Taller IvieLAB educación. María Teresa Ballestar - impacto de la robotización
1. EFICACIA DEL SISTEMA EDUCATIVO ESPAÑOL
ANTE LOS NUEVOS RETOS DEL SIGLO XXI
Todos los caminos llevan a la educación: Análisis
de la robotización, educación y empleo
María Teresa Ballestar
Universidad Rey Juan Carlos
2. EL LUDDISMO DEL SIGLO XXI
3
A comienzos del siglo XIX los ludditas destruían las
maquinas de la revolución industrial porque creían que iban
a acabar con el empleo.
"El futuro tiene muchos robots, pocos
trabajos para los humanos.”
Martin Ford
Rise of the Robots (2015)
¿Cuál es la realidad?
3. IMPACTO DE LA ROBOTIZACIÓN EN EL CAPITAL HUMANO
4
El impacto será importante.
Pero no será homogéneo.
Y dependerá de la formación del capital humano.
¿Cómo lo sabemos?
4. BIBLIOGRAFÍA
5
• Ballestar, M. T., Díaz-Chao, Á., Sainz, J., & Torrent-Sellens, J. (2020). Knowledge, robots and productivity in SMEs: Explaining the second digital
wave. Journal of Business Research, 108, 119-131.
• Ballestar, M. T., García-Lázaro, A., & Sainz, J. (2020). Todos los caminos llevan a la educación: Un primer análisis de la robotización, la educación y el
empleo. Papeles de Economía Española, (166), 33-49.
• Ballestar, M. T., Díaz-Chao, Á., Sainz, J., & Torrent-Sellens, J. (2021). Impact of robotics on manufacturing: A longitudinal machine learning
perspective. Technological Forecasting and Social Change, 162, 120348.
• Ballestar, M. T., Camiña, E., Díaz-Chao, Á., & Torrent-Sellens, J. (2021). Productivity and employment effects of digital complementarities. Journal of
Innovation & Knowledge, 6(3), 177-190.
5. OBJETIVOS GENERALES DE INVESTIGACIÓN
Análisis del impacto de la robotización en las diferentes dimensiones:
Empresas
grandes y Pymes
Capital Humano
Desarrollo de herramientas para
la toma de decisiones
estratégicas
6. EMPRESA
1. Empresa: Analizar las características de las compañías y el impacto de su estrategia de adopción de la robotización en el empleo y
productividad.
• Estrategias de adopción de la robotización: ¿Existe una forma correcta o incorrecta de realizar la transición hacia la robotización? ¿Existe un
momento idóneo para acometer dicha transformación? ¿Por qué hay compañías que estando preparadas no se robotizan?.
• Visión transversal vs Longitudinal: Comprender como las características de las compañías evolucionan a lo largo del tiempo dependiendo del
grado de adopción de la robotización. Análisis de la evolución de los principales indicadores de negocio y productividad.
• Tamaño de la empresa: Analizar en profundidad cómo se comportan las empresas en función de su tamaño (Pymes vs grandes empresas).
• A la hora de acometer su proceso de transformación a la robotización.
• Impacto de la estrategia de adopción de la robotización en términos de productividad de la fuerza de trabajo y de la compañía.
• Ventajas competitivas: Identificación de las ventajas competitivas adquiridas por las compañías derivado de su proceso de robotización y su
sostenibilidad en el tiempo en función del tamaño de la compañía.
Empresas
grandes y Pymes
7. CAPITAL HUMANO
2. Capital Humano: Determinar la relevancia del capital humano en los procesos de transformación tecnológico como la robotización.
Considerando características como:
• Capital Humano: Nivel educativo de los empleados, salarios e inversión en formación y tipo de relación laboral entre empleado y compañía, así
como posibles efectos de polarización en la plantilla y por tipo de empresa o sector de actividad.
• Niveles de Robotización: Grado de adopción de la robotización en la compañía y productividad de los empleados, así como efectos de
desplazamiento del capital humano. Destrucción vs Generación de empleo.
• Éxito en el proceso de robotización: ¿Cómo afecta la estructura y composición de la fuerza de trabajo en el éxito de la adopción de la
robotización en las empresas?
Capital Humano
8. HERRAMIENTAS PARA LA TOMA DE DECISIONES
3. Herramientas: Desarrollar herramientas en forma de modelos de segmentación y predictivos usando tanto metodologías econométricas
tradicionales como innovadoras basadas en Machine Learning (ML) que faciliten la toma de decisiones a las compañías e instituciones:
• Caracterización y Segmentación Longitudinal: Agrupación de compañías en función de su estrategia de adopción de la robotización y
evolución de sus características y principales indicadores de negocio y capital humano a lo largo del tiempo.
