• La digitalización del sector agroalimentario: ¿qué nos dice Twitter?

    CatalanInglés

    La tecnología avanza a un ritmo frenético y ofrece a la cadena agroalimentaria numerosas oportunidades para que su producción sea más eficiente y sostenible. Además, la irrupción de la COVID-19 ha puesto de manifiesto que las empresas más digitalizadas pudieron continuar con sus actividades con más facilidad que el resto. En este artículo examinamos el grado de popularidad de las distintas tecnologías digitales que se utilizan en el sector primario y en la industria agroalimentaria a partir del análisis de texto de más de 2 millones de mensajes en la red social Twitter. Todas ellas son imprescindibles para crear un ecosistema conectado que formará la cadena alimentaria 4.0 del futuro.

    Plantilla

    plantilla_article_vs05

    Temática
    Miniatura
    Área geográfica

    La llegada inesperada de la pandemia ha puesto de manifiesto que las empresas más digitalizadas estaban más preparadas para adaptarse a la nueva situación y pudieron continuar con sus actividades de forma mucho más fluida que el resto. No cabe duda de que, en el nuevo entorno, la transformación digital de las empresas se presenta como un aspecto ineludible para fortalecer la competitividad empresarial. 

    El big data, la robótica, el internet de las cosas y el blockchain son algunos ejemplos de las nuevas tecnologías digitales que gradualmente están adoptando las empresas, en particular en el sector agroalimentario. La tecnología avanza a un ritmo frenético y está ofreciendo a la cadena agroalimentaria numerosas oportunidades para producir de una manera más eficiente y sostenible. Sin embargo, la información estadística sobre el grado de adopción de dichas tecnologías es limitada, y la fuente estadística oficial más completa1 no proporciona información sobre el sector primario. A continuación, presentamos un novedoso análisis sobre la «popularidad» de las nuevas tecnologías digitales en el sector agroalimentario a partir de la información de Twitter.

    • 1. Encuesta sobre el uso de las tecnologías de la información y las comunicaciones (TIC) y el comercio electrónico en las empresas, elaborada por el INE.
    Twitter como una fuente de información para detectar tendencias de futuro

    La información de Twitter puede ser muy valiosa para detectar nuevas tendencias de futuro, pues permite analizar la popularidad de determinados términos, según la frecuencia con la que aparecen en los tuits. Es cierto que no es lo mismo «hablar de ello» que haber implementado con éxito las distintas tecnologías digitales en el funcionamiento recurrente de la empresa. Por este motivo, los resultados que presentamos a continuación deben interpretarse sencillamente como indicativos de nuevas tendencias que pueden estar arraigándose en las empresas del sector agroalimentario. 

    La información de Twitter permite analizar el grado de «popularidad»

    de las distintas tecnologías digitales en el sector agroalimentario según la frecuencia en la que aparecen mencionadas en los tuits.

    Para este estudio, se procesó información de más de 24 millones de tuits emitidos por usuarios individuales y medios digitales durante el periodo 2017-2019. Entre ellos, 2 millones correspondían al sector agroalimentario. Usando técnicas de procesamiento de lenguaje natural, se categorizaron los tuits según las menciones de distintas tecnologías digitales y según el sector de actividad.2 La clave para obtener información relevante de las redes sociales pasa por definir previamente palabras «semilla» que permitan identificar los documentos correspondientes a cada uno de los sectores de actividad, y palabras «semilla» relacionadas con las distintas tecnologías digitales de interés.3 Mediante un algoritmo de machine learning se identificaron adicionalmente otras palabras relacionadas con el concepto en cuestión y que no fueron incluidas inicialmente, de modo que se amplió el espectro de documentos analizados. En este estadio, es importante hacer un cuidadoso cribado de palabras polisémicas (es decir, las que tienen más de un significado, como, por ejemplo, la palabra «reserva», que tanto puede referirse a la habitación de un hotel como a un vino).

    • 2. Este análisis fue realizado en colaboración con Citibeats, empresa especialista en el procesamiento de lenguaje natural no estructurado.
    • 3. Por ejemplo, las palabras «semilla» usadas para identificar el big data fueron: analytics, arquitectura de sistemas, data mining, database, inteligencia empresarial, Python y SQL, entre otras (además de big data propiamente).
    ¿Cuál es el grado de digitalización del sector agroalimentario según Twitter?

