Un tema en boca de todo el mundo es la digitalización. “Tenemos que prepararnos ya para la digitalización”, “Entrénese en el mundo de la digitalización”. Escuchamos frecuentemente frases como estas en los medios de comunicación, en las empresas y lo comenta el vecino de mesa en el comedor de la compañía. Y la política a nivel mundial no se ha quedado atrás y ha tomado medidas grandilocuentes:  EE.UU. cuenta con una “estrategia de gobierno digital” y Polonia ha dedicado a estos asuntos un ministerio entero. El parlamento alemán tiene un coordinador jefe y un ministro de estado para asuntos digitales y además cada ministerio tiene su propio departamento digital. ¡Uff!

Todo ello conduce al embeleso de que, a partir de ahora, las habilidades tecnológicas son las decisivas. Enseguida corre todo el mundo a apuntarse a algo: codificación, CRM, ERP, por ejemplo, en lugar de cursos de liderazgo o de idiomas. Los más pequeños deberían incluso ser genios de la informática, ya desde la escuela primaria, si es que quieren asegurarse una buena carrera profesional, claro. «Ten una larga lista de cualificaciones y todos te querrán», se oye en todas partes, «esto permite saltar rápidamente unos cuantos peldaños en la escalera de la carrera profesional».

Por qué ni siquiera Google centra ya su búsqueda únicamente en las perfectas cualificaciones

Resultó una auténtica sorpresa, bastante confusa, por cierto, lo que descubrió uno de los empleadores más populares del mundo, cuando investigó a sus empleados más exitosos. El gigante tecnológico Google quiso averiguar qué habilidades tienen en común y qué es lo que distingue consistentemente a sus mejores trabajadores. El resultado sorprendió a la empresa y particularmente, a muchos empleados de Recursos Humanos. Las competencias científicas y tecnológicas, como matemáticas, codificación, etc., ocuparon el último lugar en la lista. Porque, contrariamente a la suposición de que este tipo de competencias aseguran una carrera exitosa, resultó que las capacidades más importantes para el éxito se encuentran, sobre todo, en el área social. El grupo objeto de estudió mostró excelentes habilidades de comunicación y entrenamiento, así como gran capacidad de escuchar. También se observó como otra de las cualidades importantes, la capacidad de ponerse en el lugar de los demás, es decir la empatía. Y, por último, pero no menos importante, la habilidad de analizar relaciones de forma crítica. Las instituciones educativas de todo el mundo sintieron por fin que habían recibido una confirmación, en el sentido de que los académicos en humanidades son despiadadamente subestimados en el mercado laboral. Porque curiosamente, como mencionásemos al principio, las habilidades matemáticas terminaron en el último lugar. [1]

 

¿Cuáles habilidades vamos a necesitar en el 2030?

Las conclusiones anteriores se ven ratificadas en un estudio realizado por la empresa auditora Deloitte. Dicho estudio examinó en particular, cuales competencias van a ser decisivas para puestos de trabajo de nueva creación, hasta el 2030. El estudio señala que las personas altamente capacitadas en matemáticas serán muy demandadas durante el auge de la automatización, pero que habilidades como creatividad, inteligencia social y emocional, serán más requeridas en el futuro y a largo plazo. Por otra parte, existe un sector muy importante y en continuo crecimiento, el sector servicios, en el cual este tipo de habilidades, llamadas sociales o blandas, son especialmente valoradas. Adicionalmente, las habilidades sociales también proporcionan una protección directa contra la automatización, porque en lo que se refiere a creatividad e inteligencia social, tenemos los humanos absoluta ventaja sobre las máquinas. Existe una gran necesidad en cuanto a habilidades de comunicación y lenguaje, como también de creatividad, originalidad y flujo de ideas [2].Entonces, es cuando cobra sentido aquel famoso “pensamiento fuera de lo común” (“thinking outside the box”). Piense, por ejemplo, en un gerente de proyecto quien distribuye excelentemente el presupuesto para sus proyectos, pero sencillamente no puede entender los problemas o necesidades de los clientes.

 

¿Estamos valorando injustamente los logros académicos?

