La gente tiene pocos hijos. El mundo se queda sin gente. ¿Quién va a pagar mi jubilación? ¿Quién va a generar nuevas empresas? ¿Cómo vamos a producir cosas sin gente?

TODOS MORIR.

Tranquilo, que va a estar todo bien. Hoy te cuento por qué.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Qué efectos económicos tiene la caída en la natalidad?

• ¿Cómo afecta la caída poblacional a la innovación (que es el camino a la productividad)?

Hay tres tópicos muy presentes en las conversaciones públicas últimamente.

1. Fulbo (lejos).

2. Inteligencia artificial en todas sus formas.

3. La humanidad va a desaparecer porque ya nadie tiene hijos.

Parece que a la gente le preocupa muchísimo el tema de que otra gente no tenga hijos. Y suena una preocupación lógica si nos importa el devenir de la humanidad, supongo. ¿Cómo funciona una economía con una población que crece poco o que directamente no crece? ¿Quién va a demandar productos? ¿Quién va a producir cosas para que a vos te paguen la jubilación en 30 años si la gente hoy no tiene hijos?

Uno de los chistes de (y motivos por los cuales sigo escribiendo en) este Newsletter es que me obliga a entender cosas. Dicen que la mejor forma de aprender un tema es enseñarlo, pero yo digo que la segunda mejor forma es escribir acá. El otro día salió un paper de Acemoglu sobre fertilidad y dije: esta es la mía. Es la oportunidad para ponerme al día sobre uno de los temas del momento. El grafiquito de abajo, que muestra nacimientos cada 100 personas por región, sale de ese paper.

Sí: cae la natalidad y el fenómeno es global. Agarré el paper de Acemoglu, me lo bajé y me obligué a entenderlo en detalle con la intención de escribir sobre el tema acá. Pero pasaron eventos. Me lo puse a leer y, bueno, lógicamente, el paper cita otros papers que me dieron curiosidad, así que empecé a abrir tabs y a leerlos, pero resulta que esos papers citan a otros y así en loop. Los papers buenos son medio como una red infinita de conocimiento entrelazado y uno se termina perdiendo, ¿viste?

El paper de Acemoglu dice, palabras más, palabras menos, que no te preocupes TANTO por el efecto económico de la fertilidad porque, en una de esas, la caída de la natalidad termina aumentando la productividad. ¿Poco intuitivo? ¿Inesperado? ¿Cómo que menos gente puede generar más crecimiento? Pero el envío de hoy no es sobre el paper de Acemoglu, sino sobre uno de los que cita, que nos cuenta con mucho detalle uno de los potenciales por qué.

La pregunta de la semana: ¿cómo afecta la caída de la población a la productividad (o sea: en el crecimiento) de los países?

Ya sé que estás pensando en el experimento macabro que harías para probar esto, pero antes de ir ahí bancame unos parrafitos, porque vale la pena primero pararse a pensar más en profundidad la idea de fondo. Imaginate que hay una gran guerra. Llamémosla Guerra Mundial. Mejor aún: Primera Guerra Mundial. Se muere un montón de gente, no solo que no crece la población, sino que en muchos países cae.

¿Por qué esa caída drástica en la población afectaría (para bien o para mal) la productividad de un país?

Si leíste este newsletter un par de veces ya sabés que no hay nada (con excepción, tal vez, de comer pollo con la mano) que me guste más que ser esquemático. O sea que, siendo profundamente esquemático, se me ocurren dos potenciales efectos grandes (y contrapuestos) que puede tener la caída drástica de una población en la productividad futura del lugar en cuestión.

1. Se muere gente = se pierde capital humano. Ideas y experiencia acumuladas que se van. Millones de personas jóvenes y productivas muertas en poco tiempo no pueden no afectar el stock de conocimiento y experiencia de una sociedad y, por lo tanto, la producción de largo plazo.

