocimiento

tecnológico como pilar explicativo de la evolución social y económica de la formación capitalista. Es por

esta razón que este trabajo de investigación se fundamenta en el análisis tecnológico de Schumpeter,

desarrollado en su obra Capitalismo, Socialismo y Democracia (1942), que estuvo orientada hacia el estudio

de la innovación, y de su impacto en los ciclos económicos. Schumpeter en su crítica a la teoría ortodoxa

neoclásica, cuestiona su mundo estático, en el que el cambio tecnológico era una variable exógena al

equilibrio económico general, y postula que la economía está en constante cambio y es el empresario

quien lo moldea a través de la innovación, por medio de crear nuevos productos y aumentar la

competencia.

En su mundo schumpetereano hay dos tipos de empresarios el creador y el innovador. Este último, es

quien produce una ruptura en el modo de hacer las cosas para la creación de nuevos productos o en las

nuevas soluciones a las demandas de la sociedad, y son ellos los responsables de sustituir lo nuevo por

lo viejo o de incentivar la “destrucción creativa” de la sociedad que a su vez le permite cambiar el

paradigma de innovación tecnológica. (Schumpeter, pág. 120-121. 1958)

La Invasión de los Robots o la Destrucción Creativa de la Cuarta Revolución

industrial en Colombia, durante el periodo 2010 - 2020

17

Por lo anteriormente expuesto, el objetivo del presente estudio es analizar el cambio Tecnológico de la

Cuarta Revolución industrial, y su importancia en los proceso productivos como un tema fundamental

en el análisis del mercado laboral, toda vez que su implementación está conllevando a modificaciones

en la estructura salarial y ocupacional de los sectores con uso intensivo de tecnología, y determinar la

existencia de diferencias salariales entre individuos con capacidad o no para el uso de la tecnología 4.0,

tomando como metodología la categorización a los trabajadores, según su nivel de escolaridad,

asumiendo que los más capacitados, son los más calificados para ser usuarios de la nueva tecnología, y

demostrando que en el mercado laboral colombiano se presenta un sesgo laboral en favor de los

trabajadores con mayor nivel de capacitación.

En esta investigación se pretende demostrar la Hipótesis de Cambio Tecnológico Sesgado (HCTS), la

cual plantea la existencia de un sesgo salarial a favor de los trabajadores calificados, y se argumenta que

las modificaciones en el empleo durante la mayor parte de la última década, 2010 -2020, se atribuyen al

cambio tecnológico de la Cuarta revolución industrial, y su propagación de innovación digital.

De esta manera, se analizan las cambiantes características de la innovación por el cambio tecnológico de

la Cuarta Revolución Industrial y su relación con el comportamiento del salario real durante el periodo

2010 – 20201 y se comprueba la existencia de la Hipótesis de Cambio Tecnológico Sesgado – HCTS.

En este orden de ideas, el estudio se concentra en observar los cambios en el salario real de los

trabajadores, como resultado del cambio tecnológico de la Cuarta Revolución Industrial (Schwab, K.

2010). En razón a que la fuerza de trabajo colombiana compite por calificarse cada día, debido a que las

condiciones y las exigencias de la nueva economía digital sobre el mercado laboral no son homogéneos

y esto exige que los trabajadores con tareas que tienen mayor riesgo de ser robotizadas, a que actualicen

sus conocimientos, habilidades cognitivas y manuales, que les permita el retorno competitivo a las

labores.

1El análisis de las cifras se había contemplado inicialmente para la década 2010-2020, y en el transcurso de la investigación, frente a la realidad de la pandemia no se pudo contar de manera oportuna con los datos de la GEIH para 2020, con la misma estructura de años anteriores, porque se adoptó una metodología de encuesta telefónica y no de entrevista presencial como se hizo en el resto del periodo.



18

La investigación se realiza a partir de los datos de la Gran Encuesta Integrada de Hogares – GEIH, entre

2010 – 2020, se elabora un ejercicio metodológico para indagar por los cambios en la población ocupada

de trabajadores, evaluados por su salario real. Para cumplir con este propósito se adoptó la metodología

elaborada por Vargas, C., (2012), expuesta en su estudio sobre Cambio tecnológico y desigualdad de

salarios, para el periodo 1984 -2010 y de Zarate., H. (2003) en su estudio Cambio en la estructura salarial:

una historia desde la regresión cuantílica.

Es esta investigación se confirma que a mediados de la década de los ochenta, un trabajador con

educación universitaria ganaba en promedio 2.6 veces más que un trabajador con educación secundaria;

en 2010 esa relación creció a 3.5 veces (ENH). Para el año 2019, esta misma relación salarial, entre el

salario real de un trabajador con más de 16 años de educación, respecto del que aprobó bachillerato,

aumentó de 5.1 veces en 2010, y al final de la década se ubica en 4.9 en 2019, según las cifras de la GEIH

– DANE. El análisis se diseñó a partir del modelo de regresión por cuantiles, 2010 – 2019, y los

resultados permiten confirmar que en el periodo de análisis se incrementaron los retornos a trabajadores

con más de 16 años de educación en 10.3% del salario real por cada año adicional de educación que

acumuló el trabajador.

El esquema de la investigación está delimitado en cuatro capítulos, en el primer capítulo se realiza un

debate, sobre el Cambio Tecnológico de la Revolución 4.0 y los orígenes de la “Destrucción Creativa”.

El segundo capítulo sse hace un análisis de los elementos que cqaractwerizan el cambio tecnológico de

la Revolución 4.0 y su relación con la Hipótesis de Cambio Tecnólogico Sesgado (HCTS). En el tercer

capítulo se describe el diseño metodológico sobre el que se especificó el Modelo De Regresiones

Cuantílicas para verificar la evolución de los salarios reales en Colombia, es decir, salarios totales y

discriminados por nivel educativo y de género; además, se explican algunas medidas relativas del

mercado laboral en Colombia a partir de la concentración de los trabajadores por niveles educativos,

para trece ciudades y sus Áreas Metropolitanas. Finalmente, en el cuarto capítulo, se presentan los

resultados del modelo de Regresión por Cuantiles.

En la parte final de la investigación, se ofrecen las conclusiones y recomendaciones de política pública,

y se propone una agenda de investigación futura soportada en tres aspectos: i). La extensión del análisis

a evaluar la hipótesis de cambio tecnológico sesgado por rutinas, ii). La transformación digital del empleo

público colombiano, y iii). Las innovaciones en educación superior para hacer competitivos los

programas de profesionalización laboral.



19

Capítulo 1: Un Debate Sobre el Cambio Tecnológico de la Revolución 4.0: Los orígenes de la Destrucción Creativa.

Schumpeter J.A, (1942) con su postulado de la “Destrucción Creativa” afirma que el proceso de

destrucción creadora es el hecho esencial del capitalismo. Desde 1911, a pesar de su admiración

por economistas neoclásicos (Jevons, Marshall, Walras) opta por un camino diferente par

explicar la Teoría del desarrollo Económico (1911). En una obra en al cual se recalca que la

esencia del capitalismo es el dinamismo no el equilibrio estático que se promulgaba en el modelo

neoclásico estándar.

En esta investigación se adopta la teoría de Schumpeter como punto de inicio para explicar la

economía de la innovación en el marco de la Cuarta Revolución Industrial. En Schumpeter se

pueden establecer cinco casos de innovación, a los cuales se les adaptan bienes y servicios

propios de la tecnología 4.0, para justificar su conexión con sus postulados innovadores: (i) La

introducción de un nuevo bien ejemplo: Computador - Internet; (ii) La introducción de un

nuevo método de producción o comercialización de bienes existentes: Robótica, Inteligencia

Artificial (IA); (iii) La apertura de nuevos mercados (Computación en la nube); (iv) La conquista

de una nueva fuente de materias primas (Big Data); (v) La creación de un nuevo monopolio

(Microsoft, Google).

Son muchos los investigadores que sigilosamente hacen seguimiento a la continuidad

argumentativa para explicar la vigencia de la destrucción creativa, y adelantar un análisis sobre

el impacto de variables como la disrupción del cambio tecnológico de la revolución 4.0.

En tal sentido, la “Destrucción Creativa” es el epítome del capitalismo, pero es importante entender

que se reconocen por lo menos dos elementos fundamentales que diferencian la explicación de

la crisis de Schumpeter, respecto otros autores. El primer tópico de análisis se centra en

considerar que el motor del capitalismo radica en el emprendimiento. El segundo tópico

argumentativo, parte de señalar que el Emprendedor es la figura antropológica que encarna la

iniciativa de acción del empresario.



20

Estos dos elementos son prioritarios para definir la Destrucción Creativa, como un pilar esencial

del capitalismo. A la vez que abona el terreno argumentativo, para comprender los impactos de

la revolución 4.0, en el sentido que dicha transformación emerge de creación y permanente

innovación para mantener la competitividad.

La Destrucción Creativa, entonces, es reconocida como el hecho esencial del capitalismo mediante

el cual se da un cambio radical en todas las dimensiones socioeconómicas; desde el cambio en

los ingresos de la población, hasta los modos y formas de producción, o los mercados realmente

existentes, el cambio en las formas de pensar, el papel de la empresa y su desenlace, y finalmente,

por el hecho mismo de reconocer que la inserción del cambio fomenta la imposibilidad del

equilibrio general, porque el cambio o disrupción de las revoluciones tecnológicas han llegado,

y consigo también procesos de crisis del modelo de producción. (Morro. J, 2019)

En este sentido, el enfoque de esta sección es presentar un repaso a la literatura sobre cambio

tecnológico, y revisar la existencia de un cuerpo único que sistematice y fije el contenido

dogmático sobre el crecimiento económico, y para de ésta de esta manera, ubicar la importancia

que trae la Cuarta Revolución Industrial, como un fenómeno determinístico de la Hipótesis de

Cambio Tecnológico Sesgado (HCTS), y se permita ofrecer una explicación de las

transformaciones en la estructura del mercado laboral colombiano en el periodo 2010 – 2019.

El análisis del cambio tecnológico en la estructura del mercado de trabajo es importante, por el

vertiginoso despliegue y la forma en que ha evolucionado la Cuarta Revolución Industrial, y su

impacto en aumentar los problemas de desigualdad de ingresos por la inserción de nuevas

tecnologías disruptivas, las cuales, comenzaron a ingresar desde principios del siglo XX,

trayendo consigo un alto fomento de uso intersectorial en formas de innovación como la

revolución digital. Klaus Swab Foro Económico Mundial (2016). [Swab, K., La Cuarta

Revolución Industrial, 2016]

En términos de Schumpeter (1942), este proceso de “Destrucción Creativa es el hecho esencial del

capitalismo; es en lo que consiste el capitalismo y en lo que tiene que vivir toda empresa



21

capitalista. En “Capitalismo, Socialismo Y Democracia” (1942), el autor destaca su visión para

describir los cambios, cualitativos y cuantitativos del proceso de transformación, que fueron tan

o más disruptivos que la revolución 4.0 anunciada en 2016. por ejemplo, lo cual puede ser

explicado por el proceso de cambio cualitativo del trabajador y de los avances en los aparatos

productivos: la industria de vapor, siderúrgica y la electricidad o la historia del transporte, desde

el coche de correos hasta el avión. [Moro J., 2017]

La apertura de nuevos mercados, extranjeros o nacionales, y el desarrollo organizativo desde el taller artesanal y la fábrica hasta empresas como U.S. Steel ilustran el mismo proceso de mutación industrial -si se me permite usar ese término biológico- que revoluciona incesantemente la estructura económica desde dentro, destruyendo incesantemente la antigua, y creando incesantemente una nueva. Este proceso de Destrucción Creativa es el hecho esencial del capitalismo. Es en lo que consiste el capitalismo y en lo que tiene que vivir toda empresa capitalista (Schumpeter, J.A. 1942)

En diferentes trabajos de investigación se encuentran argumentos sobre la supremacía

ideológica del planteamiento de la Destrucción Creativa de Schumpeter, para definir las crisis del

capitalismo los cambio por efectos de una disrupción tecnológica como las suscitadas desde la

primera revolución industrial. La idea de “destrucción creativa,” ilustra cómo los nuevos

métodos, sistemas y productos capitalistas desplazan continuamente a los anteriores, tal cual se

ha evidenciado en las revoluciones industriales.

Un recuento de cuatro razones claves, se presentan así:

Primero, esta individua un tipo de civilización y, por tanto, implica un tipo de subjetividad histórica. Como Marx, Schumpeter considera que la subjetividad es tan producto de las relaciones socioeconómicas existentes como las artes, las ciencias y las técnicas.

Segundo, la civilización en cuestión implica la proliferación torrencial de innovaciones tecno-económicas, las cuales se reconocen en organizaciones (de producción, de transporte, de mercado, etc.) o productos (de primera necesidad, de larga vida, de simple consumo, etc.) y que, en todo caso, crean relaciones socioeconómicas destruyendo las precedentes.

Tercero, por el punto precedente, la Destrucción Creadora no garantiza en absoluto la estabilidad socioeconómica. Al contrario, la impide necesariamente y, con ello, al disolver las trascendencias propias de una sociedad estacionaria, potencia el subjetivismo y la gestión, que son dos caras de una misma moneda.



22

Y, cuarto, no se trata de un bien o un mal absoluto. Por el contrario, Schumpeter entiende la Destrucción Creadora como algo experimentable y, por ello, susceptible de estudio. Puede estudiarse porque es objeto de experiencias comunicables y discutibles. Ni más ni menos.

Aquí radica la idea Schumpeteriana de la Destrucción Creadora como visión del capitalismo. (Morro. J, 2019).2 De acuerdo con Morro. J, en los cinco aspectos relacionados se pone de manifiesto el valor del contexto histórico en el que se desarrollan los fenómenos, y el impacto que se da desde la perspectiva social y tecnológica en la economía. El hecho de extender su preocupación a las relaciones derivadas de las artes, las ciencias y las técnicas, implica que el efecto disruptivo señala efectos, riesgos y retos en cada momento del tiempo en que se han dado las revoluciones. En tal sentido, el segundo punto apunta al objetivo de entender cómo el denominado torrencial de innovaciones es coherente con los procesos de nuevos bienes y servicios ofertados en cada innovación por cambio tecnológico. Está visto por las anteriores experiencias de innovación, que en absoluto la estabilidad socioeconómica, esta garantizada, y la incertidumbre de la Cuarta Revolución Industrial, es latente por el efecto en el cambio tecnológico con sesgo en los trabajadores con menos años de educación. Se está fomentando un proceso en el que la innovación no es un proceso lineal de acumulación científica, sino de construcción de un nuevo paradigma tecnológico.

Es importante destacar en esta retrospectiva que las ideas de Schumpeter tienen un mayor impacto en este nuevo milenio, que algunos economistas han denominado el “siglo de Schumpeter.” En razón a que se esta gestando la Cuarta Revolución Industrial, que resulta más disruptiva que las anteriores.

El desenlace de la transformación de la sociedad socioeconómica ha sido bien tratada en un

trabajo de Enríque P. (2016), sobre la evolución histórica de las teorías del crecimiento

económico, en el cual se reconoce que estas surgieron en respuesta a la expansión del

capitalismo de la crisis económica de 1929 y de la posguerra en 1948, hasta las transformaciones

productivas que se suscitaron en el contexto de la globalización y apertura económica, época en

la cual el conocimiento y la información emergen como una bastión de competitividad y

acumulación capitalista. (Zerda. A., 2010).

2 Ferguson, Niall (2019), Senior Fellow of the Hoover Institution, Stanford University, and the Center for European Studies, Prof. Harvard University- 9 may. 2019 Capitalism, socialism & democracy in the age of technological disruption – 49th St. Recuperado de: https://www.youtube.com/watch?v=1JV16Uj2wfg

https://www.youtube.com/watch?v=1JV16Uj2wfg



23

A continuación, se propone una mirada a la línea del tiempo que permita realizar un breve

recuento del estado del conocimiento de las teorías del crecimiento económico con enfoque de

identificar los rasgos del desarrollo tecnológico

1.1 Las Teorías del Crecimiento Económico y la Economía Política del cambio Tecnológico

En esta sección se pretende esbozar una revisión del estado del arte la historia de la teoría del

crecimiento económico, sus conceptos, contribuciones, y en particular el contexto histórico en

el que se gestan, para lo cual se sigue la metodología Enríque Pérez (2016).

A. Durante el periodo de la Economía Política Clásica que se prolongó desde el Siglo XVIII

y XIX, hasta primeras dos décadas del siglo XX. Se fundaron los conceptos, las hipótesis

y los supuestos básicos a la teoría del crecimiento económico. Sus principales autores

fueron Adam Smith, Thomas R. Malthus, David Ricardo, John Stuart Mill, Karl Marx y

Joseph A. Schumpeter.

B. El periodo de la teoría keynesiana (1936-1955), liderada por John Maynard Keynes,

Roy F. Harrod, y Evsey D. Domar,

C. Las teorías y modelos neoclásicos del crecimiento exógeno (1956-1970)

desarrolladas por Robert M. Solow y Trevor W. Swan.

Desarrollan hipótesis y a partir de la idea de que “el capitalismo, dejado a sus libres fuerzas, genera desequilibrios, desempleo y desigualdades económicas. De ahí que

el crecimiento con equilibrio y pleno empleo sea imposible, porque subsiste una insuficiencia de demanda y desempleo involuntario, además de un mercado con

competencia imperfecta.

Formalizan conceptos, hipótesis y supuestos básicos de la teoría del desarrollo a partir de considerar que las fuerzas del libre mercado activan la convergencia internacional del ingreso per cápita, consideraron valido el supuesto de economías con competencia perfecta y equilibrio económico al confluir la oferta y demanda agregada. El crecimiento en equilibrio y pleno empleo, son el resultado de la igualdad entre la tasa de crecimiento del stock de capital y la tasa de la fuerza laboral (relación capital producto variable). En los supuestos básicos se contempla que hay rendimientos decrecientes del factor capital.



24

Una mención a los modelos poskeynesianos del crecimiento económico (1960-1970) que postulan que “la actividad económica en una economía monetaria capitalista está determinada por la demanda y que no hay mecanismos incorporados que garanticen el pleno empleo y la plena utilización de las capacidades.

D. las teorías del crecimiento endógeno – TCE: (década de los 80 a los años 90) los

principales autores son Kenneth Arrow y Marvin Frankel, Paul M. Romer, Robert Lucas, Jr.,

Robert Barro, Sergio Rebelo, Xavier Sala-i-Martin, Philippe M. Aghion, Peter Wilkinson

Howitt, Gene Michael Grossman y Elhanan Helpman. Aunque en muchos postulados sobre el

crecimiento Romer P. muestra oposición a Lucas. R., y diferente en temas de Teoría de

crecimiento que Barro G. es más cercano a las ideas de Aghion y Howitt, en cuanto a seguir

con los postulados Schumpeterianos como crítica al modelo neoclásico.

Un modelo de desarrollo que tiene como objetivo incrementar las capacidades que

posee, de manera local o en una región, desde su propio interior,

Economía y su sociedad, más fuertes y competitivas a la hora de relacionarse con

otros países o mercados regionales.

Impulsar la apertura comercial para propiciar la transferencia de tecnología.

1. Intervención acotada del sector público,

2. Políticas económicas para el ahorro y la inversión,

3. Políticas para cultivar la investigación tecnológica, instituciones (derechos de

propiedad, patentes) que incentiven las innovaciones y reduzcan la

incertidumbre

4. Políticas sociales para la formación y acumulación de capital humano.

Para lograr este

objetivo



25

E. Las teorías evolucionistas del crecimiento económico en la década de los

noventa, en cabeza de Anthony Philip, y Thirlwall, Bart Versearen,

Avanzó en una visión complementaria sobre el entendimiento de la Teoría del Crecimiento Económico que ayudan a moldear el conocimiento en torno al crecimiento económico.

Los aspectos que moldean su propuesta de investigación se ponen de relieve, tales son:

• La Racionalidad limitada e incertidumbre en las decisiones económicas.

• La apertura al comercio internacional para elevar la productividad a través

de las ventajas comparativas,

• la competencia, la especialización y

• la transferencia tecnológica.

una propuesta

cuatro temas

1. Políticas económicas proteccionistas de la industria y que

contrarresten la presión que ejerce la balanza de pagos sobre el

crecimiento.

2. Atraer inversión extranjera directa.

3. Impulsar capacidades institucionales y tecnológicas.

4. Adoptar políticas científicas y tecnológicas.



26

En las primeras décadas del siglo XXI se ha consolidado un consenso sobre la importancia de

volver a mirar la teoría Schumpeteriana del Crecimiento Económico, para sustentar que el

crecimiento está impulsado por la innovación, que mejora la calidad y productividad, de

insumos y bienes finales, y que trae consigo la destrucción de puestos de trabajo y la creación

de otros nuevos, postulando la Hipótesis de Cambio Tecnológico sesgado por Educación.

El enfoque, como los expone Aghion. P. 2001, será el de la interacción entre el cambio técnico

endógeno resultante de la mejora de la calidad de innovación y dinámica de la estructura salarial

de los mercados de trabajo.

Más recientemente, Philippe Aghion (n. 1956) y Peter W. Howitt (n. 1946), inspirados también

en las ideas de Schumpeter, argumentan en su modelo que el crecimiento económico es

resultado del progreso técnico que deriva de la competencia entre las empresas que crean, a

través de la investigación, innovaciones para generar patentes y producir bienes de capital que

incrementan la productividad y sustituyen a los antiguos (Destrucción Creativa), de tal forma

que el progreso técnico torna obsoletos los productos, procesos, conocimientos y mercados, al

tiempo que genera pérdidas y ganancias (Aghion y Howitt, 1992).

En tanto que Gene Michael Grossman (p. 1955) y Elhanan Helpman (n. 1946) señalan también

las relaciones entre las innovaciones y el crecimiento, argumentando que el conocimiento se

acumula en el tiempo dentro del proceso de investigación y se aprovecha por otros agentes sin

representar coste alguno tras difundirse de manera gratuita y emprenderse labores de imitación

–especialmente entre los países del Sur, que innovan poco (Grossman y Helpman,1991).

En el caso colombiano, estos cambios en el crecimiento afectan la estructura del mercado de

trabajo en todos sus niveles, porque las nuevas ventajas competitivas se derivan del cambio

tecnológico, la inversión en capital humano e investigación y desarrollo, la información y el

conocimiento y el posicionamiento de las marcas, en lo cual Colombia presenta enorme rezago

(Blanco, 2012).



27

1.2 Literatura de la Hipótesis de Cambio Tecnológico Sesgado - HCTS

A Finales de la década de los setenta los países desarrollados registraron cambio en la estructura del Empleo, que se caracteriza por un incremento en la demanda de trabajadores con mayores niveles de educación. En contraste con las altas tasas de desempleo para la población que contaban con una menor calificación de estudios. En el mismo sentido, se determina la existencia de un aumento en la desigualdad salarial con beneficio para los empleados con una mayor cantidad de años de educación acumulados, es decir, más preparados y por consiguiente con salarios más altos. (Ochoa y Torres, 2019)

El estudio de este fenómeno permitió que emergiera la Hipótesis del Cambio Tecnológico Sesgado (HCTS), la cual se fundamenta en el hecho que dicha situación presentada es el reflejo de un cambio tecnológico iniciado con la era de la informática, la programación y el uso de computadores en el trabajo.

La vigencia del pensamiento de J. Schumpeter para entender la dinámica que imprime la Cuarta Revolución Industrial, en particular, sobre la importancia y dinámica del proceso de innovación y del cambio tecnológico, son el fundamento teórico de análisis, sobre los impactos del proceso de innovación de la disrupción tecnológica, ocasionada por la revolución industrial 4.0, como fuerza fundamental para generar los incentivos tecnológicos necesarios que intensifiquen la producción en el modelo económico dominante.

El debate del cambio tecnológico sesgado por años de educación se inicia con Acemoglu, 2002,

al presentar un modelo que permite identificar la sustitución de trabajadores en el mercado

laboral, partiendo del grado de habilidad o calificación, y agrupándolos en trabajadores

calificados profesionales con grado universitario y más de 15 años de educación de otros

trabajadores no calificados con educación Media de bachillerato completa o de menor

escolaridad, (0 a 10 grado ), es decir, bachillerato incompleto; con esta clasificación se explica el

fenómeno en el periodo de 1970 hasta 1990. En el mismo sentido se avanza en continuar con

la línea de investigación de la HCTS y se elaboraron otros estudios Autor, Katz y Kearney, 2008;

Acemoglu y Autor, 2011.



28

A partir del modelo canónico del mercado de trabajo (Acemoglu, 2002), otros autores realizan

estudios buscando mejorar el análisis del fenómeno previsto, porque argumentan que

categorizar únicamente dos grupos de trabajadores (calificados y no calificados), no satisface las

necesidades para comprender la dinámica del mercado de trabajo y los cambios que se

observaron en los países desarrollados durante la década de 1990 (Autor, Levy y Murnane, 2003;

Acemoglu y Autor, 2011,)

De acuerdo con Autor y Dorn (2008), analizan los cambios en el salario real en Estados Unidos

por percentiles, y observan un incremento del salario en los percentiles más bajos y altos,

concluyendo que se está ocasionando un estancamiento del salario en los percentiles de en

medio, dando lugar a un patrón salarial en forma de U, al que llamaron polarización del empleo.

Además, los autores consideran que la existencia de un mercado en el que se desarrollen

productos débilmente complementarios provocará que el trabajo altamente calificado desarrolle

tareas de servicios. Por tal motivo, los salarios de trabajadores que realizan tareas manuales

tendrían una tasa de crecimiento constante que pudiera ser igual o mayor a la de los salarios

altamente calificados con grado universitario, provocando una reducción en la desigualdad

salarial para estos dos grupos.

El trabajo de Acemoglu y Autor (2011), amplia el análisis a estudiar el mercado de trabajo desde

la perspectiva de las “Tareas”, porque considera que las tareas son la unidad de análisis y son

las que favorecen la elaboración de los bienes finales.

Posteriormente, Autor y Handel (2013), estimaron analizar mediante categorías por tareas el

fenómeno del cambio tecnológico y sus implicaciones en el mercado laboral, proporciona un

mejor ajuste de herramientas conceptuales que amplían el rango de análisis y clarifican su

interpretación. En términos de Ochoa y Torres (2019), los trabajadores aplican sus habilidades

al desarrollo de tareas y estas producen bienes o servicios. En su modelo categorizan al trabajo

en tareas abstractas, rutinarias y manuales.