Mark Cuban, un multimillonario estadounidense de la industria del software, lo expresó en pocas palabras en 2017: «Haré una predicción. En diez años, valdrá más una licenciatura en filosofía que una licenciatura en programación tradicional». Porque, según Cuban, las máquinas podrán calcular y programar para nosotros, y de acuerdo a lo que pronostica «será más valioso saber pensar críticamente y evaluar desde una perspectiva global, que lo que hoy consideramos carreras prometedoras, como programación….un diploma en contaduría o ese tipo cosas». [3]

La cuestión es: ¿cómo tratar estos hallazgos en términos de educación?, ¿qué necesitamos realmente enseñar a los jóvenes para tener éxito y ser felices en el mundo del 2030? Si cree que los padres, creadores de la tecnología mundial, están especialmente ocupados con el desarrollo de las competencias tecnológicas, probablemente no sea así. En la familia Gates, por ejemplo, sólo en la cocina se puede gastar tiempo en la computadora y no hay teléfonos inteligentes. Para Mark Zuckerberg, es más importante que sus hijos pasen más tiempo leyendo y al aire libre. [4] Jack Ma, fundador del Grupo Alibaba, también afirmaba en un discurso: «Le dije a mi hijo: -no tienes que estar entre los tres primeros de tu clase, estar en el medio es bueno, siempre y cuando tus notas no sean tan malas-. Sólo este tipo de persona (un estudiante dentro de la media) tiene suficiente tiempo libre para aprender otras habilidades. Creo que para que la economía de China se desarrolle, necesita muchas pequeñas y medianas empresas, dirigidas individualmente, y eso requiere muchos empresarios con valores y empuje». [5]

Los ejemplos anteriores podrían ser una descripción de la vida de Steve Jobs. Existen muchas historias similares sobre su comportamiento como padre. ¿Sabían los grandes pioneros de la tecnología el rol decisivo que sus habilidades sociales tuvieron y continúan teniendo en su camino hacia el éxito? Se ha dicho siempre de Jobs que no andaba muy sobrado en el área social, pero varios análisis psicológicos reflejan que el hombre simplemente sabía exactamente cuando quería hacer uso de su inteligencia emocional y cuando no tanto. Después de todo, tuvo muchos empleados los cuales dejaron Apple para fundar sus propias Start-Up’s, no solo con su consentimiento, sino gracias a él. Aparentemente sabía muy bien como dar empuje y motivar. [6]

 

Las habilidades sociales también son decisivas para un buen match

Habilidades sociales bien desarrolladas ayudan en cualquier campo de trabajo y no deben ser subestimadas, aún cuando nos encontremos en la era más sensible de la tecnología. De lo que podemos estar seguros es que la inteligencia social y emocional continuarán siendo decisivas para una actividad económica exitosa, hasta más allá del 2030. Nosotros en JANZZ, somos plenamente conscientes de lo importante que son las habilidades sociales para un buen match entre personas y empleos, ya que las mismas determinan en realidad si un candidato se integrará bien en un equipo y/o empresa. Nuestro algoritmo especial de matching toma en consideración no solo el título del puesto de trabajo y la formación, sino también otros pequeños detalles, los cuales conducen a la elección correcta, como las muy importantes habilidades sociales. De este modo, se puede garantizar un acercamiento al match perfecto, basado en los últimos descubrimientos sobre las características de los mejores empleados. Estaremos encantados de proporcionarle información adicional sobre los mejores algoritmos de matching y de asesorarle sobre el mejor camino hacia una excelente intermediación.

Envíenos su consulta a sales@janzz.technology

 

 

[1] Strauss, Valerie. 2017. La sorpresa que se encontró Google sobre sus empleados – y lo que ello significa para los estudiantes de hoy en día. URL: https://www.washingtonpost.com/news/answer-sheet/wp/2017/12/20/the-surprising-thing-google-learned-about-its-employees-and-what-it-means-for-todays-students/?noredirect=on&utm_term=.d4cfd1f9cd76 [2018.09.15].

[2] Deloitte AG (Hrsg.). 2017. ¿Cuáles competencias son claves en la era digital? Efectos de la automatización sobre los trabajadores, las empresas y el sistema educativo. URL: https://www2.deloitte.com/content/dam/Deloitte/ch/Documents/innovation/ch-de-innovation-automation-competencies.pdf [2018.09.15].

