5 marzo 2021

Technical change tra disoccupazione e polarizzazione

Come spiegare l’esclusione dei middle-skilled?

«Mentre la Casa Bianca si impegna sempre di più sul fronte del riaddestramento, un numero crescente di critici si domanda “Riaddestrare a cosa?”». Così Jeremy Rifkin, nel suo ancora attuale libro La fine del lavoro, manifestava una certa preoccupazione circa l’operato dell’amministrazione Clinton, preoccupazione giustificata dai ritmi disumani che avrebbero scandito l’era dell’informazione. La sfida significativa che gli Stati Uniti si trovavano ad affrontare nel mezzo degli anni ’90 era quella di tradurre l’improvvisa espansione di produttività in un rinnovamento dei profili professionali attraverso programmi di riaddestramento. L’interrogativo “riaddestrare a cosa?” ha guidato la riflessione sul complesso rapporto che intercorre tra tecnologia e occupazione in un mercato del lavoro in cui la robotica e l’intelligenza artificiale hanno progressivamente fatto la loro comparsa.

 

La letteratura economica ha cercato negli ultimi 20 anni di indagare la natura della relazione tra automazione dei processi produttivi e livelli disoccupazionali, ridiscutendo l’idea di “skill-biased technical change”. Con questa espressione ci si riferisce alla non-neutralità del cambiamento tecnologico, che tende a prediligere il lavoro qualificato (skilled) rispetto a quello non qualificato. Alcune abilità divengono progressivamente sterili, cedendo il passo a quelle competenze che alimentano l’innovazione. La produttività del lavoro specializzato aumenta, e con essa la domanda di lavoratori il cui investimento in capitale umano mira allo sviluppo di queste competenze. Se il cambiamento tecnologico è skill-biased, verrà ad istituirsi una relazione di complementarità tra innovazione dei processi e occupazione specializzata. Le evidenze empiriche che individuano una correlazione tra adozione di tecnologie computerizzate e incremento dell’utilizzo di lavoro specializzato vengono appunto interpretate mediante la nozione di “skill-biased technical change”, che però si limita, come fa notare Autor (2003), a «etichettare la correlazione senza spiegarne la causa». “Riaddestrare a cosa?” significa primariamente domandarsi come condurre una disamina esaustiva dei compiti che una particolare mansione lavorativa comporta, compiti intesi come singole «unità dell’attività lavorativa che producono un prodotto (bene o servizio)», nella definizione proposta da Autor e Acemoglu (2010).

 

Alla dinamica occupazionale tout court si affianca una questione di pari rilievo, relativa alla crescita della disparità salariale come reazione all’innovazione tecnico-produttiva già a partire dagli anni ’80. Questo fenomeno è stato interpretato da Autor e Acemoglu (2010) alla luce di un’evoluzione negli “skill premia” o “college premia”, dei veri e propri premi salariali per coloro che hanno deciso di investire in istruzione. Alla crescita dello skill premium si aggiunge un più generale aumento dei salari reali, tale da acuire la sperequazione tra le remunerazioni di coloro che hanno proseguito con gli studi universitari e quelle ben più modeste dei lavoratori con pochi anni di istruzione. L’esistenza di differenziali salariali sembrerebbe essere quindi riconducibile allo skill-biased technical change, ma queste considerazioni vengono necessariamente a scontrarsi con le evidenze di una “polarizzazione” nel mercato del lavoro. In particolare, Goos e Manning (2003) osservarono per primi come, nel mercato britannico e a partire dal 1975, ci sia stato un progressivo aumento occupazionale sia per le professioni ben pagate – i cosiddetti “MacJobs” - sia per gli impieghi mal pagati, i McJobs, a discapito dei “middling-jobs”, in cui i tassi di disoccupazione sono aumentati. Non sembra dunque possibile imputare ai cambiamenti qualitativi della forza lavoro – in particolare al livello di educazione scolastico-universitaria - la causa della crescente divergenza occupazionale: se il progresso tecnologico fosse esclusivamente skill-biased, allora le professioni più penalizzate sarebbero quelle a basso reddito, che non richiedono particolari competenze.