• Madurez para la robotización: Predicción de si una compañía, independientemente de su tamaño, está preparada para acometer un proceso de
robotización en función de la estructura y características de su plantilla.
• Identificación de Outliers: En base a este modelo predictivo, identificar los motivos por los que algunas compañías difieren de la gran mayoría
en su estrategia de adopción de la robotización.
Herramientas para
la toma de decisiones
9. INNOVACIÓN: DATOS & BIG DATA ANALYTICAL METHODS
Sivarajah, U., Kamal, M. M., Irani, Z., & Weerakkody, V. (2017). Critical analysis of Big Data challenges and
analytical methods. Journal of Business Research, 70, 263-286.
Base de Datos
Encuesta sobre Estrategias
Empresariales (ESEE)
10. 11
Base de Datos:
o Encuesta sobre estrategias empresariales (ESEE)
o Panel anual periodo 1990 hasta 2016 (26 años).
o Unidad análisis: Empresas.
o Número total de Empresas: 4,640
o Pyme: 3,678 (74,7%); Grandes:962 (25,3%)
o 12,774 registros
BASE DE DATOS
Tipología de variables utilizadas:
o Empresas: Variables de caracterización de las empresas así como la medición de su
productividad.
o Capital Humano: Variables para la medición de la productividad y caracterización de la
plantilla.
o Robotización: Variables para evaluar la actitud de la compañía hacia la adopción de la
robotización y evaluar el punto de madurez en dicho proceso.
Descripción de la base de Datos:
La encuesta sobre estrategiasempresariales(ESEE) proporcionauna base de datos muy rica con información sobre empresas industriales españolas para 20 sectores
de actividad. Presenta dos importantes beneficios:
o Posibilidad de realizar análisis longitudinales ya que proporciona 26 años de información, incluyendo la recesióneconómica y posterior recuperación.
o Los datos presentan una gran granularidad, bajando al nivel de empresa.
En el panel participan empresas Pymes (entre 10 y 200 empleados) y grandes empresas (más de 200 empleados), las empresasde menos de 10 empleados se excluyen del
análisis.
Importancia de acometer análisis en el ámbito educativo con bases de datos e información que no es estrictamente educativa, sino del impacto real
de la educación en economía y empresa.
11. METODOLOGÍA CUANTITATIVA
12
Metodología cuantitativa:
• Combinación de metodologías cuantitativas para maximizar la generación de conocimiento e insights para la toma de decisiones para empresas e
instituciones. Métodos econométricos tradicionales + Big Data & Machine Learning.
• Investigación en varias fases o etapas aplicando metodologías de triangulación, que consisten en el desarrollo de más de un método cuantitativo,
aplicando diferentes enfoques, con el objetivo de enriquecer los resultados de la investigación, así como, confirmar por partida doble que los resultados
obtenidos son robustos y significativos.
Modelos Econométricos tradicionales:
• Modelos de regresión TOBIT.
Big Data & Machine Learning:
• Modelo de Machine Learning multicapa para el análisis longitudinal de los datos. Primer nivel estratificación y un segundo nivel de
clustering longitudinal (Automated Nested Longitudinal Clustering, NLC).
• Modelos de Machine Learning Predictivos basados en Redes Neuronales Artificiales, tanto supervisados como no supervisados:
• Supervisados: Redes neuronales artificiales perceptrón multicapa (ANN-MLP).
• No Supervisados: Redes neuronales artificiales Self-Organizing Map (SOM).
• Finalmente y muy importante: Posibilidad de industrialización de los modelos para la toma de decisiones real time.
12. PRINCIPALES CONCLUSIONES (I)
El proceso de transformación a la robotización tanto en Pymes como empresas grandes conlleva una mejora de sus principales indicadores de negocio de productividad
y rendimiento. Si bien es cierto, que el grado de mejora y sostenibilidad de la transformación está condicionada a la también adecuada transformación de su plantilla.
Es decir, la inversión en tecnología para que se pueda considerar exitosa debe ir acompañada de otro tipo de inversiones y transformaciones como el del
capital humano.
