Una estimació de l’impacte de l’automatització al mercat laboral català

Resum executiu

Els avenços recents en tecnologies sensorials, majors capacitats de processament i el desenvolupament del big data i la intel•ligència artificial (englobats en l’anomenada quarta revolució industrial) han eixamplat el potencial automatitzador de la tecnologia a tasques no repetitives que, fins fa poc, eren del domini exclusiu de les persones. En aquest article, analitzem l’impacte potencial de la quarta revolució industrial sobre el mercat laboral català. A partir de la metodologia de Frey i Osborne (2013), estimem que entre un 35% i un 47% dels treballadors de l’economia catalana actualment tenen una professió amb risc d’automatització elevat.

Paraules clau: mercat laboral, automatització, quarta revolució industrial.

1. Introducció

El progrés tecnològic ha afectat dramàticament l’estructura del mercat laboral i el mapa de professions al llarg de tota la història. Per exemple, a la primera revolució industrial (1770-1840), la introducció de la màquina de vapor i l’automatització dels processos de teixit i filat van canviar dràsticament l’organització del treball al sector tèxtil i van provocar el declivi de la seva professió dominant: l’artesà. Unes dècades més tard, amb la segona revolució industrial (1870-1920), el desenvolupament de l’electricitat i la seva implementació a l’enllumenat públic van comportar la desaparició d’altres professions, com la de fanaler, que era la persona que, cada vespre i cada alba, s’encarregava d’encendre i apagar, un per un, els fanals de gas que il·luminaven els carrers de les ciutats.

Aquesta relació entre el desenvolupament tecnològic i la desaparició de professions va fer que els economistes encunyessin el terme «atur tecnològic», en referència a «l’atur provocat per un descobriment de maneres d’economitzar l’ús del treball més ràpid que la taxa amb la que trobem noves funcions pels treballadors» (en paraules d’un dels economistes més famosos, John Maynard Keynes). Fins ara, la preocupació per l’atur tecnològic no s’ha materialitzat. La raó és que una invenció que substitueix un treballador per una màquina afecta a tota la resta de mercats de productes i de factors producció. En general, els guanys d’eficiència en un mercat de béns i serveis “automatitzables” augmenta la renda disponible del conjunt de la societat i, d’aquesta manera, provoca un augment de la demanda de béns i serveis “no automatitzables”, la qual cosa genera més demanda de treballadors en aquests darrers mercats (Baumol 1967).

Tanmateix, al segle XXI, ens trobem davant d’una nova onada de progrés tecnològic, l’anomenada quarta revolució industrial, caracteritzada per avenços en la tecnologia sensorial i la capacitat de processament i el desenvolupament del bases de dades massives (l’anomenat big data) i de la intel·ligència artificial. Encara hem de veure com reaccionarà el mercat laboral davant d’aquesta onada, però l’objectiu d’aquest article és, precisament, presentar una estimació de quants llocs treball es podrien veure afectats per aquesta potencial nova revolució industrial. Per fer-ho, en basarem en l’estudi seminal de Frey i Osborne (2013), en el qual els autors assignen un risc d’automatització a cada professió del mercat laboral dels Estats Units d’Amèrica (EUA) segons la capacitat (tècnica) de que un robot o un ordinador realitzin la feina en qüestió. A l’estudi, Frey i Obsorne estimen que un 47% dels treballadors dels EUA tenen una professió amb un risc elevat (és a dir, amb una probabilitat superior al 70%) de ser automatitzada. En el nostre article, traslladem la metodologia de Frey i Osborne (2013) als mercats laborals català i espanyol i estimem quin percentatge dels treballadors catalans i espanyols tenen professions amb risc d’automatització baix, mitjà i alt.

L’article s’estructura de la següent manera. A la propera secció, descriurem com, tradicionalment, els avenços tecnològics han permès automatitzar les feines i veurem que les tecnologies de la quarta revolució industrial tenen diversos trets diferencials que poden permetre la robotització de tasques que, fins ara, eren del domini exclusiu de les persones. A continuació, entendrem com Frey i Osborne van estimar el risc d’automatització pel mercat laboral estatunidenc, presentarem les dades pels mercats laborals català i espanyol i estimarem el nombre de treballadors catalans i espanyols que es troben, potencialment, davant d’un elevat risc d’automatització. Finalment, conclourem l’article amb una discussió sobre com interpretar els resultats i quins elements cal tenir en compte a l’hora de valorar-los.

2. Marc d’anàlisi de l’automatització i el mercat laboral

Per estimar quines ocupacions són susceptibles de ser automatitzades, cal definir precisament a què ens referim quan parlem d’automatitzar professions. Una feina o professió comprèn múltiples tasques, com la interacció social (per exemple, en el cas d’un recepcionista) o l'exercici físic (com en el cas d’un entrenador de futbol). De fet, la tecnologia el que permet és automatitzar tasques i, per tant, per avaluar el risc d’automatització d’una professió, hem d'analitzar quantes de les tasques que la defineixen poden ser realitzades per una màquina o robot. En aquest sentit, és útil analitzar les tasques amb dues dimensions (Autor et al 2003): (i) tasques manuals i tasques cognitives i (ii) tasques repetitives i tasques no repetitives. Fer-se el llit és un exemple de tasca manual, mentre que fer una broma és una tasca cognitiva. Transcriure la gravació d’una conversa és un tasca repetitiva, mentre que improvisar un solo de saxofon és una tasca no repetitiva. La següent taula presenta alguns exemples addicionals.

Taula 1. Característiques de les tasques i automatització
Repetitives No repetitives
Manuals Còpia de textos Conducció de vehicles
Cognitives Càlcul mental Diagnòstic mèdic


En el passat, l'automatització de l'economia es va limitar a les tasques repetitives, tant cognitives, com el càlcul mental (calculadores), com manuals, com la còpia de textos i d'imatges (ordinadors i impressores) o la neteja (rentaplats). La raó és que, per automatitzar una tasca, és necessari especificar els passos necessaris per dur-la a terme de manera prou clara com perquè un programador els pugui resumir en una llista de procediments: l’algoritme que regeix el comportament dels robots. Donat que les tasques repetitives són més fàcils d’especificar amb un conjunt de procediments i regles que orientin el comportament de la tecnologia a cada eventualitat possible, l’automatització tradicionalment s’ha limitat a aquesta esfera. De fet, pels EUA, Autor i Dorn (2013) documenten una reducció de l’ocupació en activitats manufactureres repetitives i un augment de l’ocupació al sector serveis (que, típicament, requereix la realització de tasques no repetitives, tant manuals com cognitives).

Tanmateix, el repte que ens presenta la quarta revolució industrial és el desenvolupament de tecnologies que faciliten que l’automatització s’estengui a tasques no repetitives (especialment, millores en les capacitats sensorials i de processament i el desenvolupament del big data i de la intel·ligència artificial). El paper de les bases de dades massives (l’anomenat big data) és especialment determinant, perquè per aconseguir una bona definició d’una tasca és clau comptar amb dades que facilitin la detecció de les contingències a les que s’ha d’enfrontar la tecnologia2 i que permetin l’avaluació de l’èxit de l’algoritme. A més a més, la interacció entre l’automatització i el big data aprofita el gran avantatge comparatiu dels ordinadors: la seva capacitat de gestionar un gran volum de dades i càlculs. Per exemple, al Memorial Sloan-Kettering Cancer Center de Nova York, el robot Watson d'IBM proporciona possibles diagnòstics i tractaments a partir d'una extensa base de dades d'informes mèdics i articles científics. Per la seva banda, l'automòbil de Google compara la informació dels seus sensors amb un mapa de carreteres molt detallat, on s'especifica la posició exacta dels carrers, dels senyals i dels obstacles, per decidir en temps real si cal girar, frenar o accelerar en funció del que facin els altres cotxes o els vianants.

3. Una proposta per quantificar el risc d’automatització: Frey i Osborne (2013)

Frey i Osborne (2013) ens proposen analitzar el risc d’automatització amb una perspectiva tecnològica: és a dir, avaluar quines tasques pot realitzar la tecnologia més puntera. Per tant, els resultats no tenen en compte l’existència de restriccions (econòmiques, socials o polítiques) per adoptar aquesta tecnologia. En aquest sentit, els autors expliciten que cal interpretar els resultats com a indicatius de quines ocupacions seran potencialment automatitzables en un nombre no concret d’anys, potser en una dècada o dues.