29

En el año 2013 Autor y Dorn, determinan que la reducción del precio de la computadora genera

la sustitución de mano de obra rutinaria por capital informático; tal situación estimula que los

trabajadores poco calificados o que realizan tareas manuales sean demandados en la producción

de servicios, es decir, disminuye el empleo y los salarios en trabajos de oficina de media habilidad

y rutinarios. Los autores concluyen que esto incentiva a que el empleo en ocupaciones de

servicio de baja calificación aumente y la desigualdad salarial se incremente entre los

trabajadores de alta y media calificación. (Ochoa y Torres, 2008)

Otros investigadores, Michaels, Natraj y Reenen (2014), con datos a nivel industria de Estados

Unidos, Japón y nueve países europeos durante el periodo de 1980 a 2014, encontraron la

existencia de una polarización del empleo con sesgo hacia una mayor demanda de trabajo

calificado, como consecuencia del uso y la incorporación de las Tecnologías de información y

comunicaciones TIC en el sitio de trabajo.

Las investigaciones realizadas por Böckerman, Laaksonen y Vainiomäki (2016) analizan la

hipótesis de rutinización en Finlandia a nivel empresa, y demuestran que sus resultados son

consistentes con dicha hipótesis de Cambio Tecnológico Sesgado (HCTS). Además,

argumentan que la incorporación de tecnologías de la información y comunicación en el trabajo

es lo que ha provocado un estancamiento de las tareas rutinarias en la dinámica del empleo en

este país.

Para el caso de Italia Gualtieri, Guarascio y Guarascio (2018), mediante un panel de datos

segmentado por tipo de tarea para el periodo 2005 – 2016, comprueban la hipótesis de Cambio

tecnológico Segado Por Rutina (HCTR), y demuestran que existe una penalización en el

mercado laboral para las tareas rutinarias en el sector servicios. También, concluyen que el

empleo juvenil es más susceptible a emplearse en este tipo de tareas, dicha evidencia verifica la

hipótesis de rutinización en países desarrollados.

Finalmente, de acuerdo con Sebastián y Biagi (2018) la Hipótesis de Cambio Tecnológico

Sesgado por Rutina (HCTR), la idea central de esta hipótesis es que debido a los recientes

desarrollos tecnológicos propios de la Cuarta Revolución Industrial en áreas como la robótica,



30

computación en la nube, cloud computing, sensores y redes, macrodatos (Big Data), fabricación

digital, digital manufacturing, biología sintética, medicina digital, nanomateriales, tecnologías por

encargo on demand technologies, e inteligencia artificial, así como los avances y mejoras en las

Tecnologías de la Información y Comunicación -TIC, inducen al mercado a un remplazo de

trabajadores que realizan tareas rutinarias por máquinas. Uno de los principales motores de este

fenómeno de sustitución, es la reducción del precio de la tecnología de cómputo, motivo por el

cual concluyen que la nueva tendencia de digitalización e inmersión en la informática tiene un

efecto no lineal sobre la demanda de trabajo.

De acuerdo con Aghion, Akcigit , Howitt (2015), existen tres elementos comunes a proceso de

cambio técnico sesgado, el primero, que una tasa de crecimiento más rápido impulsada por

innovación, asociada generalmente a una mayor rotación (es decir, mayores tasas de creación y

destrucción de empresas y puestos de trabajo). Un segundo elemento, es que el paradigma arroja

luces sobre la relación entre el crecimiento y la dinámica de la empresa. Es decir, las pequeñas

empresas salen con más frecuencia que las grandes. Condicionadas a la supervivencia, pequeñas

empresas crecen más rápido, y se comprueba una correlación muy fuerte entre el tamaño y la

edad de la empresa. Lo anterior, genera que la distribución del tamaño de la empresa esté muy

sesgada. Y el tercer argumento citado es que la teoría Schumpeteriana del crecimiento nos ayuda

a reconciliar el crecimiento con el desarrollo. Aghion (2015)



31

1.3 Colombia: Avances del análisis de la Hipótesis del Cambio Tecnológico Sesgado - HCTS

Los estudios para Colombia relacionados con la HCTS, y su efecto en el cambio en la estructura

salarial, inicia con un proceso de investigación para medir el cambio de los retornos de la

educación y la experiencia en diferentes puntos de la distribución salarial del mercado laboral

colombiano (Zarate. H, 2003), y de esta manera determinar los efectos del cambio tecnológico.

En Colombia se ha avanzado en definir los efectos del cambio tecnológico en el mercado laboral

Vargas (2012) que, a partir de Katz y Murphy (1992), Katz Autor y Krueger (1998), y Katz y

Autor (1999), es plausible el argumento a favor que señala que cambios dramáticos en los tipos

de tecnologías disponibles a las firmas, son responsables de los incrementos en los diferenciales

de salarios entre trabajadores calificados y los menos calificados. La razón para el aumento en

el nivel educativo de la fuerza de trabajo es la “no-neutralidad en el cambio tecnológico”,

término que se ha utilizado para definir “el libre albedrío de los agentes económicos de elegir y

maximizar su utilidad con la tecnología que se ajusta al óptimo de la maximización de sus

beneficios y que de implícito pasa por la adquisición, utilización o conocimiento actualizado

que le permita competir en el nueva economía del conocimiento tecnológico”, y la cual

terminará beneficiando al trabajador con mayor calificación.

De acuerdo con Vargas C. (2012), los trabajos con enfoque en la disertación del cambio

tecnológico y la desigualdad de salarios, se plantean la necesidad de establecer la importancia

del cambio tecnológico en la disrupción de la economía y en particular del mercado laboral. De

otra parte, se preocupan por el efecto del cambio tecnológico en la estructura de los salarios de

los trabajadores. En tal sentido la línea de investigación esta signada por el concepto de

evolución del retorno a las habilidades en una economía. En palabras de Vargas, se puede

explicar el “retorno a las habilidades” como el diferencial de salarios entre trabajadores

calificados y no calificados, con dos connotados efectos: Primero, la evolución del retorno a las

habilidades provee información sobre las características del proceso de desarrollo de la



32

economía. Segundo, dicho retorno es una medida gruesa de la desigualdad entre trabajadores

de diferentes calificaciones. (Véase, Vargas (2012), pág. 211)

Vargas (2012). En el mismo sentido Arango, Gómez, Posada (2009) estudian la demanda de

trabajo formal en Colombia, y los determinantes e implicaciones de política, a partir de

funciones de trabajo calificado y no calificado, y capital, a partir de un proceso de minimización

de costos de una firma representativa, del sector privado y que utiliza una función CES, sugieren

que existe sustituibilidad entre los dos tipos de trabajo y entre el trabajo agregado y el capital;

con evidencia empírica favorable al cambio técnico, desde dos perspectivas, la primera es que

el cambio técnico aumentó es favorable al incremento trabajo agregado medido por unidades

de eficiencia, y la segunda que el país experimentó un cambio técnico sesgado hacia tecnologías

cada vez más intensivas en el uso de trabajo calificado.

En el mismo sentido, Arango L.E, Posada C.E, y Uribe J. D., (2006), encuentras que con datos

de la Encuesta Nacional de Hogares, se evidencian dos hechos que afectaron la estructura

salarial entre 1984 – 2000, del sector formal de la economía un aumento del salario real de

obreros y empleados y a su vez un aumento de la desigualdad del ingreso salarial “El aumento en

los salarios cobijó, básicamente, a los empleados con mayores niveles de educación y, como consecuencia, el país

observó un aumento del sesgo de la distribución del ingreso salarial en su favor”(Arango L.E, Posada C.E, y

Uribe J. D., 2006, pág. 193).

En un contexto de cambio técnico y polarización del mercado laboral en Colombia, Medina y

Posso (2018), evaluaron si hay evidencia suficiente que respalde la hipótesis de que existe

polarización del mercado laboral colombiano. Ellos parten del argumento que el cambio técnico

cumple un papel trascendental en la forma en que sus disrupciones ha incrementado la

desigualdad de los ingresos con la introducción de nuevas tecnologías, que muestran su

predilección por mano de obra cualificada.

A partir del modelo canónico del mercado de trabajo (Acemoglu, 2002), los autores indican que

la polarización laboral cuando al tiempo ocurren un crecimiento simultáneo de la demanda de



33

empleo cualificado con salarios altos y también la demanda de trabajadores con baja

cualificación y remuneración. Medina Posso (2018).

En al esquema sistemático de investigación, el análisis propuesto en esta investigación, parte del

debate sobre los efectos del cambio tecnológico en el mercado laboral colombiano, por la

revolución industrial 4.0, la cual ha tomado vigencia en el nuevo milenio, como consecuencia

de un vertiginoso desarrollo de nuevas formas de producción asociadas a una masificación de

la interconexión de sectores claves de la economía. Por lo tanto, se estima si hay suficientes

elementos que ayuden a confirmar la hipótesis de que existe una polarización en el caso del

mercado laboral colombiano y convalidar resultados de Medina y Posso, (2018) y Vargas C,

(2012) quienes sostiene que un “incremento del empleo en los extremos de la distribución de

los salarios y/o las ocupaciones cualificadas, particularmente pronunciado en el periodo en el

que aumentó la disponibilidad de tecnologías, y los precios de éstas disminuyeron

considerablemente”.

La panorámica y evidencia histórica de los efectos del progreso técnico ayuda a entender que

dichos efectos del cambio tecnológico sobre el empleo dependen de muchos factores. Por tal

razón, Doménech, J R. García, y otros, (2018) elaboran una número de variables destacando la

complementariedad o sustituibilidad entre trabajo y máquinas, elasticidad de la oferta de trabajo

a los salarios, regulaciones laborales, eficiencia y flexibilidad del mercado de trabajo, la movilidad

geográfica y ocupacional de los trabajadores y de la reasignación entre sectores, las mejoras en

el nivel de cualificación, el grado de competencia en los mercados de bienes, servicios y trabajo,

la elasticidad de la demanda de bienes y servicios a la renta (e.g., salud frente a alimentación), el

efecto renta del cambio tecnológico: abarata unos bienes y libera renta que se puede gastar en

otros, el consumo agregado crece en paralelo a la productividad agregada, la interacción con la

globalización.

En la literatura sobre los efectos en la polarización del empleo se diferencian dos posturas. La

visión pesimista hacia un mundo sin trabajo, observadas en Frey y Osborne (2013) que encontró

que un 47% del empleo en EE. UU. se encuentra amenazado por la computación. Brynjolsson

and McAfee (2014) sostuvo que las innovaciones digitales están contribuyendo al estancamiento



34

de las medias en los Estados Unidos y a la desaparición de muchos empleos de nivel medio.

Tomas Piketty (2014) afirmo en su Texto el capitalismo del Siglo XXI, que el capital (en manos

de pocos) crece más que el PIB y aumenta la desigualdad. De Stefano (2016) observa que hay

riesgos para los trabajadores de las nuevas formas de trabajo. Por su parte, Milanovic (2016)

demostró que el progreso tecnológico, la reasignación intersectorial del trabajo, la globalización

y las políticas actuales están generando una segunda curva de Kuznets que no desaparecerá

pronto. Otros autores como Avent (2016) señaló que las nuevas tecnologías crearán empleos

nuevos y buenos, pero no serán suficiente para absorber la sobreabundancia de mano de obra.

En el debate de la relación entre la tecnología y el empleo, también se puede decantar una mirada

más optimista del progreso técnico. Autor (2015) realizó una investigación en la que concluye

que la mayor parte del progreso técnico ha venido acompañado de un ahorro en costes

laborales. Sin embargo, durante los dos últimos siglos la automatización y el progreso técnico

no ha provocado la obsolescencia del capital humano. La tasa de empleo ha aumentado a lo

largo del S. XX por la incorporación de la mujer al mercado de trabajo.

Otros autores, han realizado un análisis de sobre el efecto final durante buena parte del S.XX,

para concluir, que éste fue un aumento de la productividad y de los salarios reales, sobre todo,

tras la segunda revolución industrial; sin que aumentara el desempleo.

Al contrario, la evidencia para muchos países es que cuanto más rápido crece la productividad

tendencialmente menor es la tasa de desempleo como, por ejemplo, en EE.UU. (Ball y Mankiw,

2002) o España en los años 60.



35

1.4 Cambio Tecnologico Sesgado: Evidencia empírica

Las primeras décadas del siglo XXI han consolidado un consenso sobre la importancia de volver a tomar

en cuenta la teoría Schumpeteriana del crecimiento económico, en la que dicho crecimiento está

impulsado por fundamentalmente por la innovación, que mejora la calidad y productividad, de insumos

y bienes finales, y que trae consigo la destrucción de puestos de trabajo y la creación de otros nuevos.

El enfoque, como los expone Aghion, P. 2001. Será el de la interacción entre el cambio técnico endógeno

resultante de la mejora de la calidad de innovación y dinámica de la estructura salarial de los mercados

de trabajo.

Más recientemente, Philippe Aghion (n. 1956) y Peter W. Howitt (n. 1946) –inspirados también en las

ideas de Schumpeter– argumentan en su modelo que el crecimiento económico es resultado del progreso

técnico que deriva de la competencia entre las empresas que crean, a través de la investigación,

innovaciones para generar patentes y producir bienes de capital que incrementan la productividad y

sustituyen a los antiguos (Destrucción Creativa), de tal forma que el progreso técnico torna obsoletos

los productos, procesos, conocimientos y mercados, al tiempo que genera pérdidas y ganancias (Aghion

y Howitt, 1992).

En tanto que Gene Michael Grossman (1955) y Elhanan Helpman (1946) señalan también las relaciones

entre las innovaciones y el crecimiento, argumentando que el conocimiento se acumula en el tiempo

dentro del proceso de investigación y se aprovecha por otros agentes sin representar coste alguno tras

difundirse de manera gratuita y emprenderse labores de imitación –especialmente entre los países del

sur, que innovan poco (Grossman y Helpman, 1991).

En el caso colombiano, esta disrupción por la inserción de la tecnología 4.0, afecta la estructura del mercado de trabajo en todos sus niveles, porque las nuevas ventajas competitivas se derivan del cambio tecnológico, la inversión en capital humano e investigación y desarrollo, la información y el conocimiento y el posicionamiento de las marcas, con lo cual Colombia presenta enorme rezago. Los efectos asociados al cambio técnico asociado con la economía del nuevo capitalismo de la información esta por estudiarse. Pero existen trabajos pioneros que ayudan a consolidar una ruta de investigación académica.



36

En Colombia los trabajos de investigación sobre este tema han explorado el comportamiento del mercado de trabajo y sus determinantes. En 2009, Arango y otros, analizó la demanda de trabajo formal, sus determinaciones e implicaciones de política, en el cual hallan las funciones de trabajo calificado y no calificado; para personas con doce o más años de educación y las que tienen a lo sumo once años de educación, en un proceso de minimización de costos utilizando una función CES para firma típica de sector urbano formal. Los resultados indican que el cambio técnico y el producto son variables claves en la determinación de la demanda de trabajo calificado y no calificado en el largo plazo.

Otro trabajo delo mismo autor observo las relaciones del salario real flexible, aquel que responde a movimientos de las funciones de demanda y oferta de trabajo, con el comportamiento del ciclo económico (Arango L.E., y otros 2012) utilizando la Encuesta de Hogares presentan evidencia empírica de que los salarios reales son flexibles en algunos sectores económicos, grupos poblacionales y coberturas geográficas, entre 1984 – 2010. Los ejercicios contrafactuales muestran que las evoluciones de las primas por escolaridad y experiencia son determinantes de la disminución de la desigualdad.

En el trabajo de Medina C y Posso Ch. (2018) utilizan descripciones de ocupaciones para construir intensidades de tareas relacionadas con el uso de la tecnología. Mediante el uso de encuestas de hogares logran evaluar hasta qué grado la reasignación de trabajadores por medio de ocupaciones que requieren diferentes intensidades de tareas es consistente con la hipótesis de la polarización. El trabajo es concluyente en que se encontró un incremento del empleo en los extremos de la distribución de los salarios y/o las ocupaciones cualificadas. particularmente pronunciado en el periodo en el que aumentó la disponibilidad de tecnologías, y los precios de éstas disminuyeron considerablemente. los resultados aportan evidencia a favor de la hipótesis de la polarización del mercado laboral en Colombia

Una investigación del Observatorio de trabajo de la Universidad del Rosario, en cabeza de García, Guataquí, Guerra y Maldonado (2009), ayuda a avanzar en el cuestionamiento sobre el coeficiente que representa la tasa de retorno a la inversión en educación de la ecuación de Mincer, apoyándose en el enfoque metodológico proporcionado por Heckman et al. (2005). Encuentran una tasa de retorno del 7,4 % anual, frente a la que se halla en la literatura colombiana cercana al 12,8 % anual.

Vargas en 2013, determinó los retornos a la educación de los trabajadores en Colombia, comparando las diferencias en los retornos de las personas que estudiaron y trabajan en los centros urbanos y lo compara con los rurales.

Zarate H (2003) encontró que el aumento en la diferencia salarial del mercado de trabajo en el país se explica por los cambios en el retorno de habilidades, que permiten ser cuantificadas, y por cambios en la desigualdad dentro de grupos de trabajadores analizados. Sin embargo las fuentes que originan estos cambios no son explícitamente identificadas. El autor determinó que se encuentra que los cambios en la estructura salarial pueden estar relacionados con innovaciones en el desarrollo tecnológico, modernización en las instituciones, en el poder del sindicalismo.

Arango L.E y Hamann F, (2012) estudiaron los determinantes del desempeño del mercado de trabajo en Colombia, a establecer su dinámica, identificaron “el cambio técnico, el precio relativo de los factores (como reflejo de su abundancia o escaseces relativas), la existencia de distorsiones, rigideces y costos de ajuste, factores demográficos, la estructura impositiva, la demanda agregada y las normas e instituciones, entre otros” [Arango L.E y Hamann F, BANREP. (2012)].



37

el artículo “Cambio tecnológico y desigualdad de salarios. Colombia, 1984-2010” de Carmiña Vargas, quien presenta evidencia del comportamiento creciente del salario de los trabajadores con educación superior en relación con el de quienes solo tienen bachillerato completo.



38

Capítulo 2: Cambio Tecnológico de la Revolución 4.0 y la Hipótesis del cambio Tecnológico Sesgado (HCTS).

La vigencia del pensamiento de J. Schumpeter para entender la dinámica que imprime la Cuarta

Revolución Industrial, en particular, sobre la importancia y dinámica del proceso de innovación

y del cambio tecnológico, son el fundamento teórico de análisis, sobre los impactos del proceso

de innovación de la disrupción tecnológica, ocasionada por la revolución industrial 4.0, como

fuerza fundamental para generar los incentivos tecnológicos necesarios que intensifiquen la

producción en el modelo económico dominante y de impulso a la transformación de los oficios,

de trabajos y profesiones, que deben reinventarse para permanecer vigentes en el mercado.

A partir de los análisis del cambio en la estructura salarial, se inicia un proceso de investigación

que conlleve a medir el cambio de los retornos de la educación y la experiencia en diferentes

puntos de la distribución salarial del mercado laboral colombiano (Zarate. H, 2003), y

determinar los efectos del cambio tecnológico. De acuerdo con Vargas C. (2012), los trabajos

con enfoque en la disertación del cambio tecnológico y la desigualdad de salarios, se plantean

la necesidad de establecer la importancia del cambio tecnológico en la disrupción de la economía

y en particular del mercado laboral. De otra parte, se preocupan por el efecto del cambio

tecnológico en la estructura de los salarios de los trabajadores. En tal sentido la línea de

investigación esta signada por el concepto de evolución del retorno a las habilidades en una

economía. En palabras de Vargas, se puede explicar el “retorno a las habilidades” como el

diferencial de salarios entre trabajadores calificados y no calificados, con dos connotados

efectos: Primero, la evolución del retorno a las habilidades provee información sobre las

características del proceso de desarrollo de la economía. Segundo, dicho retorno es una medida

gruesa de la desigualdad entre trabajadores de diferentes calificaciones. (Vargas 2012, pág. 211)

En Colombia, se ha avanzado en definir los efectos del cambio tecnológico en el mercado

laboral Vargas (2012) argumenta que, a partir de Katz y Murphy (1992), Katz Autor y Krueger

(1998), y Katz y Autor (1999), es plausible argumentar que cambios dramáticos en los tipos de



39

tecnologías disponibles a las firmas son responsables de los incrementos en los diferenciales de

salarios entre trabajadores calificados y los menos calificados. La razón para el aumento en el

nivel educativo de la fuerza de trabajo es la “no-neutralidad en el cambio tecnológico”, término

que se ha utilizado para definir “el libre albedrío de los agentes económicos de elegir y maximizar su utilidad

con la tecnología que se ajusta al óptimo de la maximización de sus beneficios y que de implícito pasa por la

adquisición, utilización o conocimiento actualizado que le permita competir en el nueva economía del conocimiento

tecnológico”, y la cual terminará beneficiando al trabajador con mayor calificación. Vargas (2012).

En el mismo sentido Arango, Gómez, Posada (2009) estudian la demanda de trabajo formal en

Colombia, y los determinantes e implicaciones de política, a partir de funciones de trabajo

calificado y no calificado, y capital, a partir de un proceso de minimización de costos de una

firma representativa, del sector privado y que utiliza una función CES, sugieren que existe

sustituibilidad entre los dos tipos de trabajo y entre el trabajo agregado y el capital; con evidencia

empírica favorable al cambio técnico, desde dos perspectivas, la primera es que el cambio

técnico aumentó es favorable al incremento trabajo agregado medido por unidades de eficiencia,

y la segunda que el país experimentó un cambio técnico sesgado hacia tecnologías cada vez más

intensivas en el uso de trabajo calificado.

En el mismo sentido, Arango L.E, Posada C.E, y Uribe J. D., (2006), con datos de la Encuesta

Nacional de Hogares (ENH), evidencian dos hechos que afectan la estructura salarial entre 1984

– 2000, del sector formal de la economía, primero un aumento del salario real de obreros y

empleados y a su vez un aumento de la desigualdad del ingreso salarial “El aumento en los salarios

cobijó, básicamente, a los empleados con mayores niveles de educación y, como consecuencia, el país observó un

aumento del sesgo de la distribución del ingreso salarial en su favor”(Arango L.E, Posada C.E, y Uribe J. D.,

2006, pág. 193). En un contexto de cambio técnico y polarización del mercado laboral en

Colombia, Medina y Posso (2018), evaluaron si hay evidencia suficiente que respalde la hipótesis

de que existe polarización del mercado laboral colombiano. Ellos parten del argumento que el

cambio técnico cumple un papel trascendental en la forma en que sus disrupciones ha

incrementado la desigualdad de los ingresos con la introducción de nuevas tecnologías, que

muestran su predilección por mano de obra cualificada.



40

A partir del modelo canónico del mercado de trabajo (Acemoglu, 2002), los autores indican que

la polarización laboral cuando al tiempo ocurren un crecimiento simultaneo de la demanda de

empleo cualificado con salarios altos y también la demanda de trabajadores con baja

cualificación y remuneración, Medina Posso (2018).

En términos de Aghion (2015), la teoría Schumpeteriana del crecimiento ha ayudado a disminuir

la brecha entre la micro y la macroeconomía; de una parte ha puesto en funcionamiento la

noción de destrucción creativa, y de otra, utiliza ricos microdatos, en particular sobre la entrada,

la salida y la distribución del tamaño de las empresas, para hacer frente a las predicciones, lo

que la distingue de otras teorías de crecimiento.

De acuerdo con Aghion, Akcigit, Howitt (2015), existen tres elementos comunes a proceso de

cambio técnico sesgado, el primero, que una tasa de crecimiento más rápido impulsada por

innovación, asociada generalmente a una mayor rotación (es decir, mayores tasas de creación y

destrucción de empresas y puestos de trabajo). Un segundo elemento, es que el paradigma arroja

luces sobre la relación entre el crecimiento y la dinámica de la empresa. Es decir, las pequeñas

empresas salen con más frecuencia que las grandes. Condicionadas a la supervivencia, pequeñas

empresas crecen más rápido, y se comprueba una correlación muy fuerte entre el tamaño y la

edad de la empresa. Lo anterior, genera que la distribución del tamaño de la empresa esté muy

sesgada. Y el tercer argumento citado es que la teoría Schumpeteriana del crecimiento nos ayuda

a reconciliar el crecimiento con el desarrollo. Aghion (2015)

En al esquema sistemático de investigación, el análisis propuesto en esta investigación, parte del

debate sobre los efectos del cambio tecnológico en el mercado laboral colombiano, por la

revolución industrial 4.0, la cual ha tomado vigencia en el nuevo milenio, como consecuencia

de un vertiginoso desarrollo de nuevas formas de producción asociadas a una masificación de

la interconexión de sectores claves de la economía. Por lo tanto, se estima si hay suficientes

elementos que ayuden a confirmar la hipótesis de que existe una polarización en el caso del

mercado laboral colombiano y convalidar resultados de Medina y Posso, (2018) y Vargas C,

(2012) quienes sostiene que un “incremento del empleo en los extremos de la distribución de

los salarios y/o las ocupaciones cualificadas, particularmente pronunciado en el periodo en el



41

que aumentó la disponibilidad de tecnologías, y los precios de éstas disminuyeron

considerablemente”.

La panorámica y evidencia histórica de los efectos del progreso técnico ayuda a entender que

los efectos del cambio tecnológico sobre el empleo dependen de muchos factores. Doménech,

J R. García, y otros, (2018) elaboran una número de variables destacando la complementariedad

o sustituibilidad entre trabajo y máquinas, elasticidad de la oferta de trabajo a los salarios,

regulaciones laborales, eficiencia y flexibilidad del mercado de trabajo, la movilidad geográficas

y ocupacional de los trabajadores y de la reasignación entre sectores, las mejoras en el nivel de

cualificación, el grado de competencia en los mercados de bienes, servicios y trabajo, la

elasticidad de la demanda de bienes y servicios a la renta (e.g., salud frente a alimentación), el

efecto renta del cambio tecnológico: abarata unos bienes y libera renta que se puede gastar en

otros, el consumo agregado crece en paralelo a la productividad agregada, la interacción con la

globalización.

En la literatura sobre los efectos en la polarización del empleo se diferencian dos posturas. La

visión pesimista hacia un mundo sin trabajo, observadas en Frey y Osborne (2013) que encontró

que un 47% del empleo en EEUU se encuentra amenazado por la computación. Brynjolsson

and McAfee (2014) sostuvo que las innovaciones digitales están contribuyendo al estancamiento

de las medias en los Estados Unidos y a la desaparición de muchos empleos de nivel medio.

Tomas Piketty (2014) afirmó en su Texto el capitalismo del Siglo XXI, que el capital (en manos

de pocos) crece más que el PIB y aumenta la desigualdad. De Stefano (2016) observa que hay

riesgos para los trabajadores de las nuevas formas de trabajo, existe un acuerdo generalizado en

la sociedad, la política, la educación y las empresas de que la digitalización y la automatización

provocarán cambios fundamentales en la forma de trabajar en las próximas décadas. Por su

parte, Milanovic (2016) demostró que el progreso tecnológico, la reasignación intersectorial del

trabajo, la globalización y las políticas actuales están generando una segunda curva de Kuznets

que no desaparecerá pronto. Autores como Avent (2016) señalan que las nuevas tecnologías

crearán empleos nuevos y buenos, pero no serán suficiente para absorber la sobreabundancia

de mano de obra y por lo tanto, las tecnologías de intercambio de conocimientos presentan

una nueva oportunidad para diversificar las soluciones y dar lugar a la innovación.



