El trabajo explora episodios pasados de cambios disruptivos en el mercado laboral en España, desde 1993 hasta 2024, con consecuencias para la distribución del empleo por ocupaciones, y en términos comparados con lo observado en otros países de la UE. El objetivo final es aprender de experiencias pasadas en un momento de cambio por la irrupción de la IA. Los resultados ponen de manifiesto la pérdida relativa de puestos de trabajo cualificado directos de producción desde la crisis industrial de principios de los noventa hasta la actualidad, en España y en el resto de países, y la sustitución por puestos de trabajo cualificados en puestos de trabajo indirectos, cambio que se explica por la tecnificación y automatización de los procesos productivos. La IA amenaza con automatizar y tecnificar tareas en puestos de trabajo indirectos menos cualificados, a la vez que potencia las capacidades humanas en los puestos más intensivos en conocimiento y creatividad. Por tanto, es de esperar una nueva ola de cambio disruptivo, esta vez afectando sobre todo a la composición del empleo indirecto. La comparativamente baja proporción de personas ocupadas en puestos STEM, incluidos los puestos TIC, y en los puestos directivos de la organización empresarial, colocan a España en una posición de relativa desventaja que se debe tratar de corregir.  

Las posibles consecuencias para el empleo y la economía en general de los avances tecnológicos en inteligencia artificial, IA, son motivo general de preocupación (Wike y Stokes, 2018). La inquietud por las consecuencias no deseadas para el empleo, la precarización del trabajo, la desigualdad, … de la automatización de los procesos productivos se repite a lo largo de la historia. La experiencia hasta el momento demuestra que la tecnología no destruye empleo en el agregado, pero si transforma los puestos de trabajo, las tareas que se agrupan en los mismos y las formas en cómo se realizan; el ejemplo más reciente es la protagonizada por las tecnologías de la información y las comunicaciones (Muro et al., 2017)¹. En relación al futuro inmediato, los analistas del mercado laboral y los expertos han predicho, entre otras cosas, que la IA transformará profundamente el trabajo y que los empleadores restarán importancia a las credenciales educativas tradicionales en favor de la “contratación basada en habilidades” (véase, por ejemplo, el World Economic Forum, 2023; Ellingrud et al. 2023).

Este texto describe la distribución de las personas empleadas en España en las distintas categorías ocupacionales contempladas por la International Standard Classification of Occupations (ISCO-08) y realiza algunas valoraciones de su evolución en el tiempo desde el cambio potencialmente disruptivo al que apunta la IA. Para cada uno de los subperiodos objeto de estudio en función de los datos disponibles, el más largo entre 1993 y 2024, la distribución de las personas ocupadas en España se compara con la que se observa en otros países del entorno europeo². El objetivo principal es aprender de situaciones pasadas en las que shocks externos de distinta naturaleza han impactado en la producción y en el empleo en España, con consecuencias para la estructura ocupacional, y estar mejor preparados para evaluar el impacto que pueda tener sobre esa misma estructura la irrupción de la IA, calificada como tecnología de propósito general (Bresnahan, 2010). 

Los resultados ponen de manifiesto que a lo largo del periodo de estudio la estructura ocupacional ha experimentado cambios importantes a partir de impactos por shocks externos que ocurren en momentos particulares del tiempo (crisis industrial de principios de los noventa, crisis financiera, crisis sanitaria…), en España y en otros países de su entorno. Sin embargo, las diferencias en la situación de partida, en la magnitud de los cambios y en los marcos institucionales, han derivado en una situación actual en la que, atendiendo a la clasificación ISCO, España muestra déficits relativos en profesionales STEM y profesionales en puestos más altos de gestión empresarial, en relación a las dotaciones de profesionales y directivos en otros países con los que se compara. Este déficit podría significar una debilidad a la hora de aprovechar las oportunidades de mejora del empleo y la productividad que ofrecen las nuevas tecnologías emergentes.  