    Para valorar el grado de digitalización del sector agroalimentario según los datos de Twitter, necesitamos primero poner en perspectiva cuán habituales son los tuits sobre digitalización en otros sectores de actividad. El sector más digitalizado según nuestro análisis es el de las tecnologías de la información y la comunicación (TIC): un 3,2% de los tuits del sector contienen términos relacionados con la digitalización, un resultado que no sorprende, dada la propia naturaleza del sector. A continuación, encontramos el sector de las finanzas y los seguros, con un 2,7% de los tuits. 

    En el sector primario, este porcentaje es claramente inferior, del 0,6%, pero similar al 0,7% de las actividades profesionales, científicas y técnicas. En el caso de la industria agroalimentaria, el porcentaje de tuits sobre digitalización es solamente del 0,3%, muy próximo al sector de las manufacturas básicas (que aglutina la industria textil, la madera, el papel y las artes gráficas) y que presenta el porcentaje más bajo entre los sectores analizados, del 0,2%.

    p-26
    ¿Qué tecnologías digitales son más populares en el sector agroalimentario según Twitter?

    La riqueza de información obtenida de Twitter permite detectar las herramientas digitales más populares en cada sector de actividad según la frecuencia con la que se mencionan en los tuits analizados. Según nuestro análisis, una gran parte de los tuits del sector primario sobre digitalización suele incluir temas de big data (un 45% del total de tuits sobre digitalización). Un claro ejemplo de la aplicación de big data en el sector se encuentra en las denominadas técnicas de «agricultura de precisión», que requieren del análisis de grandes cantidades de información con el fin de optimizar la toma de decisiones para aumentar la producción y, a su vez, garantizar la sostenibilidad. Estas técnicas se usan, por ejemplo, para calcular las necesidades de riego de los cultivos teniendo en cuenta las condiciones climáticas (la radiación solar, el viento, la temperatura y la humedad relativa) y las características de los cultivos (especie, estado de desarrollo, densidad de plantación, etc.). Para realizar este cálculo, se necesitan datos meteorológicos actualizados en tiempo real, una elevada capacidad de computación y una gran velocidad de transmisión de la información para que el sistema de riego automático se ajuste debidamente. Esta tecnología ayuda a hacer más eficiente el uso del agua, un aspecto muy relevante en áreas de clima mediterráneo, altamente vulnerables al cambio climático y donde el agua es un factor limitante. 

    El «big data», el internet de las cosas y la robótica son las tecnologías más populares

    en el sector primario, y son indispensables para avanzar en la aplicación de técnicas de agricultura de precisión y la automatización inteligente del campo.

    Otras tecnologías populares en el sector primario son el internet de las cosas (16% de los tuits) y la robótica, incluyendo los drones (10% de los tuits). Las nuevas tecnologías digitales prometen ser una revolución en el ámbito de la agricultura y la ganadería en pleno siglo XXI, tal y como la clásica mecanización del campo lo fue en el siglo XX. Así, la maquinaria agrícola 4.0 (aquella más cercana a los robots de las películas de ciencia ficción que al tractor que estamos acostumbrados a ver en todas las explotaciones del país) permite aumentar la productividad a la vez que mejora las condiciones de trabajo en el campo. Esta tendencia hacia una mayor automatización de las tareas agrícolas se ha visto reforzada a raíz de la pandemia de coronavirus, pues la dificultad para contratar trabajadores de temporada debido a las restricciones a la movilidad internacional ha provocado un aumento del interés en la robótica y la automatización agrícola. En efecto, las empresas que fabrican robots para la agricultura han detectado un fuerte aumento de pedidos, por ejemplo, de robots que recogen fresas a la vez que eliminan el moho con una luz ultravioleta.4

    El uso de los drones merece una mención especial, pues ha experimentado un crecimiento exponencial en los últimos años y sus aplicaciones son cada vez más amplias: desde la detección temprana de plagas mediante la inspección aérea de grandes áreas de cultivo, hasta la localización de jabalíes mediante cámaras térmicas para impedir el contagio de peste porcina africana a los cerdos de granja.5

    • 4. Véase Financial Times Agritech «Farm robots given Covid-19 boost», 30 de agosto de 2020.
    • 5. Véase http://www.catedragrobank.udl.cat/es/actualidad/drones-contra-jabalies