2. Se muere gente = se hace más caro contratar gente (y más barato, relativamente, invertir en tecnología). Cuando se hace más caro contratar gente, hay incentivos para poner plata en innovar y mejorar la técnica todo lo que puedas, con tal de reducir la necesidad de contratar gente.

Dejame detenerme en (2), que es el contraintuitivo y el que estudia el paper de hoy. El (1) te queda de tarea. Ejemplo: Tenés que, digamos, barrer tu negocio todos los días, varias veces por día. En un mundo abundante en gente que ofrece su mano de obra, barrer tu negocio varias veces por día es muy, muy barato. O sea que contratás gente y listo. Pasan cosas y ahora estamos en un mundo en donde la mano de obra escasea, te van a cobrar carísimo cada barrida, así que tal vez empieces a pensar en alternativas. Una es comprarte una máquina que sirva para barrer. Resulta que hay un tipo que estuvo pensando bastante en máquinas diseñadas para barrer cosas. Llamémoslo Juancito Roomba.

Juancito Roomba tiene un montón de ideas para diseñar y fabricar máquinas de barrer cosas, pero hasta ahora no consiguió a nadie que se las financie porque, en un mundo en donde barrer es casi gratis, ¿quién va a ser tan boludo para gastar un montón de plata en una máquina que barra? En un mundo de escasez de personas y costos de barrido imposiblemente altos, la idea de Juancito empieza a cobrar sentido. Contrata a un gran equipo de R&D que no solo logra hacer una máquina que barra cosas, sino que encima logra que la máquina funcione sola, sin supervisión humana. Es cara, eh. Pero a vos, que tenés que barrer tu negocio varias veces por día, tal vez eso te sirve más que pagarle a alguien que te mate para venir a barrer cada vez que lo necesita tu local.

Esto que describí es un caso prototípico de lo que llamaríamos “labor-saving technology”. Ojo que no toda innovación es “labor-saving”, eh. Sin ir más lejos, gran parte de la discusión sobre la IA y el mercado laboral pasa por entender qué tipo de innovación es en cada rubro que toca. En algunos casos el sesgo de la innovación es claramente pro-máquina: la IA pasa a hacer la tarea. Si querés traducir más documentos, antes contratabas más traductores; hoy comprás más tokens de Claude. En otros casos el sesgo es pro-persona: la IA no hace la tarea, la hace más valiosa la persona que la usa. Ejemplo: un médico generalista con IA resuelve casos que antes derivaba, o sea que la tecnología no lo reemplaza, sino que lo complementa y lo hace más productivo. Guardate esta distinción entre innovaciones “labor-saving” (pro-máquina) o pro-trabajador, porque la vamos a necesitar después.

¿A qué voy con esto? Cuando hay menos gente, la mano de obra empieza a escasear y encarecerse. Cuando el empleo se hace relativamente más caro, los incentivos para invertir en capital que genere tecnología labor-saving son más altos y por ende la innovación en ese tipo de capital empieza a tener mucho más sentido. Esa es la hipótesis del paper de hoy, que escribieron Antonin Bergeaud, Jean-Baptiste Chaniot y Clément Malgouyres.

Ahora sí, podemos volver a pensar en el experimento ideal que necesitaríamos diseñar para responder a nuestra gran pregunta del efecto económico de que caiga la cantidad de personas que habitan el mundo. Te va a sonar medio raro, claro. Pero sería algo así: agarramos, digamos, países del mundo y aleatoriamente elegimos a cuáles les vamos a bajar la población. Volvemos unas décadas después y comparamos: ¿será que los países cuya población creció menos (o directamente cayó) porque así lo decidiste aleatoriamente terminan con PBI per cápita más alto, más bajo o igual? Pasó Mengele y dijo que te pasaste dos paradas, así que experimento no podemos hacer, pero por ahí podemos aprovechar algunos eventos naturales del destino.