El resto de la exposición se estructura en tres partes. En la primera se muestra la evolución de la distribución ocupacional al máximo nivel de agregación dentro de la clasificación ISCO en el periodo 1993-2023; en la segunda para, para un periodo más corto condicionado por la disponibilidad de los datos, se pone el foco en la distribución por ocupaciones de los profesionales, incluidos los managers. El apartado final contiene la discusión y posibles implicaciones de la evidencia presentada.

El Anexo 1 muestra la lista de ocupaciones contempladas dentro de la clasificación ISCO a nivel de uno y de dos dígitos. El Cuadro 1 resume la agregación de las ocupaciones a un dígito en categorías, atendiendo al nivel de cualificación y a las características del puesto de trabajo, para la presentación de los datos disponibles.

Los primeros datos, únicamente para España y referidos al periodo 1993-2024, se presentan en la Figura 1. Al inicio del periodo, la categoría ocupacional con una proporción más alta de ocupados en España, 37.4%, es la de ocupados en puestos de trabajo directos (producción) de cualificación media-alta, y la categoría con una proporción más baja, 16.3%, es la de ocupados en puestos directos de baja cualificación. El resto de ocupados se reparte entre, 21% en puesto de alta cualificación indirectos y 25% en puestos de baja cualificación indirectos. En 1993, los ocupados en puestos directos (producción), 54%, superan a los ocupados en puestos indirectos, 46%; igualmente, la proporción de empleados en puestos de cualificación media-alta, 58.4%, supera holgadamente a la de asalariados en puestos de baja cualificación, 41.6%. En los años posteriores la composición ocupacional cambia sensiblemente, con una tendencia que se prolonga durante todo el periodo. En 2024, la proporción de personas empleadas en puestos directos desciende al 33%, una pérdida de 21 puntos porcentuales con respecto a 1993; sin embargo, según la cualificación, media-alta versus baja, variación es de solo dos puntos porcentuales a favor de la baja cualificación, de 43% en 1993 a 41% en 2024.  

A lo largo del periodo temporal se observan tres momentos de cambio más disruptivos, la crisis industrial de principios de los noventa, la crisis financiera de 2008 y la pandemia por la COVID19. La crisis industrial acelera la pérdida relativa de empleo en las ocupaciones directas de alta cualificación e incrementa la proporción de ocupados indirectos de alta cualificación. En los años siguientes, hasta la crisis de 2008, la sustitución de ocupados en puestos directos por ocupados en puestos indirectos, dentro del colectivo de más alta cualificación continúa, aunque de forma más gradual. Entre 2009 y 2012 se produce un cambio abrupto en la composición de las ocupaciones, con un aumento relativo de los ocupados en puestos indirectos de baja cualificación, en detrimento de todos los demás colectivos³ . Finalmente, con la COVID19 se han producido nuevos cambios en el colectivo de ocupados en puestos indirectos con un aumento relativo de los de alta cualificación.
 

La Figura 2 completa la Figura 1 con la representación gráfica de los cambios en la composición de las personas ocupadas en España entre momentos seleccionados en el tiempo. En la Figura 2, izquierda, se muestra la rotación laboral, calculada como la suma de las variaciones en valor absoluto de las proporciones de empleados en cada categoría desde el principio al final de cada subperiodo. Como puede comprobarse, la rotación total ha evolucionado a la baja a lo largo del periodo, desde un 18% en los años noventa hasta el 6% en el periodo entre 2016 y 2024; durante el subperiodo más corto de los últimos cinco años, efecto acotado de la crisis por la COVID19, la rotación sigue siendo comparativamente baja. Por tanto, la rotación laboral, como indicador de los efectos disruptivos sobre el empleo de determinados shocks externos, señala los shocks producidos por la crisis industrial de 1992 y por la crisis financiera de 2008 como de más impacto que los que pudieran haberse producido con la consolidación de la penetración de las TIC, 2010-2016, y con pandemia de la COVID19, 2019-2024. La IA, al tratarse de una tecnología de propósito general (ampliamente utilizada, capaz de mejorar continuamente e impulsora de innovaciones complementarias) podría derivar en un nuevo episodio de cambio acelerado. 