El punt de partida de Frey i Osborne (2013) passa per assumir que, sempre que hi hagi prou dades per permetre el reconeixement de patrons, “només” hi haurà tres grups de tasques que la tecnologia encara no serà capaç de realitzar en les properes dècades: la percepció i la manipulació en entorns desordenats, la intel·ligència creativa i la intel·ligència social. En primer lloc, tot i que el desenvolupament de sensors i làsers sofisticats permet una identificació raonable de patrons geomètrics, la tecnologia encara té molts problemes per operar en entorns no estructurats (p. ex., elements de formes irregulars o espais plens d’objectes desordenats). En segon lloc, la creativitat humana (com, per exemple, fer una broma) és difícil de sintetitzar en un algoritme informàtic. Finalment, capacitats com la negociació, la persuasió o l’empatia són molt difícils d’automatitzar.

Per tant, Frey i Osborne (2013) analitzen la probabilitat de que cada professió sigui automatitzada segons la dependència que tingui d’aquests tres grups de tasques. Concretament, parteixen d’una llista detallada de 702 professions referents als EUA i obtenen informació sobre les tasques que caracteritzen cada ocupació a partir del diccionari O*NET.3 Per avaluar si cadascuna d’aquestes 702 ocupacions és automatitzable o no, utilitzen un procés en dues etapes.

En primer lloc, escullen 70 ocupacions i les classifiquen (de manera binària) en automatitzables o no automatitzables. Aquesta primera classificació és subjectiva i prové de la valoració d’un grup d’experts del Oxford University Engineering Sciences Department. Aquests experts van seleccionar les 70 ocupacions sobre les quals tenien un elevat grau de confiança i, per cada professió, van respondre la següent pregunta: “Podem especificar prou bé les tasques d’aquesta ocupació, suposant que hi ha prou dades, com per què les realitzi la tecnologia informàtica més moderna?”. Els experts només van classificar com a automatitzables aquelles professions per les quals la resposta era afirmativa per totes les tasques que les caracteritzaven.

En segon lloc, cal traslladar les valoracions d’aquests experts sobre 70 professions a les 632 ocupacions restants. Per fer-ho, Frey i Osborne utilitzen 9 variables del diccionari O*NET que proporcionen informació sobre la intensitat amb la que cada professió requereix realitzar tasques relacionades amb la percepció i la manipulació, la intel·ligència creativa i la intel·ligència social (és a dir, les tasques que limiten l’extensió de l’automatització). Frey i Osborne (2013) construeixen una funció que assigna el risc d’automatització segons els valors d’aquestes 9 variables i reprodueixen les valoracions dels experts sobre el subgrup de 70 professions. Finalment, fan servir aquesta funció per assignar el risc d’automatització a les 632 professions restants. Dit d’una altra manera, extrapolen l’assignació a l'univers de 702 ocupacions amb un model d'assignació probabilística, basat en nou variables que descriuen el grau de percepció, de manipulació, de creativitat i d'intel·ligència social necessari per exercir cada tasca d'una ocupació.

Els resultats d’aquest exercici són ben coneguts: aproximadament un 47% dels treballadors dels EUA es dediquen a una professió amb un risc elevat d’automatització. A més a més, Frey i Osborne (2013) van fer pública la llista detallada de les 702 professions i el seu risc associat. A la següent secció, utilitzarem els seus resultats per analitzar els mercats laboral espanyol i català.

4. Estimació del risc d’automatització als mercats laborals català i espanyol

Per avaluar el risc d’automatització als mercats laborals català i espanyol, utilitzarem dades procedents de l’Enquesta de Població Activa (EPA), elaborada per l’Institut Nacional d’Estadística (INE). La EPA és la principal font d’informació sobre el mercat laboral a Espanya i és la base de dades amb la qual l’Institut d’Estadística de Catalunya (Idescat) elabora les principals estadístiques del mercat laboral de Catalunya (per exemple, la taxa d’atur).

La EPA és una enquesta en la qual s’entrevisten, cada trimestre, al voltant de 65.000 famílies4 i ens proporciona informació sobre l’estat laboral de cada persona (ocupat, aturat o fora del mercat laboral). A més a més, en el cas dels ocupats, ens indica la seva professió segons les Classificacions Nacional i Catalana d’Ocupacions de 2011 (CNO i CCO, respectivament, que utilitzen la mateixa codificació). Per tant, la nostra primera tasca és traslladar la llista de 702 professions de Frey i Osborne, definides segons la classificació estatunidenca SOC, a la classificació CCO-2011. Aquesta conversió la realitzem amb els diccionaris que ofereixen els propis Bureau of Labor Statistics dels EUA i l’INE5 i obtenim una llista de 485 professions amb el seu risc d’automatització associat, que reproduïm integrament a l’annex d’aquest article.

A la taula 2 presentem alguns exemples de professions amb el seu risc d’automatització associat. Com ja anticipàvem a la secció anterior, les xifres mostren que, segons l’exercici de Frey i Osborne (2013), la tecnologia ja és capaç d'automatitzar professions qualificades (vegeu el risc que corren els comptables i els economistes), mentre que les feines en què la interacció humana i la creativitat tenen més importància (metges de família, músics) són les més protegides.

Taula 2. Exemples de professions i risc d’automatització
Codi CCO Descripció Risc
2111 Metges de família 0,42%
2932 Compositors, músics i cantants 4,45%
2810 Economistes 43,00%
8411 Conductors propietaris d'automòbils, taxis i furgonetes 56,78%
4111 Empleats de comptabilitat 97,00%
5420 Operadors de telemàrqueting 99,00%


A partir de la llista de 485 professions i la informació del mercat laboral que proporciona la EPA, també podem analitzar quina és la magnitud d’aquest risc d’automatització pel conjunt dels treballadors catalans i espanyols:6 concretament, quants treballadors es dediquen a professions amb un risc d’automatització baix, mitjà i elevat (utilitzem com a punts de tall el 30% i el 70%, com fan Frey i Osborne 2013). La taula 3 presenta els resultats per la mitjana del període 2016 T2 a 2017 T27 i els compara amb els que altres autors han obtingut per EUA i Regne Unit amb la mateixa metodologia.

Taula 3. Percentatge d'ocupació segons el risc d'automatització
Catalunya Espanya EUA Regne Unit
Risc baix (<0,3) 30% 28% 33% 37%
Risc mitjà (0,3-0,7) 36% 37% 19% 28%
Risc elevat (>0,7) 35% 35% 47% 35%
Nota: Les files poden no sumar exactament 100% a causa de l’arrodoniment dels decimals.

Font: càlculs propis per Catalunya i Espanya, Frey i Obsorne (2013) per EUA i Haldane (2015) per Regne Unit.


Com mostra la taula 3, les estimacions basades en la metodologia de Frey i Osborne (2013) indiquen que, de mitjana, aproximadament un 35% dels treballadors catalans es dediquen a una professió amb un risc d’automatització superior al 70%, la mateixa xifra que als mercats laborals espanyol i de Regne Unit. Tot i que la magnitud és clarament inferior a la que Frey i Osborne van estimar pels EUA, una mirada més detallada a les dades suggereix que la diferència no és tant significativa. Concretament, a les taules 4 i 5 presentem els percentatges de treballadors catalans i espanyols amb una graella de risc més desagregada. Les dues taules mostren que, si agaféssim el 0,6 com a punt de tall, tindríem un 47% dels treballadors catalans i un 49% dels espanyols en professions amb elevat risc d’automatització.

Taula 4. Percentatge d’ocupació segons el risc d’automatització: Catalunya
Risc 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
% treballadors amb risc inferior a 14% 25% 30% 35% 43% 53% 65% 75% 88% 100%
% treballadors amb risc superior a 86% 75% 70% 65% 57% 47% 35% 25% 12% 0%


Taula 5. Percentatge d’ocupació segons el risc d’automatització: Espanya
Risc 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
% treballadors amb risc inferior a 14% 24% 28% 33% 40% 51% 65% 75% 88% 100%
% treballadors amb risc superior a 86% 76% 72% 67% 60% 49% 35% 25% 12% 0%

5. Anàlisi sectorial

Tot i que el risc d’automatització està associat a les tasques que caracteritzen una ocupació, amb les dades de la EPA també podem analitzar la importància, en termes de treballadors, que les professions amb risc d’automatització baix, mitjà i elevat tenen a cada sector econòmic de les economies catalana i espanyola. Concretament, a partir de la Classificació Catalana d’Activitats Econòmiques 2009 (CCAE-2009), considerem nou grups d’activitats, descrits a la Taula 6.