 

Autor e Dorn (2013) mostrano come anche negli Stati Uniti si sia registrata la medesima dinamica. In particolare, i due autori si concentrano sul cambiamento occupazionale intercorso tra il 1985 e il 2005, classificando le occupazioni per livello di competenze richieste. Si è così osservato che il cambiamento ha assunto una peculiare forma ad U, vale a dire che le professioni medium-skilled sono quelle più danneggiate in termini occupazionali, mentre gli occupati nel settore dei servizi elementari (con paghe basse) e coloro che svolgono servizi professionali (con remunerazioni elevate) sono in tendenziale crescita. Analoghe osservazioni possono essere proposte per quanto riguarda l’andamento dei salari orari, con guadagni più modesti tra il secondo e il terzo quartile.

L’evidenza di una polarizzazione nei mercati del lavoro, sia negli Stati Uniti che in Europa, sembra suggerire la necessità di riconsiderare gli effetti occupazionali dell’innovazione, con un’attenzione particolare al tipo di task che lo svolgimento di una data professione comporta. In primo luogo, è necessario sottolineare come l’introduzione di particolari processi innovativi sia guidata dalla natura labour-saving dei processi medesimi, che si traduce quasi necessariamente in un aumento della disoccupazione nel breve periodo, e dunque nella necessità di riallocare la forza-lavoro inoccupata. Barbieri et al. (2019) individuano e classificano i potenziali meccanismi di compensazione in grado di controbilanciare l’”effetto risparmio” che l’automazione e l’uso dell’intelligenza artificiale nei processi produttivi comportano. Ognuno di questi meccanismi è però limitato dalla rapidità di diffusione dell’innovazione medesima, pertanto risulta impossibile pervenire a risultati che mostrino l’esito nel lungo periodo della presente rivoluzione tecnologica.

 

Di conseguenza, la letteratura ha privilegiato indagini volte a stimare l’impatto dell’aumento della produttività tecnica sull’occupazione e i salari. Il framework di riferimento è però arricchito da una visione rinnovata del cambiamento tecnologico, in cui le mansioni che comportano compiti ripetitivi sono facilmente rimpiazzabili dal portato dell’innovazione, mentre le occupazioni non routinarie possono trarre rilevanti vantaggi dal cambiamento, in quanto complementi e non sostituti delle tecnologie dell’automazione. La prospettiva di uno skill-biased technical change viene riconsiderata, anche alla luce della polarizzazione nel mercato del lavoro, giungendo a definire un vero e proprio task-biased (o routine-biased) technical change.

 

Questo cambiamento di paradigma esige in primo luogo una riflessione di carattere metodologico, volta a ridefinire l’operazionalizzazione delle occupazioni in termini di compiti e routine. Per ‘operazionalizzazione’ si intende nella ricerca empirico-quantitativa la trasformazione dei concetti in variabili, al fine di manipolarli in maniera più efficace. In particolare, Acemoglu e Autor (2010) individuano dei criteri mediante cui ricondurre un dato compito al fattore produttivo capitale o al fattore lavoro; segnatamente, gli autori considerano il grado di automatizzabilità, la separabilità da altri compiti e il costo relativo di utilizzare il capitale piuttosto che il lavoro. La classificazione dei compiti contrappone così quelli routinari a quelli non ripetitivi, quelli manuali a quelli più spiccatamente cognitivi. A partire da questo contributo, la letteratura ha cercato di individuare in maniera sempre più puntuale le modalità attraverso cui misurare il contenuto ripetitivo dei compiti, affinando così la capacità predittiva dei modelli proposti.

