O traballo explora episodios pasados de cambios disruptivos no mercado laboral en España, desde 1993 ata 2024 , con consecuencias para a distribución do emprego por ocupacións, e en termos comparados co observado noutros países da UE. O obxectivo final é aprender de experiencias pasadas nun momento de cambio pola irrupción da IA. Os resultados pon de manifesto a perda relativa de postos de traballo cualificado directos de produción desde a crise industrial de principios do noventa ata a actualidade, en España e no resto de países, e a substitución por postos de traballo cualificados en postos de traballo indirectos, cambio que se explica pola tecnificación e automatización dos procesos produtivos. A IA ameaza con automatizar e tecnificar tarefas en postos de traballo indirectos menos cualificados, á vez que potencia as capacidades humanas nos postos máis intensivos en coñecemento e creatividade. Por tanto, é de esperar unha nova onda de cambio disruptivo, esta vez afectando sobre todo á composición do emprego indirecto. A comparativamente baixa proporción de persoas ocupadas en postos STEM, incluídos o postos TIC, e nos postos directivos da organización empresarial, colocan a España nunha posición de relativa desvantaxe que se debe tratar de corrixir.  

As posibles consecuencias para o emprego e a economía en xeral dos avances tecnolóxicos en intelixencia artificial, IA, son motivo xeneral de preocupación (Wike e Stokes, 2018 ). A inquietude polas consecuencias non desexadas para o emprego, a precarización do traballo, a desigualdade, … da automatización dos procesos produtivos repítese ao longo da historia. A experiencia ata o momento demostra que a tecnoloxía non destrúe emprego no agregado, pero se transforma os postos de traballo, as tarefas que se agrupan nos mesmos e as formas en como se realizan; o exemplo máis recente é a protagonizada polas tecnoloxías da información e as comunicacións (Muro et ao., 2017 ) ¹ . En relación ao futuro inmediato, os analistas do mercado laboral e os expertos predixeron, entre outras cousas, que a IA transformará profundamente o traballo e que os empregadores restarán importancia ás credenciais educativas tradicionais en favor da “contratación baseada en habilidades” (véxase, por exemplo, o World Economic Forum, 2023 ; Ellingrud et ao. 2023 ).

Este texto describe a distribución das persoas empregadas en España nas distintas categorías ocupacionais consideradas pola International Standard Classification of Occupations (ISCO- 08 ) e realiza algunhas valoracións da súa evolución no tempo desde o cambio potencialmente disruptivo ao que apunta a IA. Para cada un dos subperiodos obxecto de estudo en función dos datos dispoñibles, o máis longo entre 1993 e 2024 , a distribución das persoas ocupadas en España compárase coa que se observa noutros países da contorna europea ² . O obxectivo principal é aprender de situacións pasadas nas que shocks externos de distinta natureza impactaron na produción e no emprego en España, con consecuencias para a estrutura ocupacional, e estar mellor preparados para avaliar o impacto que poida ter sobre esa mesma estrutura a irrupción da IA, cualificada como tecnoloxía de propósito xeral (Bresnahan, 2010 ). 

Os resultados pon de manifesto que ao longo do período de estudo a estrutura ocupacional ha experimentado cambios importantes a partir de impactos por shocks externos que ocorren en momentos particulares do tempo (crise industrial de principios do noventa, crise financeira, crise sanitaria…), en España e noutros países da súa contorna. Con todo, as diferenzas na situación de partida, na magnitude dos cambios e nos marcos institucionais, derivaron nunha situación actual na que, atendendo á clasificación ISCO, España mostra déficits relativos en profesionais STEM e profesionais en postos máis altos de xestión empresarial, en relación ás dotacións de profesionais e directivos noutros países cos que se compara. Este déficit podería significar unha debilidade á hora de aproveitar as oportunidades de mellora do emprego e a produtividade que ofrecen as novas tecnoloxías emerxentes.  