Taula 6. Grups d’activitat econòmica
Codi senzill Codi de la divisió CCAE-2009 (2 dígits) Activitat econòmica
0 01, 02 i 03 Agricultura, ramaderia, silvicultura i pesca
1 Del 10 al 18 Indústria alimentària, tèxtil, cuir, fusta i paper
2 Del 05 al 09, del 19 al 25, 35 i del 36 al 39 Indústries extractives, refineria de petroli, química, farmacèutica, indústria del cautxú i matèries plàstiques, subministrament d'energia elèctrica, gas, vapor i aire condicionat, subministrament d'aigua, gestió de residus i metal·lúrgia
3 Del 26 al 33 Construcció de maquinària, equips elèctrics i material de transport. Instal·lació i reparació industrial
4 Del 41 al 43 Construcció
5 Del 45 al 47, 55 i 56 Comerç minorista i majorista, amb instal·lacions i reparacions. Reparacions d'automòbils. Hosteleria.
6 Del 49 al 53 i del 58 al 63 Transport i emmagatzematge. Informació i comunicacions
7 Del 64 al 66, 68, del 69 al 75 i del 77 al 82 Intermediació financera, assegurances, activitats immobiliàries, serveis professionals, científics, administratius i altres
8 84, 85 i del 86 al 88 Administració pública, educació i activitats sanitàries
9 Del 90 al 93, del 94 al 96, 97 i 99 Altres serveis


A continuació, les taules 7 i 8 presenten, per cada grup d’activitat econòmica, el percentatge de treballadors segons el seu risc d’automatització.

Taula 7. Percentatge d’ocupació segons el risc d’automatització (per cada grup d’activitat): Catalunya
Codi senzill Risc baix (<0,3) Risc mitjà (0,3-0,7) Risc alt (>0,7)
0 7% 45% 49%
1 10% 21% 69%
2 20% 26% 54%
3 14% 50% 35%
4 22% 38% 40%
5 11% 20% 69%
6 36% 43% 21%
7 61% 29% 10%
8 52% 36% 12%
9 22% 63% 15%
Nota: Les files poden no sumar exactament 100% a causa de l’arrodoniment dels decimals.


Taula 8. Percentatge d’ocupació segons el risc d’automatització (per cada grup d’activitat): Espanya
Codi senzill Risc baix (<0,3) Risc mitjà (0,3-0,7) Risc alt (>0,7)
0 4% 29% 67%
1 11% 25% 63%
2 17% 28% 55%
3 17% 49% 35%
4 21% 36% 43%
5 11% 21% 68%
6 36% 47% 17%
7 54% 36% 10%
8 49% 38% 12%
9 19% 66% 15%
Nota: Les files poden no sumar exactament 100% a causa de l’arrodoniment dels decimals.


Així, observem que, tant a Catalunya com a Espanya, la fracció de treballadors amb elevat risc d’automatització és petita als sectors serveis relacionats amb les tecnologies de la informació i la comunicació, les activitats financeres i immobiliàries i els serveis professionals i científics i els sectors de l’educació i la sanitat. En canvi, les activitats del sector primari, el comerç i la indústria agrupen un percentatge significatiu de treballadors amb elevat risc d’automatització.

6. Interpretació dels resultats i conclusions

Les estimacions presentades a l’apartat anterior suggereixen que una fracció important dels treballadors catalans (entre un 35% i un 47%) es dediquen a professions que, des del punt de vista tècnic, són susceptibles de ser automatitzades en les properes dècades amb una probabilitat elevada. Ara bé, no hem de concloure que entre un 35% i un 47% del treballadors catalans seran substituïts per robots. En aquest apartat emfatitzarem dues raons, una econòmica i l’altra tècnica, per les quals aquesta darrera interpretació és una lectura poc acurada dels resultats.

Des del punt de vista econòmic, cal recordar el que ja hem dit en començar l’estudi: la visió de Frey i Osborne és tecnològica. És a dir, estem avaluant el potencial de la tecnologia sense tenir en compte que seran les empreses, els governs, els treballadors i els consumidors els que decidiran si adopten o no aquesta tecnologia. És evident que, més enllà del potencial tecnològic, hi ha importants determinants econòmics en relació amb la seva adopció i amb el seu impacte social. Per exemple, les empreses adoptaran la tecnologia només si és prou barata.

Des del punt de vista tècnic,8 hem de ser curosos a l’hora de distingir professions i tasques: Frey i Osborne assignen el risc d’automatització al conjunt de cada ocupació, però el que la tecnologia realment automatitza són les tasques. En aquest sentit, el nostre exercici assumeix que una mateixa professió compren les mateixes tasques tant a EUA com a Espanya i Catalunya i, a més a més, que cada treballador que pertany a la mateixa professió realitza exactament les mateixes tasques i amb la mateixa intensitat. Clarament, aquest supòsit és una simplificació de la realitat: per exemple, tot i que la majoria d’economistes es dediquen a analitzar l’economia, alguns dediquen més temps a l’anàlisi abstracte dels fonaments econòmics, d’altres a l’estudi empíric i d’altres a comunicar els resultats més destacats de la investigació econòmica. Per tant, és raonable esperar que moltes de les professions amb elevat risc d’automatització, en realitat, no seran substituïdes per una màquina sinó que els robots absorbiran algunes de les tasques i les professions es reformularan i passaran a comprendre un conjunt diferent de tasques.

De fet, Arntz et al (2016) argumenten que una millor manera d’interpretar els resultats de Frey i Osborne (2013) és a partir de les característiques demogràfiques dels treballadors i de les tasques que realment realitzen a la seva feina. Concretament, Arntz et al (2016) disposen d’informació procedent de l’enquesta PIAAC, en la qual cada enquestat indica a quina professió es dedica i quines tasques realitza exactament: per tant, Arntz et al (2016) disposen d’una base de dades en la qual, dins d’una mateixa professió, treballadors diferents realitzen tasques diferents. Arntz et al (2016) combinen aquesta informació amb la llista de 702 ocupacions de Frey i Osborne (2013) i traslladen el risc d’automatització que Frey i Osborne han assignat a cada professió a les tasques concretes i les característiques demogràfiques que Arntz et al (2016) identifiquen a l’enquesta PIAAC.9 Amb aquesta metodologia (que, recordem-ho, parteix dels riscos a nivell de professió estimats per Frey i Osborne), Arntz et al (2016) estimen que el risc d’automatització d’un treballador és menor quan els requisits educatius de la seva feina són més elevats, quan la cooperació amb els companys és una part important de la feina i quan el treballador ha de dedicar una part significativa del seu temps a influenciar (és a dir, motivar, persuadir, comprendre) els seus companys. Concretament, Arntz et al (2016) estimen que només un 9% dels treballadors dels EUA tenen un risc elevat de que la seva feina sigui automatitzada.

Tot i la discrepància en les xifres, cal observar que els resultats de Frey i Osborne (2013) i Arntz et al (2016) són complementaris. La metodologia d’Arntz et al (2016) ens proporciona una mesura més acurada de quines persones tenen un elevat risc de veure com un robot automatitza la seva feina (perquè els autors mesuren exactament les tasques concretes que realitza cada treballador en qüestió), però el seu exercici no ens proporciona tota la informació sobre el grau de reestructuració que pot patir el mercat laboral. És a dir, quan Arntz et al (2016) assignen un risc baix d’automatització a un individu, això no significa que no es produeixin canvis a l’entorn laboral d’aquesta persona: potser l’individu realitzarà tasques semblants, però possiblement hagi hagut de canviar de professió o de sector econòmic. En canvi, quan Frey i Osborne assignen un elevat risc d’automatització a una professió, no necessàriament ens diuen que aquesta professió deixarà d’existir: més aviat, ens indiquen que aquesta professió té una probabilitat elevada de reestructurar-se i veure’s afectada pels canvis tecnològics (per exemple, modificant el tipus de tasques que les defineix).

Per tant, una manera més acurada d’interpretar els resultats d’aquest estudi és dir que el 35%-47% dels treballadors catalans es dediquen a professions que es poden veure potencialment molt afectades pels canvis tecnològics de la quarta revolució industrial. Aquest no és un missatge apocalíptic de destrucció de les professions. Més aviat, és un missatge d’alerta al legislador: hi ha un percentatge molt rellevant de professions que, potencialment, poden redefinir-se dràsticament i és important que, com a societat, estiguem preparats per facilitar aquest procés, aprofitar-ne els beneficis socials i minimitzar-ne els impactes negatius (Mestres 2016b).

