El australiano típico cambiará de carrera cinco a siete veces durante su vida profesional, según algunas estimaciones. Y es probable que esto aumente a medida que las nuevas tecnologías automaticen la mano de obra, la producción se traslade al extranjero y se desarrollen las crisis económicas.
La desaparición de trabajos no es un fenómeno nuevo: ¿ha visto recientemente a un ascensorista? – pero el ritmo del cambio se está acelerando, amenazando con dejar a un gran número de trabajadores desempleados y sin empleo.
Las nuevas tecnologías también crean nuevos puestos de trabajo, pero las habilidades que requieren no siempre coinciden con los antiguos puestos de trabajo. Cambiar de trabajo con éxito requiere aprovechar al máximo sus habilidades actuales y adquirir nuevas, pero estas transiciones pueden fallar si la brecha entre las habilidades antiguas y las nuevas es demasiado grande.
Hemos creado un sistema para recomendar transiciones profesionales, utilizando el aprendizaje automático para analizar más de 8 millones de anuncios de empleo en línea para ver qué movimientos tienen probabilidades de tener éxito. Los detalles son publicado en PLOS ONE.
Nuestro sistema comienza midiendo similitudes entre las habilidades requeridas por cada ocupación. Por ejemplo, un contador podría convertirse en analista financiero porque las habilidades requeridas son similares, pero un terapeuta del habla puede tener más dificultades para convertirse en analista financiero ya que las habilidades son bastante diferentes.
A continuación, analizamos un gran conjunto de transiciones profesionales del mundo real para ver en qué dirección suelen ir estas transiciones: es más probable que los contadores se conviertan en analistas financieros que viceversa.
Finalmente, nuestro sistema puede recomendar un cambio de carrera que probablemente tenga éxito y decirle qué habilidades puede necesitar para que funcione.
Medir la similitud de ocupaciones.
Nuestro sistema utiliza una medida que los economistas denominan «ventaja comparativa revelada» (RCA) para identificar la importancia de una habilidad individual para un trabajo, utilizando anuncios de empleo en línea de 2018. El mapa a continuación visualiza la similitud de las 500 habilidades principales. Cada marcador representa una habilidad individual, coloreada de acuerdo con uno de los 13 grupos de habilidades muy similares.
Una vez que sepamos cuán similares son las diferentes habilidades, podemos estimar cuán similares son las diferentes profesiones en función de las habilidades requeridas. La siguiente figura visualiza la similitud entre las ocupaciones australianas en 2018.
Cada marcador muestra una ocupación individual, y los colores representan el riesgo que enfrenta cada ocupación debido a la automatización durante las próximas dos décadas (el azul muestra un riesgo bajo y el rojo muestra un riesgo alto). Las ocupaciones visiblemente similares se agrupan estrechamente, y las ocupaciones médicas y altamente calificadas enfrentan el riesgo de automatización más bajo.
Mapeo de transiciones
Luego, tomamos nuestra medida de similitud entre ocupaciones y la combinamos con una variedad de otras variables del mercado laboral, como los niveles de empleo y los requisitos educativos, para construir nuestro sistema de recomendación de transición laboral.
Nuestro sistema utiliza técnicas de aprendizaje automático para «aprender» de las transiciones laborales reales en el pasado y predecir los movimientos laborales en el futuro. No solo logra altos niveles de precisión (76%), sino que también explica las asimetrías entre las transiciones de trabajo. El desempeño se mide por la precisión con la que el sistema predice si ocurrió una transición, cuando se aplica a transiciones históricas de trabajo.
El mapa de transiciones completo es grande y complicado, pero puedes ver cómo funciona a continuación en una versión pequeña que solo incluye transiciones entre 20 ocupaciones. En el mapa, la ocupación «fuente» se muestra en el eje horizontal y la ocupación «objetivo» en el eje vertical.
Si observa una ocupación determinada en la parte inferior del mapa, la columna de cuadrados muestra la probabilidad de pasar de esa ocupación a la que se indica en el lado derecho. Cuanto más oscuro sea el cuadrado, mayor será la probabilidad de realizar la transición.