 

Barbieri et al. (2019) evidenziano la tendenza dell’analisi empirica a indagare la relazione tra innovazione e occupazione seguendo prevalentemente due direzioni: da un lato si sono sviluppati studi che guardano all’impatto delle nuove tecnologie controllando per la routinarizzazione dei compiti, dall’altro è emerso un filone che analizza le conseguenze occupazionali dovute all’evoluzione della complessità dei compiti. Il primo gruppo di indagini risulta essere di particolare interesse per esaminare la dimensione quantitativa dell’impatto dell’automazione in un contesto di task-biased technical change. Acemoglu e Restrepo (2017) si interrogano sugli effetti dell’aumento dell’utilizzo dei robot nell’industria statunitense nel periodo che intercorre tra il 1990 e il 2007. Gli autori costruiscono un modello in cui i robot competono con il lavoro umano nello svolgimento di dati compiti, e mostrano come i robot possano ridurre l’occupazione e i salari nel mercato del lavoro locale. L’effetto della penetrazione tecnologica viene isolato da altri fattori che potrebbero avere eventuali conseguenze occupazionali, controllando ad esempio per le importazioni dalla Cina e dal Messico. Secondo le loro stime, un robot aggiuntivo per mille lavoratori ha un impatto significativo, in quanto riduce il rapporto tra occupazione e popolazione di circa il 0.18-0.34% e i salari di circa lo 0.25-0.5%.

 

Adottando il medesimo approccio per il mercato del lavoro europeo, Chiacchio et al. (2018) stimano l’effetto del cambiamento tecnologico su occupazione e salari, nell’ottica di determinare se a prevalere è l’effetto spiazzamento, che riduce la domanda di lavoro sostituendo gli occupati con i robot, o l’effetto produttività, che al contrario accresce la domanda di forza-lavoro in un dato settore. Questo effetto emerge in seguito all’abbattimento dei costi produttivi derivante dal miglioramento tecnico. I risultati mostrano che un robot aggiuntivo per mille occupati riduce il tasso di occupazione dello 0.16-0,20%, con una dominanza dell’effetto spiazzamento che sembra colpire in particolare i lavoratori middle-skilled e gli occupati più giovani . Per quanto riguarda gli effetti sui salari, sembra non esserci evidenza alcuna di risultati significativi e robusti. I risultati proposti da Chiacchio et al. appaiono dunque meno “pessimistici” rispetto a quelli proposti da Acemoglu e Restrepo, ma confermano le evidenze sulla polarizzazione nel mercato del lavoro.

 

Le considerazioni svolte fino a questo momento incontrano però alcune limitazioni che hanno caratterizzato la ricerca economica negli ultimi anni. In prima battuta è importante sottolineare come gli esiti delle indagini empiriche dipendano dal livello di analisi considerato: i dati riguardanti la penetrazione della robotizzazione sono disponibili a livello settoriale e nazionale, ma non a livello delle singole imprese. Questo ha reso di fatto impossibile l’ottenimento di stime più precise. Un altro limite evidente è costituito dall’omissione di dati relativi al periodo successivo al 2007, quando l’adozione della robotica nei sistemi produttivi ha iniziato a diffondersi anche nel settore dei servizi.

 

Pur riconoscendo questi caveat, la letteratura appare concorde nell’affermare che la polarizzazione del mercato del lavoro è legata a doppio filo al routine-biased technical change. Il fantasma della disoccupazione tecnologica, già evocato da John Maynard Keynes nel Trattato sulla moneta, mette a rischio la sicurezza occupazionale dei lavoratori middle-skilled, le cui mansioni sembrano essere destinate ad essere fagocitate da un’innovazione inarrestabile.

 

Per saperne di più:

Per una lettura divulgativa sul tema, si consiglia A. Surbone, D. Astrologo e P. Terna, Il lavoro e il valore all’epoca dei robot: Intelligenza artificiale e non-occupazione, Meltemi Editore, 2019.

Per una panoramica scientifica sull’argomento, si consiglia Barbieri et al., Testing the Employment Impact of Automation, Robots and AI: A Survey and Some Methodological Issues, IZA Discussion Paper Series, 2019.

 

Immagine da Pixabay - Libera per usi commerciali

© Istituto della Enciclopedia Italiana - Riproduzione riservata

0