¿Qué cosa pasa ‘naturalmente’ en el mundo que hace que las poblaciones caigan muy rápido y muy drásticamente en algunos lugares? Ya lo hablamos: las guerras. Pero, claro, agarrar países en donde la población cayó porque hubo guerra y compararlos con otros en donde la población no cayó (o no tanto) porque no hubo guerra no tiene ningún sentido. Los países en guerra son fundamentalmente diferentes a los que no están en guerra de formas que pueden explicar diferencias en productividad independientemente de tener más o menos población. Anotado. Pero confiá.

Vuelvo a la Primera Guerra Mundial. Francia. Se murieron 1,3 millones de hombres jóvenes (18-35) del país. Algo así como el 30%. Una barbaridad. Pero los muertos no se distribuyeron de forma uniforme entre departamentos. El mapita de abajo te muestra la tasa de muertos por la guerra: más rojo, más alta.

¿Ves que hay una tremenda variación en qué tan fuerte le pegó la guerra a la población francesa entre departamentos? En Mayenne, por ejemplo, un poco al este de Bretaña, se murió una barbaridad de gente. En París bastante menos. Pero el punto acá no es solamente que murió mucha gente y por lo tanto cayó la población, sino que murieron muchos hombres jóvenes que, en otra situación, hubieran procreado. En las regiones más afectadas cayó la población Y la tasa de natalidad.

La idea es comparar la (atención) evolución en diferentes variables que miden productividad post-WWI en departamentos cuya caída poblacional por culpa de la guerra fue más alta o más baja. Palabra clave evolución. Sí, sí, yo sé que estás pensando en un montón de formas que harían que esta comparación falle. Bancá que ahí vamos.

Los dos gráficos de arriba se leen igual. El eje X tiene años. Eje Y (simplificando un poco): diferencia entre el crecimiento en la cantidad de nuevas patentes (por habitante de 1906, para evitar un efecto mecánico de que había menos población por la guerra) en departamentos que perdieron muchas vidas jóvenes en la guerra en comparación con departamentos que perdieron pocas. Cuando es positivo, significa que los departamentos más afectados aumentaron su innovación relativamente más que el resto.

La diferencia entre el gráfico de la izquierda y el de la derecha es que el primero se refiere a patentes específicamente del tipo “labor-saving” (las que, según la historia que contamos, deberían aumentar más). El segundo son innovaciones de tecnologías que NO son “labor-saving”.

¿Cuánto más innovaron los departamentos qué más gente perdieron? Bastante. La guerra generó tantas patentes extra como las que Francia producía en un año entero. Y casi todo concentrado en tecnologías que ahorran empleo.

(y ok, patentes no es lo mismo que productividad, pero es lo mejor que tenemos para medir innovación cien años atrás y me vas a tener que creer que innovación termina en crecimiento)

Pero, ¿cómo vamos a ser tan inocentes y comparar departamentos más y menos afectados? Que hayan sido más afectados puede correlacionar con un millón de cosas que afectan la innovación, ¿no? Por ejemplo, tal vez la gente que venía de París era gente más aversa al riesgo que la de Mayenne y eso hizo que tuviera menor probabilidad de morir en la guerra (porque se la jugaban menos en la guerra) Y que termine innovando MENOS (porque se la jugaban menos en los negocios). Perfecto, pero eso no nos importa, porque lo que el gráfico de arriba te está diciendo es que la tendencia innovadora entre los parisinos y los mayennenses venía pareja ANTES de la guerra y se empieza a separar JUSTO después. Dicho de otra manera: tal vez los parisinos son menos arriesgados y por eso innovan menos, pero eso debería ser cierto ANTES y DESPUÉS de la guerra. Que la tendencia se empiece a quebrar justo después de la guerra, justo en lugares en donde se murió más gente joven nos dice algo.