[3] Watson, Christine. 2018. RecTech está creando más – no menos – necesidad del toque humano. URL:  https://www.daxtra.com/2018/08/03/rectech-creating-more-need-for-human-touch/ [2018.09.15].

[4] Johnson, Alice. April, 7^th, 2018. Punto de vista: estilo paterno de los billonarios de la tecnología. En: The Times. New York City.

[5] Custer, C. 2015. Jack Ma: “Lo que le dije a mi hijo sobre la educación”. URL: https://www.techinasia.com/jack-ma-what-told-son-education [2018.09.15].

[6] Bariso, Justin. 2018. ¿Era Steve Jobs emocionalmente inteligente? Le sorprendería la respuesta.  En: Inc. URL: https://www.inc.com/justin-bariso/was-steve-jobs-emotionally-intelligent-answer-may-surprise-you.html [2018.09.15].

Cada dos días producimos la cantidad de datos que se produjeron en total hasta el año 2003. Esto era un hecho ya en 2010, lo cual resultaba impactante para el ex director general de Google, Eric Schmidt, y desde entonces la producción de datos ha continuado, obviamente, acelerándose. Aunque la expresión «procesamiento masivo de datos» no es nada nuevo, sí lo es el furor reciente en torno al cada vez más conocido término «Big Data» (en español: macrodatos, datos masivos o datos a gran escala) . Dicho entusiasmo no ha hecho más que empezar[1]. Resulta muy fácil perderse en esta inmensa y creciente jungla de datos y métodos complicadísimos para el procesamiento de los mismos.

 

Las coincidencias no se pueden calcular …

…Y es que según afirmaba Gerd Antes, en una entrevista para el Tagesanzeiger: «más datos no significa más conocimiento». El conocido matemático alemán critica duramente el boom publicitario que se le da al uso del Big Data, debido a que cuanto mayor sea la masa de datos, más probables son las correlaciones o correspondencias que se generan aleatoriamente. Así se producen hechos curiosos como el siguiente: En Estados Unidos, la curva estadística del consumo de queso per cápita y la de las muertes producidas en la cama, por enredos con las sábanas, son idénticas. Un análisis realizado con Inteligencia Artificial, arrojaría inmediatamente conclusiones sobre este hecho, mientras que un científico humano reconocería enseguida que se trata de una casualidad. [2]

Según muchos fanáticos de todo lo concerniente a Big Data, las coincidencias ya no existen. Los defensores acérrimos afirman que, si se dispone de una cantidad suficiente de datos, mediante el uso de las computadoras, el “Deep Learning” y los análisis correctos, todas las interrelaciones pueden ser calculadas de antemano. Según estos mismos seguidores, la experiencia y las herramientas de formación existentes hasta ahora (provenientes del pasado), son absolutamente suficientes para ello, y además afirman que apenas se producen regiones de error, a causa de falta de datos, o datos irrelevantes. Estas conclusiones son una auténtica fatalidad. Por supuesto que existen en la actualidad ciertos campos y períodos de tiempo en los cuales se pueden establecer interrelaciones más fácilmente, donde la probabilidad juega un papel menos importante. Sin embargo, esto no debería significar de ninguna manera que se han erradicado factores como coincidencias o desviaciones significativas. ¿Sería posible, por ejemplo, a través de un análisis de datos antiguos, prevenir con precisión posibles accidentes de tráfico en el futuro? o ¿Es factible digitalizar la prevención de enfermedades, considerando que la información sobre la evolución de las mismas y en consecuencia los datos digitales de los pacientes, están lejos de ser lo suficientemente completos, uniformes y relevantes? [2]

 Por lo tanto, el análisis de datos puede poner en peligro la vida…

Especialmente en medicina. Gerd Antes no es el único que advierte sobre el boom del Big Data y de la Inteligencia Artificial. Si, basándose en resultados de análisis de Big Data y Machine Learning se utiliza un método de tratamiento incorrecto, las consecuencias pueden ser muy peligrosas, tanto para las personas, como para los bolsillos y la reputación. Es probable que las verdaderas correlaciones e inconsistencias dentro de esta enorme cantidad de datos, ni siquiera sean descubiertas; inconsistencias y correlaciones que pueden amenazar o salvar vidas. [2]