La plantilla (su tamaño, composición, estructura, características) desempeña un papel muy importante en el proceso de adopción de la robotización en las compañías y
para la consecución de los beneficios esperados. Una adopción precipitada o demasiado tardía de esta tecnología, combinado con una plantilla de empleados que no está
adecuadamente capacitada y estructurada conlleva dificultades a la hora de acometer un proceso de transformación exitosa. Las empresas robóticas tienen un mayor
número de empleados que las no robóticas, ya sean Pymes o grandes empresas.
Una estrategia de robotización inadecuada (demasiado temprana o tardía según la composición de la plantilla) genera beneficios por debajo de lo esperado en términos de
los principales indicadores de negocio de la compañía. En los casos más extremos, existe un gran riesgo de que la compañía deba abandonar el proceso de
transformación hacia la robotización. Cuanto más alejados se encuentran los resultados de lo esperado mayor es la probabilidad de abandono del proceso de
transformación. (39,2% de abandono robotics en adopción tardía, 43,9% de abandono en el caso de adopción temprana).
Fenómeno de resistencia al proceso de transformación a la robotización: Existen compañías tanto Pymes como empresas grandes que son reacias a la adopción de la
robotización, a pesar que cumplir todas las indicaciones de tener su plantilla preparadapara acometer dicha transformación.
Estas empresastransforman su plantilla e invierten en su capital humano como si fueran empresas robóticas, sin embargo no acometen el proceso de transformación tecnológico.
Su objetivo consiste en disponer de una ventaja competitiva, basada en capital humano en vez de en tecnología, con el que logra mayor productividad y competitividad entre las
compañías que aún no son robóticas. De esta forma asume los costes de la transformación de la plantilla, pero no los de la transformación tecnológica.
13. PRINCIPALES CONCLUSIONES (II)
Inversión en tecnología implica inversión en Capital Humano: Los procesos de adopción de la robotización conllevan una transformación de la plantilla, con un
incremento de costes por empleado tanto en Pymes (+57,77%) como empresas grandes (34,95%).
• Mejora condiciones laborales: En ambos tipos de empresa, la inversión en nuevas tecnologías está asociada a un incremento salarial de los empleados y mejora de
las condiciones laborales (+10,89% en Pymes, +5,78% en empresas grandes incremento contratos a tiempo completo).
• Pymes: Incremento nivel educativo/formación: Además, en el caso de las Pymes, este incremento de costes está vinculado a una evolución del perfil del empleado,
que será más especializado y con un mayor nivel de formación (-6.59% de empleados sin estudios en favor de graduados y master).
• Grandes empresas: Saturación en la cualificación de empleados: En las grandes empresas existe un desplazamiento del porcentaje de empleados con master
universitario en favor de los empleados con grado universitario (+80,85% de empleados con grado vs -37,12% de empleados de Master). El número de empleados sin
estudios se mantiene estable.
Es posible la elaboración de modelos predictivos basados en metodologías Big Data (BD) & Machine Learning (ML) para la reducción de incertidumbre en la toma de
decisiones para empresas e institucionesen lo que respecta a evaluación de madurez de las plantillas de las compañías para afrontar procesos de transformación a la robotización.
Para el diseño de estos modelos es muy importante: Disponer de un histórico de datos adecuado, un elevado nivel de granularidad de la información y utilizar
metodologías cuantitativas que permitan explotar al máximo la información disponible.
14. PRINCIPALES CONCLUSIONES (III)
Efectos de saturación: Tanto Pymes como empresas mejoran sus principales indicadores de negocio en términos de productividad y rendimiento, siendo este efecto mayor
en empresas grandes que en Pymes. Sin embargo, este incremento alcanza un punto de saturación con la madurez de la adopción de la robotización y la evolución de los
indicadores de negocio se estabiliza. Esto indica que es necesario mantener una inversión adecuada en innovación, R&D para mantener dichas ventajas competitivas a lo largo del
tiempo.
Ventaja competitiva en situaciones adversas: La robotización representa una ventaja competitiva respecto a empresas no robóticas, tanto en Pymes como en empresas
grandes, no solo en términos de productividad, rendimiento y generación de empleo, sino que además son más resistentes ante situaciones económicas adversas como la
recesión económica de 2008. Se observa menos destrucción de empleo (e incluso generación de empleo en cierto tipo de empresas) y mejores indicadores de negocio que las
empresasno robóticasen situaciones adversas.
Esto también lo hemos podido observar recientemente en tiempos de la COVID-19, como la digitalización y robotización ha ayudado a las compañías a sobrellevar situaciones
realmente adversas e inesperadas.