Todo muy lindo, pero yo sé que a vos, lector empedernido de Esto No es Economía, todavía hay algo de esta historia que no te cierra. Y no es que no te cierra por motivos empíricos, sino más bien por motivos teóricos. Sos crack y te das cuenta cuando algo hace ruido. Te leo el pensamiento: si hoy, en 2026, resulta que hay escasez de mano de obra para resolver un determinado problema en Mayenne, lo más probable es que sí, el empresario mayennense invierta en alguna máquina que le ayude a resolverlo, pero no hay muchos motivos para pensar que esa máquina se va a desarrollar exclusivamente en Mayenne. Digamos que hoy en día los límites geográficos no engloban necesariamente al problema y a su solución. Pero a principios del Siglo XX la cosa era un poco diferente.

Por empezar, no había mucho de “empresa con departamento de I+D” y tampoco había mucho de “globalización” del conocimiento, o al menos no tanto como ahora. Te cuento una historia que aprendí del propio paper y me convenció (convencerse con anécdotas está mal, no lo hagan en casa).

Resulta que en Nantes, al noroeste de Francia, se murió mucha gente en la guerra. La cosa es que había un panadero que vivía ahí que se llamaba Alfred Spitz que se dedicaba a fabricar croissants. El tema es que hacer croissants es (era) una tarea profundamente intensiva en trabajo humano, porque es (era) una tarea bastante artesanal. Cuando empezó a morirse gente en la guerra, la hora de trabajo humano disponible empezó a escasear y por lo tanto su precio relativo empezó a subir. Con los nuevos incentivos, contratar más panaderos era complicado así que a Spitz le empezó a cerrar la idea de invertir en capital. Pero se ve que no había máquinas muy sofisticadas para hacer croissants que reemplazaran parte del trabajo panadero humano (por qué habría, si hasta ese momento era barato contratar personas, ¿no?). No quedaba otra que innovar. Alfred terminó creando y patentando el único invento de su vida: una máquina para amasar croissants, que le permitió sustituir al menos parte de la demanda de mano de obra que necesitaba y aumentar la producción sin aumentar (tanto) su demanda de empleados.

Dudo mucho que Spitz haya sido el único panadero que vio la oportunidad de invertir en capital para reemplazar parte del trabajo humano para hacer las medialunas. Pero evidentemente tenía una ventaja y es que aparentemente era un tipo muy educado e inteligente, con conocimientos suficientes para transformar esa necesidad en tecnología. De nuevo, esta historia en 2026 tendría algo menos de sentido: la innovación fluye más y el conocimiento también. Los incentivos a mecanizarse en un pueblito en la zona de Nantes ya no se satisfacen necesariamente con innovación local (o no, al menos, en la mayoría de los casos), pero 100 años atrás sí.

Y esta hermosa anécdota me sirve para hacer más creíble la historia del paper. La caída en la población generó el incentivo a innovar, pero solamente los lugares en donde había gente suficientemente educada lograron aprovecharlo para generar el progreso tecnológico que vino después. La guerra y su consecuente caída poblacional trajo los incentivos, gente como Alfred los aprovechó.

Los grafos de arriba se leen parecidos a los anteriores. Eje X son años. Eje Y es lo mismo de antes: cuánto más creció el patentamiento en los departamentos más golpeados en cuanto a muertos por la guerra, pero en este caso medido como el extra que surge en los departamentos con niveles de educación de la población PRE-GUERRA más altos. O sea: cuando es positivo, la escasez de gente empujó la innovación mucho más donde había capital humano para responder a los incentivos.

La diferencia entre el grafo de la izquierda y el de la derecha es que el primero se refiere a educación católica (currículum menos técnico, con más contenido de historia y teología) y el de la derecha a educación secular (currículum más técnico, con más contenido científico). Te ayudo a interpretar: la innovación post-guerra se logró materializar con mucho mayor fuerza en departamentos en donde había PRE-GUERRA gente educada, específicamente en formación laica, técnica y científica.

Cierro con una pregunta y una solución a todos tus problemas.

¿Te preocupan los efectos económicos de la baja en la natalidad? ¿Te aterra pensar en quién te va a pagar la jubilación cuando nadie trabaje? No pasa nada: invertí en capital humano hoy, que la productividad viene sola.