    Popularidad de las distintas tecnologías digitales en el sector agroalimentario

    p-28

    El blockchain es la tecnología que más destaca en la industria agroalimentaria (30% del total de tuits sobre digitalización del sector). No podría ser de otra manera, pues tiene múltiples aplicaciones para la industria de la alimentación y las bebidas. Gracias a una cadena de registros inalterables y confiables, el blockchain permite ofrecer una trazabilidad completa de los productos en todos los eslabones de la cadena alimentaria. Así, el simple escaneo de un código QR proporciona acceso a toda la información referente a la procedencia, el método de producción, los tratamientos veterinarios recibidos, los ingredientes empleados, etc. Muchas empresas agroalimentarias ya están experimentando en la actualidad con el blockchain, puesto que ofrece claros beneficios en términos de la transparencia sobre el origen, la calidad del producto y la seguridad alimentaria, aspectos cada vez más valorados por los consumidores. La tecnología blockchain se está empleando también para limitar el desperdicio alimentario, otro reto ineludible del sector.

    El «blockchain» permite la autenticación digital

    de los productos alimentarios y permite su trazabilidad en todos los eslabones de la cadena alimentaria.

    En relación con otros sectores, ¿en qué herramientas destaca el sector agroalimentario?

    Hay algunas tecnologías digitales que son poco populares en todos los sectores de actividad, quizá porque tienen un rango de aplicación más limitado o específico. Es decir, tecnologías que, a pesar de tener un bajo porcentaje de tuits en términos absolutos según nuestro análisis, pueden tener una popularidad relativamente alta para un sector en comparación con el resto de los sectores. 

    Para detectar estos casos, calculamos una nueva métrica, el índice de concentración, que tiene en cuenta la popularidad relativa de las tecnologías en un sector respecto al resto de los sectores.6 Con esta metodología, obtenemos que el sector primario sigue destacando en big data. En concreto, el sector primario concentra un 9,2% del total de tuits sobre big data emitidos por todos los sectores, un porcentaje muy superior al 3,1% que representan los tuits del sector primario sobre el total de tuits analizados (véase en la siguiente tabla que el índice de concentración es igual a 3 en este caso). También observamos que el sector destaca en el internet de las cosas, como ya habíamos comentado, pero descubrimos que la nanotecnología también es una tecnología popular en el sector primario en términos relativos. Es decir, a pesar de que solo un 3,8% de los tuits del sector primario tratan temas de nanotecnología, este porcentaje es elevado en comparación con el 1,7% que representan los tuits de nanotecnología sobre el total (es una tecnología poco popular en general en todos los sectores, pero en el sector primario es algo más popular que en otros). Este dato no sorprende, puesto que la ingeniería genética es uno de los campos en los que más ha avanzado la tecnología para incrementar la productividad de los cultivos. Por ejemplo, al optimizar el rendimiento de las cepas es posible desarrollar plantas mucho más resistentes a las condiciones climáticas extremas o a las plagas.

    • 6. El índice de concentración se calcula como la ratio entre (1) el porcentaje de tuits de una tecnología y sector respecto al total de tuits de esta tecnología, y (2) el porcentaje de tuits de un sector respecto el total de tuits de todos los sectores. Valores superiores a 1 indican que la tecnología es relativamente más popular en ese sector.

    Índice de la concentración de tuits de cada tecnología respecto a los otros sectores

    p-29

    Finalmente, la realidad virtual y aumentada también es una tecnología relativamente popular en la industria agroalimentaria. En concreto, la industria agroalimentaria concentra un 6,2% del total de tuits sobre realidad virtual y aumentada emitidos por todos los sectores, un porcentaje que más que duplica el 2,5% que representan los tuits del sector primario sobre el total de los analizados (el índice de concentración es igual a 2,5 en este caso). Esta tecnología usa entornos virtuales (realidad virtual) o incorpora elementos virtuales a la realidad (realidad aumentada) que aportan conocimiento e información de utilidad para la optimización de los procesos. En un principio puede sorprender que esta tecnología sea relativamente popular en la industria agroalimentaria, pero sus usos se van extendiendo a medida que la industria va implantando las tecnologías digitales en sus procesos de producción, en la denominada industria 4.0. Un ejemplo concreto del uso de esta tecnología es el de la reparación de averías. Cuando se produce una avería, el operario utiliza gafas de realidad aumentada para, a través de ellas, seguir los pasos detallados en los manuales de instrucciones virtuales que se le proyectan sobre la lente para ayudarle a resolver la incidencia. Las gafas reconocen las diferentes partes de la máquina y le indican visualmente al operario dónde debe actuar para solucionar el problema.