O resto da exposición estrutúrase en tres partes. Na primeira móstrase a evolución da distribución ocupacional ao máximo nivel de agregación dentro da clasificación ISCO no período 1993 - 2023 ; na segunda para, para un período máis curto condicionado pola dispoñibilidade dos datos, ponse o foco na distribución por ocupacións dos profesionais, incluídos os managers. O apartado final contén a discusión e posibles implicacións da evidencia presentada.

O Anexo 1 mostra a lista de ocupacións consideradas dentro da clasificación ISCO a nivel dun e de dous díxitos. O Cadro 1 resume a agregación das ocupacións a un díxito en categorías, atendendo ao nivel de cualificación e ás características do posto de traballo, para a presentación dos datos dispoñibles.

Os primeiros datos, unicamente para España e referidos ao período 1993 - 2024 , preséntanse na Figura 1 . Ao comezo do período, a categoría ocupacional cunha proporción máis alta de ocupados en España, 37 . 4 %, é a de ocupados en postos de traballo directos (produción) de cualificación media-alta, e a categoría cunha proporción máis baixa, 16 . 3 %, é a de ocupados en postos directos de baixa cualificación. O resto de ocupados repártese entre, 21 % en posto de alta cualificación indirectos e 25 % en postos de baixa cualificación indirectos. En , 1993 os ocupados en postos directos (produción), 54 %, superan aos ocupados en postos indirectos, 46 %; igualmente, a proporción de empregados en postos de cualificación media-alta, 58 . 4 %, supera holgadamente á de asalariados en postos de baixa cualificación, 41 . 6 %. Nos anos posteriores a composición ocupacional cambia sensiblemente, cunha tendencia que se prolonga durante todo o período. En , 2024 a proporción de persoas empregadas en postos directos descende ao 33 %, unha perda de puntos 21 porcentuais con respecto a ; 1993 con todo, segundo a cualificación, media-alta versus baixa, variación é de só dous puntos porcentuais a favor da baixa cualificación, de % 43 en 1993 41 a % en . 2024  

Ao longo do período temporal obsérvanse tres momentos de cambio máis disruptivos, a crise industrial de principios do noventa, a crise financeira de e 2008 a pandemia pola COVID 19 . A crise industrial acelera a perda relativa de emprego nas ocupacións directas de alta cualificación e incrementa a proporción de ocupados indirectos de alta cualificación. Nos anos seguintes, ata a crise de , 2008 a substitución de ocupados en postos directos por ocupados en postos indirectos, dentro do colectivo de máis alta cualificación continúa, aínda que de forma máis gradual. Entre 2009 e 2012 prodúcese un cambio abrupto na composición das ocupacións, cun aumento relativo dos ocupados en postos indirectos de baixa cualificación, en detrimento de todos os demais colectivos ³ . Finalmente, coa COVID 19 producíronse novos cambios no colectivo de ocupados en postos indirectos cun aumento relativo dos de alta cualificación.
 

A Figura 2 completa a Figura 1 coa representación gráfica dos cambios na composición das persoas ocupadas en España entre momentos seleccionados no tempo. Na Figura 2 , esquerda, móstrase a rotación laboral, calculada como a suma das variacións en valor absoluto das proporcións de empregados en cada categoría desde o principio ao final de cada subperiodo. Como pode comprobarse, a rotación total ha evolucionado á baixa ao longo do período, desde 18 un % nos anos noventa ata 6 o % no período entre 2016 e 2024 ; durante o subperiodo máis curto do últimos cinco anos, efecto acoutado da crise pola COVID 19 , a rotación segue sendo comparativamente baixa. Por tanto, a rotación laboral, como indicador dos efectos disruptivos sobre o emprego de determinados shocks externos, sinala os shocks producidos pola crise industrial de e 1992 pola crise financeira de como 2008 de máis impacto que os que puidesen producirse coa consolidación da penetración do TIC, 2010 - 2016 , e con pandemia da COVID 19 , 2019 - 2024 . A IA, ao tratarse dunha tecnoloxía de propósito xeral (amplamente utilizada, capaz de mellorar continuamente e impulsora de innovacións complementarias) podería derivar nun novo episodio de cambio acelerado. 