42

En el debate de la relación entre la tecnología y el empleo, también se puede decantar una mirada

más optimista del progreso técnico. Autor (2015) realizó una investigación en la que concluye

que la mayor parte del progreso técnico ha venido acompañado de un ahorro en costes

laborales. Sin embargo, durante los dos últimos siglos la automatización y el progreso técnico

no ha provocado la obsolescencia del capital humano. La tasa de empleo ha aumentado a lo

largo del S. XX por la incorporación de la mujer al mercado de trabajo.

Otros autores, han realizado un análisis de sobre el efecto final durante buena parte del S.XX,

para concluir, que éste fue un aumento de la productividad y de los salarios reales, sobre todo,

tras la segunda revolución industrial; sin que aumentara el desempleo.

Al contrario, la evidencia para muchos países es que cuanto más rápido crece la productividad tendencialmente es menor la tasa de desempleo como, por ejemplo, en EE. UU. (Ball y Mankiw, 2002) o España en los años 60.

2.1 La productividad en el contexto del cambio tecnológico: productividad en Colombia

En términos de Sala i Martín, en: “Otra Mirada Para el Crecimiento, 2016 en el Año de la Productividad” 3, la competitividad es lo que determina la productividad, que a su vez, es un concepto que ofrece una medida sobre la eficiencia con la cual una economía utiliza sus recursos para obtener un determinado nivel de producto. [Sala i Martin, X, (2017)]

Por tanto, un mayor nivel de productividad está asociado a una mayor competitividad de un país o región económica y permite la presencia de mayores tasas de crecimiento económico. Pero de dónde viene un mayor incremento de la productividad. La respuesta que encuentra el autor del índice de productividad es de la capacidad e innovación de trabajadores (72%), Ciudadanos (20%) y de investigadores de I+D (8%). Por lo tanto, el principio de innovar está fundamentado en procesos de inversión en capital humano incrementando la base: La educación primaria. Dicho lo anterior, este argumento de fondo implica una iniciativa para incrementar procesos de formación de los trabajadores, es decir, que el

3 Sala i Martin, X, (2017). Foro Económico Mundial (WEF), autor del Índice de Competitividad Global (GCI), y asesor económico principal del Centro de Competitividad Global WEF. Conferencia en Chile Recuperado de: https://youtu.be/ZEqQcKYxfFY



43

desempeño de la productividad laboral es una de las medidas más relevantes para su crecimiento, y sólo aumentará con un mayor incremento a las tasas de capital humano desde su inicio en educación.

Durante la década 2010 -2019, el país observó que el aporte de los factores de producción es mínimo en el crecimiento del valor agregado, comparado con Chile que en 2011 tenía una Productividad 1.6 de productividad laboral según datos de la OCDE. [OCDE, 92 Bases de Datos de Cuentas Nacionales y Panorama Económico]. De otra parte, Colombia y México, registran los más altos índices de horas trabajadas, según González A, (OCDE, 2019) y “el hecho de que varios países de América Latina encabecen las estadísticas de horas trabajadas es en gran parte un reflejo de que esos países presentan también una muy baja productividad”, [González. A., 2019, Informe de la Organización para la Cooperación y el Desarrollo Económico (OCDE)].

Tabla 1-1: Comportamiento comparado del aporte al crecimiento del valor agregado (%) Año Productividad

Total Productividad del Trabajo

Capital TIC Capital No TIC

Capital Total

2015 2,12 0,74 0,27 0,99 1,26

2016 3,29 1,26 0,39 1,44 1,84

2017 2,43 0,90 0,31 1,10 1,41

2018 2,52 1,09 0,49 1,20 1,69

2019 2,13 0,91 1,27 0,69 1,95

Promedio 2,50 0,98 0,55 1,08 1,63

Fuente: DANE, Cuentas nacionales, (2019).

Figura 1-1: Productividad Total De Los Factores (2015 -2019)

Fuente: DANE, Cuentas nacionales, (2019).

2,12

3,29

2,43 2,522,13

0,27

1,27

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

2015 2016 2017 2018 2019

Productividad Total Productividad del Trabajo Capital TIC

Capital No TIC Capital Total



44

La tabla anterior, y el grafico presentan un crecimiento comparado del aporte de la productividad de los factores capital y trabajo al valor agregado de la productividad total. Se destaca que el aporte del trabajo en promedio es inferior al del capital total en 0,65 puntos porcentuales.

En este contexto es importante preguntarse ¿si los gobiernos y las empresas, y sus líderes de negocios, están preparados para aprovechar el potencial pleno de la industria 4.0?, ¿Están preparados para beneficiar a sus clientes, las organizaciones, comunidades y la sociedad en su conjunto?

Estas preguntas fueron formuladas en una encuesta que Deloitte Global aplicó a 1.600 ejecutivos de nivel alto para determinar la preparación de los negocios y del gobierno para la Cuarta Revolución Industrial o industria 4.0. Para explorar los posibles resultados se agruparon cuatro ejes temáticos: 1. Impacto social, 2. Estrategia, 3. Talento y fuerza de trabajo, y 4. Tecnología. Sin embargo, para los efectos en el mercado laboral, que es eje central de esta investigación, este estudio se concentró en el eje tres es decir, el impacto en el trabajo.

De los 1.600 ejecutivos consultados, tan sólo el 25% está confiando de tener la composición correcta de la fuerza de trabajo y los conjuntos de habilidades necesarios para enfrentar el cambio tecnológico 4.0. Pero, resulta ambiguo que el 17% indicó que el talento y los recursos son una prioridad relativamente baja, y el 86% de ellos afirmó que están haciendo todo para crear una fuerza de trabajo mejor preparada para esta nueva era. [Deloitte Global, La Cuarta Revolución Industrial está aquí - ¿está usted preparado?, 2018]4. Los realmente importante del apartado sobre el Talento y fuerza de trabajo es que el informe reconoce la importancia de entender significativamente lo siguiente: “el hecho es, mucho de los trabajos y de las habilidades requeridos cambiarán dramáticamente, si bien puede ser muy temprano para decir cómo, o en qué grado”. [Deloitte Global, 2018], y agrega “Hay dos orientadores fundamentales que los ejecutivos pueden considerar cuando intenten anticiparse a los cambios: tecnología (e.g., robótica y cognitiva/Inteligencia Artificial) y fuerza de trabajo cambiante (i.e., economía gig, crowdsourcing, etc.)”

En este contexto de mercado de trabajo las conclusiones de la encuesta son contundentes. La primera que “La creación de tal entorno de trabajo/vida de colaboración, amigablemente humano, requerirá un enfoque más amplio del que las organizaciones actualmente tienen” y la segunda “Pero este enfoque – que limita a la eficiencia las interacciones de los empleados y de la tecnología – podría obstaculizar el éxito de las organizaciones. Para que sea capaz de activamente co-crear la sociedad de Industria 4.0, la fuerza de trabajo tiene que tener fluidez en la tecnología como una fuerza poderosa de transformación. Entonces, el reto es atraer y desarrollar nuevos tipos de talento, la necesidad de que las organizaciones creen una cultura que fomente que los empleados acojan el aprendizaje., y descubran los tipos de habilidades que necesitamos para crear nuestra fuerza de trabajo en el futuro.

4 Deloitte Insights, January 22, 2018. https://www2.deloitte.com/insights/us/en/deloitte-review/issue-22/industry-4-0-



45

2.2 La Disrupción 4.0: El cambio tecnológico de la Cuarta Revolución Industrial

La disrupción es un concepto que fue forjado durante años por el académico Clayton M Christensen, desde su aparición en el artículo, “Disruptive Technologies: Catching the Wave”, publicado en el Harvard Business Review, en 1995. Como tal, el término disruptivo hace relación a un evento que ocasiona un cambio determinante en varios aspectos de la sociedad, su definición para nuestro trabajo de investigación y análisis cobra interés se da en el contexto del cambio tecnológico de la revolución 4.0.

En términos de Christensen C. (1995) “la innovación disruptiva es una transformación que se caracteriza por generar un cambio drástico pudiendo ocasionar la desaparición de ciertos productos o servicios del mercado, para dar paso a otros con características diferentes a un mayor número de usuarios o demandantes". [Clayton m. Christensen and Joseph l. Bower, 1995]

El modelo de Innovación disruptiva planteado por Christensen plantea que existen dos clases de innovaciones: Las Innovaciones Sustentadoras, están presentes en la mayoría de los productos que ofertan las empresas, porque proveen mayor calidad o mejor funcionalidad adicional a sus actuales consumidores, lo que estaría orientado a una mejora en los procesos de producción, optimización de los ya existentes a sus clientes. Y por lo tanto, las empresas se enfocan en desarrollar estas innovaciones, orientando sus esfuerzos de innovación ajustado a las demandas de sus grandes clientes. En general, el enfoque de estas innovaciones es que son incrementales y otras son productos y servicios con mayor desarrollo o innovación.

De otra parte, las Innovaciones Disruptivas, no se enfocan en satisfacer las necesidades o demandas de desarrollo de grandes clientes actuales, o los productos y servicios disponibles. En contraste con las innovaciones sustentadoras, los productos y servicios de la disruptiva son productos y servicios más simples, convenientes, más asequible por un menor costo, y tienen el poder de atraer a nuevos clientes que son menos exigentes. Adicionalmente, su impacto es mayor en la estructura de muchos sectores: Transporte aéreo de pasajeros, fabricación de computadores personales, desarrollo de las comunicaciones, servicios financieros etc. Las Innovaciones disruptivas a menudo producen grandes cambios sociales.

En tal sentido, es importante preguntar si la Revolución industrial 4.0 es una disrupción tecnológica que trae consigo un enfoque de cambio fundamentalmente diferente al de las anteriores disrupciones industriales. En otro artículo de 1996, Christensen et al, exploran el poder del cliente, la inversión estratégica y el fracaso de las empresas líderes frente al cambio disruptivo.

Para dar respuesta a dicho interrogante, es importante recordar que en 2016 Klaus Schwab, definió el proceso de cambio tecnológico de la Revolución 4.0 como un proceso soportado en su escalabilidad, alcance y complejidad, características que la diferencian de los procesos que le antecedieron. Además por la amplitud, es decir, la variación máxima de las innovaciones soportadas en las tecnologías de información, así como de la velocidad como se propagan en los sectores económicos. [Schwab K., (2016) La Cuarta Revolución Industrial, debate, WEF]. Aunque entre la publicación de su libro “La Cuarta Revolución Industrial” y el año 2019 el progreso no se ha detenido, sino que han incrementado las innovaciones, resaltaremos sus fundamentos vistos desde la óptica de Schwab.



46

En su argumentación Schwab (2016) menciona que una Cuarta revolución está en marcha por tres razones:

1. Velocidad: Esta revolución de la información soportada en datos está evolucionando a un ritmo exponencial, como resultado de un mundo globalizado, multicultural y con un nicho de mercado cautivo, que se reproduce naturalmente en las redes. La velocidad de innovación en el desarrollo y de la difusión de nuevos productos y servicios es mayor que en anteriores revoluciones.

2. Amplitud y profundidad: soportado en la variación máxima de las innovaciones digitales, cambiará de forma disruptiva con innovaciones en los sectores económicos, sociales, institucionales, que fomentan el cambio social.

3. Impacto de los sistemas: fundamentado en la transformación de sistemas complejos al interior y entre los países, las empresas, las industrias y la sociedad en su conjunto, como un vehículo de mayor bienestar, que es el resultado de los altos rendimientos a escala, que son más generosos por un incremento en el índice de automatización de procesos.

En este contexto, en la historia del desarrollo económico se puede identificar tres revoluciones industriales, desde la primera en 1760 hasta la más reciente 2016. Es decir, son disrupciones ocasionadas en dos siglos y medio de progreso tecnológico.

En síntesis la primera revolución abarca un periodo de 80 años, entre 1760 a 1840, y estuvo caracterizada por la inserción del ferrocarril, el motor a vapor, y la invención del telar electrico. Su origen fue en la Gran Bretaña a mediados del siglo XVIII, y luego se extendió por Europa, y Norteamérica, con ella se rompió con el modelo de economías con soporte en el sector agropecuario y la actividad artesanal, para abrir paso a una sociedad industrializada. Sus cambios afectaron las estructuras institucionales de la sociedad, desde lo tecnológicos, (el uso de nuevos materiales como el acero a fuentes energéticas como el carbón y máquinas motrices), socioeconómicos (Crecimiento de las ciudades y el consiguiente éxodo en zonas rurales), hasta fomentar nuevas condiciones sociales (la aparición de una nueva clase trabajadora que se agrupa en suburbios). En síntesis, cambió de manera radical la forma de producción de los bienes, así como que marcó el comienzo de la mecanización.

La segunda revolución industrial, se inició durante el último cuarto del siglo XIX, en Europa, en un proceso que significaría el triunfo del maquinismo y de la gran industria sobre la mediana y pequeña, el aumento de la producción y la expansión del mercado mundial de productos. Los ferrocarriles, El taylorismo, El fordismo, El movimiento obrero, La energía y las comunicaciones, El 1º de Mayo, fueron consecuencias de la industrialización, dejando consolidado en el planeta un «mercado mundial» de países dominantes, que producían productos elaborados, y países dependientes, proveedores de materias primas.

En la década de los años sesenta se inició la tercera revolución Industrial, la cual se le conoce como la del cambio digital que innovó con su proceso de automatización, la inserción de las tecnologías de la información y comunicaciones. En 1954, unos años antes, con el comienzo de la instalación del primer cable transatlántico se dio un impulso para avanzar, y nueve años después, se fundó la primera oficina informatizada (Succassuna, USA), lo cual, sin duda, constituyó el origen del desarrollo informático, que trascendió a intensificar el uso de computadores - ordenador tipo servidores (Mainframe), y un fuerte impacto en la producción a partir de los semiconductores, básicos en la industria de la electrónica en circuitos integrados, laser, sensores, etc. En términos de Rifkin, J (1995), “El software y hardware ya



47

existentes propician una rápida transición hacia la civilización basada en el silicio”, que es una materia prima con alta demanda en la industria 3.0. Los pilares de la tercera revolución industrial son cinco: 1) la transición hacia la energía renovable; 2) la transformación del parque de edificios de cada continente, en microcentrales eléctricas que recojan y aprovechen in situ las energías renovables; 3) el despliegue de la tecnología del hidrógeno y de otros sistemas de almacenaje energético en todos los edificios y a lo largo y ancho de la red de infraestructuras, para acumular energías como las renovables, que son de flujo intermitente; 4) el uso de la tecnología de Internet, para transformar la red eléctrica de cada continente en una interred de energía compartida, que funcione exactamente igual que Internet, y 5) la transición de la actual flota de transportes hacia vehículos de motor eléctrico, con alimentación de red”. [Boletín Mexicano de Derecho Comparado, nueva serie, año XLIX, núm. 150, septiembre-diciembre de 2017, pp. 1457-1462].

En opinión de Rifkin J. (2012), en la “Tercera Revolución Industrial”5, el concepto de propiedad o derechos de propiedad es importante en esta era, por la masificación de las redes sociales y el internet, que permiten la circulación libre de derechos de autor y patentes, los cuales están siendo expuestos a circular libremente o son ignorados frecuentemente, propiciando que su supervivencia está limitada en un mundo globalizado por las comunicaciones. [Rifkin, J 1995].

La Cuarta Revolución Industrial, por tanto es considerada como disruptiva porque modificó radicalmente las formas de producción, las relaciones laborales, que si bien está claro que la Revolución 4.0 no es la causa del desempleo, (Viollaz, 2019), sus efectos en la polarización del mercado por sesgo tecnológico son de mayor impacto en las capas de trabajadores con menos años estudio.

Esta nueva era tecnológica exige de la sociedad los mejores trabajadores, calificados en los fundamentos que exige la revolución digital, es decir, con el advenimiento de la Cuarta disrupción tecnológica, caracterizada por un internet más generalizado y de acceso inmediato, inalámbrico. Lo cual le da el soporte a crecer exponencialmente en diferentes áreas de desarrollo tecnológico, que son soportados en la Inteligencia Artificial (IA) y el aprendizaje automático o aprendizaje automatizado, (Machine Learning); que está orientado a desarrollar técnicas que las computadoras tengan un grado de autonomía parra ejecutar con autonomía determinadas actividades; identificación facial, registro de viajeros, identificación del nivel de Triage, o rutinas de industrias automatizadas.

En palabras de Schwab (2016) el consumidor ha visto mejorado su bienestar y su nivel de vida es más eficiente. La mayoría de los productos de consumo son más asequibles, alguno con menor costos, y ahora están disponibles en todo momento o menor tiempo, y todo soportado en la WEB. Es para muchos economistas la unión de tecnologías físicas y digitales: analíticas, inteligencia artificial, Internet de las cosas (IOT). El dominio de aplicación de la revolución 4.0, la tecnología de avance y su definición se resumen en la tabla que se presenta a continuación. Xavier Sala i Martín, Economista Catalán, PHD y docente de columbia U, en su libro la Invasión de los Robots pág.142 -143 (2019), expone que este cambio tecnológico es quizás más acelerado y transformador que el vivido en el S. XX, porque se ha

5 Rifkin J. (2012), la “Tercera Revolución Industrial”, Cómo el poder lateral está transformando la energía, la economía y el mundo, San Pablo: MBrooks Brasil.



48

conseguido avanzar en desarrollos soportados en Inteligencia artificial, la robotización + Automatización de la fabricas, los automóviles autónomos (computadoras sobre ruedas) sin conductor y eléctricos, las redes sociales, las impresoras 3D, la desintermediación causada por empresas como UBER en el transporte de pasajeros, entrega de comidas y paqueteo, AIRBNB en el sector hotelero, la nube informática, los sensores, el internet de las cosas (Internet of Things) IOT, la medicina digital (virtual), la Biología sintética, la biotecnología, el Big Data (análisis de megadatos) , el digital manufacturing, la aparición de nuevas materias primas o nanomateriales, entre otros. [Sala i Martín, 2019, Cap. 6, pág. 142 -143], los cuales se clasifican en el siguiente cuadro:



49

Tabla1-2: Impulsores Tecnológicos de la Cuarta Revolución Industrial

Dominio de aplicación

Tecnología

Definición

Digital

Big Data computación en la nube

La mayor parte del trabajo de computación hoy ya es realizado en forma remota en la nube, reduciendo la necesidad de almacenamiento y procesamiento en las computadoras y dispositivos locales.

Computación en el borde/niebla

A través de distintas redes de comunicación con distinto alcance espacial y potencia, acercan a los dispositivos las capacidades de cómputo en la nube y facilitan el procesamiento y almacenamiento, así como los servicios de red entre los equipos terminales y los centros de datos.

Inteligencia artificial Apoyada en los datos generados par la loT, posibilita el análisis predictivo y la identificaci6n de patrones (intervenciones preventivas), el prescriptivo (intervenciones correctivas) y el adaptativo (autonomía sobre la base de un aprendizaje continuo

Cadena de bloques (Blockchain)

Basadas en libros digitales mayores (ledgers) distribuidos y encriptados agregarían transparencia, inmutabilidad e integridad a los millones de transacciones de la IoT, principalmente en las cadenas de valor o en situaciones en las que los objetos cambian de propietario

Físico

Internet de las cosas y sensores Se conectan dispositivos inteligentes dotados de sensores y actuadores, que a medida que operan, generan datos que mediante algoritmos y Machine Learning permiten optimizar el proceso de gestión de la producción y distribución (ejemplo: mantenimiento predictivo, customización)

Vehículos autónomos o semiautónomos

Maniobrados sin intervención humana o con intervenciones humana reducida. Los mismos incluyen tanto los automóviles y camiones como drones de pulverización (UAV). La utilización de GPS y datos espaciales combinado con sensores posibilita a los vehículos autónomos seguir un trayecto de acuerdo con ciertos parámetros.

Robótica avanzada Avances en inteligencia artificial, visión a partir de máquinas, sensores, motores e hidráulica están haciendo posible que los robots no solo realicen tareas cada vez más complejas sino que los mismos se adapten y operen en condiciones caóticas

Manufactura aditiva (impresión 3D)

Avances en inteligencia artificial, visión a partir de máquinas, sensores, motores e hidráulica están haciendo posible que los robots no solo realicen tareas cada vez más complejas sino que los mismos se adapten y operen en condiciones caóticas

Biológico

Nueva genómica

La rápida reducción de los costos de la secuencia del ADN hace que exista una gran magnitud de datos genéticos disponibles, haciendo que se acelere el proceso de analizar estos datos para descubrir cómo estos genes determinan ciertos rasgos o mutan causando enfermedades

Edición Génica (CRIS/Cas9)

Herramientas de ingeniería genética que permiten cortar y editar de manera precisa y direccionada el ADN. Estas tecnologías no solo brindan oportunidades de mayor productividad en la investigación y desarrollo de nuevas drogas, al identificar y editar aquellas partes del ADN de una célula que tiene mayor capacidad de producción de ciertas proteínas

Pasaje a continuo y sistemas descartables de bioprocesos

Procesos continuos como alternativa a la producción en lotes, permiten operar flexiblemente con reactores más pequeños, manteniendo la estabilidad de los insumos en el proceso. Sistemas de reactores descartables (single use), en vez de tanques de acero inoxidable posibilitan economías de escala (cambios rápidos y limita contaminación cruzada)

Fuente: CEPAL (2018)

Estas tecnologías están soportadas en la quinta generación de desarrollos, o 5G, que en involucran tres características a el funcionamiento y conectividad: Mayor Conectividad, Velocidad y latencia (tiempo de respuesta de la RED), como que son estos elementos los necesarios para el óptimo funcionamiento del IOT. La 5G permitirá conectar un mayor número de dispositivos telefonía móvil y otros por KM2.

De esta manera, la industria, supera los problemas de escalar procesos, y con una solución logra monitorear la cadena de producción con vigilancia total, ausencia de privacidad de procesos productivos,



50

incremento de datos, incorporación de móviles, y reconocimiento facial, todo sobre la Nube. Esta nueva generación 5G para móviles y otros dispositivos, permite avanzar en el concepto de Mega computadores, “más rápidos”, cuyo fin es colaborarse entre sí; su orientación es para aplicaciones en la Astrofísica, Biomedicina, Genética, Energía, Prospección Petrolera, Campos Eólicos, Ingeniería, entre otros. El progreso y la importancia de la generación de la tecnología móviles y otros sobre 5G se muestra en la siguiente tabla:

Tabla 1-3: Evolución de las Tecnologías para dispositivos Móviles 1980 -2020

Tipo de

Tecnología

Periodo

Características

Ejemplos

1G

1980 -1990

Primeros teléfonos móviles que aparecieron en la década de los 80 con Tecnología Analógica.

• Servicios Sólo voz, • Conmutación de circuitos

2G

1990 – 2000

A partir de 1990, los teléfonos son digitales. Más seguridad y la posibilidad de hacer envíos de Mensajes de Texto, SMS. La velocidad de datos pasó de 56 kbit/s hasta 114 kbit/s

Voz Digital, SMS, Roaming Internacional, conferencia, llamada en espera, retención de llamada, transferencia de llamadas, bloqueo de llamadas, número de identificación de llamadas, grupos cerrados de usuarios (CUG), servicios USSD, autenticación. Facturación por cargos en llamadas locales, llamadas de larga distancia, llamadas con descuento, en tiempo real de facturación.

3G

2000 – 2010

Llegaron al mercado en 2001, con servicios de descarga de software, mensajería electrónica e instantánea. Mayor seguridad y aumento de la velocidad, llega hasta 2048 kbit/s (2 mbit/s).

Acceso a Internet de alta velocidad, llamadas de video, chat y conferencias, televisión móvil, vídeo, servicios según localización, telemedicina, navegación, correo electrónico, buscapersonas, fax y mapas de navegación, juegos, música móvil, servicios multimedia, como fotos digitales y películas. servicios localizados para acceder a las actualizaciones de tráfico y clima, servicios móviles de oficina, como la banca virtual

4G

2010- 2020

En el año 2010 fueron lanzados los nuevos dispositivos móviles que utilizamos hasta hoy. Cuentan con una seguridad, mayor transmisión de datos y su fiabilidad es más alta. Las velocidades son de hasta 1.048.576 kbit/s (1 Gbit/s).

Acceso móvil web, telefonía IP, servicios de juegos, TV móvil de alta definición, videoconferencia, televisión 3D, computación en la nube, gestión de flujos múltiples de difusión y movimientos rápidos de teléfonos móviles, Digital Video Broadcasting (DVB), acceso a información dinámica, dispositivos portátiles.

5G

2020 – actual.

En 2020 los móviles incrementan velocidad, latencia y su conexión aumenta a un Tbit: 1.073.741.824 kbit/s (1 Tbit/s). El enfoque del desarrollo es a vincularlo a procesos de producción. Desde el móvil monitorea la gestión.

• Personas y dispositivos conectados siempre en tiempo y lugar. • Su aplicación hará que el mundo real sea una zona Wi Fi. • Dirección IP para móviles asignada de acuerdo con la red conectada y

la posición geográfica. • Señal de radio también a mayor altitud. • Múltiples servicios paralelos. • La educación será más fácil. Un estudiante que se sienta en cualquier

parte del mundo puede asistir a la clase. • El diagnóstico remoto es una gran característica de 5G. Un Médico

puede tratar al paciente situado en la parte remota del mundo. • El seguimiento será más fácil, una organización gubernamental y otros

investigadores pueden monitorear cualquier parte del mundo. • Se hace posible reducir la tasa de criminalidad. • La visualización del universo, galaxias y planetas serán posibles. • También detectar más rápidamente desastres naturales incluyendo

tsunamis, terremotos, etc. Fuente: La Unión Internacional de Telecomunicaciones - IMT-Advanced (UIT). https://www.universidadviu.com/int/actualidad/nuestros-expertos

De acuerdo con lo expuesto anteriormente, surge la pregunta sobre cuáles serán las consecuencias para los trabajadores, en presencia del progreso tecnológico de la Revolución 4.0., es decir, de la “destrucción Creativa, expuesta por Schumpeter (1942), que acarreará la “invasión de los Robots”.

Los desafíos que traen consigo la Revolución industrial 4.0 tienen mayor importancia del lado de la oferta, debido a que es el proveedor de trabajo y producción, quién debe replantearse su estrategia competitiva para mantenerse vigente en su nicho de mercado.



51

2.3 Caracterización de la Cuarta Revolución Industrial “Las máquinas han substituido los seres humanos durante toda la historia, la diferencia con la revolución

actual es que sustituyen el cerebro” Xavier Sala-i-Martin

En la presente sección se ofrece un marco conceptual que permita responder a las preguntas ¿Qué es la Cuarta Revolución Industrial? ¿Cuáles son sus principales características? y ¿Cuáles son los desafíos y los efectos en la economía y la sociedad?