    Los ejemplos para la aplicación de las nuevas tecnologías digitales en el sector agroalimentario son numerosos. Nos encontramos ante una revolución que está llamada a transformar los distintos eslabones de la cadena alimentaria: desde la explotación de datos y el uso de drones para lograr cosechas más eficientes, hasta el empleo de la tecnología blockchain para mejorar la trazabilidad de los productos finales que llegan a nuestros hogares. En definitiva, el futuro nos traerá la cadena alimentaria 4.0, un ecosistema totalmente conectado del campo a la mesa.

    Destacado Economia y Mercados
    Desactivado
    Destacado Analisis Sectorial
    Desactivado
    Destacado Área Geográfica
    Desactivado

Por qué crece menos la productividad

Contenido disponible en
Instrumento de navegación
Introducción

El menor crecimiento de la productividad en los últimos años tiene consecuencias palpables. Por ejemplo, se estima que, en 2015, el estadounidense medio hubiera ganado 8.400 dólares más si entre 2005 y 2015 la productividad hubiera crecido al mismo ritmo que entre 1995 y 2004.1 Además, como muestra el artículo «Revolución tecnológica y desaceleración de la productividad» en este mismo Dossier, de mantenerse la tendencia actual, en 2027 el estadounidense medio podría dejar de ganar 13.400 dólares. ¿Cuáles son los factores causantes de esta desaceleración? Veámoslo a continuación.

  • 1. Véase Syverson, C. (2016), «Challenges to Mismeasurement Explanations for the U.S. Productivity Slowdown», NBER Working Paper.
¿Desaceleración? ¿Qué desaceleración?

La desaceleración de la productividad es especialmente sorprendente a la luz de los importantes avances tecnológicos que se han producido en las últimas décadas.2 Dado que estos avances se han concentrado en las tecnologías de la información y la comunicación (TIC), cuya productividad es particularmente difícil de medir, una de las posibles explicaciones es que las estadísticas oficiales no reflejen la productividad verdadera.

En primer lugar, medir las mejoras de calidad y la evolución del precio de un mismo producto a lo largo del tiempo es más difícil de lo que parece, entre otras razones porque el producto evoluciona continuamente. Por ejemplo, si construimos un índice de precios de televisores a partir de los años cincuenta, deberemos comparar un aparato en blanco y negro (que, en 1956, costaba unas 30.000 pesetas o, corrigiendo por la evolución de la inflación, el equivalente a unos 7.000 euros actuales) con los primeros televisores a color y con los actuales televisores de alta definición y con conexión a internet (que podemos comprar por menos de 300 euros). El paso de un televisor de 7.000 euros a uno de 300 euros es un claro reflejo de ganancias en productividad, pero la magnitud de esta mejora no es solo la diferencia de precios, sino que también hay que tener en cuenta la mejora de la calidad, algo que es difícil de cuantificar en términos económicos. En la actualidad, en un entorno de rápidas mejoras tecnológicas relacionadas con las TIC, hay indicios de que las estadísticas oficiales subestiman las reducciones de los índices de precios3 y la mejora de la calidad de las tecnologías digitales y, por lo tanto, subestiman el crecimiento de su productividad. En el mismo sentido, hay indicios de que las estadísticas oficiales también subestiman las mejoras de productividad procedentes del aumento del comercio internacional.4

En un estudio para los EE. UU., Byrne y Fernald, de la Reserva Federal de los EE. UU., y Reinsdorf, del Fondo Monetario Internacional (FMI), construyen índices de precios que capturan con mayor precisión la evolución de la calidad y los precios de productos relacionados con las TIC, y estiman su impacto sobre la productividad agregada. La conclusión de Byrne y sus coautores es que los problemas de medida existen y, una vez corregidos, aumentan significativamente el «nivel» estimado de la productividad. Sin embargo, este aumento se produce de manera relativamente homogénea todos los años, de modo que no afecta sustancialmente a la desaceleración del «crecimiento» de la productividad. En concreto, estiman que, tras corregir los problemas de medida alrededor de las TIC, el crecimiento de la productividad laboral de los EE. UU. aumentaría en +0,21 p. p. anuales entre 1978 y 1995, +0,38 p. p. entre 1995 y 2004, y +0,19 p. p. entre 2004 y 2014.