Cuando se analiza la composición de la rotación total diferenciando qué ocurre en cada clase de ocupación, aparecen nuevos datos relevantes, Figura 2 derecha. En el primer y en el último de los subperiodos, la rotación laboral solo aumenta en el colectivo ocupados de alta cualificación en trabajos indirectos; en el resto de colectivos disminuye proporcionalmente. En los dos subperiodos, el aumento en la proporción de empleados cualificados en trabajos indirectos es mayor que la disminución en la proporción de los cualificados en trabajos directos (diferencia superior a los dos puntos porcentuales), por lo que el resultado final es un aumento en las cualificaciones de las personas ocupadas (skill up-grading). En los subperiodos comprendidos entre 2002 y 2016, en cambio, la media de cualificaciones disminuye (la diferencia entre el aumento en los puestos indirectos de cualificación alta y la disminución en la proporción de cualificados altos en puestos indirectos es de aproximadamente -2 puntos porcentuales). 

Ordenando las clases ocupacionales en función de los salarios medios estimados para cada una, resultan tres categorías: salarios altos (alta cualificación en puestos indirectos), salarios medios (baja cualificación indirectos y alta cualificación directos) y salarios bajos (baja cualificación directos). A partir de esta agrupación se valora la polarización laboral, entendida como pérdida de peso relativo de las personas empleadas en puestos con salarios medios a favor de los dos extremos. Utilizando los datos de la Figura 2 derecha la proporción de ocupados con nivel salarial medio varía del siguiente modo, en puntos porcentuales:  -7.1 (1992-2002), -4.6 (2002-2010), -0.3 (2010-2016) y -1.8 (2016-2024)⁴ . 

Comparaciones con países de la UE

En este epígrafe la evolución de las proporciones de personas ocupadas en cada una de las cuatro categorías consideradas en España, se compara con la evolución observada en un subconjunto de países seleccionados de la UE; Figura 3. En general, las tendencias en cuanto a evolución de las proporciones de personas ocupadas en las distintas clases ocupacionales son similares entre los países comparados, aunque con distintos niveles de partida. En este sentido destaca la tendencia creciente en la proporción de personas ocupadas en la clase de alta cualificación en puestos indirectos, y la tendencia decreciente en la proporción de ocupados en puestos de alta cualificación directos.  España es el país entre los comparados con menos proporción de personas entre los ocupados de alta cualificación en puestos indirectos y Suecia el país con una proporción más alta, con una diferencia de 22 puntos porcentuales. En el otro extremo, proporción de ocupados en la clase de baja cualificación indirectos, España muestra los valores más altos y Suecia los más bajos, con una relación de tres a uno.
 

La comparación entre países de la UE se extiende ahora a la proporción de personas ocupadas con media-alta cualificación, sumando las que ocupan puestos directos e indirectos, Figura 4, y al test de convergencia en la proporción de empleados en la clase de alta cualificación indirectos, es decir, la suma de managers y profesionales, Figura 5. 

La irregular evolución de los datos en países como España e Italia se explica previsiblemente por cambios en los criterios de clasificación a lo largo del tiempo en los dos países (ver nota 2). Con estas cautelas se advierten tres grupos de países, de un lado Alemania y Francia con proporciones de ocupados de media alta cualificación estables en el tiempo; del otro, países como Suecia donde, desde 2010 se observa una proporción creciente de ocupados en este colectivo; y finalmente Italia y España con proporciones en descenso. Aunque la pandemia de la COVID parece haber cambiado la tendencia en la evolución de la proporción de ocupados de media-alta cualificación en España, en 2024 la diferencia con Suecia es de 17 puntos porcentuales. 