Para contribuir con la comprensión del fenómeno de la unión de las tecnologías físicas y digitales tales como analíticas, inteligencia artificial, tecnologías cognitivas y el internet de las cosas (IoT) en sus distintas dimensiones, que son los elementos principales que describen las características más preponderantes de la Cuarta Revolución Industrial, y a su vez el sello distintivo de la innovación acaecida en lo transcurrido del siglo XXI y de la matriz tecnológica actual, se construye esta aproximación metodológica.

En primer lugar, es importante decir que la Cuarta Revolución Industrial es resultado de un proceso de desarrollo sostenido que se fortalece en sus tres paradigmas tecnológicos disruptivos desde la primera Revolución industrial, en particular del avance de la era de la informática.

Tabla 1-4: Evolución de las Revoluciones Industriales Periodo Nombre de la Revolución Elementos Generales Ejemplos de Avances

Primera Revolución

Industrial 1760 – 1840

La era de Vapor Origen: Inglaterra

Mecanización de procesos a partir del vapor, aparición de fabricas

Maquina de Vapor en la Industria y transporte, telar mecánico, desarrollo de la Industria Textil.

Segunda Revolución

Industrial

1850 – 1920

La era de la electricidad Origen: Estados Unidos

La Expansión de la Energía Eléctrica El Fordismo

Energía eléctrica en procesos productivos Industriales. Cadena de montaje, masificación y uniformización de la producción. Teléfono, Motor de combustión, industria del petróleo

Tercera Revolución Industrial

1950 – 2011

La era de la Informática Origen: Estados Unidos Japón, países de la actual Unión Europea. Post – II guerra mundial

Se inició el proceso de desarrollo del controlador lógico programable, los semiconductores, y circuitos electrónicos, la programación de sistemas de información y automatización. El computador

Producción individualizada de bienes. Ordenadores, Teléfonos celulares, Microelectrónica, Telecomunicaciones, Fibra óptica, y de vidrio, Internet, Nanotecnología Ingeniería genética.

Cuarta Revolución Industrial 2011 - actualmente

La era de los sistemas Ciberfísicos “Cuarta Revolución Industrial” Origen: Alemania Generalmente con referencia a la Industria 4.0

Era del internet y uso generalizado de tecnologías de información, inteligencia artificial, la impresión en 3D, la robótica, la biotecnología y la automatización de vehículos. efectos en el mercado del trabajo. crecimiento exponencial de la tecnología como el elemento diferenciador.

Confluencia de numerosas tecnologías robótica, computación en la nube, cloud computing, sensores y redes, macrodatos (big data), fabricación digital, digital manufacturing, biología sintética, medicina digital, nanomateriales, tecnologías por encargo on demand technologies, e inteligencia artificial (Sala i Martin 2018)

Fuente: Elaboración propia, adaptada de Pinzón - Camargo (2021)



52

Por lo tanto, no es un proceso científico línea y acumulativo, sino que esta revolución industrial irrumpe con un nuevo orden soportado en tecnologías digitales, y ha transitado desde sus orígenes en las tres revoluciones anteriores, para consolidarse como un modelo, que Sala i Martin califica como «la madre de todas las revoluciones» (2018) ver tabla 1-4.

De hecho, tal como lo afirma El BID, el concepto de Revolución Industrial 4.0 está ligado a cambios en las condiciones tecnológicas de producción, de hábitos de consumo y de formas de establecer socialmente una nueva comunidad del conocimiento, mediante las relaciones de internet con la digitalización de la vida. [Banco Interamericano de Desarrollo, 2018].

En el siglo XXI los investigadores académicos han puesto su atención a la Cuarta Revolución Industrial que ha sido denominada, en diferentes ámbitos, como la Industria 4.0, caracterizada especial, porque la robótica que ha tomado el liderazgo de las modificaciones en los procesos de producción. Además de un grupo de tecnologías inteligentes y conectadas que pueden transformar las rutinas utilizadas con que se diseñan, fabrican, utilizan y mantienen bienes y servicios finales. Si a finales de la década de los años 90, del siglo anterior, las telecomunicaciones y el internet protagonizan una nueva era, en la actualidad son los robots los que están a la vanguardia de los avances tecnológicos para seguir la senda de crecimiento económico.

Este proceso de cambio tecnológico de la Cuarta Revolución Industrial, fue definido por Sala i Martin (2019), como un efecto combinado de sucesos económicos y cambios sociales, delimitado por la confluencia de diversas formas de tecnologías, cada una con una alta probabilidad para producir una nueva revolución industrial en áreas como la robótica, computación en la nube, Cloud Computing, sensores y redes, macrodatos (Big Data), fabricación digital, digital manufacturing, biología sintética, medicina digital, nanomateriales, tecnologías por encargo on demand technologies, e inteligencia artificial, que a su vez demandaran trabajadores recalificados con mayor inversión en educación o habilidades. (Sala i Marti, 2019)

Lo anterior incentiva a estudiar la complejidad de este fenómeno a partir de su descomposición en partes, o como lo sugiere la literatura, en un conjunto de tecnologías habilitantes. Estas tecnologías habilitantes han sido clasificadas de acuerdo con Pinzón – Camargo (2021), en cinco grupos que se especifican a continuación.

• El primer grupo conformado por tecnologías que proveen interfaces físicas o digitales: IoT,

sistemas Ciberfísicos, tecnologías de visualización.

• El segundo grupo de tecnologías está integrado por tecnologías de red, computación en la nube,

soluciones de ciberseguridad, las tecnologías de interpolaridad y el BlockChain.

• El tercer grupo de tecnologías incluye las tecnologías de procesamiento de datos, como la

modelación y simulación, el aprendizaje de maquina (Machine Learning), la inteligencia artificial

(IA) y el Big Data.

• El cuarto grupo de tecnologías está integrado por aquellas asociadas a procesos físicos o

digitales.



53

• El quinto grupo en el que confluyen las tecnologías genéricas.

Visto lo anterior, como lo menciona Pinzón – Camargo (2021), algunos autores comprenden la Cuarta Revolución Industrial como “concepto sombrilla”, lo cual pone en evidencia ciertos rasgos de debilidad en su conceptualización, porque se encuentran en un proceso de consolidación y desarrollo. No obstante, es posible identificar un grupo de características distintivas de la Cuarta Revolución Industrial, a saber: Integración de procesos, transparencia de la información en tiempo real, autonomía, Servitización6, pronóstico y predictibilidad, modularidad y capacidad de reconfiguración de los sistemas.

En tal sentido, el cambio al acceso en tiempo real a los datos y la inteligencia que permite la Industria 4.0 transforma fundamentalmente la forma de producción, la forma de hacer negocios y particularmente las relaciones del mercado de trabajo.

“Una de las cosas que pasa ahora es que la clase media, que antes tenía buenos sueldos, pasan a tener sueldos ridículos por hacer trabajos no cualificados y la clase media se vacía y se polariza la sociedad, y esto da lugar a todos los populismos que estamos viendo. Al final los futuros trabajadores se adaptarán e irán a buscar otro trabajo, pero el problema es la transición, que en otras revoluciones ha sido muy fácil, porque cambiar de trabajo en una persona poco cualificada no cuesta tanto. La única manera de preparar para todo esto es la educación, pero la forma como estamos educando a los niños creo que es errónea”, Xavier Sala i Martin (18/10/2018) [ver: https://www.uab.cat/web/sala-de-prensa.

Por lo tanto, la Cuarta Revolución Industrial es una mezcla de expectativa y ambigüedad, porque la Industria 4.0 se manifiesta como la fusión de técnicas avanzadas de producción y operaciones con tecnologías digitales inteligentes, que permiten crear una empresa digital que no sólo esté interconectada y sea autónoma, sino que pueda comunicar, analizar y utilizar datos, para impulsar nuevas acciones inteligentes en el mundo físico. Pero a su vez, genera preocupación por las tensiones y relaciones de los avances tecnocientíficos que se manifiestan en la sociedad, y repercuten a la esfera tecnosocial, en países en desarrollo con altos índices de desigualdad, en atender problemas sociales como educación, aprendizaje de empleados, sostenibilidad ambiental o movilidad social.

En tal sentido, representa las formas en que la tecnología inteligente y conectada se integraría en las organizaciones, las personas, los activos, y está marcada por la aparición de capacidades como la robótica, la analítica, la inteligencia artificial y las tecnologías cognitivas, la nanotecnología, entre otras, véase www.deloitte.com/insights.2017. En resumen, la Industria 4.0 está dando paso a una realidad digital que puede alterar las reglas de la producción, las operaciones, la mano de obra e incluso las reglas

6 La Servitización, emerge como una estrategia empresarial en la cual los servicios juegan un papel cada vez más importante, como una extensión a un producto, de modo que el valor del negocio pasa a centrarse en esos servicios adicionales de un producto final. Está impulsada principalmente por cuatro motivos: i). Las empresas productoras se están quedando sin diferenciación y es difícil competir vía precios; ii). La sociedad, el consumidor y las políticas públicas exigen que las empresas sean sostenibles en toda su cadena productiva partiendo de la economía circular: que los productos duren mucho más en el tiempo; iii). Las tecnologías de la información son un aliado porque permiten a los productores tener más información posventa. iv). La academia está enfocando sus estudios hacia el servicio. Recuperado de: https://castor.com.co/servitizacion/ ; Bejarano M. y Duque, C., EAFIT (2021)

https://www.uab.cat/web/sala-de-prensa

http://www.deloitte.com/insights.2017



54

de relacionamiento de la sociedad en su conjunto. Las nuevas tecnologías tienen un importante margen de poder para transformar las formas producción sectorial y por ende impactar en el producto que genera una economía.

Al evaluar por los temas que fueron los más relevantes durante la última década, se propone un ejercicio de minería de texto aplicado a más de 2000 páginas se analizan las tendencias temáticas que se trataron por parte de investigadores y de personas vinculadas a la industria 4.0. El resultado que se presenta en la figura 1-2 evidencia que la literatura relevante sobre el tema, de la nueva economía digital, ha utilizado tres conceptos claves: i). Sociedad de la información para el desarrollo (2010); ii). Ecosistema de innovación, para el desarrollo y la innovación en regiones, países y sectores, y iii) Seguridad de la organización, como principio de transformación del mercado digital, este ejercicio es una perspectiva cuantitativa de las temáticas más importantes en la literatura de la revolución 4.0, con mayor utilización entre 2010- 2019.

Figura 1-2. Métrica textual aplicada a los artículos publicados sobre el cambio tecnológico 4.0

2010: SOCIEDAD 2015: ECOSISTEMA 2019: SEGURIDAD

Fuente: Elaboración propia a partir de informes de la industria de tecnología.

En consecuencia, la revolución 4.0, se desarrolla en un mundo con una economía globalizada, que está transitando a una nueva fase caracterizada por la digitalización y la conectividad; frente a una sociedad volcada a la interacción mediática de la vida virtual que le ofrece el internet. Las tecnologías disruptivas como internet de las cosas, computación en nube, big data, inteligencia artificial e impresión 3D, y otros como la telemedicina, las aulas virtuales en educación avanzan en conseguir posicionar a una nueva idea o visión de la fábrica del futuro o fábrica inteligente. (Aguilar L.J, 2018), y refuerzan la importancia de la industria a partir de la fabricación de productos personalizados e inteligentes.

Es importante destacar que con la Pandemia de Covid 19 se fortalecieron actividades de Cuarta Revolución Industrial, como la transformación de sectores claves educación, salud, y particularmente del sector servicios, que permitieron a la sociedad reconocer otras formas de hacer transacciones de consumo e inversión, y hasta las nuevas formas de teletrabajo y Home- Office.

Otro grupo de actividades que se están consolidando, pese a la indiferencia de los gobiernos por reglamentar su actividad de manera masiva, son los E-Games, el desarrollo y comercialización de criptomonedas, Startup y el soporte del Blockchain, entre otras.



55

Por su parte, el análisis de datos (Big Data) y la toma de decisiones en tiempo real impactan positivamente en la eficiencia de toda la cadena de valor. Las plataformas digitales permiten ampliar mercados y compartir información con el ecosistema productivo. Surgen nuevos modelos de negocios, de colaboración entre empresas y nuevos actores.

El BID (2018), en un documento de investigación al caso argentino, sugiere un grupo de temas sobre la revolución 4.0, que plantean una serie de retos, que como sociedad debemos asumir, y que son tema de trabajo de organismos multilaterales y centros de investigación, para avanzar en procesos de investigación, sobre cuáles son los impactos de la implementación de las nuevas tecnologías disruptivas en la economía, que se derivan de la Cuarta Revolución Industrial.

1. El salto cualitativo necesario para la jerarquización de las tareas que hoy desempeñan seres humanos

2. La Generación de estrategias para que el sistema educativo, la comunidad científica y el sector privado trabajen complementariamente para incentivar la innovación de tareas, procesos y nuevas tecnologías.

3. El Reformular la competitividad del sector productivo como la que propone la Cuarta Revolución Industrial.

En la misma línea de investigación, el informe del World Economic Forum (WEF), «The future of Jobs and Skills» presentado en Davos en enero de 2016, predice para los próximos años la desaparición de 7,1 millones de empleos debido a la implantación de las tecnologías disruptivas, que trae la Cuarta Revolución Industrial y, especialmente, la robótica unida a la inteligencia artificial, Big Data y el Internet de las Cosas.

Dicho informe, también consideraba la creación en el mismo periodo de 2 millones de empleos de la “destrucción Creativa”, que son las nuevas profesiones y oficios para cubrir los nuevos puestos de trabajo que demandaran las mismas tecnologías. Delloite afirma que:

“La integración digital de la información desde diferentes fuentes y localizaciones permite llevar a cabo negocios en un ciclo continuo. A lo largo de este ciclo, el acceso en tiempo real a la información está impulsado por el continuo y cíclico flujo de información y acciones entre los mundos físicos y digitales. Este flujo tiene lugar a través de una serie de pasos iterativos conocido como PDP –por sus siglas en inglés physical-to-digital-to-physical-: Del mundo físico a la digital. Se captura la información del mundo físico y se crea un registro digital de la misma. De digital a digital. En este paso, la información se comparte y se interpreta utilizando analítica avanzada, análisis de escenarios e inteligencia artificial para descubrir información relevante. Del mundo digital al físico. Se aplican algoritmos para traducir las decisiones del mundo digital a datos efectivos, estimulando acciones y cambios en el mundo físico”. [Forces and changes Industry 4.0]



56

2.4 Industria 4.0 y Ecosistema Digital Los gobiernos en la década digital deben proponerse como objetivo estratégico un completo desarrollo del Ecosistema Digital, con el fomente el propósito de impulsar el crecimiento digital en el país. La revolución 4.0 en el país aún está iniciando, esta responsabilidad debe ser compartida entre el sector público y privado. Parte de dicha responsabilidad es que desde la política pública de innovación tecnológica, se deben interpretar las nuevas dinámicas económicas y generar conocimiento alrededor de las mismas.

En la Figura 1-3 se aprecia el Ecosistema Digital con ella se explica como la Revolución 4.0, es el vehículo que fomentará el crecimiento económico soportado en las transacciones, redes y el internet. Esta industria digital, como tal lo que produce s el recurso más valioso de la nueva economía, la Información, o los datos de los usuarios.

Figura1-3. Industria 4.0 y ecosistema digital en la década 2010 - 2019

Fuente: Lombana, Ximena. (2019), a partir de Cifras UNTAD y otros.

Los datos son la nueva materia prima para que las empresas los procesen y replanteen la manera de relacionarse al consumidor final con nuevos bienes y servicios, que son analizados por los procesos caracterizados de la innovación tecnológica 4.0.



57

De tal manera que el nuevo valor agregado que dan los datos a la economía mediante la revolución 4.0, retorna a los agentes económicos para favorecer sus decisiones de cara a satisfacer sus necesidades, en condiciones de mayor bienestar.

Los Ecosistemas Digitales, hasta cierto punto se han apropiado de fuentes de economías desarrolladas, (Europa, Norte América y el sudeste asiático), para moldearlos a la realidad del emprendimiento, y que en Colombia es un vínculo directo con el Sector Financiero. Por su parte con la figura 1-4 se observa que los ecosistemas se reinventan en nueva información útil para la sociedad.

Figura 1-4. Industria 4.0 – Procesos de captura de valor en el ecosistema digital

Fuente: Lombana, Ximena. (2019), a partir de Cifras UNTAD y otros. Por lo tanto, se puede llegar a la conclusión que el fomento del emprendimiento orientado a mayor valor agregado para la sociedad a partir de la información será la prioridad que deben afrontar los gobiernos y abordarlos como políticas públicas que democraticen su uso en sectores claves como la educación primaria, Básica y media; así como en programas de capacitación para la reinserción a la vida laboral.

Como las anteriores revoluciones tecnológicas, la actual afronta riesgos y retos de la destrucción creativa de la Cuarta revolución, por tal razón se concluye este apartado anticipando una pocas conclusiones y una agenda de investigación. Las principales temáticas que deben afrontar la sociedad y el gobierno están



58

relacionadas con los grandes interrogantes que abre la Cuarta Revolución Industrial sobre el futuro del empleo y del comportamiento del mercado laboral en Colombia. En particular, el papel de los gobiernos en la toma de decisiones para afrontar los escenarios posibles, en medio de demografías cambiantes, conectividad global sin precedentes, (tecnológica, social, y económica) que le permitan afrontar el avance de tecnologías que se desarrollan a una tasa exponencial.

Analistas como Sala i Martin (2019), afirma que la educación tendrá un papel crucial desde la formación en básica primaria, y en la reingeniería de programas curriculares de profesionales competentes en la industria 4.0. También afirma que es importante enfocarse en el desarrollo de competencias como la creatividad, y la destreza de habilidades, desde centros de formación técnica y tecnológica.

Desde 2020 con la pandemia se fortaleció el debate de la “Renta Básica Universal” en la que todas las personas reciban un salario de subsistencia del Estado, independientemente de si es empleado o desempleado (Fasecolda 2020). Sala i Martin advierte que el tema de la financiación vía impuestos es el principal obstáculo.

Finalmente, las universidades y centros de investigación en unión con el gobierno tienen la responsabilidad de elaborar escenarios de discusión orientados a anticipar políticas públicas que amortigüen el efecto del cambio tecnológico que trae la destrucción creativa de la Cuarta Revolución Industrial.

La invasión de los robots o la Destrucción Creativa de la Cuarta Revolución Industrial en Colombia, durante el periodo 2010 – 2020

Capítulo 3: Diseño Metodológico: Especificación del Modelo de Capital Humano de Mincer para medir la desigualdad del salario real.

3.1 Colombia: Empleo Asalariado 2010 - 2019: De la HCTS al “Skilled - Biased Technical Change”.

La Literatura especializada en economía laboral y del capital humano ha identificado por lo menos cuatro

clases de desigualdades manifiestas en el mercado de trabajo según su género hombres y mujeres: 1.

Desigualdad manifiesta en las estructuras consolidadas del mercado, tasas de participación en la actividad

de hombres y mujeres, 2. Desigualdad por segregación, que caracteriza la ocupación y a nivel del sector

económico. 3.Desigualdad en la retribución salarial, que pone de relieve la importancia de conseguir una

misma remuneración por un trabajo de igual, valor (Informe Mundial sobre Salarios 2016/2017: La

desigualdad salarial en el lugar de trabajo), y 4. La desigualdad en promoción profesional, mediante la cual se

caracteriza la dificultad en el fomento profesional de las mujeres a avanzar en puestos de responsabilidad.

(Sarrió M., Barberá E., Ramos A., y Candela C. 2014)7.

En el presente capítulo se aborda el diseño metodológico del modelo empleado para realizar las

estimaciones de la regresión por cuantiles. Se pretende obtener evidencia que ayude a inferir sobre cuál

es el efecto que produce la innovación tecnológica de la Cuarta Revolución Industrial, en la distribución

de los salarios de los trabajadores, o, también, reconocer si con los resultados obtenidos, se puede derivar

la conclusión de que los trabajadores colombianos han afrontado cambios por el incremento en la

desigualdad en los salario entre los grupos educativos como al interior de ellos, para comprobar la

hipótesis de cambio tecnológico sesgado (HCTS).

7 Sarrió M., Barberá E., (2014) Glass ceiling in the professional promotion of women, Ramos A., y Candela C. Recuperado de: https://doi.org/10.1174/021347402320007582

https://doi.org/10.1174/021347402320007582

60 La Invasión de los Robots o la Destrucción Creativa de la Cuarta Revolución Industrial en Colombia, Durante el Periodo 2010 -2020

60

Para cumplir con lo anterior, se sigue la metodología de Zarate, H. (2003), para analizar el cambio en los

retornos de la educación y la experiencia, en diferentes puntos de la distribución salarial, para lo cual se

parte de una aplicación empírica del mercado laboral colombiano. El ejercicio de estimación utiliza la

Ecuación de Mincer, 1974, y la técnica semi - paramétrica soportada en la regresión por cuantiles

(Koenker R, Bassett, 1978), mediante las cuales se explica cuál ha sido el patrón de desigualdad seguido

por el mercado laboral colombiano y muestran las evidencias de la transformación frente al cambio

tecnológico en el periodo 2010-2019.

En primer lugar, para validar la Hipótesis de Cambio técnico sesgado (HCTS) por habilidades,

entendiendo que dicha hipótesis se soporta en el hecho que un cambio en la tecnología de producción

favorece al trabajo calificado, es decir, a los trabajadores con mayor acumulación de años de educación,

más capaces y con más experiencia, en relación con el trabajo no calificado, entendido este como el de

los trabajadores menos educados. Dicha relación incrementa la productividad de los primeros, y por lo

tanto, aumenta su demanda. Fleitas, 2017. CEPAL.

Huesca y Ochoa (2016), afirman que esta situación provoca un sesgo en favor de los trabajadores

calificados y en detrimento de los menos calificados, ocasionando un incremento en la desigualdad

salarial. Además, explican que dicha hipótesis aproxima el cambio tecnológico mediante el uso de equipo

de cómputo, debido a la expansión de esta herramienta en los lugares de trabajo. La explicación a la

desigualdad salarial se encuentra en las modificaciones de la demanda de trabajo, en favor de los

trabajadores más calificados. Siguiendo el planteamiento de Fleitas CEPAL, (2017), se asume una

situación en la que hay factor de cambio técnico neutro, es decir, del planteamiento clásico de Solow

(1957):

𝑌𝑌 = 𝑍𝑍𝑘𝑘𝛼𝛼𝐿𝐿1−𝛼𝛼 (1)

Donde: Y es el producto, K es el capital y L es el trabajo. Bajo los siguientes parámetros:

1. α, es la elasticidad capital del producto; si los mercados de trabajo y de bienes o productos

fueran competitivos, α sería la fracción del producto que iría al capital.

2. Z es el Factor Total de Productividad (FTP)

o Un aumento del FTP significa un incremento en el producto como resultado que deja

las tasas marginales de transformación incambiadas para un determinado producto.

o Así, un cambio en el FTP es una forma de cambio tecnológico neutral para los factores,

por consiguiente no informa sobre cambios o variaciones en los precios relativos.

La Invasión de los Robots o la Destrucción Creativa de la Cuarta Revolución Industrial en Colombia, Durante el Periodo 2010 -2020

61

3. Partiendo del supuesto que el factor trabajo es una función constante CES entre el trabajo

calificado (Ls) y (Lu), con productividades específicas para el trabajo calificado (As) y el trabajo

no calificado (Au).

Sea:

L = [(𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎 + (𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)(𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎]1/𝜎𝜎 para α ≤ 0 (2)

Asumimos ahora que el factor trabajo (L) es una función de elasticidad constante (CES) entre trabajo

calificado (Ls) y no calificado (Lu), con productividades específicas para el trabajo calificado (As) y no

Calificado (Au)

L = [(𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎 + (𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎]1/𝜎𝜎 para α ≤ 0 (3)

A continuación se obtiene la Tasa Marginal de Transformación (TMT):

𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿

= 1𝜎𝜎

[(𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎 + (𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎]1−𝜎𝜎𝜎𝜎 𝜎𝜎(𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎−1 𝐴𝐴𝐴𝐴 (4)

𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿

= 1𝜎𝜎

[(𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎 + (𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎]1−𝜎𝜎𝜎𝜎 𝜎𝜎(𝐴𝐴𝐴𝐴𝐿𝐿𝐴𝐴)𝜎𝜎−1 𝐴𝐴𝐴𝐴 (5)

𝑇𝑇𝑇𝑇𝑇𝑇𝐴𝐴, 𝐴𝐴 = (𝐴𝐴𝛿𝛿𝛿𝛿𝛿𝛿𝐴𝐴𝛿𝛿𝛿𝛿𝛿𝛿

)𝜎𝜎−1 𝐴𝐴𝛿𝛿𝐴𝐴𝛿𝛿

= (𝐴𝐴𝛿𝛿𝐴𝐴𝛿𝛿

)𝜎𝜎 (𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿

)𝜎𝜎−1 (6)

Por tanto, al calcular el logaritmo de TMTs,u, la expresión logarítmica de la ecuación es:

log (TMT) = σlog( 𝐴𝐴𝛿𝛿𝐴𝐴𝛿𝛿

) + (1 − 𝜎𝜎) log(𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿

) (7)

Entonces, tomando la ecuación 4, y bajo el supuesto de mercados competitivos la TMT(s,u) = 𝑊𝑊𝛿𝛿𝑊𝑊𝛿𝛿

dónde w = salarios calificados y no calificado. Por lo tanto, 𝑊𝑊𝛿𝛿𝑊𝑊𝛿𝛿

:

log( 𝑊𝑊𝛿𝛿𝑊𝑊𝛿𝛿

) = 𝜎𝜎 log 𝐴𝐴𝛿𝛿𝐴𝐴𝛿𝛿

+ (1 − 𝜎𝜎) log(𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿

) (8)

Por lo tanto, en términos logarítmicos la TMT(s,u) queda expresada en los siguientes términos:

𝐿𝐿𝐿𝐿𝐿𝐿 (𝑇𝑇𝑇𝑇𝑇𝑇𝐴𝐴,𝐴𝐴) = 𝜎𝜎 log( 𝐴𝐴𝛿𝛿𝐴𝐴𝛿𝛿

) + (1 − 𝜎𝜎) log( 𝛿𝛿𝛿𝛿𝛿𝛿𝛿𝛿

) (9)

Por lo tanto, bajo el supuesto que 𝜎𝜎˃0,el cambio técnico es sesgado hacia el trabajo calificado si 𝐴𝐴𝛿𝛿𝐴𝐴𝛿𝛿

aumenta. En tal sentido, Katz y Murphy (1974), estimaron para Estados Unidos 𝜎𝜎 = 0.29 y

argumentaron que con esta relación salarial (Ws/Wu), más la oferta relativa de calificaciones sustentan

un aumento del 10% anual del cambio tecnológico basado en habilidades, o como se argumenta en la

propuesta de hipótesis que acompaña este documento se valida la premisa que trabajadores con mayor


62

educación, actualización académica, adopción de nuevos conocimientos y habilidades, o más

experiencia; son los que reciben los salarios altos en el mercado de trabajo. (Véase, Cepal, Fleitas, 2017).