Recientemente IBM se adjudicó, nuevamente, titulares negativos, cuando la compañía de medios de comunicación STAT analizó los documentos internos de IBM para un reportaje, tras lo cual se hizo pública la conclusión de que la plataforma “Watson for Oncology” había recomendado repetidamente tratamientos contra el cáncer «inseguros e incorrectos». También sacaron a la luz que los empleados y supervisores de IBM eran conscientes de estos errores. Tras todo el revuelo, ninguna muerte a causa de estas equívocas recomendaciones ha sido demostrada, pero muchos hospitales de renombre han decidido no seguir utilizando la tecnología de muchos millones de dólares. [3]

En este sentido, se puede decir que se empiezan a observar los primeros signos de un replanteamiento y de un enfoque algo más racional en el ámbito de la IA. La aparentemente ilimitada y exorbitada publicidad sobre el maravilloso ordenador Watson de IBM en el campo de la medicina, durante un período que duró de 2 a 3 años, finalmente parece que acaba. Muchas otras aplicaciones similares le seguirán, a más tardar, cuando los hechos y los resultados confiables y relevantes, cobren su verdadera importancia, frente a grandes promesas y enormes campañas de auto-promoción de los conocidos gigantes tecnológicos globales y sus, a menudo, muy experimentales productos. Una cosa es cierta: los hallazgos y lecciones aprendidas en el campo de medicina, descritos anteriormente, pueden ser extrapolados casi 1:1 al mercado digital de RRHH y como ejemplo, al emparejamiento entre candidatos y ofertas de empleo.

 

El conocimiento confiable viene de los expertos

Hace más de cinco años Cornel Brücher hizo alarde de provocación con su trabajo «Rethink Big Data» y describió a los fanáticos del Big Data como tontos (2). Desde el principio, nosotros en JANZZ hemos analizado este asunto de forma bastante similar. Conseguir adquirir mayores conocimientos en el campo de los empleos, CV’s y datos más complejos del marcado laboral, basándose exclusivamente en Machine Learning, simplemente no es posible. Cualquiera que diga lo contrario está equivocado de forma probada. Y las afirmaciones en tal sentido, continúan siendo falsas e inútiles, no importa cuán a menudo se repitan las mismas ideas y se reciclen los productos, para su nueva difusión y comercialización. Y esto es así, incluso cuando actualmente se invierte mucho más dinero en estas tecnologías que antes.

Por esta razón, y pese a las numerosas inversiones, los resultados que se basan en este mismo enfoque, siguen siendo en gran medida insuficientes y apenas han mejorado en los últimos años. Esta ausencia de avances significativos, se observa independientemente del tamaño de los registros de datos utilizados, como en el caso de LinkedIn o IBM & Co., por ejemplo. Los resultados obtenidos con Machine Learning serán cada vez más propensos a errores, a medida que se añadan nuevos factores, variables, reglas y relaciones complicadas. De esta manera surgen, por ejemplo, falsas correlaciones y de cuando en cuando, supuestas causalidades. En contraposición, los gráficos de conocimiento u ontologías, crean la posibilidad de representar y utilizar el conocimiento de una manera muy profunda y estructurada. Debido a que los conocimientos de expertos en cada campo se almacenan y conectan de forma estructurada (y no son analizados por informáticos, los cuales son expertos en programación, pero no en medicina, ingeniería, banca de inversión, etc. por ejemplo), el conocimiento de las ontologías es fácilmente verificable y muy confiable. No siendo el caso de lo que se calcula a partir de Machine Learning. Dado que los gráficos de conocimiento comprenden las relaciones entre muchas áreas diferentes, sólo éstos pueden proporcionar resultados de búsqueda y recomendaciones relevantes y precisas. Por ejemplo, en el área de datos sobre empleo: Un gráfico de conocimiento reconoce las diferencias y las interrelaciones entre competencias, experiencia, funciones, especializaciones y formación. Así, reconoce la información importante para el puesto «P» con la formación «F» y competencia «C». Tomemos como ejemplo un «Senior Cloud Architect«. Una ontología reconoce este puesto de trabajo y sabe que, por ejemplo, un “máster en informática” podría conducir algún día a esta posición, si el candidato tiene además la competencia «Cloud Solution Development» y varios años de experiencia profesional.