Cando se analiza a composición da rotación total diferenciando que ocorre en cada clase de ocupación, aparecen novos datos relevantes, Figura 2 dereita. No primeiro e no último dos subperiodos, a rotación laboral só aumenta no colectivo ocupados de alta cualificación en traballos indirectos; no resto de colectivos diminúe proporcionalmente. Nos dous subperiodos, o aumento na proporción de empregados cualificados en traballos indirectos é maior que a diminución na proporción dos cualificados en traballos directos (diferenza superior aos dous puntos porcentuais), polo que o resultado final é un aumento nas cualificacións das persoas ocupadas (skill up-grading). Nos subperiodos comprendidos entre 2002 e 2016 , en cambio, a media de cualificacións diminúe (a diferenza entre o aumento nos postos indirectos de cualificación alta e a diminución na proporción de cualificados altos en postos indirectos é de aproximadamente - 2 puntos porcentuais). 

Ordenando as clases ocupacionais en función dos salarios medios estimados para cada unha, resultan tres categorías: salarios altos (alta cualificación en postos indirectos), salarios medios (baixa cualificación indirectos e alta cualificación directos) e salarios baixos (baixa cualificación directos). A partir desta agrupación valórase a polarización laboral, entendida como perda de peso relativo das persoas empregadas en postos con salarios medios a favor dos dous extremos. Utilizando os datos da Figura 2 dereita a proporción de ocupados con nivel salarial medio varía do seguinte modo, en puntos porcentuais:  - 7 . 1 ( 1992 - 2002 ), - 4 . 6 ( 2002 - 2010 ), - 0 . 3 ( 2010 - 2016 ) e - 1 . 8 ( 2016 - 2024 ) ⁴ . 

Comparacións con países da UE

Neste epígrafe a evolución das proporcións de persoas ocupadas en cada unha do catro categorías consideradas en España, compárase coa evolución observada nun subconjunto de países seleccionados da UE; Figura 3 . En xeral, as tendencias en canto a evolución das proporcións de persoas ocupadas nas distintas clases ocupacionais son similares entre os países comparados, aínda que con distintos niveis de partida. Neste sentido destaca a tendencia crecente na proporción de persoas ocupadas na clase de alta cualificación en postos indirectos, e a tendencia decreciente na proporción de ocupados en postos de alta cualificación directos.  España é o país entre os comparados con menos proporción de persoas entre os ocupados de alta cualificación en postos indirectos e Suecia o país cunha proporción máis alta, cunha diferenza de puntos 22 porcentuais. No outro extremo, proporción de ocupados na clase de baixa cualificación indirectos, España mostra os valores máis altos e Suecia os máis baixos, cunha relación de tres a un.
 

A comparación entre países da UE esténdese agora á proporción de persoas ocupadas con media-alta cualificación, sumando as que ocupan postos directos e indirectos, Figura 4 , e ao test de converxencia na proporción de empregados na clase de alta cualificación indirectos, é dicir, a suma de managers e profesionais, Figura 5 . 

A irregular evolución dos datos en países como España e Italia explícase previsiblemente por cambios nos criterios de clasificación ao longo do tempo nos dous países (ver nota 2 ). Con estas cautelas advírtense tres grupos de países, dun lado Alemaña e Francia con proporcións de ocupados de media alta cualificación estables no tempo; do outro, países como Suecia onde, desde 2010 obsérvase unha proporción crecente de ocupados neste colectivo; e finalmente Italia e España con proporcións en descenso. Aínda que a pandemia da COVID parece cambiar a tendencia na evolución da proporción de ocupados de media-alta cualificación en España, na 2024 diferenza con Suecia é 17 de puntos porcentuais. 