3.2 Modelo de la Ecuación de Capital Humano de Mincer En la teoría del capital humano, la tasa interna de rendimiento de la educación puede considerarse como

una medida de la rentabilidad de la inversión en educación (García, F., Guataquí, J., Guerra, J., &

Maldonado, D. (2009). El Capital Humano, es decir, la acumulación en el tiempo de los factores

educación y experiencia laboral, nos ayudan a entender los motivos de las diferencias salariales. De

hecho, una conclusión de diversas investigaciones sobre este tema es que la educación le da la

oportunidad al trabajador de alcanzar un trabajo mejor remunerado y así aumentar su calidad de vida,

Mincer (1974), Thurow (1978), Becker (1983), Sala i Martin (2018). (Cardona, 2007).

Como lo menciona Zarate (2003) la hipótesis sobre función de ganancias de capital humano (FGCH),

postula que un individuo maximiza su utilidad con los años de educación e incrementa su tasa de

ganancia en el tiempo, la tasa interna o de retorno de las inversiones en educación, ha sido confirmada

empíricamente por diversos estudios, que han comprobado que en la práctica se observan coeficientes

de ajuste consistentes (Card, 1999) aunque, es sabido que otros investigadores también la han

cuestionado (Griliches, 1977), por considerarla insuficiente en sus parámetros. Además, se contempla

que la tasa de ganancia se incrementa con los años de experiencia llegando a su frontera de productividad

en el ciclo de la vida, y descendiendo posteriormente, ratificando así el postulado de rendimientos

decrecientes.

De esta manera, este trabajo aportará un ejercicio de robustez a la nueva literatura de la Hipótesis del

Cambio Tecnológico Sesgado (HCTS), utilizando datos de la Gran Encuesta integrada de Hogares –

GEIH del DANE, para el periodo 2010 - 20198.

En un principio se define la ecuación de capital humano, propuesta por Mincer (1974), y se examina la

relación entre el capital humano y los ingresos por trabajo; corregida por sesgo de selección, de la

siguiente manera:

8 En el caso de los datos recolectados por la Gran Encuesta Integrada de Hogares - GEIH, para el 2016, se debe advertir que por un cambio de metodología se detectaron datos no tienen un tratamiento similar al de los demás años. Se encontraron un incremento inusual de la población de encuestados menores de 18 años, e incluso registros de información de personas con cero (0) años de edad, véase pregunta P6040 de “características generales (personas).


63

La correcta transformación del salario se obtiene del uso de la función logaritmo, dado que esta es una

buena aproximación a la distribución normal, así como también es el mejor método para en la clase de

transformaciones Box – Cox. Además, su interpretación en términos del cambo porcentual resulta muy

conveniente para el análisis.

El interés de resaltar las bondades de Box Cox es que su principio está fundamentado en encontrar un

parámetro λ tal que si la transformación:

𝑌𝑌(λ) = �(𝑌𝑌𝜆𝜆 − 1)/ 𝜆𝜆, si λ ≠ 0log𝑦𝑦 ,λ = 0

es aplicada entonces Yλ, se distribuye normalmente y tiene varianza

homocedástica.

En tal sentido, la función de ganancias del capital humano plantea que el logaritmo de la renta

de los trabajadores para un periodo de tiempo establecido se puede expresar mediante una

función lineal, con un término lineal “Educación” y uno cuadrático “la Experiencia” de la siguiente

forma:

log (w) = β0 + β1Z1 + β2Z2 + ⋯+ βnZn + ε1 (10)

De acuerdo con la ecuación anterior:

Log (w) = el logaritmo natural de los salarios por hora de los ocupados en la ocupación principal en el

sector formal de la economía.

X1: Años de educación

X2: Años de Experiencia

X3: Años de Experiencia al cuadrado

X4: Genero

ε: Es el término de error de la ecuación

3.3 Resultados econométricos De La desigualdad del trabajo por efectos del cambio Tecnológico.

Los datos de esta investigación se obtuvieron de las diferentes etapas nacionales de la GEIH del DANE, correspondientes al periodo enero 2010 a noviembre 2019. Se desestimó la información disponible de 2020, dado que es evidente que la pandemia del Covid -19, afectó la encuesta en los meses abril a julio de dicho año. En esta sección se presentan los datos estilizados que se tienen en cuenta para la formulación del modelo de regresiones cuantiles.

Se expone una breve descripción de la construcción de la “Data – Consolidada”, y se pone de manifiesto los inconvenientes con datos en años atípicos como el 2016, que por un cambio de metodología de recolección de la GEIH, se verificaron cambios significativos en los coeficientes.


64

Además, se analiza la variable ocupados y la de datos generales de las encuestas para consolidar la información reportada por las personas encuestadas. Los datos se obtuvieron del sitio http://microdatos.dane.gov.co, que proporciona información estratégica sobre el tamaño y estructura de la fuerza de trabajo (empleo, desempleo e inactividad) de la población del país.

3.3 Hechos Estilizados y Motivación: La estructura del mercado Laboral Colombiano

De acuerdo con las cifras del DANE con datos a diciembre del periodo comprendo entre 2010 - 2019, la estructura del mercado laboral colombiano, tal como está definida en la Tabla 2-1 y en la Figura 2-1, los datos registran un comportamiento sin influencia de periodos de expansión y depresión de la dinámica económica, que mantiene la tasa global de participación (TGP), la tasa de ocupación y la de desempleo con leves variaciones.

Tabla 2-1: Población Total 13 ciudades y áreas metropolitanas

Periodo Población total

Población en edad de trabajar

Población económicamente activa

Ocupados Desocupados

Promedio 2010 -2014 20.622,4 16.742,7 11.262,7 10.040,7 1.222,0

Promedio 2015 -2019 21.848,8 17.966,7 12.013,9 10.755,4 1.258,5

Desviación Estándar 2010 -2014

383,91 390,80 376,80 440,86 115,57

Desviación Estándar 2015 -2019

329,41 321,71 137,89 188,53 147,07

Fuente: Gran Encuesta Integrada de Hogares, Población ocupada según ramas de actividad CIIU 3 A.C. Total Nacional, cabeceras y resto, serie trimestre móvil 01: 2010 – 12: 2020.

http://microdatos.dane.gov.co/index.php/catalog


65

Figura 2-1: Tasa global de participación, ocupación y desempleo 2010 - 2019


De hecho, un análisis descriptivo segmentando la información en dos periodos, cada uno de cinco años, para las variables Tasa global de participación (TGP), Tasa de ocupación (TO) y desempleo (TD), que se presentan en el Tabla 2-2 indican que las dispersiones en dichas variables son leves, las cuales se verifican en sus desviaciones desde 0.40 (PEA) hasta 1.81 de la Tasa de ocupación.

Tabla 2-2: Tasa global de participación (TGP), ocupación (TO) y desempleo (TD) 2010 - 2019

Periodo % población en edad de trabajar TGP TO TD

Promedio 2010 -2014 81,1 67,1 59,6 11,1 Promedio 2015 -2019 82,2 67,0 60,0 10,5 Desviación Estándar 2010 -2014 0,40 1,11 1,81 1,44

Desviación Estándar 2015 -2019 0,27 0,90 1,34 1,19


De acuerdo con las cifras del mercado de trabajo para el periodo 2010 - 2019, observadas en los dos periodos de la Tabla 2-2, se registran leves cambios en los índices de la Tasa Global de Participación, la Tasa de ocupados y la tasa de desempleo, en niveles máximos de 1.1 puntos porcentuales en el caso de la PEA. Sin embargo, las cifras de la Desviación estándar son menores para el segundo periodo de la serie analizada.

65,2 66,4

55,2 59,5

15,3 10,5

0,0

10,0

20,0

30,0

40,0

50,0

60,0

70,0

80,0

ene-

10

may

-10

sep-

10

ene-

11

may

-11

sep-

11

ene-

12

may

-12

sep-

12

ene-

13

may

-13

sep-

13

ene-

14

may

-14

sep-

14

ene-

15

may

-15

sep-

15

ene-

16

may

-16

sep-

16

ene-

17

may

-17

sep-

17

ene-

18

may

-18

sep-

18

ene-

19

may

-19

sep-

19

TGP

TO

TD


66

Tabla 2-3: Población Ocupados: Total 13 ciudades y áreas metropolitanas población ocupada según sector económico 2010 – 2019.

Año Promedio de Ocupados Total Nacional Variación Periodo Suma de Ocupados

Total Nacional Variación anual

2010 19.257 4,0% 231.079,3 4,0% 2011 20.104 4,4% 241.243,9 4,4% 2012 20.720 3,1% 248.639,6 3,1% 2013 21.082 1,7% 252.981,5 1,7% 2014 21.547 2,2% 258.560,6 2,2% 2015 22.046 2,3% 264.548,9 2,3% 2016 22.162 0,5% 265.943,9 0,5% 2017 22.388 1,0% 268.661,0 1,0% 2018 22.467 0,4% 269.602,0 0,4% 2019 22.286 -0,8% 222.858,4 -17,3%

Fuente: Gran Encuesta Integrada de Hogares, Población ocupada según ramas de actividad CIIU 3 A.C. Total Nacional, cabeceras y resto, serie trimestre móvil 01: 2010 – 12: 2019. De igual manera, en la Tabla 2-3 se evidencia el comportamiento de las cifras de los promedios de la variable ocupados de la GEIH, según ramas de actividad CIIU 3, fortalece la percepción de una población que, en la década de estudio, tuvo un comportamiento sin sobresaltos en las cifras de demanda de trabajadores, como en efecto se advierte en el decrecimiento desde mediados de la década.

El porcentaje de población en edad de trabajar alcanza su máximo en los meses de agosto a diciembre de 2010 con 82.6%, en tanto que al principio de la década se registra el menor nivel con 80.3%. La tasa de ocupados más alta se registra en octubre de 2014 y noviembre 2015 con 63.1%, frente al menor nivel de ocupación encontrado en la encuesta de enero de 2010, de 59.6%, y finalmente la tasa de desempleo más alta, en el periodo analizado, fue de en enero de 2010 con 15.3%m frente al menor nivel del mes de noviembre de 2015 con el 8.1%.

Una mirada a las contribuciones periódicas a la tasa de ocupados (TO) observada en las Figura 2-2 (a) que se presentan a continuación, es un indicador de los valores absolutos de trabajadores empleados según ramas de actividad, y de la tasa de variación porcentual del periodo; las cuales son indicadores del crecimiento/decrecimiento de los trabajadores, es decir, si aumentan (en azul) o disminuyen (en rojo), la ocupación sectorial, es calculada como la variación porcentual del periodo.


67

Figura 2-2 (a): Población Ocupados: Total 13 ciudades y áreas metropolitanas Población ocupada según

ramas de actividad CIIU 3 A.C. 2010 – 2019

Figura 2-2 (b) Población Ocupados: Total 13 ciudades y áreas metropolitanas Población ocupada según ramas de actividad CIIU 3 A.C. 2010 – 2019


68

Fuente: DANE, Gran Encuesta Integrada de Hogares (GEIH) Tabla 2-4: Ocupados: Tasa de crecimiento Sectorial de personas ocupadas (%) Datos semestrales.

Periodo Ocupados Total Nacional

Agricultura, ganadería, caza, silvicultura y pesca

Explotación de minas y canteras

Industria manufacturera

Suministro de electricidad, gas y agua

Construcción

Comercio, hoteles y restaurantes

Transporte, almacenamiento y comunicaciones

Intermediación financiera

Actividades inmobiliarias, empresariales y de alquiler

Promedio Semestral

ene-10 1,2 -0,8 1,4 0,6 45,4 1,0 5,0 0,9 3,2 -1,8 6,1

jun-10 2,8 4,1 27,0 0,8 2,6 13,1 0,1 3,7 5,5 -0,2 6,3

dic-10 0,2 -3,1 -15,4 7,0 1,1 0,4 3,8 2,2 -12,1 1,3 -1,6

jun-11 3,3 0,9 32,8 -0,5 14,5 4,8 1,6 -3,4 4,4 9,2 7,1

dic-11 2,5 7,2 -42,8 4,9 14,5 17,8 2,6 4,2 17,1 -2,9 2,5

jun-12 2,5 -0,1 3,4 -0,5 -3,8 -8,9 3,0 1,9 -9,5 14,5 0,0

dic-12 -1,2 2,1 7,4 -5,6 4,6 0,7 1,4 -1,4 6,9 0,3 1,8

jun-13 2,8 -4,3 -4,8 3,1 -8,0 3,9 1,6 -1,2 12,0 4,8 0,8

dic-13 2,5 3,7 -0,0 2,4 -3,0 -6,1 -0,8 -1,4 -6,3 11,9 0,0

jun-14 2,5 3,7 -0,0 2,4 -3,0 -6,1 -0,8 -1,4 -6,3 11,9 0,0

dic-14 -0,3 -2,2 -9,2 3,1 16,6 10,7 1,5 7,5 1,8 -2,1 3,1

jun-15 2,5 1,0 -0,7 -4,9 -14,4 -2,2 2,9 -3,5 5,7 10,9 -0,6

dic-15 -0,5 -0,2 -1,4 -3,0 9,8 6,9 2,1 1,1 0,8 -2,9 1,5

jun-16 1,0 5,9 -12,5 2,2 -24,1 -3,0 0,6 -5,8 2,5 -0,8 -3,9

dic-16 -0,7 -7,3 7,0 1,2 20,8 -1,2 -0,2 6,2 -6,8 7,0 3,0

jun-17 2,4 10,8 -2,2 0,4 6,5 2,0 -2,6 -2,8 1,3 3,2 1,9

dic-17 -1,9 -3,3 8,1 2,3 2,4 -1,1 0,8 3,5 -7,6 -4,2 0,1

jun-18 2,4 1,5 -2,4 3,0 13,9 -0,9 -0,5 -4,9 6,6 -2,6 1,5

dic-18 0,3 0,4 -14,5 -2,2 8,6 4,6 -1,2 -7,8 -12,5 -5,5 -3,3

jun-19 0,3 0,4 -14,5 -2,2 8,6 4,6 -1,2 -7,8 -12,5 -5,5 -3,3

dic-19 2,4 1,1 4,4 11,9 -8,5 6,6 4,8 3,4 0,8 0,0 2,7 Promedio 2010- 2019

1,3 1,0 -1,4 1,3 5,0 2,3 1,2 -0,3 -0,2 2,2 1,2

Fuente: Gran Encuesta Integrada de Hogares, Población ocupada según ramas de actividad CIIU 3 A.C. Total Nacional, cabeceras y resto, serie trimestre móvil 01: 2010 – 12: 2019. Con el gráfico 2.2 (b) se puede observar la contribución en cada periodo de la economía a la demanda de trabajadores. No obstante para una visión más precisa por sectores se analiza el comportamiento de las variaciones periodo a periodo en la tabla 2-4. Como se destaca en la tabla 2-4 el promedio sectorial la intermediación financiera (-0.2%), el sector de transporte y comunicaciones (-0.3%), y la explotación de minas y canteras, disminuyeron en su capacidad de demandar trabajadores durante la década. Los indicadores de crecimiento sectorial permiten delimitar la demanda de trabajo formal y encontrar una explicación a los determinantes de la disminución porcentual de la ocupación en estos sectores. En términos del estudio sobre “la demanda de trabajo formal en Colombia” (2009), elaborado por Arango y otros, se concluye que la demanda de trabajo calificado /no calificado, está en función de variables como el nivel de salarios, la tasa de interés del mercado, la disrupción tecnológica, y su consiguiente cambio técnico sectorial, y el producto generado.9 En este sentido, la tabla 2-5 del cambio de la Estructura del mercado de trabajo y la relación salarial, ayuda a entender que en Colombia la

9 Arango, Gómez, Posada (2009), “La demanda de trabajo formal en Colombia, determinantes e implicaciones de política” en: Borradores de Economía, 563, pág. 27, BANREP- Bogotá -Colombia.


69

estructura de la oferta de trabajo ha cambiado significativamente, por grupos de Educación, durante el periodo 2010 - 2019 Tabla 2-5: Cambio en la Estructura del Mercado de Trabajo por nivel Educativo y de la relación salarial, entre trabajador con más de 16 años de educación y frente al resto de trabajadores (*): 2010 - 2019.

años

5 o menos años de

educación G1

6 a 10 años de

educación G2

11 años de educación

G3

12 a 15 años de

educación G4

16 o más años de

educación G5

Total (%) Relación

Salarial *

2010 23,9 17,9 29,8 14,8 13,7 100 1,27 2011 23,0 18,5 29,5 15,3 13,7 100 1,31 2012 21,2 17,3 28,7 18,4 14,5 100 1,38 2013 21,2 17,3 28,7 18,4 14,5 100 1,38 2014 19,6 16,3 29,6 19,2 15,2 100 1,4 2015 19,6 16,3 29,6 19,2 15,2 100 1,39 2016 31,8 12,6 24,1 14,4 17,1 100 0,86 2017 18,9 15,4 31,8 17,9 16,0 100 1,03 2018 17,6 14,3 32,9 18,1 17,2 100 1,4 2019 16,5 14,0 33,9 17,9 17,8 100 1,4

Fuente: Gran Encuesta Integrada de Hogares, (*): Índice de la relación salarial de trabajadores con 16 o más años de educación, frente al ingreso del resto de trabajadores.

De manera comparativa se puede deducir que a comienzos de la década los trabajadores con educación de los grupos 1 y 2, máximo 10 años de estudio, representaban el 41,80 por ciento de la fuerza laboral, en tanto que en 2019 este valor quedó en 30,5 por ciento.

Por su parte, en el 2010 sumados el grupo de 0 a a10 años de educación representaban el 71.6 por ciento, frente al 64.4 registro en 2019. En cualquier caso, debe resaltarse que los trabajadores más educados, con 16 o más años de inversión en capital humano, son los que para el 2019 son el 17,8% del total, es decir, este grupo ha crecido más de cuatro puntos en participación. Por lo tanto, es importante advertir que estas cifras responden a las dinámicas de los cambios de metodología adoptadas en la GEIH a partir de 2016.

Sin embargo, el conjunto de trabajadores de 11 a 15 años de educación, (G3 y G4), resultan un conjunto de estudio de gran interés, para definir cuáles son los incentivos que los mueven para obtienen las primas por educación. Al parecer, el hecho de permanecer en este nivel de ingresos está más asociado a que son técnicos, tecnólogos, que perciben que es más fácil emplearse en este nicho de mercado, que competir por una mejor remuneración, dado el alto costo de las carreras universitarias. Son trabajadores que combinan la formación académica y el desarrollo de habilidades técnicas.


70

3.4 El salario Real en Colombia: 2010 - 2019 En Colombia el salario real promedio observado entre 2010 - 2019 mantuvo una tendencia creciente en el periodo de análisis, registrando una tasa de crecimiento del 5.8% anual. Como se registra en la Figura 2-3 el salario Real devengado por los trabajadores hombres es mayor, que el de las mujeres, y también que el salario promedio de todos los trabajadores, Sin embargo, es importante resaltar que en el periodo de análisis la variación porcentual de la asignación correspondiente a mujeres creció 7.44%, frente al crecimiento de 3.8% de los hombres.

El grafico 2-3 muestra que, de acuerdo con los datos de la GEIH, DANE, el crecimiento del salario total promedio observado indica que una tendencia positiva y un crecimiento promedio del 5.8%.

Sin embargo, como se indica en la Figura 2-3, hay periodos con dinámicas que superan dicho porcentaje, y periodos en que las caídas afectaron su resultado final. En particular, es importante destacar el comportamiento de las variables de salario en entre inicios de 2016 y el trayecto hasta finales de 2017, en el que los indicadores registran un deterioro.


71

Figura 2-3: Logaritmo del Salario Real en Colombia

Fuente: DANE (GEIH), el cálculo del salario real se produce a partir del salario nominal en cada grupo y su relación con el Índice de Precio base 2018 =100, del Banco de la República.

Un argumento metodológico, es que en dicho año se surtieron cambios en la recolección de la información de la GEIH. Pero, técnicamente es importante considerar que existen efectos de reacomodo de la economía, algunos de ellos se evidencian al determinar el percentil 0.10, 0.5 y 0.90 de cada serie del ingreso laboral. (Véase tabla 2-6)

Para determinar la dinámica del salario real se ha segmentado la información de la GEIH, en cinco grupos de acuerdo con su nivel de escolaridad alcanzado a lo largo de su ciclo de vida. El grupo 1 son trabajadores con cinco o menos años de educación, el grupo 2 son personas con seis años y máximo 10 años de educación, el grupo 3 son los bachilleres con 11 años completos de educación, en el grupo 4 se agrupan los trabajadores con 12 a 15 años de educación (por ejemplo. Técnicos y Tecnólogos). Y finalmente el grupo 5 son los profesionales graduados, y trabajadores con posgrado.

La dinámica de sus remuneraciones observada en el gráfico2-4, y calculada mediante el logaritmo del salario real, denota que la acumulación de capital humano en el grupo de 16 años o más de educación, mantiene una brecha salarial durante todo el periodo, con una pendiente positiva y creciente. En tanto que el mismo cálculo en el salario de los demás trabajadores, sugiere que la brecha se acorta en el transcurso de la década para los demás grupos.

7,20

7,40

7,60

7,80

8,00

8,20

8,40

8,60

ene-

10

jun-

10

nov-

10

abr-

11

sep-

11

feb-

12

jul-1

2

dic-

12

may

-13

oct-

13

mar

-14

ago-

14

ene-

15

jun-

15

nov-

15

abr-

16

sep-

16

feb-

17

jul-1

7

dic-

17

may

-18

oct-

18

mar

-19

ago-

19

Logaritmo del salario Real promedio (2010 -2019)

Log (W) Trabajadores Hombres Log (W) trabajadoras mujeres

Log (W) Total trabajadores


72

Figura 2-4: Logaritmo del Salario Real promedio, según nivel educativo 2010 –2019.

Fuente: DANE (GEIH), el cálculo del salario real se produce a partir del salario nominal en cada grupo y su relación con el Índice de Precio base 2018 =100, del Banco de la República. El grupo 1 (< 5años de educación) y 2 (>6 y>10) , son los menor remuneración en términos reales, pero también ha logrado recuperar capacidad de compra, en razón a los incrementos en el salario mínimo real, y al control de la inflación observada, que registra niveles cercanos al 3%, frente al incremento del salario mínimo que en algunos años duplica la inflación.

En todo caso el ingreso de estos grupos mejora al final del periodo analizado. Por su parte, el salario real del grupo 3, es decir, los Bachilleres, al final del periodo mejoró su ingreso frente al de inicio de 2010, véase Tabla 2-6.

7,0

7,5

8,0

8,5

9,0

9,5

ene-

10

may

-10

sep-

10

ene-

11

may

-11

sep-

11

ene-

12

may

-12

sep-

12

ene-

13

may

-13

sep-

13

ene-

14

may

-14

sep-

14

ene-

15

may

-15

sep-

15

ene-

16

may

-16

sep-

16

ene-

17

may

-17

sep-

17

ene-

18

may

-18

sep-

18

ene-

19

may

-19

sep-

19

5 o menos años de educación 6 a 10 años de educación

Escolaridad : 11 años de educación 12 a 15 años de educación

16 o mas años de educación


73

Tabla 2-6 Análisis de Relación Salarial entre trabajadores con mayor nivel de años de educación (> 16 o más) y los trabajadores de menos años de educación (<15 o menos años)

T1: Evolución del Salario Real de trabajadores con más de 16 años y los de 15 o menos. (calculado como el número de unidades más de salario)


Año Hombre Mujer Total general Año Hombre Mujer Total general 2010 1,33 1,27 1,36 2010 6,10 6,63 7,01 2011 1,18 1,31 1,25 2011 5,53 6,79 5,96 2012 1,30 1,38 1,37 2012 5,95 7,05 6,37 2013 1,43 1,38 1,43 2013 6,45 7,04 6,63 2014 1,22 1,40 1,30 2014 5,48 6,90 5,97 2015 1,29 1,39 1,34 2015 5,78 6,99 6,17 2016 0,85 0,88 0,86 2016 5,78 6,99 6,17 2017 0,93 1,03 0,97 2017 5,50 6,70 5,84 2018 1,30 1,40 1,35 2018 5,75 6,91 6,10 2019 1,27 1,40 1,31 2019 5,72 7,06 6,02

T3: Índice de salario promedio real > 16 años frente a Bachilleres (calculado como el número de unidades más de salario)


Año Hombre Mujer Total general Año Hombre Mujer Total general 2010 5,00 5,19 5,12 2010 7,47 6,19 7,01 2011 4,38 5,05 4,68 2011 6,56 7,95 7,07 2012 4,79 5,25 5,07 2012 7,43 8,71 8,02 2013 5,28 5,26 5,32 2013 7,85 8,43 8,09 2014 4,53 5,31 4,85 2014 6,72 8,47 7,38 2015 4,81 5,21 4,99 2015 3,95 4,12 3,98 2016 3,21 3,38 3,25 2016 4,96 6,09 5,35 2017 3,43 3,89 3,62 2017 3,95 4,12 3,98 2018 4,87 5,22 5,04 2018 6,87 8,33 7,38 2019 4,71 5,22 4,87 2019 6,76 8,25 7,17

Fuente: DANE (GEIH), el cálculo del salario real se produce a partir del salario nominal en cada grupo y su relación con el Índice de Precio base 2018 =100, del Banco de la República. El análisis de la relación de empleos, salarios, ingresos salariales de personas con más de 16 años de educación con relación a los demás grupos de estudio (Tabla 2-6) se presenta en las cuatro tablas consecutivas, las cuales revelan que en la década analizada, se ha evidenciado que los trabajadores con una mayor dotación de estudios (>16 años) aumentan su salario real hasta en 8.09 veces el salario real percibido por un trabajador con menos de 10 años de educación.

El resultado del estudio permite destacar la existencia de la brecha entre hombres y mujeres, en favor de los primeros. En tal sentido, se confirma que en los últimos años el mercado de trabajo colombiano ha profundizado la disparidad de remuneración por razón de género, (OIT, 2018), el organismo


74

internacional OIT, se ha manifestado en torno a la disparidad salarial por razón de género, demandado acciones que corrijan el déficit porcentual del salario medio de las mujeres frente al de los hombres.

Como en el estudio de Vargas., C., (2012) Se determina que la prima por educación del grupo con 16 o más años de educación, en relación con el resto de los grupos. Para revisar los cambios en la estructura salarial y verificar los retornos de la educación y la experiencia en diferentes puntos de la distribución salarial, se acude a una metodología empírica soportada en la ecuación de Mincer de capital humano, y a la utilización de la técnica Semi-paramétrica de Regresión por cuantiles (Koenker, R. Baset G., 2018).