La convergencia en la proporción de ocupados de alta cualificación (managers y profesionales) se produce cuando el crecimiento de la misma entre dos periodos de tiempo es mayor en los países con menos proporción al inicio del periodo. Con datos para el conjunto de países en las estadísticas de Eurostat, Figura 5, la proporción de ocupados como managers y profesionales (alta cualificación indirectos) esté negativamente correlacionado con la proporción de ocupados en esa clase en el año inicial de 1992 (la pendiente de la recta es negativa y estadísticamente significativa p< 0.05), pero la convergencia es relativamente débil pues la proporción inicial explica menos del 25% de la variación relativa de la variable en todo el periodo. El punto correspondiente a España, marcado en rojo, está por debajo de la línea de regresión lo que indica que el ritmo de convergencia en España es menor al promedio en el conjunto de la UE. En contraste, Portugal, país al que corresponde el punto en el extremo superior izquierda, parte por debajo de España (0.215 frente a 0.29) en la proporción de ocupados en puestos de alta cualificación, pero la proporción crece notablemente por encima (81% frente a 22.4%). 

En conclusión, aunque la proporción de ocupados de alta cualificación en puestos de trabajo indirecto (managers más profesionales) crece en España de forma notable a lo largo de todo el periodo de estudio, el crecimiento no es suficiente para compensar la desventaja de España en el punto de partida y acercarse a la proporción de ocupados de alta cualificación de los países frontera como Suecia⁵ . 
 

En este apartado se desglosa con más detalle la evolución de los ocupados en las distintas clases que componen el colectivo de cualificados en puestos indirectos (dígitos 1, 2 y 3 de la clasificación ISCO, Cuadro 1), que es el que más crece a lo largo del periodo. La información de Eurostat (y también del INE para los datos de España) sólo está disponible a partir de 2011. Los managers y profesionales se agrupan para el análisis en las siguientes categorías, atendiendo a la clasificación ISCO (Anexo): 

Profesionales Gestión: Códigos ISCO 11, 12, 13, 14, 24, 33
Profesionales Sanidad y Educación: Códigos 22, 23, 32
Profesionales Científicos y Tecnólogos (STEM): Códigos 21, 25, 31, 35
Profesionales Derecho, Ciencias Sociales y Cultura: Códigos 26, 34

De acuerdo con la Figura 6, con datos únicamente para España, las proporciones más altas de profesionales sobre el total de ocupados se observan en las categorías de gestión y sanidad-educación; las más bajas, valores prácticamente de la mitad, son las de profesionales STEM (ciencias, tecnología, ingeniería, arte y matemáticas), y profesionales del derecho, las ciencias sociales y la cultura. En los años 2014-2015 se da por terminada la crisis financiera y de deuda en España y se inicia un periodo de recuperación entre 2015 y 2019, interrumpido por la COVID19. En los años pre COVID, la proporción de profesionales de gestión disminuye ligeramente (el recurso directivo es indivisible y en periodos expansivos de la economía el empleo total crece proporcionalmente más que la cantidad de recurso directivo necesario para gestionarlo). Por otra parte, según avanza la recuperación, a partir de 2017, comienza a repuntar la proporción de profesionales en sanidad y educación, cuyo empleo estuvo congelado durante los años de crisis. La crisis financiera y de deuda no fue impedimento para un crecimiento gradual en la proporción de profesionales del derecho, las CCSS y la cultura. La pandemia por la COVID aceleró el aumento en la proporción de profesionales educación-salud y cambió la tendencia en la evolución de la proporción de profesionales de la gestión (situación opuesta a la de la anterior fase contractiva). Finalmente, en la post pandemia, la proporción de profesionales STEM crece ligeramente. 
 

Comparaciones con países de la UE

Los datos de ocupados en las distintas categorías profesionales en España se ponen ahora en perspectiva comparada con los de los países seleccionados de la UE; Figura 7.  