A converxencia na proporción de ocupados de alta cualificación (managers e profesionais) prodúcese cando o crecemento da mesma entre dous períodos de tempo é maior nos países con menos proporción ao comezo do período. Con datos para o conxunto de países nas estatísticas de Eurostat, Figura 5 , a proporción de ocupados como managers e profesionais (alta cualificación indirectos) estea negativamente correlacionado coa proporción de ocupados nesa clase no ano inicial de (a 1992 pendente da recta é negativa e estatisticamente significativa p 0 . 05 ), pero a converxencia é relativamente débil pois a proporción inicial explica menos do 25 % da variación relativa da variable en todo o período. O punto correspondente a España, marcado en vermello, está por baixo da liña de regresión o que indica que o ritmo de converxencia en España é menor á media no conxunto da UE. En contraste, Portugal, país ao que corresponde o punto no extremo superior esquerda, parte por baixo de España ( 0 . 215 fronte a . 0 29 ) na proporción de ocupados en postos de alta cualificación, pero a proporción crece notablemente por encima ( 81 % fronte a . 22 4 %). 

En conclusión, aínda que a proporción de ocupados de alta cualificación en postos de traballo indirecto (managers máis profesionais) crece en España de forma notable ao longo de todo o período de estudo, o crecemento non é suficiente para compensar a desvantaxe de España no punto de partida e achegarse á proporción de ocupados de alta cualificación dos países fronteira como Suecia ⁵ . 
 

Neste apartado desagrégase con máis detalle a evolución dos ocupados nas distintas clases que compoñen o colectivo de cualificados en postos indirectos (díxitos 1 , 2 e 3 da clasificación ISCO, Cadro 1 ), que é o que máis crece ao longo do período. A información de Eurostat (e tamén do INE para os datos de España) só está dispoñible a partir de . 2011 Os managers e profesionais agrúpanse para a análise nas seguintes categorías, atendendo á clasificación ISCO (Anexo): 

Profesionais Xestión: Códigos ISCO 11 , 12 , 13 , 14 , 24 , 33
Profesionais Sanidade e Educación: Códigos 22 , 23 , 32
Profesionais Científicos e Tecnólogos (STEM): Códigos 21 , 25 , 31 , 35
Profesionais Dereito, Ciencias Sociais e Cultura: Códigos 26 , 34

De acordo con a Figura 6 , con datos unicamente para España, as proporcións máis altas de profesionais sobre o total de ocupados obsérvanse nas categorías de xestión e sanidade-educación; as máis baixas, valores practicamente da metade, son as de profesionais STEM (ciencias, tecnoloxía, enxeñaría, arte e matemáticas), e profesionais do dereito, as ciencias sociais e a cultura. Nos 2014 anos - 2015 dáse por terminada a crise financeira e de débeda en España e iníciase un período de recuperación entre 2015 e 2019 , interrompido pola COVID 19 . Nos anos pre COVID, a proporción de profesionais de xestión diminúe lixeiramente (o recurso directivo é indivisible e en períodos expansivos da economía o emprego total crece proporcionalmente máis que a cantidade de recurso directivo necesario para xestionalo). Por outra banda, segundo avanza a recuperación, a partir de , 2017 comeza a repuntar a proporción de profesionais en sanidade e educación, cuxo emprego estivo conxelado durante os anos de crises. A crise financeira e de débeda non foi impedimento para un crecemento gradual na proporción de profesionais do dereito, as CCSS e a cultura. A pandemia pola COVID acelerou o aumento na proporción de profesionais educación-saúde e cambiou a tendencia na evolución da proporción de profesionais da xestión (situación oposta á da anterior fase contractiva). Finalmente, na post pandemia, a proporción de profesionais STEM crece lixeiramente. 
 

Comparacións con países da UE

Os datos de ocupados nas distintas categorías profesionais en España ponse agora en perspectiva comparada cos dos países seleccionados da UE; Figura 7 .  