Recomendaciones de trabajo impulsadas por inteligencia artificial
A veces, una nueva carrera requiere desarrollar nuevas habilidades, pero ¿qué habilidades? Nuestro sistema puede ayudar a identificarlos. Echemos un vistazo a cómo funciona para los «limpiadores domésticos», una ocupación en la que el empleo se redujo drásticamente durante el COVID-19 en Australia.
Primero, usamos el mapa de transiciones para ver a qué ocupaciones es más fácil hacer la transición para un limpiador doméstico. Los colores dividen las ocupaciones según su estado durante la crisis de COVID-19: las ocupaciones azules son trabajos «esenciales» que pueden continuar funcionando durante el cierre, y las rojas son «no esenciales».
Identificamos las principales ocupaciones recomendadas, como se ve en el lado derecho del diagrama de flujo (mitad inferior de la imagen), clasificadas en orden descendente por probabilidad de transición. El ancho de cada banda en el diagrama muestra el número de vacantes disponibles para cada ocupación. Los colores del segmento representan si la demanda ha aumentado o disminuido en comparación con el mismo período de 2019 (pre-COVID).
Las primeras seis recomendaciones de transición para son todos los servicios «no esenciales», que como era de esperar han experimentado una disminución de la demanda. Sin embargo, el séptimo es “cuidadores ancianos y discapacitados”, que se clasifica como “esencial” y su demanda creció significativamente durante el inicio del período COVID-19.
Dado que sus perspectivas de encontrar trabajo son mejores si hace la transición a una ocupación con alta demanda, seleccionamos “cuidadores ancianos y discapacitados” como la ocupación objetivo para este ejemplo.
Qué habilidades desarrollar para nuevas ocupaciones
Nuestro sistema también puede recomendar habilidades que los trabajadores deben desarrollar para aumentar sus posibilidades de una transición exitosa. Sostenemos que un trabajador debería invertir en desarrollar las habilidades más importantes para su nueva profesión y que son más diferentes de las habilidades que tiene actualmente.
Para un «limpiador doméstico», las habilidades más recomendadas necesarias para la transición a «cuidador anciano y discapacitado» son habilidades especializadas en atención al paciente, como «asistencia con la higiene del paciente».
Por otro lado, hay menos necesidad de desarrollar habilidades sin importancia o muy similares a las de su ocupación actual. Habilidades como el “análisis empresarial” y las “finanzas” son de poca importancia para un “cuidador anciano y discapacitado”, por lo que no deben priorizarse. De manera similar, se requieren habilidades como «planchar» y «lavar» para el nuevo trabajo, pero es probable que un «limpiador doméstico» ya posea estas habilidades (o las pueda adquirir fácilmente).
El beneficio de transiciones laborales más fluidas
Si bien el futuro del trabajo sigue sin estar claro, el cambio es inevitable. Las nuevas tecnologías, las crisis económicas y otros factores seguirán modificando las demandas laborales, lo que provocará que los trabajadores cambien de trabajo.
Si las transiciones laborales ocurren de manera eficiente, hay beneficios significativos de productividad y equidad para todos. Si las transiciones son lentas o fallan, tendrán costos significativos tanto para los individuos como para el estado y para el individuo. Los métodos y sistemas que presentamos aquí podrían mejorar significativamente el logro de estos objetivos.
Agradecemos a Bledi Taska y Davor Miskulin de Burning Glass Technologies por proporcionar generosamente los datos de anuncios de trabajo para esta investigación y por sus valiosos comentarios. También agradecemos a Stijn Broecke y otros colegas de la OCDE por sus aportes continuos y su orientación en el desarrollo de este trabajo.
Este artículo de Nik Dawson, Académico honorario, Universidad de Tecnología de Sydney; Marian-Andrei Rizoiu, Profesor de Ciencias de la Computación, Universidad de Tecnología de Sydney, y Mary-Anne Williams, Cátedra Michael J Crouch de Innovación, UNSW, Se vuelve a publicar de La conversación bajo una licencia Creative Commons. Leer el artículo original.