En segundo lugar, otro elemento que dificulta la medida de la productividad es la reasignación del capital intangible y los beneficios de las multinacionales entre las empresas matrices y las filiales, situadas en jurisdicciones diferentes. Este efecto puede ser cuantitativamente importante porque, como muestran Guvenen y coautores,5 las empresas multinacionales representan más del 25% del valor añadido agregado de la economía de EE. UU., son importantes propietarias de capital intangible y han aumentado sustancialmente sus operaciones globales. Para ilustrar el mecanismo, supongamos que la empresa imaginaria Gafotas S. A. diseña unas gafas en EE. UU. y las vende a 100 dólares la unidad. La empresa encarga la manufactura a un productor asiático, con un coste de 80 dólares por gafa, y obtiene un beneficio de 20 dólares por unidad. Así, su contribución al PIB estadounidense, en concepto del valor añadido del diseño, es de 20 dólares. Sin embargo, si Gafotas S. A. asigna la propiedad del diseño a una filial, situada en una jurisdicción fiscalmente más favorable, y le paga 15 dólares por gafa en concepto de derechos de propiedad intelectual, las estadísticas oficiales registrarán una aportación al PIB estadounidense de solo 5 dólares. Guvenen y coautores reasignan los beneficios de las empresas multinacionales para que reflejen mejor el valor realmente añadido en cada jurisdicción y, tras este ajuste, estiman que el crecimiento de la productividad de los EE. UU. aumenta en «solo» 0,25 p. p. anuales entre 2002 y 2008. De nuevo, el problema de medida existe, pero no es suficientemente relevante.

Finalmente, la tercera pata de la teoría del error de medida es la creciente importancia de los bienes y servicios gratuitos. Efectivamente, la mayoría de las nuevas tecnologías que han irrumpido en el mercado desde 2004 (por ejemplo, teléfonos inteligentes y redes sociales) conllevan el consumo de productos intensivos en tiempo (lo que sugiere que aportan valor a sus usuarios), pero no imponen un elevado coste monetario a los consumidores. De hecho, la mayoría de estos productos solo generan ingresos indirectamente a través de la publicidad. Así, la contabilidad nacional los trata como un insumo intermedio en el proceso productivo (no como un producto final) y no se contabilizan directamente en el cálculo del PIB. Por ejemplo, en términos de contabilidad nacional, la película emitida en abierto por un canal de televisión un sábado por la tarde es un coste de producción de aquellas empresas que se anuncian en ese mismo canal. Del mismo modo, los ingresos de Facebook, Google y otras empresas que ofrecen bienes y servicios gratuitos y se financian a través de la publicidad se contabilizan como costes intermedios y quedan excluidos del cálculo directo del PIB (dado que este solo contabiliza productos finales).6

¿Es posible que la desaceleración observada de la productividad sencillamente refleje la menor capacidad de medir la actividad económica generada por las nuevas tecnologías? Tomemos de nuevo el ejemplo de la película televisiva e imaginémoslo como una transacción: la familia paga con su disposición a ver anuncios el derecho a disfrutar de la película. Para valorar monetariamente esta transacción, una posibilidad es utilizar los ingresos publicitarios recibidos por la cadena de televisión, que pasarían a considerarse un consumo final de los hogares (en vez de un consumo intermedio de los anunciantes) y entrarían directamente en el PIB. Esta es la metodología propuesta por Nakamura y Soloveichik (2015),7 quienes estiman que en agregado el «nivel» del PIB de EE. UU. aumentaría en un 0,5%. Sin embargo, esta cifra es muy estable a lo largo de los años y, por lo tanto, no afecta cuantitativamente al «crecimiento» de la productividad. Otra posibilidad es utilizar una estimación del valor monetario del ocio, dado que es en el tiempo libre cuando se consumen los bienes gratuitos. Syverson (2016) realiza este ejercicio y encuentra que, bajo los supuestos más favorables a la teoría del error de medida,8 los bienes digitales gratuitos podrían explicar algo menos de una tercera parte de la desaceleración de la productividad, una cifra muy significativa, pero insuficiente.9

En definitiva, aunque las nuevas tecnologías han conllevado una mayor dificultad para medir la actividad económica, los problemas de medida no parecen ser la explicación detrás de la desaceleración de la productividad.10