España mostra as proporcións máis baixas entre as máis baixas dos países comparados, aínda que con algunhas diferenzas. Unha vez máis, Suecia segue sendo o país que tende a ocupar as primeiras posicións en proporción de ocupados en todos os perfís profesionais, excepto o de sanitarios e educadores que comparte esa primeira posición con Alemaña. En , 2023 a proporción de profesionais dos negocios no total de empregados en Suecia supera á de España en puntos 10 porcentuais; no colectivo de profesionais STEM, a proporción en Suecia é practicamente o dobre que en España. En Suecia, todos os perfís profesionais gañan peso ao longo do tempo, destacando o importante incremento de profesionais TIC desde 2016 en diante (incluído no colectivo STEM); en España, en cambio, domina a estabilidade. En todo o período 2011 á 2023 proporción de profesionais TIC en España dóbrase, pero desde niveis moi baixos, de maneira que ao final do período a proporción é do 1 % sobre o total de empregados; nese mesmo ano a media da zona euro é do 2 . 5 % e en Suecia o profesionais TIC representan o 5 . 7 % dos ocupados. 

Como ocorría no apartado anterior co conxunto de categorías de ocupados, os niveis e evolución da proporción de profesionais ten a ser similar en España e Italia, por unha banda, e entre Italia e Francia por outro. Tendo en conta a previsión sobre as necesidades de profesionais no futuro próximo, o indicio máis positivo para España é o moderado crecemento na proporción relativa de profesionais STEM desde 2019 , aínda que desde niveis de partida comparativamente baixos. 
 

A distribución das persoas ocupadas nas distintas categorías ocupacionais que poden construírse a partir da clasificación ISCO, en España e nos países da súa contorna, variou notablemente no últimos trinta anos. Entre os cambios destaca a perda de peso relativo dos empregados relativamente cualificados postos de traballo directos, é dicir, especialistas con formación profesional e experiencia na agricultura e a industria (categorías 6 , 7 e 8 da clasificación ISCO- 08 ). A automatización dos procesos produtivos directos nos sectores primario e secundario terían moito que ver neste resultado, aínda que algúns episodios puntuais como a crise industrial de principios do noventa e a crise financeira de perturbarvos 2008 a tendencia xeral. No caso de España a perda de peso relativo deste colectivo de empregados detense en . 2014 Por tanto, no período de recuperación despois da crise financeira e de débeda na zona euro, a proporción de empregados en postos directos de cualificación media-alta permaneceu estable, a diferenza doutros países onde a proporción continuou en descenso. Os proxectos de re-industrialización que se anuncian na UE e en España poderían derivar nunha recuperación do peso relativo nesta categoría ocupacional nun futuro próximo. 

A perda de peso relativo dos empregados máis cualificados nos postos de traballo de produción (directos) viuse compensada polo incremento no peso relativo do emprego nas clases de profesionais de nivel superior e técnico (categorías 1 , 2 e 3 ), e de persoal de administración e venda (categorías 4 e 5 ). É dicir, o emprego indirecto substitúe ao directo. En termos de cualificación e polarización laboral, no período de estudo en España aumenta lixeiramente o peso relativo dos empregados máis cualificados e aumenta a polarización (descenso no peso relativo dos ocupados con salarios medios). En termos comparados cos países do centro e norte de Europa, España conta hoxe con proporcionalmente menos profesionais en postos indirectos e, dentro deste colectivo, con menos profesionais en xestión e en STEM, incluídos o profesionais TIC. Se a tecnificación e a automatización dos procesos e as tarefas nos procesos produtivos directos explican a perda de peso relativo do traballo directo máis cualificado no pasado, a ameaza transformadora do presente e do futuro está na “computerización” de todos os postos de traballo (Frey e Osborne, 2017 ), tamén os indirectos, coa utilización crecente da IA.

Como se sinalou, a IA inclúese entre as tecnoloxías de propósito xeral, GPT, as de maior capacidade transformadora a medio e longo prazo. En termos xerais, a IA—e a aprendizaxe automática (ML, polas súas siglas en inglés) en particular—é unha tecnoloxía que mellora a capacidade para analizar e interpretar datos e nese sentido considérase un avance máis no progreso das tecnoloxías da información e a comunicación que comezou hai 50 anos. A novidade da IA/ML radica na forma en que se utilizan os datos: en lugar de seguir un conxunto de instrucións explícitas (por exemplo, código de software) previamente programadas, os algoritmos de IA/ML "aprenden" sobre o mundo estudando e copiando accións e regras implícitas que se inferen de patróns que detecta nos datos” (Autor 2015 ; Brynjolfsson et ao., 2019 ).