¿Ya compraste #EstoTambiénEsEconomía, segunda edición? Ah, ¿no sabías? Se agotó la primera y te la perdiste por gil. Que no te vuelva a pasar, mirá por acá (o en tu librería amiga).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentino.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

El paper de Acemoglu que mencioné al principio acá.

Nada que ver, pero…

Acá hay un paper (más teórico) sobre cómo se forma culturalmente la identidad que me gustó.

¿Por qué algunas empresas innovan más que otras? Digo, en el mismo rubro, la misma industria, el mismo país e incluso invirtiendo magnitudes semejantes en investigar, hay algunas que descubren y patentan más que otras.

Si sos C-level de alguna empresa me vas a decir que es por la cultura: hay empresas con una cultura más innovadora que otras, con liderazgos que te dan ganas de tomar un poco más de riesgo sabiendo que la cosa puede fallar, pero si falla está todo bien.

Resulta que el C-level tiene razón y hoy te cuento por qué.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Los líderes más confiados generan más innovación en sus empleados?

• ¿Líderes más confiados generan culturas empresariales más innovadoras?

Te dije mil veces: tenés que confiar, porque si no confiás no hay confianza.

Cómo me gusta la confianza. Académicamente hablando, digo. Hay una famosa frase del famoso Kenneth Arrow (el del teorema, sí) que dice que Virtually every commercial transaction has within itself an element of trust. La veía el tipo, eh.

Pensalo así: cuando hay confianza, las transacciones te salen “más baratas”. Y cuando las transacciones son más baratas, se multiplican. Y para que los países se desarrollen, hay que hacer muchas transacciones. Me explico.

Ejemplo: quiero comprar un auto usado. Me ofrecés tu Golcito 2012 a, qué sé yo, 7 mil dólares. Me gusta por afuera, pero no lo conozco por adentro. Vos lo conocés porque lo manejaste 14 años. Sabés si chocaste, si no, si se te queda habitualmente o casi nunca, si 1 de cada 20 veces que lo manejás se le traba la dirección o lo que sea que le pasa o no le pasa. Todo eso lo sabés vos, pero yo no. ¿Y entonces?

En un mundo en donde todos nos decimos la verdad (y todos sabemos que nos decimos la verdad y todos sabemos que todos sabemos que nos decimos la verdad y así), yo confío en vos y vos confiás en mí y los dos hacemos bien en confiar. Entonces un día me paso por tu casa para comprar el auto, vos me recibís y lo primero que me decís es algo tipo “mirá, mi pibe lo chocó dos veces pero lo arreglé, igual le quedó una cosita en la correa y el tema es que con el impacto se le pudo haber corrido la polea tensora del poly-V, y si el rodamiento de la loca quedó con juego axial, la correa trabaja desalineada, se deshilacha el flanco externo y chau: patinás el alternador, cae el voltaje de carga y te tira testigo de batería en frío. Fijate si te sirve.” Y ahí sí, con la información del caso, yo decido cuánto estoy dispuesto a pagar y, si te gusta el precio, cerramos. La cosa funciona porque confiamos.

¿Y en un mundo en donde no toda la gente es tan honesta? Ojo, tal vez vos sí sos honesto y me decís la verdad, pero yo no tengo forma de saberlo, no te conozco y no confío. En el peor de los casos, no te compro nada, porque mirá si me vendés un cacharro. Vos te quedás sin plata y yo sin auto. Una transacción potencialmente beneficiosa para ambos que no se hace. O, bueno, en el mejor de los casos, le pago a un mecánico (o algún servicio tipo Car Inspect) para que vaya a verificar antes de comprar. Y ese servicio no es gratis, es el costo que hay que pagar porque no hay confianza.