3.5 Metodología de la Regresión Cuantílica Lineal: Definición de Cuantil

La regresión cuantílica subyace del concepto de cuantil, que se determina para una muestra de observaciones de una variable Y con una distribución F (n1; n2), para todo:

𝑌𝑌𝑡𝑡: 𝑡𝑡 = 1, 2, 3 … … ,𝑁𝑁 (11)

De tal manera, que el cuantil θ data de análisis, con 0 < θ < 1, será aquel valor b que deje una proporción θ de observaciones por debajo de b, y una proporción (1-θ) por encima de la recta estimada.

Por ejemplo, al tomar el caso de la mediana θ = 0.5, quedarán un 50% de los datos por debajo de b = Me y un 50% de los datos por encima.

Si utilizamos el primer cuartil (θ = 0.25), entonces tenemos que un 25% de los valores de Y quedarían por debajo de b = Q1 y un 75% por encima,

Si utilizamos el primer cuartil (θ = 0.75) estaríamos haciendo un análisis similar e inverso que en el primer cuartil. Es decir, un 75% de los valores de Y quedarían por debajo de b = Q1 y un 25% por encima

Por lo tanto, los cuartiles dividen la muestra en 4 partes, pero de igual manera

Así mismo, podemos dividir la muestra en 10 partes con los deciles, θ = 0.1, 0.2, 0.3, …. .0,9 o cualquier otra proporción.

En conclusión, estas partes son las que conocemos como cuantiles, y un caso visto es el de la mediana; los cuartiles o deciles son casos particulares. Vicens et.al (2012).

Una primera aproximación de la regresión cuantílica se describe mediante la siguiente expresión

�∑ 𝜃𝜃|𝑦𝑦𝑦𝑦 − 𝑏𝑏| + ∑ (1 − 𝜃𝜃)𝑦𝑦𝑦𝑦≤𝑏𝑏 |𝑦𝑦𝑦𝑦 − 𝑏𝑏| 𝑦𝑦𝑦𝑦 ≥𝑏𝑏 � 𝑏𝑏 𝜖𝜖 ℝ𝑀𝑀𝑦𝑦𝑀𝑀

12

De tal manera que:


75

• Siendo θ el cuantil, se puede definir 0.10 para el primer decil, 0.25 para el primer cuartil,

y 0.50 para la mediana, etc., y los valores que toman las observaciones de la muestra para

la variable Y, en tanto que b, es el valor que minimiza la expresión.

• Por lo tanto, se puede manifestar sencillamente que el valor b que minimiza la expresión

anterior es el de la observación que deja una proporción θ de la muestra por debajo y una

proporción (1-θ) por encima, siendo θ por tanto, un valor entre 0 y 1 correspondiente al

cuantil que se quiere estimar.

• En esta investigación se han calculado los cuantiles de 0.1, 0.25, 0.5, 0.75, y 0.9, con el

objeto de contrastar los resultados frente a estudios anteriores Zarate H., (2003) y Vargas.

C, (2012)


76

Capítulo 4: Análisis De Resultados

4.1 Estimación de la Regresión Cuantílica Lineal La regresión por mínimos Cuadrados Ordinarios (MCO) es uno de los métodos más empleados en las estimaciones, cuando se quiere conocer la relación existente entre variables. Sin embargo, este procedimiento de mínimos cuadrados ordinarios necesita de unas hipótesis previas sobre la aleatoriedad de la relación de la variable endógena o dependiente con las variables exógenas o independientes, expresadas en términos de μ~Ν(0,𝛿𝛿2) .

La técnica seleccionada para la estimación de la hipótesis plateada en este documento no necesita de tales hipótesis para la estimación de parámetros, es decir, no se consideran alguna restricción sobre la perturbación aleatoria. Vicéns, J., Sánchez B., (2012), mediante un método semi - paramétrico. Con el uso de la regresión cuantílica se está interesado en cumplir con el objetivo de minimizar una suma de errores absolutos ponderados con pesos asimétricos.

4.1.1 Ventajas:

No estar sujeto a la hipótesis cuando estas no se cumplen. En particular, en el caso de normalidad, Asimetría y heterocedasticidad.

Permite un conocimiento de la distribución condicional, cuando ésta varía para diferentes niveles o valores de X, dependiendo de la ponderación que se establezca.

Resuelve gran parte de las restricciones impuestas a una gran cantidad de datos de corte transversal. En presencia de estos casos, como los que se presentan con al tratar el volumen de datos de la GEIH, la información disponible no suele acomodarse a las fuerte restricciones del modelo en las Hipótesis planteadas, y la heterocedasticidad o presencia de datos atípicos son habituales. La regresión cuantílica es una buena aproximación para resolver problemas de cambio de estructura en la muestra y de variabilidad de los parámetros. Diferentes métricas de tendencia central y dispersión estadística resultan útiles para obtener un análisis más profundo de la dependencia entre las variables. Koenker, R., (2013).

4.1.2 Desventajas:

El hecho de no conocer y no considerar la distribución del término de error tiene inconvenientes al no poder analizar las propiedades de los estimadores, condicionando el proceso de inferencia.

El modelo no tiene en consideración interacciones entre predictores, a no ser que se le indique de forma explícita.

La regresión por cuantiles persigue los mismos objetivos que una regresión lineal por MCO, no obstante, como se explicó anteriormente los problemas de heterocedasticidad, presencia de valores atípicos, y


77

cambio estructural, el valor medio de respuesta no siempre es el más representativo, con el volumen de datos disponibles.

La regresión cuantílica ofrece la oportunidad de crear distintas rectas de regresión para distintos cuantiles de la variable endógena: Logaritmo del Salario Real de los trabajadores. La especificación de la regresión cuantílica está determinada por la siguiente ecuación:

𝑦𝑦𝑦𝑦 = 𝑋𝑋𝛽𝛽𝜃𝜃 + 𝜇𝜇𝜃𝜃𝑦𝑦 (13)

Donde:

𝑦𝑦𝑦𝑦 = 𝑉𝑉𝑉𝑉𝑉𝑉𝑦𝑦𝑉𝑉𝑏𝑏𝑉𝑉𝑉𝑉 𝐸𝐸𝐸𝐸𝐸𝐸𝐿𝐿𝐿𝐿𝑉𝑉𝐸𝐸𝑉𝑉

𝛽𝛽𝜃𝜃 = 𝑃𝑃𝑉𝑉𝑉𝑉𝑉𝑉𝑃𝑃𝑉𝑉𝑡𝑡𝑉𝑉𝐿𝐿 𝑉𝑉 𝑉𝑉𝐴𝐴𝑡𝑡𝑦𝑦𝑃𝑃𝑉𝑉𝑉𝑉 𝑐𝑐𝐿𝐿𝑉𝑉𝑉𝑉𝑉𝑉𝐴𝐴𝑐𝑐𝐿𝐿𝐸𝐸𝐸𝐸𝑦𝑦𝑉𝑉𝐸𝐸𝑡𝑡𝑉𝑉 𝑉𝑉𝑉𝑉 𝑐𝑐𝐴𝐴𝑉𝑉𝐸𝐸𝑡𝑡𝑦𝑦𝑉𝑉 𝜃𝜃

𝜇𝜇𝜃𝜃𝑦𝑦 = 𝐸𝐸𝐴𝐴 𝑉𝑉𝑉𝑉 𝑐𝑐𝑉𝑉𝑉𝑉𝑡𝑡𝐴𝐴𝑉𝑉𝑏𝑏𝑉𝑉𝑐𝑐𝑦𝑦ó𝐸𝐸 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑡𝑡𝐿𝐿𝑉𝑉𝑦𝑦𝑉𝑉 𝑐𝑐𝐿𝐿𝑉𝑉𝑉𝑉𝑉𝑉𝐴𝐴𝑐𝑐𝐿𝐿𝐸𝐸𝐸𝐸𝑦𝑦𝑉𝑉𝐸𝐸𝑡𝑡𝑉𝑉 𝑉𝑉𝑉𝑉 𝐶𝐶𝐴𝐴𝑉𝑉𝐸𝐸𝑡𝑡𝑦𝑦𝑉𝑉 𝜃𝜃

Por tanto, de manera análoga con MCO:

𝐸𝐸(𝜇𝜇𝑦𝑦/𝑋𝑋𝑦𝑦) = 0; aquí, 𝑄𝑄𝐴𝐴𝑉𝑉𝐸𝐸𝑡𝑡𝜃𝜃 (𝑦𝑦𝑦𝑦/𝑋𝑋𝑦𝑦) = 𝑋𝑋𝑦𝑦𝛽𝛽𝜃𝜃 lo que implica que:

𝑄𝑄𝐴𝐴𝑉𝑉𝐸𝐸𝑡𝑡𝜃𝜃 (𝜇𝜇𝑦𝑦/𝑋𝑋𝑦𝑦) = 0; siendo este el único supuesto que se hace sobre la perturbación aleatoria.

Llegado a este punto, es importante anotar que la regresión mediana o cuartílica son casos concretos de la Regresión Cuantílica.

Por tal razón, se debe observar que, a diferencia de lo que se estimaba en MCO, en la cual se obtenía una sola recta de ajuste lineal, mediante el método de regresión cuantílica se obtienen tantas rectas como sea necesario, por tanto, también estimar vectores de β0, como cuantiles se necesiten estimar para una determinada investigación.

A continuación, a partir de la expresión (12), en la que le valor b correspondiente al cuantil θ que minimizaba la función. Una vez se considera que el valor de b de la expresión 12 es una simplificación del producto Xi β0 cuando Xi =1, entonces se deduce que la estimación de parámetros en regresión cuantílica se puede expresar de la siguiente forma:

�∑ 𝜃𝜃𝑦𝑦𝑦𝑦≥𝑥𝑥𝑦𝑦 𝛽𝛽𝜃𝜃 | 𝑌𝑌𝑦𝑦 − 𝑋𝑋𝑦𝑦𝛽𝛽𝜃𝜃1 + ∑ (1 − 𝜃𝜃)1𝑌𝑌𝑦𝑦 − 𝑋𝑋𝑦𝑦𝛽𝛽𝜃𝜃|𝑦𝑦1≤𝑥𝑥𝑦𝑦𝛽𝛽𝜃𝜃 �β𝜃𝜃 ∈ ℝ𝑀𝑀𝑦𝑦𝑀𝑀

(14)

Al igual que en mínimos cuadrados ordinarios (MCO), el valor que minimiza la suma de residuos al cuadrado es la media condicional de y dada xi, a partir de la proposición 14, se le denomina el cuantil condicional de la y dado x.


78

Al llegar a este punto, se ha logrado deducir con claridad que este procedimiento de la regresión cuantílica, aplicado a los datos de la GEIH para Colombia en el periodo 2010 – 2019 , conduce a realiza las estimaciones que resuelve la minimización de las desviaciones absolutas ponderadas con pesos asimétricos; esto es, que a cada desviación correspondiente a la observación i se le da mas o menos peso de acuerdo con el cuantil cuya recta se esté estimando. La ventaja principal que aporta el uso de las desviaciones en valor absoluto es el comportamiento ante la existencia de valores atípicos. Es decir, ante tal situación, la estimación que ofrece la regresión cuantílica, no se afecta por la presencia de valores extremos ya que “penaliza” los errores de forma lineal. De igual manera, esta característica de la regresión cuantílica hace que sea especialmente útil para datos censurados, ya que en realidad es relevante solamente para determinar si el dato se encuentra por encima (yi < xiβθ) o por debajo (yi ≥βθ) del real no su magnitud.

De acuerdo con Vicéns et.al (2012), dado que el objetivo es estimar varias rectas de regresión que pasen por distintos puntos de la distribución, la función que cumplen los pesos asimétricos es precisamente la de ubicar esas rectas ponderando de forma distinta los residuos positivos y los negativos.

Figura 3-1. La recta de regresión correspondiente al cuartil 0.75

Fuente: Vicéns, O.J., Reyes, S, B. pag10.

Como se presenta en la Figura 3-1, se da un ejemplo de cómo se determina el cuantil 0.75, es decir, la recta correspondiente al cuantil 75, que uniría los puntos del cuantil 75 condicional de y dado X.

En concordancia con lo expuesto por Zarate H. (2003) y Vicéns et. Al, 2012, la imagen explica que para su estimación, los residuos positivos (cuando el valor real es mayor que el estimado) se ponderan con 0,75; mientras que los negativos (cuando el valor real es menor que el estimado) se ponderan con 0,25.

Podría argumentarse que una segmentación de la muestra y su posterior estimación por mínimos cuadrados en cada segmento nos llevaría a la misma conclusión, pero ello nos podría llevar a un sesgo de selección como señala Heckman (1979). La ventaja que aporta la regresión cuantílica frente a esta estrategia es que en cada cuantil intervienen todas las observaciones apropiadamente ponderadas.

Otra manera de plantear gráficamente el cuantil condicional de y dado x, es a partir de la expresión 14, es mediante la minimización de los B estimadores en función de la probabilidad de sus errores así:


79

min𝛽𝛽∈ℝ

[∑ 𝜌𝜌𝜃𝜃 (𝜇𝜇)𝑀𝑀𝑦𝑦=1 ] (15)

Donde;

μθi = yi – Xiβθ y ρθ ( μ ) = μ (θ - 1(μ < 0))

Es lo que se conoce como función de chequeo de manera que

ρθ ( μ ) = �𝜇𝜇 (𝜃𝜃 − 1), 𝐴𝐴𝑦𝑦 𝜇𝜇 < 0𝜇𝜇𝜃𝜃, 𝐴𝐴𝑦𝑦 𝜇𝜇 ≥ 0

Figura 3-2. Función de Chequeo

Fuente: Vicéns, O.J., Reyes, S, B. pag10.

Como se aprecia en la figura 3-2, la pendiente de la recta que relaciona Ρθ < (𝜇𝜇) y μ vale θ cuando los residuos son positivos y (θ – 1) en caso contrario

Resultados de las estimaciones de regresión cuantílica: 2010 - 2019

¿Cuál ha sido el efecto del cambio tecnológico de la revolución 4.0 sobre la distribución de salarios?

Para responder a la pregunta sobre cuál ha sido el efecto del cambio tecnológico de la revolución 4.0, sobre la desigualdad de los salarios reales en el periodo de estudio (2010-2019), se procede a definir los determinantes del salario, y las funciones de ingreso que relacionan las variables asociadas al capital humano, la fuerza de trabajo, con los respectivos ingresos laborales recibidos por la mano de obra asalariada.


80

A continuación, se propone la relación entre el capital humano y los ingresos por trabajo fue propuesta por Mincer (1974), para lo cual se define en el proceso de estimación los siguientes parámetros:

En tal sentido, la función de ganancias del capital humano plantea que el logaritmo de la renta de los trabajadores para un periodo de tiempo establecido se puede expresar mediante una función lineal, con un término lineal “Educación” y uno cuadrático “la Experiencia” de la siguiente forma:

log Salario Real (w) = β0 + β1𝑥𝑥1 (Educación) + β2𝑥𝑥2 𝐸𝐸𝑥𝑥𝐸𝐸𝐸𝐸𝐸𝐸𝑦𝑦𝐸𝐸𝑀𝑀𝐸𝐸𝑦𝑦𝐸𝐸 + β3𝑥𝑥23 𝐸𝐸𝑥𝑥𝐸𝐸𝐸𝐸𝐸𝐸𝑦𝑦𝐸𝐸𝐸𝐸𝑦𝑦𝐸𝐸 + β4𝑥𝑥4 𝐺𝐺𝐸𝐸𝑀𝑀𝐸𝐸𝐸𝐸𝐺𝐺 + 𝜀𝜀

De acuerdo con la ecuación anterior:

Log (w) = el logaritmo natural de los salarios por hora de los ocupados en la ocupación principal en el sector formal de la economía.

X1: Años de educación

X2: Años de Experiencia

X3: Años de Experiencia al cuadrado

X4: Genero

ε: Es el término de error de la ecuación

El modelo planteado asume que los determinantes del salario se derivan tanto de factores de oferta como son las características de capital humano de los trabajadores, la experiencia en la generación de habilidades, y los “nuevos” procesos de certificación en nuevas tecnologías. Por el lado de la demanda los determinantes están relacionados con la estructura de sectores económicos (privado y público), ramas de actividad con vocación al uso de nuevas tecnologías, tamaño de la empresa, que de fondo ayuda a perfilar la calidad de los empleos.

Finalmente, los factores socioeconómicos le dan forma a la estimación en cuanto se utilizan variables como el género, estado civil, edad, región. Con toda esta descripción se asume que:

1. Lo anterior implica que X2 experiencia y X⌃2 3, experiencia al cuadrado son los años de experiencia del

trabajador, y su valor elevado al cuadrado, donde se espera que los resultados para los

estimadores sean que: β1, β2, β3, y β4 > 0 y que β3 <0, respectivamente.

2. La razón por la que el β3 <0 se deba a que dicha variable recoge los rendimientos decrecientes

del ciclo de vida del trabajador, y su signo es negativo.

3. De otra parte, una premisa importante de acotar es que la experiencia asociada a la actualización

académica y la adopción de nuevos conocimientos y habilidades debería optimar los ingresos

de los trabajadores ocupados y así maximizar su tasa de retorno.

4. En esta disrupción de la revolución 4.0, es importante destacar que el concepto de actualización

académica se promueve desde la modalidad de certificaciones informática, es decir, certificación


81

de conocimientos en dominio de tecnologías de programación o dominio de las ciencias de

datos, por empresas vinculadas a la tecnología y su desarrollo (Google, Microsoft, y la

innovación de certificación On- Line). De acuerdo con el informe “Competencias y salarios en

TI en 2019”, el salario medio anual de los profesionales de la informática a nivel mundial es de

85.115 dólares. [Global Knowledge, 2019 IT 2019 IT Skills and Salary Report]10

Siguiendo la metodología de descomposición de Fields a continuación se presentan los principales resultados obtenido para el periodo 2019, evaluadas las cifras de la GEIH, para 13 ciudades y sus áreas metropolitanas, a partir de la Ecuación de Capital Humano de Micer, corregida por sesgo de selección.

La Tabla 3-1 y 3-2, permiten una descripción estadística de los datos a tratar:

Tabla 3-1: Estadística Descriptiva de las variables del modelo econométrico para evaluar la desigualdad en el mercado de trabajo colombiano 2010 - 2019.11

1. ANÁLISIS DESCRIPTIVO PARA EL CONJUNTO DE DATOS CONSOLIDADO PERIODO 2010 – 2019

1. Estadística Descriptiva Variable N Mínimo Máximo Media Desviación

Estándar Años de educación

1.427.437 0 26 10,74 5,63

Experiencia 1.427.437 0 85 21,56 13,37 Experiencia Al Cuadrado

1.427.437 0 7225 408,67 602,09

1.427.437 0 1 0,5318 0,4989 2. Análisis Descriptivo Para El Periodo 2010 Estadística Descriptiva

Variable N mínimo Máximo Media Desviación Estándar

Años de educación

147.630 0 26 10,06 4,505

Experiencia 147.630 0 81 20,81 12,85 Experiencia Al Cuadrado

147.630 0 6561 597,37 646,82

Sexo de la persona

147.630 0 1 0,5363 0,4988

3. Análisis Descriptivo Para El Periodo 2014

10 2020 IT Skills and Salary Reporten 2020; señala que entre los factores que incentivan la búsqueda de un mejor salario con certificaciones: incrementar el desempeño en el trabajo actual (37%), contribuir al aumento del estándar de la empresa (29%), promoción en la empresa (15%), Desarrolló nuevas habilidades que den valor agregado (12%), promoción y/o traslado a otra empresa (11%), obtener una certificación industria de la tecnología (10%). 11 Nota metodológica: Estos conjuntos de datos son los que se procesaron con R una vez se descartaron los casos con la variable INGLABO = 0 y Los casos con Experiencia Potencial Experiencia_P negativos. La variable Experiencia Potencial es Calculada = Edad – 18.


82

Estadística Descriptiva Variable N Mínimo Máximo Media Desviación

Estándar Años de educación

146.878 0 26 10,31 4,4315


146.878 0 6561 635,35 693,68

Sexo de la persona

146.878 0 1 0,5268 0,4992

4. Análisis Descriptivo Para El Periodo 2019 Estadística Descriptiva

Variable N Mínimo Máximo Media Desviación Estándar

Años de educación

155.646 0 26 10,86 4,2524


155.646 0 6400 678,85 716,44

Sexo de la persona

155.646 0 1 0,5391 0,4984

Fuente: GEIH. Fuente: DANE (GEIH), el cálculo del salario real se produce a partir del salario nominal en cada grupo y su relación con el Índice de Precio base 2018 =100, del Banco de la República. Tabla 3-2: Medidas Estadísticas de Posición de las variables del modelo econométrico para evaluar la desigualdad en el mercado de trabajo colombiano 2010 - 2019.12

AÑO PERCENTILES

2010 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

SALARIO NOMINAL 250.000 600.000 1.605.000

SALARIO EN DÓLARES CON UNA TRM (2010) PROMEDIO: $ 1898,57

$ 131,7 $ 277,1 $ 784,1

2011 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

SALARIO NOMINAL 240.000 600.000 1.685.000


$ 129,9 $ 324,7 $ 911,7

2012 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

SALARIO NOMINAL 260.000 600.000 1.800.000


$ 139,1 $ 321,1 $ 963,2

2013 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

SALARIO NOMINAL 300.000 685.500 1.950.000 SALARIO EN DÓLARES CON UNA TRM

(2010) PROMEDIO: $ 1898,79 $ 158,0 $ 361,0 $ 1.027,0

2014 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) = SALARIO NOMINAL 200.000 670.000 1.800.000


$ 99,9 $ 334,7 $ 899,2

2015 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

12 Nota metodológica: Estos conjuntos de datos son los que se procesaron con R una vez se descartaron los casos con la variable INGLABO, este ejercicio se realiza para identificar la posición salarial para cada percentil y su variación porcentual y su relación con la TRM.


83

SALARIO NOMINAL 200.000 700.000 1.950.000 SALARIO EN DÓLARES CON UNA TRM

(2010) PROMEDIO: $ 2741,88 $ 72,9 $ 255,3 $ 711,2

2016 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) = SALARIO NOMINAL 215.000 710.000 2.000.000


$ 70,4 $ 232,5 $ 654,9

2017 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

SALARIO NOMINAL 240.000 780.000 2.000.000


$ 81,3 $ 264,3 $ 677,7

2018 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

SALARIO NOMINAL 280.000 800.000 2.000.000


$ 94,7 $ 270,7 $ 676,7

2019 PK1 (0,10) = PK2 (0,5) = PK3 (0,9) =

SALARIO NOMINAL 296.000 828.666 2.200.000


$ 90,2 $ 252,6 $ 670,5

Fuente: GEIH. Fuente: DANE (GEIH), el cálculo del salario real se produce a partir del salario nominal en cada grupo y su relación con el Índice de Precio base 2018 =100, del Banco de la República.

Una vez especificado el modelo:

Log (INGLABO_R) ~ Experiencia_P + I(Experiencia_P^2) + Escolaridad1 + Escolaridad2 + Escolaridad3 + Escolaridad4 + Escolaridad5 + genero

Se obtienen los siguientes resultados empíricos para los incrementos salariales con respecto al nivel educativo (escolaridad), la experiencia en años, y el género en diferentes cuantiles de la distribución, Tabla 3-3 y 3-4

Tabla 3-3: Correlación Entre Las Variables Explicativas y El Logaritmo Del Ingreso Real

CORRELACIÓN DE VARIABLES

AÑO 2010

Escolaridad Experiencia_P Experiencia_P.2 Genero_D

ESCOLARIDAD 1 -0,27538925 -0,28962631 -0,05564804

EXPERIENCIA_P -0,27538925 1 0,95216237 0,01960497

EXPERIENCIA_P.2 -0,28962631 0,95216237 1 0,03240024

GENERO_D -0,05564804 0,01960497 0,03240024 1

AÑO 2014


ESCOLARIDAD 1 -0,30581770 -0,32192669 -0,06604301

EXPERIENCIA_P -0,30581770 1 0,95425625 0,01862023

EXPERIENCIA_P.2 -0,32192669 0,95425625 1 0,03252302


84

GENERO_D -0,06604301 0,01862023 0,03252302 1

AÑO 2019


ESCOLARIDAD 1 -0,29846501 -0,32072246 -0,08951152

EXPERIENCIA_P -0,29846501 1 0,95821373 0,01125646

EXPERIENCIA_P.2 -0,32072246 0,95821373 1 0,02233133

GENERO_D -0,08951152 0,01125646 0,02233133 1

GEIH. Fuente: DANE -GEIH (2010-2019), datos procesados con R una vez se corrigen los casos con la variable INGLABO

Tabla 3-4: Análisis del salario real por retornos de la educación, Experiencia, Experiencia_P^2 y género, 2010 vs 2019: 2010 2011 2012 2013 2014 2010 -

20 14 Variable Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q

0.5 Q 0.9

Q 0.1 Q 0.5

Q 0.9

Q 0.1 Q 0.5

Q 0.9

Q 0.1 Q 0.5 Q 0.9 Prom

Experiencia 6,13 3,39 4,04 6,28 3,43 4,14 6,57 3,45 4,08 6,79 3,49 4,11 61,22 3,07 3,95 8,28

Experiencia^2

-1,24 -0,06 -0,54 -0,01 -0,06 -0,06 -0,14 -0,62 -0,06 -0,14 -0,06 -0,06 -0,13 -0,05 -0,05 -0,22

Escolaridad 10,55 8,82 10,42 9,68 8,59 10,37 10,00 8,39 10,03 10,12 8,32 10,10 9,58 7,85 10,02 9,52

Genero 96,10 31,86 32,09 98,41 31,93 32,49 102,10

33,15 32,77 99,04 31,74 32,34 98,00 30,62 30,51 54,21

Intercepto 1038,88

1217,52

1262,28

10,498

12,205

12,624

10,418

12,242

12,670

10,398

12,271

12,669

10,632

12,379

12,707 11,79

2015 2016* 2017 2018 2019 2015 -

2019

Variable Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5

Q 0.9

Q 0.1 Q 0.5

Q 0.9

Q 0.1 Q 0.5

Q 0.9

Q 0.1 Q 0.5 Q 0.9 Prom

Experiencia 6,06 3,10 4,09 5,79 2,41 5,81 5,81 2,74 3,98 5,68 2,46 3,75 5,78 2,53 3,88 4,26

Experiencia^2

-0,13 -0,06 -0,06 -0,15 -0,06 -0,10 -0,12 -0,05 -0,06 -0,12 -0,05 -0,05 -0,12 -0,04 -0,05 -0,08

Escolaridad 9,71 7,90 9,87 0,04 0,31 1,75 9,16 7,83 10,00 9,71 7,91 10,26 10,28 8,28 10,37 7,56

Genero 98,41 30,34 30,23 96,42 18,83 15,25 92,40 26,98 27,07 82,39 24,27 25,32 85,22 23,00 23,80 46,66

Intercepto 10,610 12,368 12,698 11,667

13,306

13,572

10,730

12,389

12,643

10,758

12,415

12,639

10,623

12,389

12,621 12,10

Fuente: Cálculos a partir de la información de la GEIH -DANE: *2016: es un año atípico por un cambio en la metodología de recolección de datos

Figura 3-3: Coeficientes del salario real por retornos de la educación

Fuente: Cálculos a partir de la información de la GEIH -DANE


85

Estos resultados son importantes para validar que la variable que aporta un mayor incremento al salario real en el periodo 2010 - 2019, es el de la escolaridad, ya que en cada año el estimador es mayor frente a las demás variables explicativas.