 

Google también confía en expertos y gráficos de conocimiento para los datos de empleo

Esto fue proclamado por Google cuando la empresa lanzó su gráfico de conocimiento «Google Cloud Jobs API«, en el cual se basa su búsqueda de Google for Jobs (véase «Google lanza su buscador de trabajo apoyado en la ontología. ¿Y ahora qué?»). Google se dio cuenta entonces, de que un enfoque basado en ontología daría mejores resultados de búsqueda. Cuando se hace una búsqueda semántica (a través un gráfico de conocimiento) de un “asistente administrativo” los resultados no arrojarán “administrador de RRHH” o “software de administración” solo porque contienen palabras similares al término de búsqueda. Posiblemente un análisis de Big Data determinaría correlaciones aleatorias y sugeriría, por lo tanto, otros puestos de trabajo, completamente diferentes, porque tienen requisitos de competencias similares (por ejemplo: tanto un ingeniero como cualquier trabajador de oficina, necesitan, sin duda, conocimientos sobre Microsoft Office, pero no por ello tienen ambos las mismas competencias).

Reconocer las diferencias, tener una amplia comprensión general de las profesiones y sus interrelaciones y, por ende, llegar verdaderamente a conocer el campo de la búsqueda de empleo, sólo es posible con un gráfico de conocimientos. Así describió Matt Moore, gerente de producto de Google Cloud, el origen y sentido de Google Cloud Jobs API: «Queremos ofrecer a todos los empleadores y solicitantes una mejor experiencia de búsqueda de empleo. Porque, enfrentémoslo, contratar a la gente adecuada es lo más importante que tienen que hacer las compañías». [4]

 

Sólo las personas tienen el conocimiento necesario para comprender la naturaleza humana …

Y eso plantea la cuestión de en quién se puede confiar realmente, cuando se trata de esta tarea tan importante: la selección de personal. La historia interminable: según el CV, el candidato/a era el perfecto/a, pero desafortunadamente su personalidad no encajaba en absoluto. Sacar tales conclusiones, que no se pueden extraer de los datos (digitales) disponibles, le corresponde a los especialistas en RRHH, es decir, a las personas. Las herramientas tecnológicas pueden gestionar CVs y clasificar según criterios obvios como educación, habilidades, experiencia, etc., siempre y cuando el aluvión de datos sea manejable y, sobre todo, si se evalúa correctamente. Incluso el mejor candidato sobre el papel puede desaparecer repentinamente entre la multitud, debido a la gran cantidad de criterios malinterpretados o incomprendidos. Y el CV No. 1 que arroja el resultado de búsqueda, no siempre pertenece al mejor candidato/a. En la firme creencia de que hasta el último factor humano será finalmente desterrado de los procesos, cada vez más empresas tecnológicas y start-ups persisten en el intento de digitalizar esta dimensión de los RRHH y controlarla gracias a la Inteligencia Artificial. Dichos intentos se realizan, una vez más, con métodos en su mayoría inadecuados y los procesos se llevan a cabo incluso antes de que los datos digitales existentes sean realmente utilizables, procesables, y hayan sido evaluados correctamente. En esto sí están de acuerdo los especialistas y proveedores líderes de tecnologías, quienes desde años se ocupan del desarrollo de procesos y productos serios, consistentes y duraderos, para el campo de los recursos humanos digitalizados; y no sólo desde que Google también entró en este segmento de mercado. [5]

 

Big Data limita el desarrollo del conocimiento

Entonces, llegamos a la conclusión de que más datos no necesariamente significa, en realidad, más conocimiento. Los conocimientos deben ser estructurados, examinados y validados. Y los expertos tienen que estar involucrados en el proceso. Por lo tanto, es necesario actuar con cautela a la hora de combatir la avalancha de datos, los cuales no pueden finalmente estructurarse, dando lugar a correlaciones aleatorias. Alexander Wissner-Gross, científico de la Universidad de Harvard y del Instituto Tecnológico de Massachusetts (MIT), lo ha resumido de una manera interesante: «Quizás la noticia más importante de nuestro tiempo es que los conjuntos de datos, y no los algoritmos, podrían ser el factor limitante decisivo para que el desarrollo de la inteligencia artificial alcance el nivel de la inteligencia humana”. [6]