L'automatització de les professions que coneixem avui dia ofereix la possibilitat de reorientar la naturalesa del treball i alliberar els treballadors perquè es puguin dedicar a noves activitats en què desenvolupin tot el seu potencial, com ja van fer l'aspiradora o la rentadora en l'àmbit domèstic. La majoria dels treballadors dediquen una gran part del seu temps a tasques en què desaprofiten l'avantatge comparatiu en relació amb el robot,10 de manera que hi ha un gran potencial per crear noves professions si les institucions i els individus aprofiten l'ocasió. Els robots tenen una gran capacitat lògica i de gestió del big data, però la inspiració, la intuïció i la creativitat queden lluny del seu abast.11 En definitiva, com va dir Keynes, l’atur tecnològic és només un estat temporal en el qual l’economia encara no s’ha acabat d’ajustar. A llarg termini, la tecnologia és la clau per què la humanitat resolgui el seu problema econòmic: l’escassetat de recursos.


7.

Referències bibliogràfiques

Acemoglu, D. i Autor, D. (2011), «Skills, tasks and technologies: Implications for employment and earnings», Handbook of labor economics, vol. 4, pàgines 1043–1171.

Acemoglu, D. i Restrepo, G. (2017), «Robots and jobs: evidence from US labor markets», NBER Working Paper.

Acemoglu, D. i Restrepo, G. (2016), «The Race Between Machine and Man: Implications of Technology for Growth, Factor Shares and Employment», NBER Working Paper.

Allen, R. C. (2009), «Engels' pause: Technical change, capital accumulation, and inequality in the british industrial revolution», Explorations in Economic History, 46(4), 418-435.

Arntz, M., T. Gregory i U. Zierahn (2016), «The Risk of Automation for Jobs in OECD Countries: A Comparative Analysis», OECD Social, Employment and Migration Working Papers, No. 189, OECD Publishing, Paris.

Autor, D. (2015), «Why are there still so many jobs?», Journal of Economic Perspectives, pàgines 3-30.

Autor, D. i Dorn, D. (2013), «The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market», American Economic Review, 103(5), pàgines 1553–1597.

Autor, D., Levy, F. i Murnane, R.J. (2003), «The skill content of recent technological change: An empirical exploration», The Quarterly Journal of Economics, vol. 118, n. 4, pàgines 1279–1333.

Baumol, W. (1967), « Macroeconomics of Unbalanced Growth: The Anatomy of Urban Crisis», The American Economic Review, Vol. 57, n. 3, pàgines 415-426.

Brynjolfsson, E. i McAfee, A. (2014), «The Second Machine Age: work, progress, and prosperity in a time of brilliant technologies», WW Norton & Company.

Brynjolfsson, E. i McAfee, A. (2011), «Race against the machine: How the digital revolution is accelerating innovation, driving productivity, and irreversibly transforming employment and the economy», Digital Frontier Press Lexington, MA.

Canals, C. (2016), Automatització: La por del treballador, CaixaBank Research, Informe Mensual de febrer de 2016.

Frey, C. i Osborne, M. (2013), «The Future of Employment: How Susceptible Are Jobs to Computerisation?», Document de treball.

Garcia-Arenas, J. (2016), La nova política industrial: reptes i oportunitats, CaixaBank Research, Informe Mensual de novembre de 2016.

Goldin, C. i Katz, L. F. (2008), «The Race between Education and Technology».

Goos, M., A. Manning i A. Salomons (2014), «Explaining Job Polarization: Routine-Biased Technological Change and Offshoring», The American Economic Review, 104(8), pàgines 2509-2526.

Goos, M., Manning, A. i Salomons, A. (2009), «Job polarization in Europe», The American Economic Review, vol. 99, no. 2, pàgines 58–63.

Gutiérrez-Domènech, M. (2016), La ineludible metamorfosi del mercat de treball: com pot ajudar l'educació?, CaixaBank Research, Informe Mensual de febrer de 2016.

Haldane, A. (2015), «Labour’s share», discurs del 12 de novembre de 2015 al Trades Union Congress, Londres.

Harris, S. i Krueger, A. (2016), «A Proposal for modernizing labor laws for the twenty-first-century work: the ‘Independent Worker'», Policy Brief 2015-10, The Hamilton Project.

Keynes, J. M. (1930), «The Economic Possibilities for our Grandchildren», Essays in persuasion, pàgines 358–73.

McKinsey & Company (2015), «Four fundamentals of workplace automation», McKinsey Quarterly, novembre del 2015.

Martínez, C. (2016), La indústria com a eix de transformació: passat, present i futur, CaixaBank Research, Informe Mensual de novembre de 2016.

Mestres, J. (2016a), El futur de la indústria a Espanya, CaixaBank Research, Informe Mensual de novembre de 2016.

Mestres, J. (2016b), Com aprofitar l’impacte positiu del canvi tecnològic en l’ocupació?, CaixaBank Research, Informe Mensual de febrer de 2016.

Mokyr, J. (2005), «Long-term economic growth and the history of technology», Handbook of economic growth, vol. 1, 1113-1180.

Mokyr, J., C. Vickers i N. L. Ziebarth (2015), «The History of Technological Anxiety and the Future of Economic Growth: Is This Time Different?», The Journal of Economic Perspectives, 29.3 (2015),pàgines 31-50.

Morron, A. (2017), Ensenyar a aprendre: l’educació davant el canvi tecnològic, CaixaBank Research, Informe Mensual de maig de 2017.

Morron, A. (2016a), La indústria ha mort! Llarga vida a la indústria!, CaixaBank Research, Informe Mensual de novembre de 2016.

Morron, A. (2016b), Arribarà la Quarta Revolució Industrial a Espanya?, CaixaBank Research, Informe Mensual de febrer de 2016.

Nordhaus, W. D. (2015), «Are We Approaching an Economic Singularity? Information Technology and the Future of Economic Growth», NBER Working Paper, 21547.

Pratt, G. A. (2015), «Is a Cambrian Explosion Coming for Robotics?», The Journal of Economic Perspectives, Vol. 29, n. 3, pàgines 51-60.

World Economic Forum (2015), «The Future of Jobs: Employment, Skills and Workforce Strategy for the Fourth Industrial Revolution».
Annex. Risc d’automatització per la llista detallada de professions