  • 2. Para más detalles sobre estos avances, véase el artículo «Escribiendo el futuro: el cambio de paradigma tecnológico y la nueva economía» en este mismo Dossier.
  • 3. Véase Byrne, M., Fernald, J. G. y Reinsdorf, M. B. (2016), «Does the United States have a productivity slowdown or a measurement problem?», Brookings Papers on Economic Activity.
  • 4. Concretamente, no capturan con precisión la reducción de costes que se produce cuando un productor, que compra sus consumos intermedios a un productor doméstico, pasa a comprarlos a un productor extranjero más económico.
  • 5. Véase Guvenen, R. J. et al. (2017), «Offshore Profit Shifting and Domestic Productivity Measurement», NBER Working Paper.
  • 6. Véase el artículo «El precio de lo gratuito» del Dossier «Contabilidad nacional en la era digital» en el IM11/2014.
  • 7. Véase Nakamura, L. y Soloveichik, R. (2015), «Valuing “Free” Media Across Countries in GDP», Federal Reserve Bank of Philadelphia Working Paper.
  • 8. Supuestos en términos del tiempo de ocio dedicado al consumo de productos digitales y del valor monetario asignado al mismo.
  • 9. Véase Byrne et al. (2016), combinan distintas metodologías y también descubren que los bienes digitales gratuitos no son, cuantitativamente, lo suficientemente relevantes para explicar la desaceleración de la productividad.
  • 10. Hay otros dos indicios contra la hipótesis del error de medida. Por un lado, la desaceleración también se observa en sectores donde la productividad se mide de un modo razonablemente preciso, como el comercio y las manufacturas. Por otro lado, en una comparativa internacional de países, no se observa una asociación entre la magnitud de la desaceleración y la importancia relativa de las TIC en cada economía.
Factores de fondo

Algunos economistas han argumentado que la desaceleración de la productividad refleja una vuelta a la normalidad.11 Como muestra el primer gráfico, entre 1995 y 2004, EE. UU. transcurrió por una aceleración puntual de la productividad, que se atribuye a la difusión de los ordenadores e internet. Así, si nos abstraemos de este episodio, nos encontramos ante una desaceleración que se remonta a la década de 1970 y que reflejaría el fin de la difusión de las ideas de la primera y la segunda revolución industrial. De hecho, algunas de las innovaciones que desencadenaron estas revoluciones, como el ferrocarril, el motor de combustión interna o la electricidad, fueron la base de nuevos desarrollos tecnológicos, como la expansión y la sofisticación de la red de transporte, la climatización o los electrodomésticos, que siguieron estimulando el crecimiento económico hasta más allá de la primera mitad del siglo XX. Sin embargo, según estos economistas, la desaceleración que observamos desde 1970 sugiere que las TIC tendrían un impacto más transitorio y no alterarían ni la productividad ni el bienestar de un modo tan fundamental.

¿Cómo encajamos esta visión, relativamente pesimista, con la multitud de avances tecnológicos que se están generando alrededor de la inteligencia artificial y el uso del big data? Una posibilidad es que nos encontremos en una fase de transición en la que empresas y consumidores todavía están aprendiendo a utilizar efectivamente la nueva tecnología. Al fin y al cabo, la larga difusión de las dos primeras revoluciones industriales muestra que las innovaciones tardan tiempo en filtrarse plenamente por la economía.

De hecho, si vamos más allá de las cifras agregadas, existen indicios de que la productividad empresarial sigue creciendo a buen ritmo. En concreto, en un estudio de la OCDE, Andrews, Criscuolo y Gal analizan la evolución de la productividad de un gran grupo de empresas de 24 países entre 1997 y 2014.12 Los autores construyen una «frontera de productividad» que solo incluye el 5% de empresas más productivas de cada año y cada rama de actividad, y analizan la evolución de esta frontera a lo largo del tiempo. Sus resultados muestran que la debilidad de la productividad agregada esconde una dualidad entre las empresas más productivas y el resto. En particular, en el sector manufacturero, la productividad de las empresas de la frontera avanzó un 2,8% anual entre 2001 y 2013, mientras que, para el resto, el crecimiento fue del 0,6%. Las diferencias son todavía más acusadas en el sector servicios: en tanto que la productividad de las empresas de la frontera creció a un ritmo anual del 3,6%, el avance del resto fue solo del 0,4%.