Para determinar las diferencias salariales en 13 ciudades y sus áreas metropolitanas, en el periodo 2010 – 2019, con el método de la Regresión por Cuantiles, se realizaron una serie de estimaciones, que ofrecen resultados como los de las tablas anteriores, en la cual se comparan los coeficientes obtenidos, para las variables: Educación, experiencia, experiencia⌃2, en el salario mensual por trabajador y el género. Estos resultados se ofrecen en el Grafico 3-2 y la tabla 3-5

Figura 3-4: Coeficientes de la Regresión por cuantiles comparando los años 2010 y 2019.

Salario Real 2010 vs (b) Salario Real 2019

Fuente: GEIH – Cálculos propios (2021)

Tabla 3-5: Salario Real 2010 (a): Ingreso laboral Real INGELABO): Coeficientes para los cuantiles 0.1, 0.25, 0.5, 0.75, 0.9 para el año 2010.

Estimadores Value Std. Error t - value Pr(>|t|) Coeficientes:

(Intercept) 10,38880 0.02213 469,39914 0.00000 Experiencia_P 0.06129 0.00146 41,992980 0.00000

I(Experiencia_P^2) -0,00124 0,00003 -40,08278 0.00000 Escolaridad 0.10547 0.00117 89,843460 0.00000

Genero_D 0.96096 0.01193 80,55872 0.00000

Tabla 3-6: Salario Real 2020 (b): Coeficientes para los cuantiles 0.1, 0.25, 0.5, 0.75, 0.9 para el año 2019. Coeficientes:

Estimadores Value Std. Error t - value Pr(>|t|) (Intercept) 10,62322 0,02180 487,35940 0,00000

Experiencia_P 0,05779 0.00135 42,788020 0,00000 I(Experiencia_P^2) -0,00121 0,00003 -43,85061 0,00000

Escolaridad 0,10284 0,00102 100,383430 0,00000 Genero_D 0,8522 0,01192 71,48762 0,00000

Fuente: Fuente: GEIH – Cálculos propios (2021).


86

Se parte de analizar el cambio al inicio y al final del periodo de estudio, es decir, el gráfico a y b y sus respectivos resultados de estimación. Con estos resultados de la regresión cuantílica para todos percentiles, se puede obtener las siguientes conclusiones.

Primero, se valida que los resultados de las regresiones obtenidas están ajustados a la hipótesis del documento en la cual se afirma que el cambio tecnológico es segado y aumenta la demanda de trabajadores mejor calificados, es decir, con mayores años de estudio y también con mayor experiencia.

Segundo, en la tabla 3-6, se observa que los signos de los coeficientes son positivos para la educación y experiencia, porque es la manera de recibir los retornos de inversión en capital humano y recuperar los costos de oportunidad que suponen años de experiencia.

Tercero, el signo negativo para la Experiencia⌃2 valida el supuesto de rendimientos decrecientes del trabajador en el ciclo de vida,

Por último, el análisis de coeficientes cuantílicos, permite establecer la siguiente explicación:

Se concluye que el comportamiento del ingreso laboral (Inglabo) en todo el periodo 2010 - 2019, explicado por las variables especificadas en la ecuación de capital humano permiten concluir los siguientes aspectos:

• El coeficiente obtenido de la variable escolaridad en 2010, para los percentiles 0.1, 0.25, 0.5, 0.75 y 0.9, indica que cada año de adicional de educación del trabajador representa un retorno (premio o bono) que se refleja en un incremento salarial del 10.54%. Sin embargo para el final de la década dicho estimador, informa que la contribución en 2019 bajó a 10.28% por cada año de educación adicional.

• El coeficiente obtenido de la variable Experiencia_P en 2010, para los percentiles 0.1, 0.25, 0.5, 0.75 y 0.9, indica que cada año de educación el trabajador contribuía al incremento salarial en 6,12%. Sin embargo para el final de la década dicho estimador, informa que la contribución en 2019 bajó a 5.77% por cada año de educación adicional.

• En cuanto a la variable Genero que mide el grado de desigualdad en salarios, la variable es positiva 0.96 (2010) y 0.85 (2019), con lo cual se interpreta que los salarios de los hombres son superiores al de mujeres, en porcentajes del 96% en el inicio de la década (2010) y corrige esa situación en el final del periodo quedando en 85%.

El análisis para los cuantiles 0.1, cuantil 0.5 (mediana) y cuantil 0.9 los resultados son los que se relacionan a continuación en la tabla 3-7 y el grafico 3-3. Con esta información se puede apreciar que el promedio del estimador de “escolaridad” en la primera parte de la década (2010-2014) le aportó 9,5% al incremento del salario real, frente al 7,6% de lo observado en el periodo 2015 – 2019.


87

Tabla 3-7: Coeficientes de la Regresión Cuantílica para explicar la Relación con el logaritmo del salario Real 2010 - 2019

Variables predictivas

Fuente: Fuente DANE, GEIH, cálculos obtenidos a partir de R - estudio, los resultados del año 2016*, son atípicos porque en dicho año se realizó un cambio en la metodología de la Gran Encuesta Integrada de Hogares cambio de la metodología.

Figura 3-5|: Regresión Cuantílica para el Salario Real del periodo 2010 a 2019

Fuente: Fuente DANE, GEIH, cálculos obtenidos a partir de R - estudio

2010 - 20 14

Variable Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Promedio

Experiencia 6,13 3,39 4,04 6,28 3,43 4,14 6,57 3,45 4,08 6,79 3,49 4,11 61,22 3,07 3,95 8,3Experiencia^2 -1,24 -0,06 -0,54 -0,01 -0,06 -0,06 -0,14 -0,62 -0,06 -0,14 -0,06 -0,06 -0,13 -0,05 -0,05 -0,2

Escolaridad 10,55 8,82 10,42 9,68 8,59 10,37 10,00 8,39 10,03 10,12 8,32 10,10 9,58 7,85 10,02 9,5Genero 96,10 31,86 32,09 98,41 31,93 32,49 102,10 33,15 32,77 99,04 31,74 32,34 98,00 30,62 30,51 54,2

Intercepto 1038,9 1217,5 1262,3 10,5 12,2 12,6 10,4 12,2 12,7 10,4 12,3 12,7 10,6 12,4 12,7 11,8

2015 - 2019

Variable Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Q 0.1 Q 0.5 Q 0.9 Promedio

Experiencia 6,06 3,10 4,09 5,79 2,41 5,81 5,81 2,74 3,98 5,68 2,46 3,75 5,78 2,53 3,88 4,3Experiencia^2 -0,13 -0,06 -0,06 -0,15 -0,06 -0,10 -0,12 -0,05 -0,06 -0,12 -0,05 -0,05 -0,12 -0,04 -0,05 -0,1

Escolaridad 9,71 7,90 9,87 0,04 0,31 1,75 9,16 7,83 10,00 9,71 7,91 10,26 10,28 8,28 10,37 7,6Genero 98,41 30,34 30,23 96,42 18,83 15,25 92,40 26,98 27,07 82,39 24,27 25,32 85,22 23,00 23,80 46,7

Intercepto 10,6 12,4 12,7 11,7 13,3 13,6 10,7 12,4 12,6 10,8 12,4 12,6 10,6 12,4 12,6 12,1

2010 2011 2012 2013 2014

2015 2016* 2017 2018 2019


88

Analizados por separado Los cuantiles 0.1, 0.5, 0.9 son importantes para determinar que por cada año de educación adicional, en promedio retornan en un incremento del 10.5% a comienzos de la década (2010) y del 10.37% en el final de esta (2019). El promedio de los retornos en educación es mayor en los primeros cinco años con 9.5%, frente al 7.5% observado en la segunda para del periodo de análisis.

La segunda variable que aporta a este análisis es el de la Experiencia que en promedio durante los primero cinco años tuvo un indicador del 8.2%, frente a los retornos del 4.2% que se obtienen en el tramo del 2015 a 2019. Y Finalmente la variable Genero en la cual es mayor que cero, es decir, al ser mayor que cero es un indicador de desigualdad salarial, y por ende los salarios de los hombres son mayores. En esta variable se observó una corrección, particularmente en los cuantiles altos 0.9 y en la mediana, que oscilaban alrededor del 30% de desigualdad, pero que desde 2016, muestra una tendencia a reducir tal desigualdad quedando en 2019 en un 23.7%, El promedio entre el primer y segundo quinquenio fue del 54.2% y frente al 46.6% en el segundo quinquenio. Esto implica una reducción de la brecha salarial de las mujeres en el periodo de análisis.


89

Conclusiones, recomendaciones y agenda de investigación futura

En Colombia el salario real promedio observado entre 2010 - 2019 mantuvo una tendencia creciente en

el periodo de análisis, registrando una tasa de crecimiento del 5.8% anual. El salario Real devengado por

los trabajadores hombres es mayor, que el de las mujeres, y también que el salario promedio de todos

los trabajadores. Sin embargo, es importante resaltar que en el periodo de análisis la variación porcentual

de la asignación correspondiente a mujeres creció 7.44%, frente al crecimiento de 3.8% de los hombres.

La investigación presenta una mirada a los cambios en la Revolución 4.0 para la economía colombiana

para el periodo 2010 - 2019. Se destaca que el país tiene una baja tasa de profundización en la

implementación de los desarrollos de la Industria 4.0.

De manera comparativa se puede deducir que a comienzos de la década los trabajadores con educación

de máximo 10 años de estudio, representaban el 41,80 por ciento de la fuerza laboral, en tanto que en

2019 este valor quedó en 30,5 por ciento.

Por su parte, en el 2010 sumados el grupo de 0 a a10 años de educación representaban el 71.6 por ciento,

frente al 64.4 registro en 2019. En cualquier caso, debe resaltarse que los trabajadores más educados,

con 16 o más años de inversión en capital humano, son los que para el 2019 son el 17,8% del total, es

decir, este grupo ha crecido más de cuatro puntos en participación.

En el estudio se evidencia que los trabajadores con una mayor dotación de estudios (>16 años) aumentan

su salario real hasta en 8.09 veces el salario real percibido por un trabajador con menos de 10 años de

educación. El resultado del estudio permite destacar la existencia de la brecha entre hombres y mujeres,

en favor de los primeros. En tal sentido, se confirma que en los últimos años el mercado de trabajo

colombiano ha profundizado la disparidad de remuneración por razón de género

Para determinar el impacto de la transformación de la industria a la economía digital y la inteligencia

artificial, se analizó la estructura del mercado de trabajo colombiano, para comprobar la Hipótesis De

Cambio Tecnológico Sesgado (HCTS), con datos de la Gran Encuesta Integrada de Hogares – GEIH.


90

Se aceptar la hipótesis de discriminación salarial por retorno a las habilidades, es decir, el mercado escoge

a los trabajadores mejor calificados.

Se encontró que a diferencia salarial de los más educados, frente a los de rangos bajos y menos estudios,

tiene una relación de 1.2 en 2010 y aumenta para quedar en 1.4 veces el salario del promedio de

trabajadores en 2019.

Las cifras sobre oferta indican que la estructura por nivel educativo ha cambiado significativamente, lo

trabajadores con menos nivel de escolaridad representan el 20% de los ocupados, los bachilleres son el

33% y los Técnicos y Tecnólogos son aproximadamente el 18%.

Una vez desarrollado el ejercicio estadístico soportado en la Regresión de Mincer, por medio de métodos

cuantílicos se obtuvieron las siguientes conclusiones:

Se valida con los resultados de las regresiones obtenidas se ajustan a la hipótesis del documento en la

cual se afirma que el cambio tecnológico es segado y aumenta la demanda de trabajadores mejor

calificados, es decir, con mayor número de años de estudio y también con mayor experiencia.

Segundo, se observa que los signos de los coeficientes son positivos para la educación y experiencia,

porque es la manera de recibir los retornos de inversión en capital humano y recuperar los costos de

oportunidad que suponen años de experiencia. Lo cual es coherente con la teoría, el signo negativo para

la Experiencia⌃2 valida el supuesto de rendimientos decrecientes del trabajador en el ciclo de vida,

El análisis de coeficientes cuantílicos, permite concluir que el comportamiento del ingreso laboral

(Inglabo) en todo el periodo 2010 - 2019, explicado por las variables especificadas en la ecuación de

capital humano, indica que cada año adicional de educación del trabajador representa un retorno (premio

o bono) que se refleja en un incremento salarial del 10.54%. Sin embargo, para el final de la década dicho

estimador, informa que la contribución en 2019 bajó a 10.28% por cada año de educación adicional.

El coeficiente obtenido de la variable Experiencia_P en 2010, para los percentiles 0.1, 0.25, 0.5, 0.75 y

0.9, indica que por cada año de educación el trabajador incrementa su nivel salarial en 6,12%.

Sin embargo para el final de la década dicho estimador, informa que la contribución en 2019 bajó a

5.77% por cada año de educación adicional.


91

En cuanto a la variable Genero que mide el grado de desigualdad en salarios, la variable es positiva 0.96

(2010) y 0.85 (2019), con lo cual se interpreta que los salarios de los hombres son superiores al de

mujeres, en porcentajes del 96% en el inicio de la década (2010) y se corrige en el final del periodo

quedando en 85%. No obstante, las mujeres siguen tenido sesgos de discriminación por salario, a pesar

de que en carga laboral, ellas realizan iguales actividades de trabajo que las de los hombres.

Recomendaciones

Este es un trabajo exploratorio de cómo las tecnologías disruptivas habrían impactado el mercado de

trabajo en Colombia.

La idea inicial era establecer el estado del arte de la Revolución 4.0, pero el país aún no ha elaborado un

trabajo para compilar las cifras de las transformaciones que caracterizan a la industria 4.0, por ejemplo,

cifras de seguimiento de desarrollo de la robótica, en sectores claves de la producción y de la

transformación de la sociedad, (en Educación, Biomedicina, Transporte, Inteligente, ciudades integradas

etc.) el IOT, Big Data, Inteligencia Artificial, Machine Learning, y la automatización de proyectos, entre

otros.

Desde la perspectiva de la política de desarrollo tecnológico es mucho lo que hay por hacer. Lo primero

es pasar de tan solo reconocer a implementar acciones en el Plan de Desarrollo que fomente procesos

de transformación digital, en las regiones, para garantizar la integración de la economía y la maximización

del uso de las comunicaciones como derecho social adquirido en la Constitución Política de 1991.

El Covid 19, desnudo la situación en avances tecnológicos, propios de la tercera revolución industrial,

propias del siglo pasado, más conocido como la “sociedad de la información”, y que en concreto son

los mínimos de conectividad, cobertura y computadores. Los consumidores no van a dejar su hábito de

pedir online adquirido durante el confinamiento social, más que nunca el sector de la distribución

utilizará inteligencia artificial y automatización. De forma similar, el confinamiento reveló las virtudes

del trabajo remoto y de las videoconferencias. También nos familiarizamos con las consultas médicas

por teléfono o video. La regulación y estandarización de estas actividades deben ser preocupaciones de

los "policy Makers" y en tender que el mundo cambio para todos.

De hecho, La idea de una Renta Básica Universal es tema central de gobiernos serios, que han visto

como el estado es responsable de procurar que las personas tena un ingreso mensual de subsistencia, y


92

hacen caso omiso a tal necesidad por los problemas de financiación inherentes para esta alternativa. Lo

anterior implica que las políticas de protección social se orienten a replantar el modelo desgasto y caduco

que prevalece de la región y particularmente en el país desde la Ley 100 de 1993

Es necesario que las regiones superen las limitaciones de confluencia y complementariedad de las nuevas

tecnologías de comunicación y energía, para dar el salto a las disrupciones de la era de la nueva economía

de la información y la digitalización.

hay que considerar los costos de transacción vinculados a la externalización de trabajo, la cual se facilita

con la incorporación de las Tecnologías de la Información y de las Comunicaciones (TIC) (Rubery y

Grimshaw 2001, 169).

Agenda de Investigación Futura

La experiencia recogida de los autores y sus trabajos utilizados en la elaboración de la presente

tesis permiten identificar un amplio marco de posibilidades en pro de definir una amplia agenda

de investigación. Es importante dar continuidad a este documento y realizar el ejercicio para la

Hipótesis de Cambio tecnológico por Rutinas (HCTR), lo ideal es que se analicen los cambios

en la demanda y los salarios por ocupaciones en las tres categorías de análisis (abstractas,

rutinarias o manuales), para determinar si las que han crecido son las que encuentran en las

orillas de la distribución (abstractas y manuales) lo que permitiría observar que dicha hipótesis

(HCTR) se cumple.

Es necesario contar con los microdatos de la GEIH, y los códigos de la clasificación y hacer

una recodificación de las tareas de acuerdo con lo establecido por Autor, Levy and Murnane

(2003), es realmente un trabajo de codificación importante.

Se debe avanzar en estudios para entender demanda de programas educación técnica,

tecnológica o vocacional en comparación con los de universitaria, no obstante que la tasa

retorno a la inversión en el nivel universitario, son mucho más altos. Un punto de inicio son las

restricciones en el acceso al crédito para la financiación de la educación superior.


93

Este trabajo solo avanzó hasta la ecuación de Mincer de Capital Humano, mediante regresión

por cuantiles. Y dejo por fuera pruebas que sustentarían con más evidencia la Hipótesis de

Cambio Técnico sesgado de la Revolución 4.0. Por lo tanto, es pertinente adelantar

investigaciones del Método de Juhn, Murphy y Pierce, Método de Oaxaca para estimar las

diferencias salariales.

Métodos de Valoración del Capital Humano en el mercado laboral colombiano, la rentabilidad

de los profesionales en Colombia, a partir de regresiones cuantílicas.

Desigualdad salarial y cambio tecnológico, con la metodología de Teoría de juego a partir de la

descomposición del coeficiente Gini.

Finalmente, es importante avanzar en tema de cambio técnico y polarización en el mercado

laboral.

La exploración a la problemática de los niños como usuarios de la 4RI, y su interacción

con los avances tecnológicos

Un trabajo asociado al mercado laboral y el cambio tecnológico es el de la población

migrante es necesario para determinar la sustitución por tecnología o por capacidades.

Hay un tema de la responsabilidad del Estado por las tensiones Tecno – científica y

Tecno – Sociales en la sociedad.

Y debe incluirse más trabajo de género que identifiquen las brechas que se construyen

en el mercado laboral


94

Bibliografía.

A Acemoglu, Daron, y David H. Autor (2011). «Skills, tasks and technologies: Implications for Employment and Earnings» Handbook of Labor Economics, Vol. 4 (B): 1043-1171. Acemoglu, D (2002), “Technical Change, Inequality, and the Labor Market”, Journal of Economic Literature, vol. 40, núm. 1, pp. 7-72. ____ (2003), “Patterns of Skill Premia”, Review of Economic Studies, vol. 70, núm. 2, pp. 199-230. ____ (2007), “Equilibrium Bias of Technology”, Econometrica, vol. 75, núm. 5, pp. 1371- 1409. ____ , y D. Autor (2011), “Skills, Tasks, and Technologies: Implications for Employment and Earnings”, en D. Card y O. Ashenfelter (eds.), Handbook of Labor Economics, vol. 4, cap. 12, North Holland, Ámsterdam, pp. 1043-1171. ____, y D. Autor (2012), “What Does Human Capital Do? A Review of Goldin and Katz’s The Race between Education and Technology”, Journal of Economic Literature, vol. 50, núm. 2, pp. 426-463. ____, G. Gancia y F. Zilibotti (2015), “Offshoring and Directed Technical Change”, American Economic Journal: Macroeconomics, vol. 7, núm. 3, pp. 84-122. ____, y F. Zilibotti (2001), “Productivity Differences”, The Quarterly Journal of Economics, vol. 116, núm. 2, pp. 563-606. Aghion, P., Antonin. C, Bunel. S, (2021) El poder de la destrucción creative; Deusto, sello editorial de Centro de Libros PAPF, SLU. Barcelona, www.planetadelibros.com Aghion, P. (2018) Innovation And Growth From A Schumpeterian Perspective, Recuperado de: https://www.cairn.info/revue-d-economie-politique-2018-5-page-693.htm, Aghion, P. (2016) Some Schumpeterian” Thoughts On Growth And Development, World Bank. Aghion, P. (2002): “Schumpeterian Growth Theory and the Dynamics of Income Inequality”, Econometrica, vol. 70(núm. 3), pp. 855–882. Aguión. P, and Howitt, “A Model of Growt through Creative Destruction”, Econométrica, 1992, 60(2), 323-351 Arango Luis Eduardo, Posada Carlos Esteban, y Uribe José Darío, Cambios en la estructura de los salarios urbanos en Colombia (1984 - 2000). https://www.banrep.gov.co/sites/default/files/publicaciones/pdfs/borra297.pdf Autor, D.H., Katz, L.F., and Kearney, M. (2006). The polarization of US labor market. The American Economic Review Papers and Proceedings, 96, 189-194.

http://www.planetadelibros.com/

https://www.cairn.info/revue-d-economie-politique-2018-5-page-693.htm

https://www.banrep.gov.co/sites/default/files/publicaciones/pdfs/borra297.pdf


95

Autor, D.H., Katz, L.F., and Krueger, A.B. (1998). Computing inequality: have computers changed the labor market? The Quarterly Journal of Economics, 113, 1169-1213 Autor, D.H., Levy, F., and Murnane, R.J. (2001). The skill content of recent technological change: an empirical exploration. The Quarterly Journal of Economics, 118, 11279-1333. Aven. B, Zhang, E, Social Distance and Knowledge Transformation: The Effects of Social Network Distance on Organizational Learning, Sociological Science, VL – 3, IS – 48, SN - 2330-6696, UR - http://dx.doi.org/10.15195/v3.a48 B Barro R.J, Sala -I- Martin (1995) Economic Growth, by Mc. Graw Hill, Inc. New York. Berman, E., Bound, J., and Griliches, Z. (1994). Changes in the demand for skilled labor within US manufacturing: evidence from the annual survey of manufacturers. The Quarterly Journal of Economics, 109, 367-397. Bogliacino F. (2014) Revisión crítica del debate tecnología-desigualdad, Recuperado de: http//www.elsevier.es/sumanegocios Benavidez O. (2004) La Innovación Tecnológica desde la Perspectiva Evolutiva, Cuadernos de Economía No. 41, UN. FCE. Bejarano M., Duque, C. Ceballos. L. ¿Qué es la servitización y para qué sirve?, en: https://castor.com.co/servitizacion/; podcast: https://blog.apastyle.org/apastyle/2012/10/how-to-cite-a-podcast.html 2021. BID (Banco Interamericano de Desarrollo) 2019, El futuro del trabajo en América Latina y el Caribe. Educación y salud: ¿los sectores del futuro?, Washington, D.C. Blanco. L.A, 2012. Jesús Antonio Bejarano: Una obra ejemplar, Revista de Economía Institucional, vol. 14, n.º 26, primer semestre/2012, pp. 295-316. Universidad Externado, Bogotá. BID (Banco Interamericano de Desarrollo) - 2018, El futuro del trabajo en América Latina y el Caribe, en African Development Bank Group et al., El futuro del trabajo: perspectivas regionales, Washington D.C. Brynjolsson E. and McAfee. A, (2014) The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies. MIT Center for Digital Business. NY. Norton, Jan 2014. (www.secondmachineage.com)

C CEPAL (2015), El Ecosistema y La Economía Digital en américa latina https://repositorio.cepal.org/bitstream/handle/11362/38916/1/ecosistema_digital_AL.pdf Fleitas Sebastián, (2017), Escuela de Verano CEPAL, Desigualdad, Tecnología, Instituciones Y Productividad. Recuperado de: https://escueladeverano.cepal.org/2018/sites/escver-

https://castor.com.co/servitizacion/

https://blog.apastyle.org/apastyle/2012/10/how-to-cite-a-podcast.html%202021

https://blog.apastyle.org/apastyle/2012/10/how-to-cite-a-podcast.html%202021

https://repositorio.cepal.org/bitstream/handle/11362/38916/1/ecosistema_digital_AL.pdf

https://escueladeverano.cepal.org/2018/sites/escver-%202018/files/session/files/class1_eclac_2018.pdf


96

2018/files/session/files/class1_eclac_2018.pdf Recuperado de: https://www.cepal.org/es/publications CEPAL (2008) La transformación productiva 20 años después Viejos problemas, nuevas oportunidades. Trigesimo segundo período de sesiones de la CEPAL Santo Domingo, República Dominicana. Recuperado de: https://www.cepal.org/es/publications CEPAL, (2013) Métodos econométricos para evaluar la desigualdad en el mercado de trabajo, En: Métodos econométricos para evaluar la desigualdad en el mercado de trabajo; Proyecto RECAP Análisis de datos de encuestas para el seguimiento de las condiciones del mercado de trabajo y los progresos en materia de trabajo decente Taller Nacional, San Salvador. Recuperado de: https://www.cepal.org/es/publications CEPAL (2019) Industria 4.0 Oportunidades y desafíos para el desarrollo productivo de la provincia de Santa Fe; Recuperado de: https://www.cepal.org/es/publications CEPAL (2019) Cambio tecnológico y empleo: una perspectiva latinoamericana En. Weller J, Gontero S, Campbell S, Serie Macroeconomía de Desarrollo 201 Santiago. CEPAL (2018) Desigualdad, Tecnología, Instituciones y Productividad, en : Fleitas Sebastian University of Leuven and CEPR, Escuela de Verano CEPAL 2018 D De Stefano, V. (2016). The rise of the “just-in-time” workforce: On-demand work, crowdwork and labor protection in the “gig-economy”. ILO Conditions of Work and Employment Series (Vol. 7). Geneva: International Labour Office. Doménech, J. R. García, M Montañez y A. Neut, (2017), El Impacto del Cambio Tecnológico y el Futuro del Empleo, Research – FIDE & BBVA, Madrid. Deloitte Insights, Forces of change: Industry 4.0, a Deloitte series on Industry 4.0. Recuperado: www.deloitte.com/insights.2017. E Enriquez, P. Isaac, (2016) Theories of economic growth: critical notes to venture into an unfinished debate, LAJED No 25 Mayo 2016 73 – 125. F Frey C.B, Osborne M., The future of employment: How susceptible are jobs to computerisation?, Technological Forecasting and Social Change, Volume 114, 2017, Pages 254-280. ISSN 0040-1625, https://doi.org/10.1016/j.techfore.2016.08.019. https://www.sciencedirect.com/science/article/pii/S0040162516302244) Fedesarrollo (2017), La economía digital y los retos para el mercado laboral, ACRIP – Fedesarrollo. Informe mensual del mercado Laboral.