La confianza es, cito de nuevo a Arrow, “an important lubricant of a social system”. Por eso a los economistas nos interesa tanto entender cómo se forma, cómo se esparce, cómo se genera y qué efectos tiene en el funcionamiento de los mercados. La confianza viene de muchas formas. Confianza en la gente que conocés, en la gente que no conocés, en la justicia, en los políticos, en las empresas. Todos esos tipos de confianza sirven, a su manera, para aceitar diferentes tipos de transacciones. Y hay mucho escrito de cada una de ellas. Pero hoy me voy a enfocar en un tipo de confianza muy particular.

La confianza en tus empleados.

Traer ideas nuevas, invertirle horas para empujarlas, salirte un poco de lo habitual, proponer cosas un poco inesperadas, experimentar, equivocarte. Las cosas más espectacularmente disruptivas de este mundo suelen surgir de tomar riesgos. Cuando tomás riesgos fallás con probabilidad alta. Vas a fallar una vez, dos veces, tres veces. ¿Tu jefe confía? Seguirás tratando y fallando. ¿Tu jefe no confía? Mejor ni siquiera intentarlo la primera vez. Seguramente el punto de la curva riesgo-retorno en el que te quieras parar dependa de qué tan confianzudo sea tu jefe (y, si me apurás, vale para todo en la vida).

Esto es más o menos lo que dice el paper de hoy, que lo escribió Kieu-Trang Nguyen, economista vietnamita. Es un paper del tipo “a ver el abstract, ah ta bueno, a ver la intro qué onda, muy bueno, sí a ver, miro una tablita y listo; bueno una más, (…) no, pero super interesante la 4ta fila de la tabla C.42 del tercer apéndice del supplemental material”.

La cuestión en cuestión: ¿jefes más confiados generan culturas más innovadoras?

Cosas que hacen esta pregunta particularmente difícil de responder:

1. Medir qué tanta confianza tienen los CEOs en otras personas.

2. Encontrar un evento de la naturaleza por el cual de casualidad te toque como jefe un CEO confianzudo, si tenés suerte, o no muy confianzudo, si tenés mala suerte.

El punto (2) es importante, eh. No hay dudas que empresas con CEOs más confianzudos también son más innovadoras, pero por algo los contratan, ¿no? Quiero decir: una empresa de innovadores posiblemente quiera contratar CEOs que confían más. ¿Cómo sabés la dirección de la causalidad? Bancame el problema en stand-by unos párrafos.

Vamos con (1). Hay muchas formas de medir qué tan confiada suele ser una persona en relación a otros humanos (gente que no conoce, gente que conoce, amigos, extraños, familia, instituciones). La más fácil es la que hacen las encuestas tipo World Values Survey (WVS): “Generally speaking, would you say that most people can be trusted or that you can’t be too careful in dealing with people?”. Ya sé, ya sé, no te gusta porque es auto-reportada y la gente puede responder cualquier cosa. Por eso salieron 10 millones de papers que usan experimentos con diferentes grados de sofisticación para medir qué tanta confianza tiene la gente sin tener que preguntarlo de forma directa (jueguitos, experimentos de laboratorio, etc). La buena noticia es que la verdad que en poblaciones grandes, la pregunta auto-reportada y los experimentos super-sofisticados dan más o menos lo mismo.

O sea que OK: podés medir confianza simplemente preguntándole a la gente qué tanto confía y el resultado va a estar más o menos bien. El tema es que para responder a la pregunta que nos interesa, necesitamos saber qué tanto confían los CEOs de un montón de empresas y normalmente no vamos por la vida encuestando a CEOs y menos aún preguntándoles su nivel de confianza en otras personas.

Mirá como resuelve la amiga Nguyen.

Paso 1: elige la muestra, unas 3600 firmas públicas (que cotizan) de USA. 5700 CEOs a lo largo de unos 12 años, entre el 2000 y el 2011.

Paso 2: para cada CEO, mira el apellido y lo cruza con los censos históricos de Estados Unidos (1910–1940), que reportaban apellido y origen étnico de cada persona. Con eso arma, para cada apellido, una distribución de probabilidad sobre orígenes étnicos familiares. Ejemplo: si aparece un O’Brien, probabilidad alta de que su familia venga de Irlanda. Si aparece un Baggio, probabilidad alta de que su familia venga de Italia.