¿Qué explica esta divergencia? El análisis de Andrews y sus coautores indica que las diferencias no proceden de la inversión en capital físico. En cambio, encuentran indicios a favor de la aparición de «superempresas», así como de una menor difusión tecnológica. En otras palabras, por un lado, observan que las empresas de la frontera ganan mucha cuota de mercado, especialmente en sectores relacionados con las TIC, mientras que, con el paso del tiempo, disminuye el flujo de entradas y salidas de la frontera: por ejemplo, en el sector servicios, el 50% de las empresas de la frontera entre 2001 y 2003 también habían formado parte del 10% de empresas más productivas dos años antes, mientras que entre 2011 y 2013 esta cifra alcanzaba el 63%.

En definitiva, los resultados de Andrews y sus coautores nos ayudan a reconciliar la desaceleración de la productividad agregada con la emergencia de nuevas innovaciones tecnológicas. La clave es que las innovaciones digitales son intensivas en capital intangible y permiten reproducir los productos y la información a un coste marginal cercano a cero, por lo que facilitan que un productor se haga con la mayoría del mercado y nos movamos hacia una economía de dos velocidades, con empresas líderes en productividad y elevada inversión en capital intangible, y empresas con baja productividad y poca inversión en capital intangible.

  • 11. Véase Gordon, R. (2012), «Is US economic growth over? Faltering innovation confronts six headwinds», NBER Working Paper.
  • 12. Véase Andrews et al. (2016), «The global productivity slowdown, technology divergence and public policy: a firm level perspective», Hutchins Center Working Paper.
Productividad y el ciclo macroeconómico

Además de los factores de fondo mencionados, la fuerte recesión que experimentaron la mayoría de países desarrollados en los últimos años también puede haberse sumado a la menor pujanza de la productividad.13 En general, el crecimiento de la productividad suele tener un comportamiento procíclico: aumenta en las fases expansivas y se reduce en las recesiones. A priori, este comportamiento puede resultar poco intuitivo. De hecho, a principios del siglo pasado, cuando los datos eran muy escasos, se pensaba que la productividad era contracíclica. Wesley Mitchell, por ejemplo, suponía que durante una recesión la productividad aumentaba porque los trabajadores menos productivos eran los primeros en ser despedidos.14 Por el contrario, durante un boom económico suponía que la productividad caía debido a la escasez de mano de obra, que obligaba a las empresas a contratar trabajadores menos productivos para hacer frente a la demanda. Si bien este argumento resulta sugestivo, tal y como se muestra en el segundo gráfico, los datos no lo apoyan, excepto en el caso de España (caso cuya discusión diferimos por el momento).15

La reticencia por parte de las empresas a despedir a los trabajadores durante una recesión constituye la razón principal que se halla detrás del comportamiento procíclico de la productividad.16 La evidencia empírica disponible muestra que los costes de buscar un trabajador y formarlo (y también de despedirlo) son suficientes como para que muchas empresas prefieran mantener a parte de su plantilla durante una recesión, aunque esta permanezca parcialmente ociosa. En la medida de lo posible, intentan evitar incurrir con los costes mencionados anteriormente y así disponer del mejor capital humano a su disposición cuando los vientos vuelvan a soplar a favor.17

Si, como se ha comentado, los motivos por los que la productividad es procíclica en la mayoría de los países desarrollados son positivos, que en España sea contracíclica no es una buena noticia. Efectivamente, detrás de este fenómeno se encuentra la elevada dualidad del mercado laboral español, que favorece que los ajustes de capacidad de las empresas durante las recesiones se concentren en el factor trabajo.

  • 13. A menos que se haga mención expresa, siempre que, a continuación, hagamos mención a la productividad, esta será definida como productividad del trabajo: PIB por hora trabajada.
  • 14. Mitchell colaboró en la fundación del National Bureau of Economic Research (NBER) y fue su director.
  • 15. En 1913, la evidencia empírica disponible sobre productividad era escasa. No fue hasta alrededor de 1950 que se dispusieron de datos fiables sobre productividad que permitieran una evaluación de su comportamiento cíclico.
  • 16. Véase Biddle, J. E. (2014), «Retrospectives: The Cyclical Behavior of Labor Productivity and the Emergence of the Labor Hoarding Concept», Journal of Economic Perspectives, vol. 28, n.º 2, p. 212.
  • 17. El grado de retención del trabajador también depende de las perspectivas por parte de la empresa del tiempo que durará la recesión.
El impacto de la crisis financiera

Más allá de la evolución procíclica de la productividad, existe el temor de que la naturaleza y la profundidad de la crisis que vivieron la mayoría de países desarrollados haya tenido efectos que aún persistan. El tercer gráfico ilustra este temor: el crecimiento promedio de la productividad de las mayores economías desarrolladas en la actual fase expansiva es claramente inferior al observado en la última fase expansiva.