Por tanto, es mucho más prometedor el contenido del conocimiento en sí y no la cantidad de datos de los cuales se extrae ese conocimiento. Y lo que también resulta a la vez prometedor y tranquilizador, es que, en última instancia, sólo los expertos, o las herramientas basadas en la experiencia real, pueden hacer juicios fiables y correctos en muchas áreas importantes, como la medicina o la selección de personal. Todo esto hace que el boom publicitario sobre Big Data e Inteligencia Artificial en aplicaciones para RRHH, sea un poco más soportable. Y nuestra misión en JANZZ.technology «We turn Big Data into Smart Data» (“Convertimos macrodatos en datos inteligentes») está más vigente que nunca.

 

[1] Brücher, Cornel. 2013. Rethink Big Data. Frechen: MITP-Editorial.

[2] Straumann, Felix. «Vieles ist blankes Marketing». Big Data. En: Tagesanzeiger (2018), Nr. 168, Pág. 32.

[3] Spitzer, Julie. 2018. IBM’s Watson recommended “unsafe and incorrect” cancer treatments, STAT report finds. URL: https://www.beckershospitalreview.com/artificial-intelligence/ibm-s-watson-recommended-unsafe-and-incorrect-cancer-treatments-stat-report-finds.html [2018.08.01].

[4] Del video: Google Cloud Platform. 2017. Google Cloud Jobs API: How to power your search for the best talent (Google Cloud Next ’17). URL: https://www.youtube.com/watch?v=Fr_8oNKtB98 [2018.08.03].

[5] Watson, Christine. 2018. RecTech is creating more – not less – need for the human touch. URL: http://www.daxtra.com/2018/08/03/rectech-creating-more-need-for-human-touch/?utm_content=75449136&utm_medium=social&utm_source=twitter [2018.08.09].

[6] Alexander Wissner-Gross. 2016. Datasets Over Algorithms. URL: https://www.edge.org/response-detail/26587 [2018.07.27].

“Ser su propio jefe”: el sueño de muchos. No tener que decir siempre “si, con gusto”, asumiendo así cualquier tarea desagradable que se le ocurra de repente al jefe. En contraposición, muchos temen a la idea de trabajar por cuenta propia, por el hecho de que los ingresos no están garantizados y por no poder contar en el futuro con una pensión de jubilación. Otros en cambio, ven más oportunidades de ingresar regularmente mayores sumas en su cuenta bancaria como autónomos, que como empleados por cuenta ajena. Diversos estudios de la OCDE (Organización para la Cooperación y el Desarrollo Económico) explican el trasfondo de todo esto de la siguiente manera:

La OCDE define la autonomía laboral como un grupo que incluye: «empleadores, trabajadores por cuenta propia, miembros de asociaciones de productores, o miembros de familia sin remuneración». Las estadísticas de la organización, basadas en encuestas periódicas, muestran que la proporción de trabajadores autónomos dentro del total de población activa, varía mucho de un país a otro. En los Estados Unidos, por ejemplo, solo alrededor del 6,4% trabaja de forma autónoma, en comparación con el 51,3% en Colombia (véanse las estadísticas de la OCDE, 2018).

Existen diversas razones que explican por qué el autoempleo goza de una popularidad tan dispar. He aquí un ejemplo: en algunos países, una gran proporción de la población activa trabaja en el sector agrícola, que a menudo es autónomo. En el caso de Colombia, alrededor del 15% de los colombianos trabajan en agricultura. En países con una pequeña proporción de trabajadores autónomos, como Dinamarca, Suecia o Canadá, solo alrededor del 2% pertenecen al sector agrícola. El autoempleo en los Estados Unidos ha disminuido drásticamente en los últimos 25 años; aun cuando a mediados de la década de los 90, se encontraba en la mitad de la siguiente gráfica. Una de las causas de ello es la inmensa reducción del sector agrícola, lo cual ha traído como consecuencia la desaparición de muchos trabajadores autónomos.

