Hace tres décadas, pocos economistas se habrían pronunciado en contra del libre comercio o la automatización. Quienes planteaban inquietudes sobre la pérdida de puestos de trabajo recibían respuestas de que las reducciones de precios compensarían la situación a corto plazo, mientras que los mayores ingresos en otras áreas de la economía significaban nuevas (y mejores) oportunidades para todos a mediano plazo.
Esto ya no es así. Muchos economistas, en particular el premio Nobel Angus Deaton , han desanimado el libre comercio y la automatización. Sostienen que los “grandes shocks”, como la rápida expansión de China (y su importante papel en el comercio internacional) o la llegada de robots industriales, han afectado gravemente a un gran subconjunto de la población, un subconjunto cuyos ingresos estaban por debajo o en la media. Sostienen además que el efecto fue tan grande que sus hijos ahora enfrentan menos oportunidades, lo que resulta en una menor movilidad del ingreso entre generaciones. Los nacidos de padres que estaban en el 10% o 20% más pobre de la población antes de estos “shocks” están cada vez más atados a su estatus socioeconómico.
En otras palabras, los “grandes shocks” perjudican la movilidad del ingreso. El temor adicional es que, al hacer que la sociedad parezca injusta, la reducción de la movilidad del ingreso cause una erosión democrática y un debilitamiento del orden democrático liberal.
No se deben dejar de lado estas preocupaciones a la ligera, pues son realmente importantes.
El problema es que siempre se consideran estos “grandes shocks” como una forma de vacío institucional. Rara vez se habla de las cargas regulatorias, la seguridad de los derechos de propiedad o las tasas impositivas. Menos frecuentemente se menciona la posibilidad de que los efectos adversos de los “grandes shocks”, como la automatización o la liberalización del comercio, puedan depender de la existencia de un conjunto particular de instituciones.
Consideremos un ejemplo de automatización que se espera que afecte negativamente a los trabajadores que sustituyen a los robots industriales. Imaginemos que hay dos islas que experimentan la automatización. En la primera, los mercados laborales están fuertemente regulados con leyes estrictas de contratación y despido, salarios mínimos elevados, sindicatos cerrados generalizados, licencias ocupacionales costosas y tasas impositivas elevadas sobre los ingresos laborales. La segunda isla no tiene ninguna de estas características. ¿En cuál de las islas esperaría que fuera más difícil para la gente adaptarse al shock creado por la llegada de los robots industriales? La respuesta, obviamente, es la primera. La mano dura del gobierno puede endurecer los mercados y hacer que a la gente le resulte más difícil adaptarse a lo inesperado. En ese caso, no sería sorprendente ver que los trabajadores desplazados por los robots quedaran en peor situación durante tanto tiempo que sus hijos también se verían afectados.
En un documento de trabajo reciente, coescrito con Pradyot Sharma y Alicia Plemmons, exploré si las regiones expuestas a la automatización industrial, que se asemejan a la primera isla hipotética descrita anteriormente, experimentaron mayores desafíos en materia de movilidad de ingresos en comparación con las que se asemejan a la segunda isla hipotética. Utilizamos un conjunto de datos de movilidad de ingresos intergeneracional para niños nacidos en la década de 1980 para 600 «zonas de desplazamientos diarios» en los Estados Unidos, que combinamos con otro conjunto de datos que medía el grado de exposición de cada una de estas zonas a la automatización industrial durante el período. Luego, nos centramos en una regulación del mercado laboral particularmente atroz: las licencias ocupacionales.
La obtención de licencias profesionales (el costoso requisito de obtener una licencia para ejercer una determinada profesión) ha aumentado enormemente en las últimas décadas. Muchas de las nuevas regulaciones afectan a profesiones de ingresos bajos y medios.
Si el “gran shock” de la automatización industrial afectó más a los pobres, es razonable considerar cómo las licencias ocupacionales les impidieron ocupar empleos que se asemejaban más a los que tenían antes. Si los estados son más agresivos en aumentar las licencias ocupacionales para profesiones de ingresos bajos y medios, entonces se parecen más a la primera isla imaginaria descrita anteriormente. Aquellos que regulan menos (o incluso se inclinan a favor de la desregulación) se parecen más a la segunda isla imaginaria.
Nuestros hallazgos revelan que los estados con regulaciones menos estrictas para la concesión de licencias profesionales pudieron mitigar entre el 49 y el 85 por ciento de los efectos adversos asociados con una mayor exposición a la automatización industrial. Si bien estos estados con regulaciones menos estrictas experimentaron algunos impactos negativos, estos fueron significativamente menos severos que los de los estados con cargas regulatorias más pesadas.
Es importante señalar que nos centraremos en un único ámbito de políticas: las licencias profesionales. Se trata de un ámbito relativamente limitado, y es plausible que la incorporación de políticas que promuevan el espíritu emprendedor, reduzcan los impuestos para impulsar la demanda de mano de obra o desregulen de manera que se reduzcan los precios de los bienes que consumen desproporcionadamente los pobres amplifique estos efectos atenuantes. ¡Quizás hasta los revierta por completo!
Si bien debemos seguir preocupados por cómo las grandes perturbaciones podrían afectar a nuestras sociedades en el largo plazo, en particular con respecto a la movilidad del ingreso intergeneracional, es fundamental reconocer que dichas preocupaciones pueden verse exacerbadas por los gobiernos que, inadvertidamente, convierten estos “grandes cambios” en problemas reales debido a errores de políticas anteriores.
* Vincent Geloso, es miembro senior de AIER, es profesor adjunto de economía en la Universidad George Mason. Obtuvo un doctorado en Historia Económica de la London School of Economics.
Fuente: AIER