España muestra las proporciones más bajas entre las más bajas de los países comparados, aunque con algunas diferencias. Una vez más, Suecia sigue siendo el país que tiende a ocupar las primeras posiciones en proporción de ocupados en todos los perfiles profesionales, excepto el de sanitarios y educadores que comparte esa primera posición con Alemania. En 2023, la proporción de profesionales de los negocios en el total de empleados en Suecia supera a la de España en 10 puntos porcentuales; en el colectivo de profesionales STEM, la proporción en Suecia es prácticamente el doble que en España. En Suecia, todos los perfiles profesionales ganan peso a lo largo del tiempo, destacando el importante incremento de profesionales TIC desde 2016 en adelante (incluido en el colectivo STEM); en España, en cambio, domina la estabilidad. En todo el periodo 2011 a 2023 la proporción de profesionales TIC en España se dobla, pero desde niveles muy bajos, de manera que al final del periodo la proporción es del 1% sobre el total de empleados; en ese mismo año el promedio de la zona euro es del 2.5% y en Suecia los profesionales TIC representan el 5.7% de los ocupados. 

Como ocurría en el apartado anterior con el conjunto de categorías de ocupados, los niveles y evolución de la proporción de profesionales tiene a ser similar en España e Italia, por un lado, y entre Italia y Francia por otro. Teniendo en cuenta la previsión sobre las necesidades de profesionales en el futuro próximo, el indicio más positivo para España es el moderado crecimiento en la proporción relativa de profesionales STEM desde 2019, aunque desde niveles de partida comparativamente bajos. 
 

La distribución de las personas ocupadas en las distintas categorías ocupacionales que pueden construirse a partir de la clasificación ISCO, en España y en los países de su entorno, ha variado notablemente en los últimos treinta años. Entre los cambios destaca la pérdida de peso relativo de los empleados relativamente cualificados puestos de trabajo directos, es decir, especialistas con formación profesional y experiencia en la agricultura y la industria (categorías 6, 7 y 8 de la clasificación ISCO-08). La automatización de los procesos productivos directos en los sectores primario y secundario habrán tenido mucho que ver en este resultado, aunque algunos episodios puntuales como la crisis industrial de principios de los noventa y la crisis financiera de 2008 perturbaros la tendencia general. En el caso de España la pérdida de peso relativo de este colectivo de empleados se detiene en 2014. Por tanto, en el periodo de recuperación después de la crisis financiera y de deuda en la zona euro, la proporción de empleados en puestos directos de cualificación media-alta ha permanecido estable, a diferencia de otros países donde la proporción ha continuado en descenso. Los proyectos de re-industrialización que se anuncian en la UE y en España podrían derivar en una recuperación del peso relativo en esta categoría ocupacional en un futuro próximo. 

La pérdida de peso relativo de los empleados más cualificados en los puestos de trabajo de producción (directos) se ha visto compensada por el incremento en el peso relativo del empleo en las clases de profesionales de nivel superior y técnico (categorías 1, 2 y 3), y de personal de administración y venta (categorías 4 y 5). Es decir, el empleo indirecto sustituye al directo. En términos de cualificación y polarización laboral, en el periodo de estudio en España aumenta ligeramente el peso relativo de los empleados más cualificados y aumenta la polarización (descenso en el peso relativo de los ocupados con salarios medios). En términos comparados con los países del centro y norte de Europa, España cuenta hoy con proporcionalmente menos profesionales en puestos indirectos y, dentro de este colectivo, con menos profesionales en gestión y en STEM, incluidos los profesionales TIC. Si la tecnificación y la automatización de los procesos y las tareas en los procesos productivos directos explican la pérdida de peso relativo del trabajo directo más cualificado en el pasado, la amenaza transformadora del presente y del futuro está en la “computerización” de todos los puestos de trabajo (Frey y Osborne, 2017), también los indirectos, con la utilización creciente de la IA.