Na súa condición tecnoloxía de predición (Agrawal et ao., 2019 ), a IA pode predicir a responsabilidade legal a partir da linguaxe dun contrato; a probabilidade de que unha imaxe médica indique unha patoloxía específica; e a seguinte palabra ou frase nun documento de oficina estándar, entre moitas outras posibilidades. Posto que a maioría dos traballos requiren certa capacidade de predición e toma de decisións, a IA automatizará tarefas de practicamente todos os empregos na economía (véxase, por exemplo, Deming 2021 ; Eloundou et ao. 2023 ). Por tanto, é probable que o impacto da IA sobre o traballo sexa amplo e duradeiro, en liña do que sucedeu con outras GPT no pasado, aínda que, de novo atendendo á historia pasada, o cambio será previsiblemente lento e seguindo traxectorias difíciles de anticipar.    

Atendendo ás súas vantaxes comparativa, a conxectura é que a IA ten unhas posibilidades de penetración máis altas como forza de cambio nas ocupacións que inclúen tarefas de xestión de administración e de venda cunhas necesidades de cualificación medias-baixas. Se incluímos neste grupo ás categorías 3 (técnicos e profesionais de nivel medio), 4 (persoal de apoio administrativo) e 5 (traballadores dos servizos e vendedores de comercios e mercados) da clasificación ISCO, nos 2023 ocupados en todas elas representan desde o 40 . 8 % en España ao 47 . 8 % en Italia ( 43 . 6 % conxunto da zona euro). De feito, a proporción de ocupados nas categorías sinaladas está en retroceso desde 2019 , 3 . 3 puntos porcentuais en España e 2 puntos porcentuais no conxunto da zona euro. En cambio, no mesmo período, o colectivo de profesionais de xestión nos niveis de e 1 2 da clasificación ISCO incrementaron o seu peso relativo nun punto porcentual.  

Aínda que parte do crecemento en ocupacións de xestión poida responder a cambios na denominación de traballadores existentes (clasificar a un traballador como "xerente" en lugar de "supervisor de oficina"), tamén responde a diferenzas no tipo de traballo realizado. As descricións ocupacionais dos supervisores de oficina e vendas salientan a tarefa de monitorización de traballadores e procesos administrativos, mentres que as descricións dos roles máis gerenciales inclúen a análise, a estratexia e a toma de decisións. Ademais, os empregados en postos máis altos de xestión tenden a ter máis anos de educación formal. A experiencia suxire que a mellora ocupacional do traballo de oficina debería continuar. A función dun traballador de vendas é conectar ás empresas cos consumidores que desexan comprar os seus produtos; a dun traballador de apoio administrativo é reducir as friccións de comunicación e coordinación entre os clientes e a empresa, ou entre os traballadores dentro da empresa; nos dous casos trátase de funcións de intermediación.

Os algoritmos de fixación de prezos personalizados e recomendacións de produtos, a xestión de inventarios, a transcrición oral e escrita, a programación automatizada… son algunhas das moitas innovacións en vendas e apoio administrativo que foron posibles grazas á intelixencia artificial. En cada caso, o obxectivo da innovación é aumentar a produtividade a través de facilitar a transmisión de información dentro das empresas e entre estas e os mercados externos. A medida a tecnoloxía IA mellore, estas innovacións poderían levar a unha redución do emprego en ocupacións de vendas e apoio administrativo. O impacto da IA nos traballadores profesionais e gerenciales é máis incerto. 

Existen indicios de que os modelos de linguaxe de gran tamaño (LLMs, polas súas siglas en inglés) e outras ferramentas de IA poden substituír a traballadores do coñecemento altamente cualificados nalgunhas tarefas laborais (Deming et ao., 2024 ). De ser así, as tarefas substituídas pola IA pronto se converterán en funcións estandarizadas dentro do mercado laboral. Estas tarefas inclúen, a redacción de plans de negocio, a xeración de ideas sobre como titular artigos xornalísticos e publicacións, e a escritura ou tradución de código de software. Como consecuencia diso, as tarefas restantes—análises, toma de decisións e conciliación entre perspectivas e desexos conflitivos dos compañeiros de traballo—adquirirán máis importancia. Aínda que a IA pode axudar con estas tarefas, a demanda de boas ideas e análises coherentes de experimentos de pensamento contrafactual complexos (por exemplo, avaliar o posible impacto de diferentes decisións empresariais, estratexias de produtos, etc.) pode crecer sen límites apreciables.