Ordre Risc Codi CCO Descripció
1 0,39% 1411 Directors i gerents d'hotels
2 0,39% 1419 Directors i gerents d'altres empreses de serveis d'allotjament
3 0,39% 2153 Dietistes i nutricionistes
4 0,42% 2111 Metges de família
5 0,42% 2112 Altres metges especialistes
6 0,42% 2321 Especialistes en mètodes didàctics i pedagògics
7 0,49% 2154 Logopedes
8 0,67% 1325 Directors de serveis socials ncaa
9 0,70% 2823 Psicòlegs
10 0,73% 1323 Directors gerents de centres sanitaris
11 0,73% 1326 Directors de serveis d'educació
12 0,78% 2230 Professors d'ensenyament secundari (excepte de matèries específiques de formació professional)
13 0,90% 2121 Infermers no especialitzats
14 0,90% 2122 Infermers especialitzats (excepte infermers obstetricoginecològics)
15 0,90% 2326 Professionals de l'educació ambiental
16 0,90% 2329 Altres professors i professionals de l'ensenyament ncaa
17 0,99% 2159 Altres professionals de la salut ncaa
18 1,08% 2711 Analistes de sistemes
19 1,16% 2156 Terapeutes ocupacionals
20 1,16% 2157 Podòlegs
21 1,19% 2311 Professors d'educació especial
22 1,19% 2312 Tècnics educadors d'educació especial
23 1,20% 2140 Farmacèutics
24 1,22% 2422 Enginyers agrònoms
25 1,22% 2423 Enginyers forestals
26 1,22% 2424 Enginyers tècnics agrícoles
27 1,22% 2425 Enginyers tècnics forestals i del medi natural
28 1,22% 2427 Enòlegs
29 1,35% 1221 Directors comercials i de vendes
30 1,40% 2325 Instructors d'ensenyament no reglat en tecnologies de la informació
31 1,40% 2625 Especialistes en formació de personal
32 1,40% 3611 Supervisors de secretaria
33 1,50% 1322 Directors de serveis socials per a infants
34 1,60% 3203 Supervisors d'indústries alimentàries i del tabac
35 1,60% 3204 Supervisors d'indústries química i farmacèutica
36 1,60% 3205 Supervisors d'indústries de transformació de plàstics, cautxú i resines naturals
37 1,60% 3206 Supervisors d'indústries de la fusta i de la pasta de paper
38 1,60% 3207 Supervisors de la producció en indústries d'arts gràfiques i en la fabricació de productes de paper
39 1,60% 3209 Supervisors d'altres indústries manufactureres
40 1,66% 2830 Sacerdots de les diferents religions
41 1,70% 2435 Enginyers químics
42 1,70% 2465 Enginyers tècnics químics
43 1,75% 1223 Directors de recerca i desenvolupament
44 1,80% 2437 Enginyers ambientals
45 1,80% 2451 Arquitectes (excepte arquitectes paisatgistes i urbanistes)
46 1,90% 2432 Enginyers en construcció i obra civil
47 1,90% 2462 Enginyers tècnics d'obres públiques
48 2,10% 2152 Fisioterapeutes
49 2,10% 3731 Fotògrafs
50 2,15% 2151 Odontòlegs i estomatòlegs
51 2,45% 2426 Professionals de la protecció ambiental
52 2,50% 2443 Enginyers de telecomunicacions
53 2,50% 2473 Enginyers tècnics en telecomunicacions
54 2,70% 1222 Directors de publicitat i relacions públiques
55 2,90% 2482 Dissenyadors de productes i peces de vestir
56 2,90% 2431 Enginyers industrials i de producció
57 2,90% 2461 Enginyers tècnics industrials i de producció
58 3,00% 1313 Directors d'indústries manufactureres
59 3,00% 2721 Dissenyadors i administradors de bases de dades
60 3,00% 2722 Administradors de sistemes i xarxes informàtiques
61 3,00% 3814 Tècnics en webs
62 3,20% 2210 Professors d'universitat i ensenyament superior (excepte de formació professional)
63 3,40% 2439 Enginyers ncaa
64 3,40% 2469 Enginyers tècnics ncaa
65 3,50% 1321 Directors de serveis de tecnologies de la informació i la comunicació (TIC)
66 3,50% 2511 Advocats
67 3,50% 2512 Fiscals
68 3,50% 3151 Caps i oficials de màquines
69 3,50% 7617 Artesans de la fusta i materials similars, cistellers, raspallaires i treballadors similars
70 3,50% 7619 Artesans ncaa
71 3,70% 3532 Organitzadors de conferències i esdeveniments
72 3,75% 3331 Professionals de l'acupuntura, el naturisme (naturopatia), l'homeopatia, la medicina tradicional xinesa i l'ayurveda
73 3,80% 2130 Veterinaris
74 3,85% 2931 Artistes d'arts plàstiques i visuals
75 4,32% 2825 Agents d'igualtat d'oportunitats entre dones i homes
76 4,32% 2824 Professionals del treball i l'educació social
77 4,45% 2932 Compositors, músics i cantants
78 4,50% 2452 Arquitectes paisatgistes
79 4,55% 3401 Professionals de suport i intermediaris de canvi, borsa i finances
80 4,70% 1311 Directors de producció d'explotacions agropecuàries i forestals
81 4,70% 1312 Directors de producció d'explotacions pesqueres i aqüícoles
82 4,85% 2484 Dissenyadors gràfics i multimèdia
83 4,90% 5622 Tècnics d'emergències sanitàries
84 5,00% 7522 Instal·ladors i mantenidors reparadors de línies elèctriques
85 5,50% 3339 Professionals de les teràpies alternatives ncaa
86 5,93% 1112 Personal directiu de l'Administració pública
87 6,00% 2591 Notaris i registradors
88 6,00% 2592 Procuradors
89 6,00% 2599 Altres professionals del dret ncaa
90 6,05% 2413 Químics
91 6,70% 2933 Coreògrafs i ballarins
92 6,90% 1211 Directors financers
93 6,95% 3154 Controladors de trànsit aeri
94 6,98% 2324 Professors d'ensenyament no reglat d'art
95 7,05% 2411 Físics i astrònoms
96 7,10% 1316 Directors d'empreses de construcció
97 7,10% 2621 Analistes de gestió i organització
98 7,40% 2481 Arquitectes tècnics i tècnics urbanistes
99 7,45% 3723 Instructors d'activitats esportives
100 7,45% 3724 Monitors d'activitats recreatives i d'entreteniment
101 7,87% 2251 Mestres d'educació infantil
102 7,87% 2252 Tècnics en educació infantil
103 7,97% 2421 Biòlegs, botànics, zoòlegs i similars
104 8,00% 5722 Mainaders a les llars
105 8,25% 2922 Periodistes
106 8,30% 1421 Directors i gerents de restaurants
107 8,30% 1422 Directors i gerents de bars, cafeteries i similars
108 8,30% 1429 Directors i gerents d'empreses de servei d'àpats i altres empreses de restauració
109 8,37% 1324 Directors de serveis socials per a persones grans
110 8,55% 2466 Enginyers tècnics de mines, metal·lúrgics i similars
111 8,55% 2436 Enginyers de mines, metal·lúrgics i similars
112 8,68% 5931 Bombers (excepte forestals)
113 8,68% 5932 Bombers forestals
114 8,72% 2240 Professors d'ensenyament primari
115 8,75% 1120 Directors generals i presidents executius
116 8,98% 2323 Professors d'ensenyament no reglat de música i dansa
117 10,00% 2441 Enginyers elèctrics
118 10,00% 2471 Enginyers tècnics en electricitat
119 10,56% 2821 Sociòlegs, geògrafs, antropòlegs, arqueòlegs i similars
120 10,75% 2158 Professionals de la salut i la higiene laboral i ambiental
121 10,97% 2653 Professionals de les vendes de tecnologies de la informació i la comunicació (TIC)
122 10,98% 2322 Professors d'ensenyament no reglat d'idiomes
123 11,45% 1327 Directors de sucursals de bancs, de serveis financers i d'assegurances
124 11,83% 2934 Directors de cinema, teatre i similars
125 12,25% 2442 Enginyers electrònics
126 12,25% 2472 Enginyers tècnics en electrònica
127 13,00% 2453 Urbanistes i enginyers de trànsit
128 13,00% 3713 Professionals de suport al treball i a l'educació social
129 13,00% 3714 Promotors d'igualtat d'oportunitats entre dones i homes
130 13,00% 3715 Animadors comunitaris
131 13,00% 5894 Instructors d'autoescola
132 13,20% 2433 Enginyers mecànics
133 13,20% 2434 Enginyers aeronàutics
134 13,20% 2463 Enginyers tècnics mecànics
135 13,20% 2464 Enginyers tècnics aeronàutics
136 13,44% 2220 Professors de formació professional (matèries específiques)
137 14,00% 2155 Òptics optometristes
138 14,17% 1113 Directors d'organitzacions d'interès social
139 14,25% 5910 Guàrdies civils
140 14,25% 5921 Policies nacionals
141 14,84% 2415 Matemàtics i actuaris
142 14,84% 2416 Estadístics
143 14,95% 3152 Capitans i oficials de pont
144 15,00% 7510 Electricistes de la construcció i similars
145 16,00% 1431 Directors i gerents d'empreses de comerç a l'engròs
146 16,00% 1432 Directors i gerents d'empreses de comerç al detall
147 16,00% 5300 Comerciants propietaris de botigues
148 16,25% 2640 Professionals de les vendes tècniques i mèdiques (excepte TIC)
149 16,92% 3732 Dissenyadors i interioristes
150 17,00% 3201 Supervisors en enginyeria de mines
151 17,00% 3202 Supervisors de la construcció
152 17,05% 1501 Directors i gerents d'empreses d'activitats recreatives, culturals i esportives
153 17,22% 3631 Tècnics de la policia nacional, autonòmica i local
154 17,22% 3632 Suboficials de la guàrdia civil
155 17,30% 2822 Filòsofs, historiadors i professionals en ciències polítiques
156 18,00% 2652 Professionals de les relacions públiques
157 18,00% 7891 Bussos
158 19,27% 3325 Ajudants de fisioterapeuta
159 20,22% 3323 Tècnics superiors en dietètica
160 20,22% 3329 Altres tècnics sanitaris ncaa
161 21,00% 2723 Analistes de xarxes informàtiques
162 21,00% 2923 Filòlegs, intèrprets i traductors
163 21,73% 2712 Analistes i dissenyadors de programari
164 22,00% 2719 Analistes i dissenyadors de programari i multimèdia ncaa
165 22,00% 2729 Especialistes en bases de dades i xarxes informàtiques ncaa
166 22,41% 5922 Policies autonòmics
167 22,41% 5923 Policies locals
168 23,00% 2622 Especialistes en administració de política d'empreses
169 23,00% 2623 Especialistes de l'Administració pública
170 23,00% 2630 Tècnics d'empreses i activitats turístiques
171 24,00% 3127 Tècnics i analistes de laboratori en química industrial
172 24,00% 5721 Mainaders a llars d'infants o escoles bressol
173 25,00% 1314 Directors d'explotacions mineres
174 25,00% 1329 Directors d'altres empreses de serveis professionals ncaa
175 25,00% 1509 Directors i gerents d'empreses de gestió de residus i altres empreses de serveis ncaa