Como se ha señalado, la IA se incluye entre las tecnologías de propósito general, GPT, las de mayor capacidad transformadora a medio y largo plazo. En términos generales, la IA—y el aprendizaje automático (ML, por sus siglas en inglés) en particular—es una tecnología que mejora la capacidad para analizar e interpretar datos y en ese sentido se considera un avance más en el progreso de las tecnologías de la información y la comunicación que comenzó hace 50 años. La novedad de la IA/ML radica en la forma en que se utilizan los datos: en lugar de seguir un conjunto de instrucciones explícitas (por ejemplo, código de software) previamente programadas, los algoritmos de IA/ML "aprenden" sobre el mundo estudiando y copiando acciones y reglas implícitas que se infieren de patrones que detecta en los datos” (Autor 2015; Brynjolfsson et al., 2019).

En su condición tecnología de predicción (Agrawal et al., 2019), la IA puede predecir la responsabilidad legal a partir del lenguaje de un contrato; la probabilidad de que una imagen médica indique una patología específica; y la siguiente palabra o frase en un documento de oficina estándar, entre muchas otras posibilidades. Puesto que la mayoría de los trabajos requieren cierta capacidad de predicción y toma de decisiones, la IA automatizará tareas de prácticamente todos los empleos en la economía (véase, por ejemplo, Deming 2021; Eloundou et al. 2023). Por lo tanto, es probable que el impacto de la IA sobre el trabajo sea amplio y duradero, en línea de lo que sucedió con otras GPT en el pasado, aunque, de nuevo atendiendo a la historia pasada, el cambio será previsiblemente lento y siguiendo trayectorias difíciles de anticipar.    

Atendiendo a sus ventajas comparativa, la conjetura es que la IA tiene unas posibilidades de penetración más altas como fuerza de cambio en las ocupaciones que incluyen tareas de gestión de administración y de venta con unas necesidades de cualificación medias-bajas. Si incluimos en este grupo a las categorías 3 (técnicos y profesionales de nivel medio), 4 (personal de apoyo administrativo) y 5 (trabajadores de los servicios y vendedores de comercios y mercados) de la clasificación ISCO, en 2023 los ocupados en todas ellas representan desde el 40.8% en España al 47.8% en Italia (43.6% conjunto de la zona euro). De hecho, la proporción de ocupados en las categorías señaladas está en retroceso desde 2019, 3.3 puntos porcentuales en España y 2 puntos porcentuales en el conjunto de la zona euro. En cambio, en el mismo periodo, el colectivo de profesionales de gestión en los niveles de 1 y 2 de la clasificación ISCO han incrementado su peso relativo en un punto porcentual.  

Aunque parte del crecimiento en ocupaciones de gestión pueda responder a cambios en la denominación de trabajadores existentes (clasificar a un trabajador como "gerente" en lugar de "supervisor de oficina"), también responde a diferencias en el tipo de trabajo realizado. Las descripciones ocupacionales de los supervisores de oficina y ventas enfatizan la tarea de monitorización de trabajadores y procesos administrativos, mientras que las descripciones de los roles más gerenciales incluyen el análisis, la estrategia y la toma de decisiones. Además, los empleados en puestos más altos de gestión tienden a tener más años de educación formal. La experiencia sugiere que la mejora ocupacional del trabajo de oficina debería continuar. La función de un trabajador de ventas es conectar a las empresas con los consumidores que desean comprar sus productos; la de un trabajador de apoyo administrativo es reducir las fricciones de comunicación y coordinación entre los clientes y la empresa, o entre los trabajadores dentro de la empresa; en los dos casos se trata de funciones de intermediación.