A previsión é, por tanto, que a IA, polo menos no curto prazo, sexa relativamente máis útil para as empresas como ferramenta con cuxo uso os traballadores do coñecemento aumentan a produtividade no posto de traballo, que como substitución dos propios traballadores. De ser así, as respostas en forma de políticas públicas debe ser un maior gasto público en educación e formación en STEM, así como na reconversión laboral das persoas ocupadas para conseguir que fagan un uso máis efectivo das novas tecnoloxías. Ante este escenario de automatización de tarefas e postos de traballo indirectos nas áreas de administración e vendas, e intensificación do uso da IA polos traballadores do coñecemento e da función directiva de máis contido creativo, é urxente que España corrixa os seus puntos débiles, entre eles os déficits relativos de profesionais STEM, e de profesionais de xestión nos niveis máis altos da organización empresarial. 
 

Agrawal, Ajay, Joshua S. Gans, Avi Goldfarb. 2019 . “Artificial Intelligence: The Ambiguous Labor Market Impact of Automating Prediction.” Journal of Economic Perspectives 33 , no. 2 (Spring): 31 – 50 .https://doi.org/ 10 . 1257 /jep. 33 . 2 . 31 .

Autor, David H. 2015 . “Why Are There Still So Many Jobs? The History and Future of Workplace Automation.” Journal of Economic Perspectives 29 , no. 3 (Summer): 3 – 30 .https://doi.org/ 10 . 1257 /jep. 29 . 3 . 3 .

Autor, David, Arindrajit Dube, Annie McGrew. 2023 . “The Unexpected Compression: Competition at Work in the Low Wage Labor Market.” Working paper no. 31010 . Cambridge, MA: National Bureau for Economic Research, March. https://doi.org/ 10 . 3386 /w 31010 .

Autor, David H. 2024 . “Applying AI to Rebuild Middle Class Jobs.” Working paper no. 32140 . Cambridge, MA: National Bureau of Economic Research, February. https://papers.ssrn.com/sol 3 /papers.cfm?abstract_id= 4722981 .

Barrero, José Maria, Nicholas Bloom, Steven J. Davis. 2023 . “The Evolution of Work from Home.” Journal of Economic Perspectives 37 , no. 4 (Fall): 23 – 50 .https://doi.org/ 10 . 1257 /jep. 37 . 4 . 23 .

Bresnahan, Timothy 2010 . “General Purpose Technologies”. En Handbook of the Economics of Innovation, vol. 2 , editado por Bronwyn H. Hall y Nathan Rosenberg, 761 – 91 . Elsevier. https://doi.org/ 10 . 1016 /S 0169 - 7218 ( 10 ) 02002 - 2

Brynjolfsson, Erik, Daniel Rock, Chad Syverson. 2019 . “Artificial Intelligence and the Modern Productivity Paradox.” In The Economics of Artificial Intelligence: An Agenda, edited by Ajay Agrawal, Joshua Gans and Avi Goldfarb, 23 – 60 . Chicago: University of Chicago Press. https://doi.org/ 10 . 7208 /chicago/ 9780226613475 . 003 . 0001 .

Deming, David J. 2021 . “The Growing Importance of Decision-Making on the Job.” Working paper no. 28733 . Cambridge, MA: National Bureau of Economic Research, April. https://doi.org/ 10 . 3386 /w 28733 .

Deming, David, Christopher Ong, Lawrence H. Summers. 2024 .“Technological Disruption in the US Labor Market” In Strengthening America’s Economic Dynamism, edited by Melissa S. Kearney and Luke Pardue. Washington, DC: Aspen Institute.