176 25,30% 3153 Pilots d'aviació i professionals similars
177 26,13% 4421 Empleats d'agències de viatges
178 26,25% 3311 Tècnics en radioteràpia
179 26,25% 3312 Tècnics en imatge per a la diagnosi
180 26,28% 2624 Especialistes en polítiques i serveis de personal i similars
181 27,00% 3623 Professionals de suport de l'Administració pública de serveis d'expedició de llicències
182 27,90% 5899 Altres treballadors de serveis personals ncaa
183 28,00% 3721 Atletes i esportistes
184 28,00% 5210 Encarregats de secció de botigues i magatzems
185 29,57% 2936 Locutors de ràdio, televisió i altres presentadors
186 29,77% 3535 Portaveus i agents de relacions públiques
187 29,77% 3539 Representants artístics i esportius i altres agents de serveis comercials ncaa
188 31,25% 5991 Tècnics especialistes en serveis penitenciaris
189 32,20% 2414 Geòlegs i geofísics
190 32,39% 1212 Directors de recursos humans
191 32,40% 2651 Professionals de la publicitat i la comercialització
192 32,65% 7250 Mecànics instal·ladors de refrigeració i climatització
193 32,77% 2921 Escriptors
194 32,87% 5811 Perruquers
195 33,75% 1219 Directors de polítiques i planificació i d'altres departaments administratius ncaa
196 34,21% 3129 Tècnics en ciències físiques, químiques, mediambientals i en enginyeries ncaa
197 34,77% 5825 Guies de turisme
198 34,77% 5823 Acompanyants turístics
199 34,77% 5824 Hostesses de terra
200 35,65% 7402 Mecànics i ajustadors de motors d'avió
201 36,00% 3139 Tècnics en control de processos ncaa
202 36,03% 3523 Consignataris
203 36,50% 3734 Caps de cuina (xefs)
204 37,00% 2935 Actors
205 37,00% 9222 Netejadors de vehicles
206 37,00% 9603 Peons de la mineria, pedreres i altres indústries extractives
207 37,00% 5892 Empleats de pompes fúnebres i embalsamadors
208 37,10% 5812 Especialistes en tractaments d'estètica, benestar i similars
209 37,43% 3722 Entrenadors i àrbitres d'activitats esportives
210 37,63% 5821 Auxiliars de vol i cambrers d'avió, vaixell i tren
211 38,34% 2911 Arxivers i conservadors de museus
212 38,95% 5822 Revisors i cobradors del transport terrestre
213 39,00% 3622 Professionals de suport de l'Administració pública de serveis socials
214 39,00% 7835 Tapissers, matalassers i similars
215 39,17% 3510 Agents i representants comercials
216 40,20% 5710 Treballadors que tenen cura de les persones a domicili (excepte mainaders)
217 40,50% 2612 Assessors financers i en inversions
218 40,80% 5891 Assistents personals o persones de companyia
219 40,95% 8431 Conductors propietaris de camions
220 40,95% 8432 Conductors assalariats de camions
221 41,00% 7836 Adobers i preparadors de pells
222 42,00% 3143 Tècnics forestals i del medi natural
223 42,95% 5430 Expenedors de gasolina
224 43,00% 2810 Economistes
225 44,45% 3327 Ajudants de veterinària
226 45,65% 7612 Lutiers i similars; afinadors d'instruments musicals
227 46,00% 2613 Analistes financers
228 46,33% 5993 Agents forestals i mediambientals
229 46,33% 5999 Altres treballadors dels serveis de protecció i seguretat ncaa
230 46,33% 5992 Vigilants de piscines i platges, socorristes
231 46,40% 5893 Cuidadors d'animals i ensinistradors
232 46,75% 7614 Treballadors de la ceràmica, terrissaires i similars
233 47,00% 5611 Auxiliars d'infermeria hospitalària
234 47,00% 5612 Auxiliars d'infermeria d'atenció primària
235 47,15% 7405 Reparadors de bicicletes i similars
236 47,45% 3315 Tècnics en ortopròtesis
237 47,45% 3316 Tècnics en pròtesis dentals
238 47,45% 3317 Tècnics en audiopròtesis
239 47,75% 3126 Tècnics en mecànica
240 47,95% 8333 Operadors de carretons elevadors
241 47,95% 9441 Recollidors de residus urbans
242 48,00% 7892 Artillers metxers de mines
243 48,45% 8440 Conductors de motocicletes i ciclomotors
244 48,50% 7221 Lampistes
245 48,50% 7222 Muntadors instal·ladors de gas en edificis
246 48,50% 7223 Instal·ladors de canonades en obra pública
247 48,50% 7294 Muntadors instal·ladors de plaques d'energia solar
248 50,45% 3160 Tècnics de control de qualitat de les ciències físiques, químiques i de les enginyeries
249 50,85% 7899 Oficials, operaris i artesans d'altres oficis ncaa
250 51,00% 3402 Comercials de préstecs i crèdits
251 51,00% 5492 Promotors de venda
252 51,30% 3110 Delineants i dibuixants tècnics
253 52,00% 2513 Jutges i magistrats
254 52,00% 2912 Bibliotecaris, documentalistes i similars
255 52,00% 7618 Artesans del tèxtil, cuir i materials similars, preparadors de fibra i teixidors amb telers artesans o de teixits de punt i similars
256 52,00% 7837 Sabaters i similars
257 52,98% 3326 Tècnics en prevenció de riscos laborals i salut ambiental
258 53,16% 7832 Patronistes per a productes tèxtils i de pell
259 53,16% 7833 Talladors de teixits, cuir, pell i altres materials
260 53,50% 3141 Tècnics en ciències biològiques (excepte en àrees sanitàries)
261 53,61% 7531 Mecànics i mantenidors reparadors d'equips electrònics
262 53,61% 7532 Instal·ladors i mantenidors reparadors en electromedicina
263 53,83% 3733 Tècnics en galeries d'art, museus i biblioteques
264 55,83% 7611 Rellotgers i mecànics d'instruments de precisió
265 56,30% 8312 Agents de maniobres ferroviàries
266 56,47% 3122 Tècnics en construcció
267 56,50% 7621 Treballadors de processos de preimpressió
268 56,78% 8411 Conductors propietaris d'automòbils, taxis i furgonetes
269 56,78% 8412 Conductors assalariats d'automòbils, taxis i furgonetes
270 57,00% 6110 Treballadors qualificats en activitats agrícoles (excepte hortes, hivernacles, planters i jardins)
271 57,03% 7121 Paletes
272 57,33% 9210 Personal de neteja d'oficines, hotels i altres establiments similars
273 57,50% 3128 Tècnics en metal·lúrgia i mines
274 57,50% 4422 Recepcionistes d'hotels
275 58,33% 7533 Instal·ladors i mantenidors reparadors en tecnologies de la informació i la comunicació (TIC)
276 58,50% 7191 Treballadors de manteniment d'edificis
277 58,50% 7192 Instal·ladors de façanes tècniques
278 58,50% 7193 Instal·ladors de sistemes d'impermeabilització en edificis
279 58,50% 7199 Altres treballadors d'obres estructurals de la construcció ncaa
280 58,67% 5629 Altres treballadors que tenen cura de les persones en serveis de salut
281 59,00% 1315 Directors d'empreses d'abastament, transport, distribució i similars
282 59,50% 3321 Tècnics superiors en higiene bucodental
283 59,65% 3132 Tècnics en instal·lacions de tractament de residus, d'aigües i altres operadors de plantes similars
284 59,92% 9811 Peons del transport de mercaderies i descarregadors
285 60,00% 3831 Tècnics de l'enregistrament audiovisual
286 60,00% 3832 Tècnics de radiodifusió
287 61,00% 3739 Altres tècnics i professionals de suport d'activitats culturals i artístiques
288 61,00% 7705 Treballadors de la conservació de fruites i hortalisses i de l'elaboració de begudes no alcohòliques
289 61,00% 7706 Treballadors de l'elaboració de begudes alcohòliques (excepte el vi)
290 61,00% 7707 Treballadors de l'elaboració del vi
291 61,23% 8420 Conductors d'autobusos i tramvies
292 61,40% 3131 Tècnics en instal·lacions de producció d'energia
293 61,60% 4442 Empleats de venda d'apostes
294 61,60% 4443 Empleats de sales de joc i similars
295 62,16% 7404 Mecànics i ajustadors de maquinària naval i ferroviària
296 62,16% 7403 Mecànics i ajustadors de maquinària agrícola i industrial
297 63,00% 2454 Enginyers geògrafs i cartògrafs
298 63,00% 2483 Enginyers tècnics en topografia
299 64,00% 3533 Agents o intermediaris en la contractació de mà d'obra (excepte representants d'espectacles)
300 64,00% 9820 Reposadors
301 64,33% 3522 Agents de compres
302 64,41% 7521 Mecànics i reparadors d'equips elèctrics
303 64,53% 7401 Mecànics i ajustadors de vehicles de motor
304 65,00% 3812 Tècnics en assistència a l'usuari de tecnologies de la informació
305 65,00% 3820 Programadors informàtics
306 65,38% 8332 Operadors de grues, muntacàrregues i maquinària similar de moviment de materials
307 66,00% 7811 Treballadors del tractament de la fusta
308 66,00% 3711 Professionals de suport de serveis jurídics i serveis similars
309 66,00% 3712 Detectius privats
310 66,00% 5833 Conserges d'edificis
311 66,00% 9223 Netejadors de finestres
312 66,17% 3521 Mediadors i agents d'assegurances
313 67,00% 6120 Treballadors qualificats en hortes, hivernacles, planters i jardins
314 67,00% 6430 Treballadors qualificats en activitats cinegètiques
315 67,00% 2412 Meteoròlegs
316 67,50% 7709 Degustadors i classificadors d'aliments i begudes
317 67,65% 8311 Maquinistes de locomotores
318 67,88% 3534 Agents i administradors de la propietat immobiliària
319 68,00% 3613 Assistents de direcció i administratius
320 68,50% 3313 Tècnics en anatomia patològica i citologia
321 68,50% 3314 Tècnics en laboratori de diagnosi clínica
322 69,00% 9100 Empleats domèstics
323 69,57% 8111 Miners i altres operadors d'instal·lacions mineres
324 69,67% 3121 Tècnics en ciències físiques i químiques
325 70,00% 4500 Empleats administratius amb tasques d'atenció al públic ncaa
326 70,00% 6422 Pescadors fluvials i de litoral
327 70,00% 6423 Pescadors d'altura
328 71,00% 3324 Tècnics en optometria
329 71,00% 8170 Operadors de màquines de bugaderia i tintoreria
330 71,33% 7314 Muntadors d'estructures metàl·liques
331 72,00% 7131 Fusters (excepte ebenistes)
332 72,00% 7132 Instal·ladors i muntadors de tancaments metàl·lics (excepte muntadors d'estructures metàl·liques)
333 72,50% 8340 Mariners de pont, mariners de màquines i similars
334 73,00% 7293 Vidriers