Los algoritmos de fijación de precios personalizados y recomendaciones de productos, la gestión de inventarios, la transcripción oral y escrita, la programación automatizada… son algunas de las muchas innovaciones en ventas y apoyo administrativo que han sido posibles gracias a la inteligencia artificial. En cada caso, el objetivo de la innovación es aumentar la productividad a través de facilitar la transmisión de información dentro de las empresas y entre estas y los mercados externos. A medida la tecnología IA mejore, estas innovaciones podrían llevar a una reducción del empleo en ocupaciones de ventas y apoyo administrativo. El impacto de la IA en los trabajadores profesionales y gerenciales es más incierto. 

Existen indicios de que los modelos de lenguaje de gran tamaño (LLMs, por sus siglas en inglés) y otras herramientas de IA pueden reemplazar a trabajadores del conocimiento altamente calificados en algunas tareas laborales (Deming et al., 2024). De ser así, las tareas reemplazadas por la IA pronto se convertirán en funciones estandarizadas dentro del mercado laboral. Estas tareas incluyen, la redacción de planes de negocio, la generación de ideas sobre cómo titular artículos periodísticos y publicaciones, y la escritura o traducción de código de software. Como consecuencia de ello, las tareas restantes—análisis, toma de decisiones y conciliación entre perspectivas y deseos conflictivos de los compañeros de trabajo—adquirirán más importancia. Si bien la IA puede ayudar con estas tareas, la demanda de buenas ideas y análisis coherentes de experimentos de pensamiento contrafactual complejos (por ejemplo, evaluar el posible impacto de diferentes decisiones empresariales, estrategias de productos, etc.) puede crecer sin límites apreciables.

La previsión es, por tanto, que la IA, al menos en el corto plazo, sea relativamente más útil para las empresas como herramienta con cuyo uso los trabajadores del conocimiento aumentan la productividad en el puesto de trabajo, que como sustitución de los propios trabajadores. De ser así, las respuestas en forma de políticas públicas debe ser un mayor gasto público en educación y formación en STEM, así como en la reconversión laboral de las personas ocupadas para conseguir que hagan un uso más efectivo de las nuevas tecnologías. Ante este escenario de automatización de tareas y puestos de trabajo indirectos en las áreas de administración y ventas, e intensificación del uso de la IA por los trabajadores del conocimiento y de la función directiva de más contenido creativo, es urgente que España corrija sus puntos débiles, entre ellos los déficits relativos de profesionales STEM, y de profesionales de gestión en los niveles más altos de la 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/w31010.

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/sol3/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/S0169-7218(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/w28733.

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. Estructura Ocupacional y Desajuste en las Cualificaciones en Aragón, Consejo Económico y Social de Aragón
https://www.aragon.es/documents/20127/90499905/Estudio-resumen-estructura-ocupacional-CESA.pdf/9d023b86-842d-2501-4e49-b8d72bc77b50?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/s13209-018-0177-1

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/.
 

El INE publica datos estadísticos, sólo a partir de 2011, sobre la distribución por ocupaciones de las personas empleadas en España que permiten separar la información entre la distribución para el total de ocupados (que incluye sector público y privado) y para únicamente los ocupados del sector privado. En este anexo se presentan los resultados por separado a efectos de comparación para el agregado de categorías ocupacionales que aparece en el Cuadro 1 del texto principal; Figura A2.1.

Como puede comprobarse, la cualificación de las personas ocupadas en el sector privado es notablemente inferior a la de los ocupados en el conjunto de la economía, como consecuencia del peso en el total de los ocupados en el sector público con una mayor cualificación media. Destaca la comparativamente más baja proporción de personas ocupadas en el sector de directores y profesionales (alta cualificación en puestos indirectos) y la más alta en la categoría de ocupaciones elementales (baja cualificación puestos directos), en el sector privado que en el sector público de la economía. Como dato destacable positivo, el crecimiento en la proporción de profesionales y directores desde la pandemia es mayor en el sector privado que en el conjunto de la economía y, por tanto, que en el sector público. 

Agradezco los comentarios y ayuda de Víctor Montuenga en la realización del trabajo, aunque el texto final es de mi única responsabilidad.