Ellingrud, Kweilin, Saurabh Sanghvi, Gurneet Singh Dandona, Anu Madgavkar, Michael Chui, Olivia White, Paige Hasebe. 2023 . Generative AI and the Future of Work in America. New York: McKinsey Global Institute, July 26 https://www.mckinsey.com/mgi/our-research/generative-ai-and-the-future-of-work-in-america.

Eloundou, Tyna, Sam Manning, Pamela Mishkin, Daniel Rock. 2023 . “GPTs Are GPTs: An Early Look at the Labor Market Impact Potential of Large Language Models.” arXiv.org, last revised August 21 .https://doi.org/ 10 . 48550 /arxiv. 2303 . 10130 .

Frey, Carl Benedikt, Michael A. Osborne. 2017 . “The Future of Employment: How Susceptible Are Jobs to Computerisation?” Technological Forecasting and Social Change 114 (January): 254 – 80 .https://doi.org/ 10 . 1016 /j.techfore. 2016 . 08 . 019 .

García Mainar, Inmaculada, Víctor Montuenga Gómez. 2022 . Estrutura Ocupacional e Desaxuste nas Cualificacións en , Aragón Consello Económico e Social de Aragón
https://www.aragon.es/documents/ 20127 / 90499905 /Estudio-resumen-estructura-ocupacional-CESA.pdf/ 9 d 023 b 86 - 842 d- 2501 - 4 e 49 -b 8 d 72 bc 77 b 50 ?t= 1673609692076

Goos, Maarten, Allan Manning, Anna Salomons. 2024 . “Explaining Job Polarization: Routine-Biased technological Change and Offshoring” The American Economic Review, pendiente de publicación
 https://personal.lse.ac.uk/manning/work/ExplainingJobPolarization.pdf

Muro, Mark, Sifan Liu, Jacob Whiton, Siddharth Kulkarni. 2017 . Digitalization and the American Workforce. Washington, DC: Brookings Institution, November. https://www.brookings.edu/articles/digitalization-and-the-american-workforce/.

Sebastián, Raquel ( 2018 ). “Explaining Job Polarization in Spain from a Task Perspective”. SERIEs, 9 : 215 - 248 .https://doi.org/ 10 . 1007 /s 13209 - 018 - 0177 - 1

Wike, Richard, Bruce Stokes. 2018 . In Advanced and Emerging Economies Alike, Worries about Job Automation. Washington, DC: Pew Research Center, September 13 .https://www.pewresearch.org/global/ 2018 / 09 / 13 /in-advanced-and-emerging-economies-alike-worriesabout-job-automation/.

World Economic Forum. 2023 . The Future of Jobs Report 2023 . Cologny, Switzerland: World Economic Forum, April 30 .https://www.weforum.org/publications/the-future-of-jobsreport- 2023 /digest/.
 

O INE publica datos estatísticos, só a partir de , 2011 sobre a distribución por ocupacións das persoas empregadas en España que permiten separar a información entre a distribución para o total de ocupados (que inclúe sector público e privado) e para unicamente os ocupados do sector privado. Neste anexo preséntanse os resultados por separado para efectos de comparación para o agregado de categorías ocupacionais que aparece no Cadro 1 do texto principal; Figura A . 2 1 .

Como pode comprobarse, a cualificación das persoas ocupadas no sector privado é notablemente inferior á dos ocupados no conxunto da economía, como consecuencia do peso no total dos ocupados no sector público cunha maior cualificación media. Destaca a comparativamente máis baixa proporción de persoas ocupadas no sector de directores e profesionais (alta cualificación en postos indirectos) e a máis alta na categoría de ocupacións elementais (baixa cualificación postos directos), no sector privado que no sector público da economía. Como dato destacable positivo, o crecemento na proporción de profesionais e directores desde a pandemia é maior no sector privado que no conxunto da economía e, por tanto, que no sector público. 

Agradezo os comentarios e axuda de Víctor Montuenga na realización do traballo, aínda que o texto final é da miña única responsabilidade.