335 73,00% 8152 Operadors de telers i altres màquines de teixir
336 73,20% 5110 Cuiners assalariats
337 73,33% 7894 Fumigadors i altres controladors de plagues i males herbes
338 73,50% 7292 Instal·ladors de material aïllant tèrmic i d'insonorització
339 73,50% 9490 Altres ocupacions elementals
340 74,00% 8145 Operadors d'instal·lacions de preparació de pasta de paper i de fabricació de paper
341 74,67% 7708 Preparadors i elaboradors de tabac i productes derivats
342 74,80% 9700 Peons de les indústries manufactureres
343 75,00% 7211 Guixaires
344 75,00% 7212 Aplicadors de revestiments de pasta i morter
345 75,50% 4424 Teleoperadors
346 76,00% 6209 Treballadors qualificats en activitats ramaderes ncaa
347 76,00% 6201 Treballadors qualificats en activitats ramaderes de bestiar boví
348 76,00% 6202 Treballadors qualificats en activitats ramaderes de bestiar oví i cabrum
349 76,00% 6203 Treballadors qualificats en activitats ramaderes de bestiar porcí
350 76,00% 6204 Treballadors qualificats en apicultura i sericicultura
351 76,00% 6205 Treballadors qualificats en avicultura i cunicultura
352 76,00% 6300 Treballadors qualificats en activitats agropecuàries mixtes
353 76,00% 6421 Treballadors qualificats en aqüicultura
354 76,67% 3404 Professionals de suport de serveis estadístics, matemàtics i similars
355 77,17% 8113 Sondistes i treballadors similars
356 77,33% 7322 Treballadors de la fabricació d'eines, mecànics ajustadors, modelistes, matricers i similars
357 77,50% 7312 Soldadors i oxitalladors
358 78,00% 7313 Planxistes i calderers
359 78,00% 3811 Tècnics en operacions de sistemes informàtics
360 79,00% 7704 Treballadors del tractament de la llet i l'elaboració de productes lactis, inclosos els gelats
361 79,00% 8321 Operadors de maquinària agrícola mòbil
362 79,00% 8322 Operadors de maquinària forestal mòbil
363 79,20% 6410 Treballadors qualificats en activitats forestals i del medi natural
364 80,00% 9602 Peons de la construcció d'edificis
365 80,50% 8201 Engalzadors de maquinària mecànica
366 80,50% 7231 Pintors i empaperadors
367 80,50% 7232 Pintors en les indústries manufactureres
368 81,00% 7311 Emmotlladors i matricers
369 81,00% 8143 Operadors de màquines de fabricar productes de paper i cartó
370 81,00% 9221 Netejadors en sec i a mà i similars
371 81,33% 8191 Operadors de forns i instal·lacions de vidrieria i ceràmica
372 81,60% 8160 Operadors de màquines d'elaborar productes alimentaris, begudes i tabac
373 82,00% 7240 Enrajoladors, parqueters i similars
374 82,20% 8141 Operadors de màquines de fabricar productes de cautxú i derivats de resines naturals
375 82,33% 7834 Cosidors a mà, brodadors i similars
376 82,50% 3123 Tècnics en electricitat
377 82,50% 3134 Tècnics de refineries de petroli i gas natural
378 83,00% 7622 Treballadors de processos d'impressió
379 83,00% 9229 Altre tipus de personal de neteja ncaa
380 83,00% 9541 Peons de la pesca
381 83,00% 9542 Peons de l'aqüicultura
382 83,23% 5000 Cambrers i cuiners propietaris
383 83,67% 7615 Bufadors, modeladors, laminadors, talladors i polidors de vidre
384 84,00% 3124 Tècnics en electrònica (excepte en electromedicina)
385 84,00% 3125 Tècnics en electrònica, especialitat en electromedicina
386 84,00% 3155 Tècnics en seguretat aeronàutica
387 84,00% 3833 Tècnics en enginyeria de les telecomunicacions
388 84,00% 4222 Codificadors i correctors d'impremta
389 84,00% 7831 Sastres, modistes, pelleters i barreters
390 84,50% 7701 Matadors i treballadors de les indústries càrnies
391 84,50% 7702 Treballadors de les indústries del peix
392 84,67% 8131 Operadors de plantes industrials químiques
393 84,67% 8132 Operadors de màquines de fabricar productes farmacèutics, cosmètics i similars
394 85,00% 3133 Tècnics en control d'instal·lacions de processament de productes químics
395 85,00% 9310 Ajudants de cuina
396 85,00% 3614 Secretaris de centres mèdics o clíniques
397 85,67% 4121 Empleats de control de subministrament i inventari
398 86,00% 4221 Empleats de serveis de correus (excepte empleats de finestreta)
399 86,00% 7122 Pedrers, trossejadors, picadors i gravadors de pedra
400 86,00% 8144 Operadors de serradores, de màquines de fabricar taulers i d'instal·lacions similars de tractament de la fusta i el suro
401 87,00% 9511 Peons agrícoles (excepte d'hortes, hivernacles, planters i jardins)
402 87,00% 9520 Peons ramaders
403 87,00% 9530 Peons agropecuaris
404 87,00% 9543 Peons forestals i de la caça
405 87,09% 7323 Ajustadors i operadors de màquines eina
406 87,50% 9320 Preparadors de menjar ràpid
407 88,00% 3135 Tècnics en control de processos de producció de metalls
408 88,00% 4122 Empleats d'oficina de serveis de suport a la producció
409 88,00% 8114 Operadors de màquines de fabricar productes derivats de minerals no metàl·lics
410 88,00% 8122 Operadors de màquines polidores, galvanitzadores i recobridores de metalls
411 88,00% 9601 Peons d'obres públiques
412 88,00% 8121 Operadors d'instal·lacions d'obtenció i transformació de metalls
413 88,33% 7111 Encofradors i operaris de la posada en obra del formigó
414 88,33% 7112 Muntadors de prefabricats estructurals (només de formigó)
415 88,50% 9431 Ordenances
416 88,50% 9432 Mossos d'equipatge i similars
417 88,50% 9433 Repartidors, persones dels encàrrecs i missatgers, a peu
418 89,00% 7315 Muntadors d'estructures cablejades i empalmadors de cables
419 89,00% 7703 Forners, pastissers i confiters
420 89,00% 8112 Operadors d'instal·lacions de preparació de minerals i roques
421 89,00% 8153 Operadors de màquines de cosir i brodar
422 89,00% 8192 Operadors de calderes i màquines de vapor
423 89,20% 8331 Operadors de maquinària de moviments de terres i equips similars
424 89,50% 5120 Cambrers assalariats
425 89,50% 5941 Vigilants de seguretat i similars habilitats per a portar armes
426 89,50% 5942 Auxiliars de vigilant de seguretat i similars no habilitats per a portar armes
427 89,50% 9434 Lectors de comptadors (aigua, gas, etc.) i recaptadors de monedes de màquines recreatives i expenedores
428 90,00% 5500 Caixers i taquillers (excepte de banca)
429 90,00% 4223 Empleats de serveis de personal
430 90,00% 4301 Introductors de dades
431 90,00% 7291 Muntadors de cobertes
432 90,58% 8142 Operadors de màquines de fabricar productes de matèries plàstiques
433 91,00% 4411 Empleats d'informació a l'usuari
434 91,00% 3322 Tècnics superiors en documentació sanitària
435 91,50% 7820 Ebenistes i treballadors similars
436 92,00% 5621 Tècnics auxiliars de farmàcia
437 92,20% 8202 Engalzadors d'equips elèctrics i electrònics
438 92,25% 8199 Altres operadors d'instal·lacions i maquinària fixa ncaa
439 92,50% 7324 Polidors de metalls i esmolets d'eines
440 93,00% 3621 Professionals de suport de l'Administració pública de tributs
441 93,00% 7321 Ferrers i forjadors
442 93,00% 9442 Classificadors de residus, operaris d'ecoparc i recollidors de ferralla
443 94,00% 3629 Altres professionals de suport de l'Administració pública per a tasques d'inspecció i control i similars
444 94,00% 4430 Agents d'enquestes
445 94,00% 5411 Venedors de quioscos
446 94,00% 5412 Venedors de parades de mercat i mercats ocasionals
447 94,00% 5491 Venedors a domicili
448 94,00% 5831 Supervisors de manteniment i neteja d'oficines, hotels i altres establiments
449 94,00% 5832 Majordoms domèstics
450 94,00% 5840 Treballadors propietaris de petits allotjaments
451 94,00% 9410 Venedors de carrer
452 94,00% 9812 Conductors de vehicles de tracció animal per al transport de persones i similars
453 94,80% 4309 Altres empleats administratius sense tasques d'atenció al públic ncaa
454 95,00% 4445 Cobradors de factures, deutes i empleats similars
455 95,00% 5220 Venedors de botigues i magatzems
456 95,00% 7613 Joiers, orfebres i argenters
457 95,00% 7616 Retolistes, gravadors de vidre i pintors decoratius d'articles diversos
458 95,00% 7623 Treballadors de processos d'enquadernació
459 95,00% 9512 Peons agrícoles d'hortes, hivernacles, planters i jardins
460 95,33% 3405 Taxadors
461 95,67% 2611 Especialistes en comptabilitat
462 95,75% 4210 Empleats de biblioteques i arxius
463 96,00% 4123 Empleats de logística i transport de passatgers i mercaderies
464 96,00% 4412 Recepcionistes (excepte d'hotels)
465 96,00% 8151 Operadors de màquines de preparar fibres, filar i debanar
466 96,50% 4423 Telefonistes
467 96,50% 4441 Caixers de bancs i similars
468 96,50% 4446 Empleats de finestreta de correus
469 96,80% 4113 Empleats d'oficina de serveis estadístics, financers i bancaris
470 97,00% 3142 Tècnics agropecuaris
471 97,00% 4111 Empleats de comptabilitat
472 97,00% 4112 Empleats de control de personal i nòmines
473 97,00% 5499 Altres venedors ncaa
474 97,00% 7812 Ajustadors i operadors de màquines de treballar la fusta
475 97,00% 8154 Operadors de màquines de blanquejar, tenyir, estampar i acabar tèxtils
476 97,00% 8156 Operadors de màquines de fabricar calçat, marroquineria i guanteria de pell
477 97,00% 8209 Muntadors i engalzadors ncaa
478 98,00% 3403 Tenidors de llibres
479 98,00% 3612 Assistents jurídics
480 98,00% 5493 Models de moda, art i publicitat
481 98,00% 7893 Classificadors i provadors de productes (excepte aliments, begudes i tabac)
482 98,00% 8193 Operadors de màquines d'embalatge, embotellament i etiquetatge
483 98,50% 3531 Representants de duanes
484 99,00% 5420 Operadors de telemàrqueting
485 99,00% 8133 Operadors de laboratoris fotogràfics i similars

