Cuando platico con amigos jóvenes (afortunadamente tengo algunos) que están iniciando sus estudios universitarios o su primer trabajo, siempre me pregunto si lo que aprenden o lo que trabajan les servirá en un futuro no muy lejano. Recientemente, un artículo publicado por McKinsey me hizo reflexionar sobre el tema; aquí algunas ideas.
El estudio: Workforce in motion, analiza el mercado laboral de Estados Unidos hacia 2035 y desmiente al profeta de redes sociales que anuncia el desempleo universal. La automatización podría eliminar la demanda de 36 millones de empleos, pero la economía podría generar más de 41 millones. Habrá más trabajo que trabajadores, entre otras cosas porque la población envejece. Los autores lo resumen así: “El reto de la próxima década es la movilidad, no la escasez”.
Ahí está la letra pequeña. Unos 11 millones de personas, 7% de la fuerza laboral, tendrían que cambiar de ocupación por completo: 770 mil saltos al año, 3.6 veces el ritmo histórico. Y no durante una pandemia de dos años, sino durante una década.
Sólo uno de cada siete trabajadores tiene un camino directo hacia los empleos que crecen, sin reentrenarse mucho ni perder ingreso. Cuatro de cada diez enfrentan uno sinuoso, y casi la mitad uno sin pavimentar: grandes brechas de habilidades, títulos que no tienen, años de preparación. Que exista el empleo no significa que exista el camino para llegar a este.
Los empleos que crecen pagan mejor (casi 60% estaría en los dos niveles salariales más altos), pero piden más: 68 habilidades en promedio contra 47 de los que declinan; 84% requiere estudios superiores y 85% exige algún certificado o credencial. El cajero o la asistente administrativa tienen talento; lo que muchas veces les falta es el papel que lo acredite. Y el golpe no es parejo: un trabajador de bajos ingresos tiene 7.6 veces más probabilidad de tener que cambiar de ocupación que uno bien pagado.
El informe recuerda que la hoja de cálculo hizo en segundos lo que a un auxiliar contable le tomaba un día. Desaparecieron quienes sólo calculaban; los contadores siguen multiplicándose. Cuando el cálculo se volvió barato, el criterio se volvió caro.
Lo más útil para mis jóvenes amigos es la clasificación de habilidades. Las esenciales (resolver problemas, comunicarse, liderar, cuidar el detalle) abren muchas puertas. Las habilitadoras (decidir, innovar, pensar críticamente) abren las mejor pagadas. Y las empoderadoras sirven para seguir cambiando: desde 2022, la demanda de fluidez en inteligencia artificial se multiplicó por once, la de adaptabilidad por cinco y la de curiosidad, resiliencia y disposición para aprender por tres. Ya lo advertía Eric Hoffer: “En tiempos de cambio, quienes aprenden heredan la tierra; los sabios se descubren equipados para un mundo que ya no existe”.
Más de 70% de los trabajadores tendría que reinventar buena parte de su trabajo, aunque no cambie de puesto. El cajero que sobrevive no hace una versión reducida de su viejo oficio: resuelve excepciones, atiende al cliente difícil y vigila a la máquina que lo sustituyó a medias.
En México el cuadro se complica: más de la mitad de los trabajadores latinoamericanos son informales, sin credenciales que prueben lo que saben hacer. Si allá el camino está sin pavimentar, aquí a veces ni aparece en el mapa.
¿Le servirá entonces a mi amigo lo que estudia? Probablemente no; el contenido de cada materia, caducará antes de que sus papás terminen de pagar la colegiatura. Le servirá haber aprendido a pensar, a convivir y a volver a empezar. Alvin Toffler recogió en El shock del futuro una idea que hoy suena a profecía: el analfabeto de mañana no será quien no sepa leer, sino quien no sepa aprender, desaprender y reaprender.
Hace décadas temíamos que las máquinas pensaran como nosotros. Hoy el riesgo es más modesto y más incómodo: que ellas aprendan más rápido y nosotros dejemos de intentarlo.
Algunas preguntas para reflexionar:
• ¿Cuándo fue la última vez que aprendí algo que nadie me obligó a aprender?
• Como directivo, ¿contrato por títulos o por habilidades?
• ¿Mi empresa usa la inteligencia artificial para reducir gente o para hacerla crecer?
Las máquinas ya aprendieron a aprender. Falta ver si nosotros…