Aunque, tal y como apuntábamos anteriormente, existen factores de largo plazo detrás de esta ralentización, también hay dinámicas que pesan sobre el crecimiento de la productividad y que tienen su origen en la crisis financiera. Un factor de relieve es la ralentización de la inversión. La inversión pública se ha visto lastrada por los elevados niveles de deuda que acumulan muchos países. Por lo que respecta a la inversión privada, durante la crisis esta se desplomó, sobre todo, por la caída de la demanda, pero también se vio afectada por el elevado grado de incertidumbre que persistió durante la crisis y los primeros años de la recuperación económica. Un ejemplo vale más que mil palabras: en relación con el periodo 1970-2000, entre 2012 y 2016 el porcentaje del PIB destinado a la formación bruta de capital fijo cayó en promedio 2,6 p. p. en EE. UU., 5,6 p. p. en el Reino Unido, 4,5 p. p. en Alemania, 5,2 p. p. en Italia y 4,2 p. p. en España. Así, el FMI estima que la menor inversión explica una caída de alrededor de 0,2 p. p. del crecimiento de la productividad total de los factores (PTF) en el periodo 2008-2014.

Como se comentaba, en parte, la caída de la inversión fue especialmente acusada debido a la elevada incertidumbre que rodeó el episodio recesivo y la fase inicial del proceso de recuperación. A ello se le sumó la crisis financiera y la consiguiente caída del crédito, que también mermó la capacidad inversora de muchas empresas. En este sentido, un estudio reciente de Duval, Hong y Timmer muestra que aquellas empresas que tuvieron mayores dificultades en acceder al crédito durante la crisis en EE. UU. experimentaron caídas más pronunciadas de la PTF.1819 Los autores, además, observan que en este mismo grupo de empresas la inversión en activos intangibles se vio especialmente afectada. Ambos hechos podrían estar ligados si se tiene en cuenta que los activos intangibles, a diferencia de una máquina o un inmueble, son difíciles de utilizar como garantía de crédito.

  • 18. Véase Duval, R., Hong, G.H. y Timmer, Y. (2017), «Financial Frictions and the Great Productivity Slowdown», IMF Working Paper.
  • 19. Los autores clasifican a las empresas según su grado de apalancamiento y según el volumen de deuda que debía ser refinanciada en menos de un año a partir del 2007. Aquellas con un elevado grado de apalancamiento o elevado riesgo de refinanciación son clasificadas como empresas con dificultades de acceso al crédito. Para aliviar las dudas de que la caída observada de la productividad de las empresas con dificultades de acceso al crédito fuera debida a que estas eran empresas poco productivas, los autores muestran que el crecimiento de la PTF entre ambos tipos de empresas fue similar antes de la crisis financiera.
El futuro de la productividad

Aunque sería natural concluir con una previsión a futuro, el bagaje de las predicciones sobre la tecnología y la productividad no es muy prometedor. Por ejemplo, en 1927, uno de los máximos mandatarios de Warner Brothers se preguntaba, retóricamente, si existía alguien que realmente quisiera escuchar las voces de los actores. En la misma línea, en 1987, el Nobel de Economía Robert Solow afirmaba que «se puede ver la era de los ordenadores en todos los sitios menos en las estadísticas de productividad» (y, sin embargo, véase el repunte entre 1995 y 2004 en el primer gráfico). En vez de hacer predicciones, los diagnósticos de este artículo apuntan a una agenda clara de políticas públicas para estimular el crecimiento de la productividad (véase el editorial de este mismo Informe Mensual). A él referimos al lector.

    im_1802_d2_01_es_fmt.png
    im_1802_d2_02_es_fmt.png
    im_1802_d2_03_es_fmt.png
    Tendencias de fondo

    Revolución tecnológica

    Claves para entender cómo las nuevas tecnologías están transformando de manera profunda la economía y el funcionamiento de la sociedad.