Paso 3: agarra la data de una encuesta llamada General Social Survey. La encuesta mide, entre otras cosas, la confianza generalizada de los estadounidenses de diferentes orígenes familiares étnicos. Prestá atención: lo que hace Nguyen es calcular el nivel promedio de confianza de los descendientes de cada origen étnico que viven en Estados Unidos. Ejemplo: los descendientes de irlandeses en Estados Unidos tienen niveles de confianza en otra gente más altos que los descendientes de españoles (ponele). Y un detallecito importante: no agarra el promedio de todos los, digamos, descendientes de irlandeses que viven en Estados Unidos, sino que se queda solamente los que tienen ocupaciones muy calificadas, para que sean comparables a los CEOs de su muestra.

Paso 4: finalmente le imputa a cada CEO de la muestra el promedio ponderado según su composición étnica probable: si el apellido es 70% irlandés y 30% inglés, le toca 0,7 × confianza del irlandés-americano calificado promedio + 0,3 × confianza del inglés-americano calificado promedio.

Resultado: cada uno de los 5700 CEOs de la muestra tiene un nivel imputado de confianza en otras personas basado en su origen étnico. ¿Es perfecto? No, pero es una estrategia muy razonable para resolver algo de otra forma imposible (encuestar a cada CEO).

Ahora sí. Tenemos la confianza de cada CEO, pero nos falta la estrategia empírica para encontrar causalidad. Lo que hace la amiga Nguyen es algo que se asemeja bastante al famoso método Diff-in-Diff que ya cubrimos hasta el hartazgo en este espacio (por ejemplo acá). La idea en este caso es simple: agarrá una empresa, seguila durante varios años (y varias gestiones de diferentes CEOs). Fijate si, justo después del cambio de CEO, la empresa cambia su tendencia de patentamiento, y si ese cambio es mayor cuando el CEO entrante es más confiado que el saliente. Hace lo mismo para las 3600 empresas, para CEOs cambiando en diferentes momentos del tiempo.

El gráfico de arriba lo lees así: el eje X tiene los años antes (negativos), durante (0) y después (positivos) de que cambie el CEO en una empresa. Simplificando un poco la cosa: el eje Y mide cuánto más patenta una empresa según cuán confiado sea el CEO que entró comparado con el que se fue. ¿Ves que antes del X=0 (o sea, del momento en que hubo cambio de CEO), los puntos están pegados al cero? Eso te dice que, antes del cambio, las empresas que después iban a recibir un CEO más confiado no venían innovando ni más ni menos que las demás: venían parejas. Esto es fundamental, eh, porque si pensás que la causalidad del caso es al revés (cuando las empresas se vuelven más innovadoras contratan CEOs más confiados) ya ves que no.

De nuevo al año X=0, hay cambio de CEO y de a poco la cosa empieza a despegar: donde entró un CEO más confiado, las patentes empiezan a aumentar en comparación con las empresas donde entró uno menos confiado. O sea: tomá dos empresas idénticas. En una, se va el CEO y entra uno de apellido griego; en la otra, entra uno de apellido inglés (los descendientes de ingleses en EE.UU. reportan niveles de confianza bastante más altos que los descendientes de griegos). En los años siguientes, la empresa del CEO "inglés" pasa a patentar un 6% más por año que la del CEO "griego". Not bad.

O sea que OK: CEOs más confiados generan empleados que innovan más. ¿Por qué? La explicación más obvia es el famoso trickle down de los líderes a sus empleados y por lo tanto a la cultura de la empresa. La idea sería algo así: asume el CEO, un tipo confiado, trae gente parecida a él a su directorio: gente confiada. Y el directorio empieza a transmitir esa cultura, de arriba hacia abajo, eslabón por eslabón. A ver.

