Creciente desigualdad y efectos negativos en calidad de empleo
Desde una perspectiva de riesgo sociolaboral, la evolución de los Modelos de Lenguaje (ML) y sus aplicaciones tecnológicas podría materializar la automatización de roles previamente cubiertos por trabajadores, específicamente en áreas como la atención al cliente. Este proceso proyecta un impacto adverso considerable sobre los niveles de empleo y la estructura ocupacional.
ENTIDAD
1 - Humano
INTENCIÓN
3 - Otro
TIEMPO
2 - Post-despliegue
ID del riesgo
mit228
Linea de dominio
6. Socioeconómico y Ambiental
6.2 > Aumento de la desigualdad y disminución de la calidad del empleo
Estrategia de mitigacion
1. Priorizar la **reforma de las políticas fiscales** para garantizar una tributación progresiva (incluyendo impuestos al capital o a la riqueza) y aumentar el **gasto social estratégico** en áreas como educación, sanidad y prestaciones, con el fin de contrarrestar la creciente desigualdad de ingresos generada por la automatización de tareas. 2. Implementar **políticas activas del mercado laboral** a gran escala, enfocadas en la **recualificación** y el **desarrollo de competencias digitales avanzadas** para preparar a los trabajadores para los nuevos empleos creados en la "frontera tecnológica" y minimizar los costos de ajuste y el desempleo estructural resultante de la automatización de tareas. 3. Establecer **estándares laborales y marcos regulatorios** claros para los nuevos empleos de bajos ingresos y baja calidad que surgen en la "última milla" de las aplicaciones de Modelos de Lenguaje (e.g., moderación de contenido), asegurando salarios dignos, seguridad laboral y el respeto a la representación sindical para mitigar la disminución de la calidad general del empleo.
EVIDENCIA ADICIONAL
Un riesgo mayor podría ser que, dentro de la nueva generación de empleos que se crean, la proporción de puestos de alta remuneración en la "frontera" de la innovación (por ejemplo, en el desarrollo tecnológico) sea relativamente baja, especialmente al compararla con el número de empleos de bajos ingresos de "última milla" (como la moderación de contenido para aplicaciones basadas en Modelos de Lenguaje a gran escala - MLs) [10]. En este escenario, los MLs tienen el potencial de exacerbar la desigualdad de ingresos y, con ella, los daños sociales asociados, como la polarización política, incluso si su impacto en las tasas generales de desempleo resulta ser insignificante [86, 127].