https://escueladeverano.cepal.org/2018/sites/escver-%202018/files/session/files/class1_eclac_2018.pdf

https://www/

https://www/

https://www.cepal.org/es/publications

http://www.deloitte.com/insights.2017

https://doi.org/10.1016/j.techfore.2016.08.019

https://www.sciencedirect.com/science/article/pii/S0040162516302244


97

G Galor, O., & Moav, O. (2000). Ability-Biased Technological Transition, Wage Inequality, and Economic Growth. The Quarterly Journal of Economics, 115(2), 469-497. Retrieved September 15, 2019, from http://www.jstor.org/stable/2587000 H Huesca, L. Castro D. y Rodríguez R (2010) “cambio Tecnológico y sus efectos en el mercado de trabajo: Una revisión analítica”, Economía, Sociedad y Territorio Vol. 10 no.34, pp. 749 -779. K Katz, L.F., and Murphy, K.M. (1992). Changes in relative wages, 1963-1987: supply and demand factors. The Quarterly Journal of Economics, 107, 35-78. http://dx.doi.org/10.20430/ete.v85i338.349 Katz, L.F., and Autor, D.H. (1999). Changes in the wage structure and earning inequality. Hanbook of Labor Economics, 3, 1463- 1555. Kelly, J. (1990). Keynes, John Maynard, (1930), Posibilidades económicas para nuestros nietos, recuperado de: http://www.scielo.org.mx/pdf/ineco/v66n262/0185-1667-ineco-66-262-00015.pdf Krull, S. (2016) El cambio tecnológico y el nuevo contexto del empleo: Tendencias generales y en América Latina. CEPAL. L Lombana M., Ximena. (2019 ), Análisis del Ecosistema Digital en Colombia, Economía Aplicada, Bogotá, D.C. M McCraw T.(2007) Prophet of Innovation. Joseph Schumpeter and Creative Destruction. Harvard University Press, 2007. Milanovic B, (2016) Global Inequality: A New Approach for the Age of Globalization, Cambridge, MA and London, England: Harvard University Press, 2016. https://doi.org/10.4159/9780674969797 Medina C, Posso Ch, (2018), Cambio técnico y polarización en el mercado laboral, Evidencia para Colombia, El Trimestre Económico, vol. LXXXV (2), núm. 338, abril-junio de 2018, pp. 365-410. Molina M. Benítez, N, Ernst Christoph (2018); Cambios tecnológicos y laborales. Sus implicancias en el mercado de trabajo de Argentina; Serie Documentos de Trabajo, No 23; Oficina de País de la OIT para la Argentina, 2018. Buenos Aires. O Ochoa, G.; Torres G. A. J, La rutinización del empleo en México, Análisis económico, vol. XXXV, núm. 88, 2020, enero-Abril, pp. 43-68 Universidad Autónoma Metropolitana, Unidad Azcapotzalco, División de Ciencias Sociales y Humanidades.

http://www/

http://dx/


98

P Piketty T., (2014) Le capitales au siècle XXI, Éditions du Seuil. CAMBRIDGE, MASSACHUSETTS Londres, Inglaterra. 2014 Pinzón- Camargo. M, (2021) En: Disrupción Tecnológica, Transformación Digital y Sociedad, Colección Así habla la Externado. U. Externado. Bogotá R Rifkin J. (2012) La Tercera Revolución Industrial, trad. de Albino Santos Mosquera, España, Paidós, 2011. Romer P. [1990], Endogenous Technical Change, Journal of Political Economy, 98(5), 71-102. S Sachs J., (2006), El fin de la Pobreza, cómo conseguirlo en nuestro tiempo, Penguin Random House, New York. Sala i Martín (1999), Apuntes De Crecimiento Económico, Universidad Pompeu Fabra – Universidad de columbia, Antoni Bosch Ed. Barcelona. Sala i Martín, (2019) La invasión de los Robots y otros relatos de la economía de colores, cap. 6, pág. 139 -158, Penguin Random House, Barcelona. Santamaría, M. (2004): “Income inequality, skills and trade: Evidence from Colombia during the 80s and 90s”, Documentos CEDE, núm. 2004-02, Universidad de los Andes -CEDE. Sarrió. M, Barberá. E, Ramos. A, & Candela C (2002) Glass ceiling in the professional promotion of women, International Journal of Social Psychology, 17:2, 167-182, DOI: 10.1174/021347402320007582 Smith, A. (1958) Investigación sobre la Naturaleza y Causa de la Riqueza de las Naciones, FCE, México. D.F. México. Schumpeter J.A. (1942), Capitalism, Socialism, and Democracy, New York: Harper & (1950, Oxford University Press, Oxford, reprinted Harper Colophon, 1975). Schumpeter, Joseph. Teoría del desenvolvimiento económico. Quinta Reimpresión, Fondo de Cultura Económica, México, 1978. Schwab. K. (2016) La Cuarta Revolución Industrial, Debate, World Economic Forum. Penguin Random House Grupo Editorial, S. A. U. Travessera de Gràcia, 47-49. 08021 Barcelona. V Vargas-Riaño, Carmiña Ofelia, 2012. “Cambio tecnológico y desigualdad de salarios: Colombia, 1984-2010,” Chapters, in: Arango-Thomas, Luis Eduardo & Hamann-Salcedo, Franz Alonso (ed.), El


99

mercado de trabajo en Colombia: hechos, tendencias e instituciones, chapter 5, pages 211-251, Banco de la República de Colombia.

Vicéns, J., Sánchez B., (2012). La Regresión Cuantílica: Estimaciones y contrates, No.21, instituto L.R. Klein – Centro Gauss. Universidad Autónoma de Madrid, Madrid. Recuperado de: https://www.uam.es/uam/documentos. Z Zárate S, Héctor Manuel, (2003), Cambios En La Estructura Salarial: Una Historia Desde la Regresión Cuantílica. Banco de la República.

https://www.uam.es/uam/documentos


100

Anexo Estadístico A: Figuras y Salidas de Estimación Econométrica cuantílica

Anexo A1: Regresiones Cuantílicas del salario Real, para el total de Percentiles y de para los Cuantiles 0.1, 0.5, 0.9.

2010 Percentiles 0.05 - 0.95 Cuantiles 0.1, 0.5, 0.95

2011

Percentiles 0.05 - 0.95 Cuantiles 0.1, 0.5, 0.95


101

2012 Percentiles 0.05 - 0.95 Cuantiles 0.1, 0.5, 0.95

2013

Percentiles 0.05 - 0.95 Cuantiles 0.1, 0.5, 0.95

2014


102

2015

Percentiles 0.05 - 0.95 Cuantiles 0.1, 0.5, 0.95 2016


103

2017

Percentiles 0.05 - 0.95 Cuantiles 0.1, 0.5, 0.95 2018

2019


104

Coeficientes logaritmo Salario Real 2010 - 2019: Los coeficientes de regresión representan el cambio medio en la variable de respuesta para una unidad de cambio en la variable predictora mientras se mantienen constantes los otros predictores presentes en el modelo.

2010 2011 2012 2013 2014 2010-2019

Variable Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9 Promedio

Experiencia 0,06129 0,03392

0,04038

0,06283 0,0343 0,0413

8 0,0657

4 0,0344

8 0,0407

5 0,06785 0,0349 0,04113 0,6122 0,0307 0,0395

1 0,0827573

33

Experiencia^2 -0,0124

-0,0005

7

-0,0054

-0,0001

29

-0,0005

9

-0,0005

7

-0,0013

6

-0,0062

-0,0005

7 -0,0014

-0,0006

3

-0,0005

7

-0,00129

-0,0005

3

-0,0005

4

-0,0021832

67

Escolaridad 0,10547 0,08815

0,10415

0,09684

0,08594

0,10369

0,09996

0,08389

0,10031 0,10118 0,0831

9 0,1009

7 0,09575 0,07851

0,10018 0,095212

Genero 0,96096 0,31855

0,32089

0,98412

0,31926

0,32487

1,02098

0,33145

0,32768 0,99039 0,3173

8 0,3233

8 0,97999 0,30618

0,30511

0,542079333

Intercepto 10,3888 12,1752

12,62282

10,4982

12,20466

12,62424

10,41827

12,24249

12,67007

10,39769

12,27109

12,66903

10,63196

12,37949

12,70653

11,79336933

Coeficientes

2015 2016* 2017 2018 2019 2015 - 2019

Variable Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9

Cuantil 0.1

Cuantil. 0.5

Cuantil 0.9 Promedio

Experiencia 0,06063 0,03103

0,04091

0,05787

0,02412

0,05806 0,0581 0,0273

5 0,0397

8 0,05682 0,024589

0,03752 0,05779 0,0253 0,0388

3 0,0425799

33

Experiencia^2 -0,0013

-0,0005

6

-0,0005

8

-0,0014

5

-0,0005

9

-0,0009

8

-0,0012

3

-0,0004

8

-0,0005

5

-0,00118

-0,0004

5

-0,0004

9

-0,00121

-0,0004

3

-0,0005

2 -0,0008

Escolaridad 0,09706 0,079007

0,09873

0,000439

0,00309

0,01748

0,09163

0,07829

0,09997 0,09708 0,0791

4 0,1025

5 0,10284 0,08283 0,1037 0,0755890

67

Genero 0,98411 0,30341

0,30233

0,96417

0,18827 0,1525 0,9239

8 0,2697

8 0,2707

3 0,82393 0,24267

0,253247 0,8522 0,2299

9 0,2379

9 0,4666204

67

Intercepto 10,61006 12,36778

12,69827

11,66671

13,30589

13,57201

10,72991

12,38936

12,64271

10,75809

12,4149

12,63889

10,62322

12,38861

12,62084 12,09515


105

Anexo Estadistico B: Regresión Modelo Mincer GEIH 2010 al 2019: Area Ocupados, Caracteristicas Generales

La variable Escolaridad se dividio en 5 Grupos: Escolaridad1 = 5 o menos años de educacion Escolaridad2 = 6 a 10 años de educacion Escolaridad3 = 11 años de educacion Escolaridad4 = 12 a 15 años de educacion Escolaridad5 = 16 o mas años de educacion

2010

Intervalo de cuantiles 0.05 a 0.95 con incrementos de 0.05

Estimación Semi-paramétrica para los Cuantiles de 0.1, 0.5, 0.9


106

tau: [1] Cuantil 0.1: Resultados 2010

Value Std. Error t value Pr (>|t|) (Intercept) 11.18766 0.03288 340.28150 0.00000 Experiencia_P 0.04983 0.00155 32.23619 0.00000 (Experiencia_P^2) -0.00108 0.00003 - 37.78451 0.00000 Escolaridad1 0.07063 0.00743 9.49913 0.00000 Escolaridad2 0.05925 0.00408 14.53010 0.00000 Escolaridad3 0.07525 0.00272 27.67937 0.00000 Escolaridad4 0.09183 0.00242 37.98141 0.00000 Escolaridad5 0.11645 0.00163 71.54362 0.00000 tau: [1] Cuantil 0.5 Coefficients: Resultados 2010

Value Std. Error t value Pr(>|t|) (Intercept) 12.76891 0.01219 1047.45343 0.00000 Experiencia_P 0.02345 0.00048 48.72471 0.00000 (Experiencia_P^2) -0.00045 0.00001 -41.40044 0.00000 Escolaridad1 0.07559 0.00247 30.63994 0.00000 Escolaridad2 0.05263 0.00141 37.43648 0.00000 Escolaridad3 0.05093 0.00104 49.02175 0.00000 Escolaridad4 0.05598 0.00088 63.47702 0.00000 Escolaridad5 0.09268 0.00070 132.41746 0.00000 tau: [1] Cuantil 0.9 Coefficients: Resultados 2010

Value Std. Error t value Pr(>|t|) (Intercept) 13.20055 0.01352 976.25102 0.00000 Experiencia_P 0.03291 0.00076 43.57329 0.00000 (Experiencia_P^2) -0.00045 0.00002 - 26.60986 0.00000 Escolaridad1 0.06498 0.00284 22.86790 0.00000 Escolaridad2 0.05191 0.00163 31.75108 0.00000 Escolaridad3 0.05697 0.00121 46.91565 0.00000 Escolaridad4 0.06963 0.00108 64.59447 0.00000 Escolaridad5 0.10506 0.00090 1 16.12714 0.00000>


107

2011 Intervalo de cuantiles 0.05 a 0.95 con incrementos de 0.05



108

tau: [1] Cuantil 0.1 Coefficients: Resultados 2011


Value Std. Error t value Pr(>|t|) (Intercept) 12.79075 0.01100 1163.30135 0.00000 Experiencia_P 0.02396 0.00044 54.37376 0.00000 (Experiencia_P^2) -0.00047 0.00001 -45.60875 0.00000 Escolaridad1 0.07624 0.00223 34.21825 0.00000 Escolaridad2 0.05329 0.00128 41.76213 0.00000 Escolaridad3 0.04911 0.00096 51.33117 0.00000 Escolaridad4 0.05445 0.00082 66.58772 0.00000 Escolaridad5 0.09083 0.00068 133.46382 0.00000

tau: [1] 0.9 Coefficients: Resultados 2011



109




110



Value Std. Error t value Pr(>|t|) (Intercept) 12.82637 0.01278 1003.39884 0.00000 Experiencia_P 0.02481 0.00044 56.81554 0.00000 (Experiencia_P^2) -0.00051 0.00001 -48.82868 0.00000 Escolaridad1 0.07458 0.00263 28.32738 0.00000 Escolaridad2 0.05244 0.00146 35.98744 0.00000 Escolaridad3 0.04797 0.00113 42.43479 0.00000 Escolaridad4 0.05206 0.00094 55.42512 0.00000 Escolaridad5 0.08884 0.00081 109.83379 0.00000 tau: [1] 0.9 Coefficients: Resultados 2012 Value Std. Error t value Pr(>|t|) (Intercept) 13.25237 0.01493 887.76926 0.00000 Experiencia_P 0.03415 0.00073 46.71002 0.00000 (Experiencia_P^2) -0.00050 0.00002 - 31.91164 0.00000 Escolaridad1 0.05898 0.00326 18.11560 0.00000 Escolaridad2 0.05171 0.00184 28.12952 0.00000 Escolaridad3 0.05450 0.00134 40.66135 0.00000 Escolaridad4 0.06503 0.00110 59.01363 0.00000 Escolaridad5 0.10072 0.00095 105.95354 0.00000


111

2013

Intervalo de cuantiles 0.05 a 0.95 con incrementos de 0.05



112

tau: [1] Cuantil 0.1 Coefficients: Resultados 2013 Value Std. Error t value Pr(>|t|) (Intercept) 11.19442 0.03679 304.31665 0.00000 Experiencia_P 0.05205 0.00176 29.57944 0.00000 (Experiencia_P^2) -0.00117 0.00003 -33.60813 0.00000 Escolaridad1 0.08798 0.00804 10.94455 0.00000 Escolaridad2 0.06386 0.00455 14.03188 0.00000 Escolaridad3 0.07868 0.00319 24.64218 0.00000 Escolaridad4 0.08627 0.00264 32.62653 0.00000 Escolaridad5 0.11552 0.00193 59.72700 0.00000 tau: [1] Cuantil 0.5 Coefficients: Resultados 2013 Value Std. Error t value Pr(>|t|) (Intercept) 12.84509 0.01265 1015.56858 0.00000 Experiencia_P 0.02607 0.00043 60.99312 0.00000 (Experiencia_P^2) -0.00053 0.00001 -52.20529 0.00000 Escolaridad1 0.07335 0.00253 29.00921 0.00000 Escolaridad2 0.05101 0.00148 34.40720 0.00000 Escolaridad3 0.04743 0.00112 42.46153 0.00000 Escolaridad4 0.05070 0.00092 55.06557 0.00000 Escolaridad5 0.08703 0.00080 108.22704 0.00000 tau: [1] 0.9 Coefficients: Resultados 2013



113




114


Value Std. Error t value Pr(>|t|) (Intercept) 11.35531 0.03529 321.78929 0.00000 Experiencia_P 0.05086 0.00155 32.82053 0.00000 (Experiencia_P^2) -0.00116 0.00003 -41.26474 0.00000 Escolaridad1 0.08970 0.00817 10.97660 0.00000 Escolaridad2 0.06256 0.00437 14.31764 0.00000 Escolaridad3 0.07566 0.00317 23.83195 0.00000 Escolaridad4 0.08507 0.00261 32.60868 0.00000 Escolaridad5 0.10998 0.00180 61.08641 0.00000 tau: [1] Cuantil 0.5 Coefficients: Resultados 2014 Value Std. Error t value Pr(>|t|) (Intercept) 12.98083 0.01173 1106.96965 0.00000 Experiencia_P 0.01993 0.00038 52.36172 0.00000 (Experiencia_P^2) -0.00040 0.00001 -44.06449 0.00000 Escolaridad1 0.06281 0.00235 26.72419 0.00000 Escolaridad2 0.04461 0.00132 33.69660 0.00000 Escolaridad3 0.04088 0.00103 39.59811 0.00000 Escolaridad4 0.04413 0.00085 51.65168 0.00000 Escolaridad5 0.08340 0.00076 109.09720 0.00000 tau: [1] 0.9 Coefficients: Resultados 2014



115




116



Value Std. Error t value Pr(>|t|) (Intercept) 12.94816 0.01152 1123.77322 0.00000 Experiencia_P 0.02090 0.00037 57.19979 0.00000 (Experiencia_P^2) -0.00043 0.00001 -49.90902 0.00000 Escolaridad1 0.06819 0.00228 29.84387 0.00000 Escolaridad2 0.04693 0.00129 36.34285 0.00000 Escolaridad3 0.04310 0.00102 42.18410 0.00000 Escolaridad4 0.04532 0.00085 53.35573 0.00000 Escolaridad5 0.08244 0.00074 111.31758 0.00000 tau: [1] 0.9 Coefficients: Resultados 2015 Value Std. Error t value Pr(>|t|) (Intercept) 13.31981 0.01338 995.18940 0.00000 Experiencia_P 0.03300 0.00063 52.38973 0.00000 (Experiencia_P^2) -0.00049 0.00001 -38.85312 0.00000 Escolaridad1 0.05685 0.00260 21.85596 0.00000 Escolaridad2 0.04715 0.00162 29.18566 0.00000 Escolaridad3 0.04824 0.00113 42.74199 0.00000 Escolaridad4 0.05805 0.00097 59.54823 0.00000 Escolaridad5 0.09651 0.00083 115.89627 0.00000


117




118


Value Std. Error t value Pr(>|t|) (Intercept) 12.69005 0.04046 313.61492 0.00000 Experiencia_P 0.05058 0.00244 20.69024 0.00000 (Experiencia_P^2) -0.00136 0.00005 -27.39593 0.00000 Escolaridad1 -0.15869 0.00778 -20.40992 0.00000 Escolaridad2 -0.09016 0.00484 -18.63833 0.00000 Escolaridad3 -0.04083 0.00309 -13.19998 0.00000 Escolaridad4 -0.00960 0.00286 -3.35347 0.00080 Escolaridad5 -0.00328 0.00075 -4.37269 0.00001 tau: [1] Cuantil 0.5 Coefficients: Resultados 2016

Value Std. Error t value Pr(>|t|) (Intercept) 13.89803 0.01347 1031.56261 0.00000 Experiencia_P 0.02703 0.00055 49.37788 0.00000 (Experiencia_P^2) -0.00063 0.00001 -47.83035 0.00000 Escolaridad1 -0.12982 0.00265 -48.90783 0.00000 Escolaridad2 -0.07339 0.00156 -46.97500 0.00000 Escolaridad3 -0.04634 0.00117 -39.64554 0.00000 Escolaridad4 -0.03059 0.00098 -31.10564 0.00000 Escolaridad5 -0.00580 0.00026 -22.38292 0.00000 tau: [1] 0.9 Coefficients: Resultados 2016

Value Std. Error t-value Pr(>|t|) (Intercept) 14.81718 0.01911 775.41543 0.00000 Experiencia_P 0.04047 0.00106 38.03755 0.00000 I(Experiencia_P^2) -0.00068 0.00002 -29.60142 0.00000 Escolaridad1 -0.24017 0.00463 -51.88039 0.00000 Escolaridad2 -0.13982 0.00238 -58.73240 0.00000 Escolaridad3 -0.09255 0.00165 -56.13847 0.00000 Escolaridad4 -0.05884 0.00138 -42.68861 0.00000 Escolaridad5 -0.00865 0.00047 -18.35938 0.00000


119




120


Value Std. Error t value Pr(>|t|) (Intercept) 1 1.43813 0.03237 353.35290 0.00000 Experiencia_P 0.04865 0.00155 31.48269 0.00000 (Experiencia_P^2) -0.00113 0.00003 -37.11035 0.00000 Escolaridad1 0.08594 0.00715 12.02305 0.00000 Escolaridad2 0.05860 0.00430 13.62002 0.00000 Escolaridad3 0.06985 0.00276 25.27228 0.00000 Escolaridad4 0.08060 0.00241 33.40537 0.00000 Escolaridad5 0.10426 0.00173 60.27419 0.00000 tau: [1] Cuantil 0.5 Coefficients: Resultados 2017 Value Std. Error t value Pr(>|t|) (Intercept) 12.91208 0.01174 1099.37935 0.00000 Experiencia_P 0.01853 0.00035 52.63591 0.00000 I(Experiencia_P^2) -0.00038 0.00001 -44.16579 0.00000 Escolaridad1 0.07708 0.00264 29.18618 0.00000 Escolaridad2 0.05227 0.00142 36.89438 0.00000 Escolaridad3 0.04672 0.00104 44.76539 0.00000 Escolaridad4 0.04780 0.00086 55.44508 0.00000 Escolaridad5 0.08311 0.00075 110.37729 0.00000 tau: [1] 0.9 Coefficients: Resultados 2017

Value Std. Error t value Pr(>|t|) (Intercept) 13.28329 0.01507 881.15288 0.00000 Experiencia_P 0.03046 0.00063 48.37176 0.00000 I(Experiencia_P^2) -0.00045 0.00001 -35.95204 0.00000 Escolaridad1 0.05295 0.00303 17.47376 0.00000 Escolaridad2 0.04714 0.00186 25.39102 0.00000 Escolaridad3 0.04714 0.00130 36.39222 0.00000 Escolaridad4 0.05832 0.00111 52.45641 0.00000 Escolaridad5 0.09655 0.00096 100.23584 0.00000


121




122


Value Std. Error t value Pr(>|t|) (Intercept) 11.40043 0.03749 304.06767 0.00000 Experiencia_P 0.04978 0.00166 30.07659 0.00000 I(Experiencia_P^2) -0.00112 0.00003 - 34.18777 0.00000 Escolaridad1 0.09140 0.00841 10.86335 0.00000 Escolaridad2 0.06602 0.00485 13.59856 0.00000 Escolaridad3 0.07722 0.00334 23.14965 0.00000 Escolaridad4 0.08480 0.00277 30.60303 0.00000 Escolaridad5 0.10566 0.00203 52.16886 0.00000 tau: [1] Cuantil 0.5 Coefficients: Resultados 2018

Value Std. Error t value Pr(>|t|) (Intercept) 12.90213 0.01362 9 47.41949 0.00000 Experiencia_P 0.01792 0.00034 53.38779 0.00000 I(Experiencia_P^2) -0.00036 0.00001 -45.53830 0.00000 Escolaridad1 0.08759 0.00308 28.46841 0.00000 Escolaridad2 0.05703 0.00159 35.93021 0.00000 Escolaridad3 0.04946 0.00122 40.48403 0.00000 Escolaridad4 0.05009 0.00100 50.23225 0.00000 Escolaridad5 0.08484 0.00088 96.53538 0.00000 tau: [1] 0.9 Coefficients: Resultados 2018

Value Std. Error t value Pr(>|t|) (Intercept) 13.27919 0.01544 860.20649 0.00000 Experiencia_P 0.028350. 00062 45.41046 0.00000 (Experiencia_P^2) -0.00041 0.00001 -32.14702 0.00000 Escolaridad1 0.05976 0.0033 118.02857 0.00000 Escolaridad2 0.04942 0.0019 225.74488 0.00000 Escolaridad3 0.04856 0.0013 336.37961 0.00000 Escolaridad4 0.06054 0.00117 51.86289 0.00000 Escolaridad5 0.09878 0.00098 100.99542 0.00000


123




124


Value Std. Error t value Pr(>|t|) (Intercept) 11.38549 0.03841 296.39091 0.00000 Experiencia_P 0.05086 0.00158 32.29155 0.00000 I(Experiencia_P^2) -0.00115 0.00003 -37.55692 0.00000 Escolaridad1 0.09052 0.00890 10.17149 0.00000 Escolaridad2 0.05992 0.00492 12.18518 0.00000 Escolaridad3 0.07231 0.00344 21.04535 0.00000 Escolaridad4 0.08456 0.00290 29.19962 0.00000 Escolaridad5 0.10610 0.00209 50.66345 0.00000 tau: [1] Cuantil 0.5 Coefficients: Resultados 2019

Value Std. Error t value Pr(>|t|) (Intercept) 12.89752 0.01176 1096.67652 0.00000 Experiencia_P 0.01841 0.00036 50.78836 0.00000 I(Experiencia_P^2) -0.00037 0.00001 -44.19629 0.00000 Escolaridad1 0.08882 0.00259 34.25727 0.00000 Escolaridad2 0.05619 0.00141 39.93735 0.00000 Escolaridad3 0.05081 0.00104 48.95449 0.00000 Escolaridad4 0.05107 0.00085 60.00616 0.00000 Escolaridad5 0.08502 0.00071 120.56453 0.00000 tau: [1] 0.9 Coefficients: Resultados 2019

Value Std. Error t value Pr(>|t|) (Intercept) 13.29290 0.01373 967.88303 0.00000 Experiencia_P 0.02886 0.00062 46.23681 0.00000 I(Experiencia_P^2) -0.00042 0.00001 -31.17593 0.00000 Escolaridad1 0.05281 0.00316 16.73601 0.00000 Escolaridad2 0.04411 0.00179 24.64759 0.00000 Escolaridad3 0.04642 0.00122 38.10334 0.00000 Escolaridad4 0.05872 0.00106 55.58819 0.00000 Escolaridad5 0.09734 0.00091 106.99337 0.00000

La invasión de los robots o la Destrucción Creativa de la ...

Documents

Transcript of La invasión de los robots o la Destrucción Creativa de la ...