(1) Aquest treball s’ha beneficiat de la indispensable assistència de la Cristina Farràs i dels excel·lents comentaris de tot l’equip de CaixaBank Research.

(2) En aquest sentit, la millora de la tecnologia sensorial també està permetent generar grans bases de dades amb informació sensorial que fins ara no estava quantificada.

(3) El diccionari O*NET de 2010, on hi ha 903 ocupacions (classificació SOC), proporciona una definició de les característiques principals de cada ocupació i una descripció de les tasques específiques que requereix. Frey i Osborne agreguen les dades del diccionari al codi ocupacional SOC de 6 dígits i les enllacen amb les dades sobre ocupació i salaris de 2010 que prepara el Bureau of Labor Statistics. Aquesta agregació fa que es quedin amb 702 ocupacions.

(4) En aquest estudi, utilitzem les enquestes de la EPA entre 2016 T2 i 2017 T2. En aquestes onades, de mitjana es van entrevistar al voltant de 160.000 persones al conjunt d’Espanya i 16.000 persones a Catalunya.

(5) Quan una categoria professional de la classificació CCO correspon a més d’una categoria de la classificació SOC, assignem a la categoria CCO la mitjana simple del risc d’automatització que Frey i Osborne assignen a les diverses categories SOC.

(6) Amb la EPA, cal treballar amb categories d’ocupacions de tres dígits, menys detallades que les categories a quatre dígits de la nostra llista de 485 ocupacions. Per tant, amb una mitjana simple, agreguem a categories ocupacionals de tres dígits les probabilitats d’automatització assignades a categories ocupacionals de quatre dígits i obtenim una llista final de 167 ocupacions.

(7) Les estimacions són molt semblants quan prenem cada publicació de la EPA per separat i mostren força estabilitat en les diverses onades analitzades (2016 T2 a 2017 T2).

(8) Gran part d’aquesta secció es basa en Arntz et al (2016).

(9) En primer lloc, estimen la relació entre el risc d’automatització estimat per Frey i Osborne (informació a nivell d’ocupació) i 43 característiques que consideren rellevants i per les quals troben informació a l’enquesta (informació a nivell d’individu). Amb aquesta relació, estimen un nou risc d’automatització, aquest cop assignat directament als individus (i no a l’ocupació), com a funció de la informació (individual) del PIAAC

(10) L'informe de McKinsey & Company (2015) estima que, actualment, només el 4% dels treballs als EUA són exigents en termes de creativitat.

(11) Vegeu Autor, D. H. (2015).

Back to Top

Document information

Published on 11/05/18
Accepted on 07/04/18
Submitted on 27/02/18

Licence: Other

Document Score

0

Views 157
Recommendations 0

Share this document