Por supuesto existen otros factores adicionales conocidos, que pueden conducir a un mayor grado de independencia laboral. Los índices de delincuencia empresarial, la falta de transparencia de los flujos de tesorería y la relación poco equitativa entre carga de trabajo y remuneración, son parte de los mencionados factores. Se observa frecuentemente y de manera tendencial, que países con altos niveles de salario promedio, cuentan con una tasa baja de empleados autónomos. Estados Unidos se encuentra a la cabeza, con un salario promedio anual de más de 60.000 USD. Dinamarca, Canadá y Noruega también están en la cima, con alrededor de 50.000 USD en promedio. Colombia, por el contrario, se ubica bastante lejos, con un salario promedio alrededor de los 6.000 USD.

A tenor de lo anterior, países con una gran proporción de ciudadanos que viven por debajo del límite de la pobreza, cuentan también con un mayor índice de trabajadores autónomos. Según cifras de la OCDE, el 24% de la población colombiana está afectada por la pobreza. En 2016, la OCDE también determinó, en cuales países existen más personas debajo del umbral de pobreza, a pesar de estar empleadas. Aquí se observa también esta tendencia: en muchos de los países más afectados por la pobreza, los ciudadanos optan frecuentemente por el autoempleo. Así ocurre, por ejemplo, en Brasil, Grecia, México y Turquía.

Otro indicador significativo es el promedio de la jornada laboral. Grecia, México y Chile muestran un número particularmente elevado de horas de trabajo al año, entre 2.000 y 2.250 horas. Se puede mencionar como algo llamativo, el hecho de que los noruegos y los daneses trabajan, en comparación, pocas horas, unas 1400 al año y solo un pequeño porcentaje entre estos, elige el empleo por cuenta propia. En lo que se refiere a las horas promedio semanales de trabajo, como empleado fijo o contratado, Colombia se encuentra claramente en la primera posición, con más de 48 horas semanales. Si se considera el total de trabajadores (contratados, eventuales y autónomos), el número se reduce a 44 horas por semana.

Por último, pero no por ello menos importante, la incertidumbre propia del mercado laboral, es decir, la probabilidad de perder el empleo, junto con una elevada carga de trabajo, son también factores que influyen en la elección del trabajo por cuenta propia. Dichos factores cuentan con un peso relativamente bajo en países como Noruega, Canadá y Dinamarca, en los cuales la cifra de trabajadores autónomos es mínima, en comparación con los elevados porcentajes de Turquía, Grecia y Colombia, como ya mencionásemos anteriormente.

Siendo Colombia, con diferencia, el país con mayor índice de autoempleo, padece paralelamente de graves problemas estructurales en el mercado laboral. Allí prevalece el trabajo informal, lo cual significa estar empleado sin contrato de trabajo y, por ende, sin seguridad social; en ocasiones, hasta sin remuneración. El trabajo informal es muy difícil de cuantificar y regular mediante normas y reglamentos. Debido a los altos costos, muchos empleadores se ven obligados a seguir empleando trabajadores de manera informal. Por otra parte, muchos colombianos no cuentan, desafortunadamente, con la suficientemente cualificación para acceder a un buen empleo formal. Del mismo modo, con el fin de evitar costos como impuestos y otros gravámenes, muchos optan por el trabajo informal por cuenta propia. Hasta un 93% de autónomos trabajan de manera informal. Para cerrar, Colombia estableció un salario mínimo muy elevado, incluso por encima del promedio de la OCDE. Este encarecimiento de los costes de personal, resulta impagable para muchos empleadores, lo cual, como consecuencia lógica, ha aumentado la tasa de desempleo y favorecido el empleo informal.

Entonces, ¿Ser su propio jefe es siempre un sueño, una decisión voluntaria? No, porque en algunos países la situación obliga a las personas a trabajar por su cuenta, y por supuesto, no en condiciones óptimas. Para cada mercado laboral, existen suficientes leyes y medidas sensatas que pueden combatir esta tendencia negativa. JANZZ.technology brinda asesoría a Servicios Públicos de Empleo (SPE) sobre acciones a tomar para potenciar y hacer más atractivo el empleo formal y sobre como proteger de manera efectiva las relaciones laborales. Siéntase en libertad de comunicarse con nosotros a través de nuestra dirección de correo electrónico sales@janzz.technology. Estaremos encantados de atender su consulta.