Primer paso de la historia: ¿cómo cambia el directorio cuando asume el nuevo CEO? Nguyen hace con cada miembro del directorio lo mismo que hizo con los CEOs: infiere qué tan confiado es. Resulta que cuando entra un CEO más confiado, el directorio entero se va pareciendo a él. Los directores nuevos que se contratan bajo su mandato son más confiados que el promedio y los que se van del directorio son, sistemáticamente, los menos confiados.

Segundo paso de la historia: ¿cómo cambia la cultura entre los propios empleados de la empresa cuando asume el nuevo CEO y después el nuevo directorio?

¿Conocés Glassdoor? Es básicamente una plataforma en donde empleados, anónimamente, cuentan su experiencia trabajando en sus empresas: cuánto ganan, cómo se sienten, cómo se trabaja. La amiga Nguyen se baja estos datos, los asocia a cada empresa y a cada CEO en cada momento del tiempo. Analiza el texto: qué dicen los empleados en sus “reviews” de las empresas en donde trabajan.

Resulta que cuanto más confiado es el CEO de la empresa, más probable es que los empleados de su empresa destaquen en sus reviews de Glassdoor que los managers confían en ellos (que les dan autonomía, que los dejan hacer su trabajo sin respirarles en la nuca). Importante: el efecto es más fuerte en las reviews escritas por los trabajadores de I+D, o sea, justo la gente cuya libertad para explorar (y fracasar) es la que termina convertida en patentes.

Pero vos sos un brillante lector que no te dejás engañar por narrativas bien contadas. Yo sé lo que estás pensando: las personas tienen muchos atributos y los buenos atributos muchas veces vienen en bloque. O sea: el CEO que es confiado, posiblemente aparte de confiado sea inteligente e innovador y un buen manager. ¿Cómo sabemos que lo que genera este efecto en las patentes es que sea confiado y no que sea inteligente o innovador o simplemente un buen manager?

Esto que se te ocurrió a vos también se le ocurrió a la amiga Nguyen. La cosa es que estas empresas son multinacionales con equipos de investigadores repartidos por el mundo: los laboratorios de I+D que tienen en distintos países. Y resulta que los CEOs serán confiados, pero el nivel de confianza que le tienen a la gente no es homogéneo, sino que depende de cada país/cultura. La cosa es que muchas encuestas de confianza además de si “confiás en la gente en general”, también preguntan si “confiás en la gente de Italia”, o de Francia, o del país que se te ocurra.

Imaginate dos CEOs de atributos muy similares, incluso con niveles parecidos de confianza generalizada. Pero resulta que el CEO #1 tiene particular confianza en los franceses y el CEO #2, en los suecos. Si tocó el #1 y el canal relevante para explicar el aumento de innovación es la confianza (como nos quiere convencer Nguyen), lo que esperarías es que aumente la innovación específicamente en el laboratorio de Francia. Si tocó el #2, lo esperable sería que aumente específicamente en el de Suecia. Generalizame esta lógica a todas las combinaciones de países entre CEOs y laboratorios.

Nguyen nos cuenta que, para el mismo CEO, en la misma empresa, en el mismo año, los inventores de su empresa multinacional que están ubicados en países en los que ese CEO confía más, patentan más. Como la comparación es dentro del mismo CEO, cualquier atributo del tipo “el CEO es más paciente, más visionario, más capo, más lo-que-quieras” queda fuera de la explicación por definición. Lo que importa es la confianza.

Cierro con una gran idea, innovadora y disruptiva para vos, corpoperson del foro. ¿Viste que cuando entrevistan gente (incluso para puestos altos, gente que lidera equipos) les hacen psicotécnicos? Que el dibujo del tipo bajo la lluvia, que el examen de lógica booleana, que la prueba técnica, que terminar la entrevista en inglés. Todo muy lindo, pero metele una cosita más. No te va a llevar mucho, una pregunta nomás.

En términos generales, ¿diría Ud. que se puede confiar en la mayoría de las personas o que uno nunca es lo suficientemente cuidadoso en el trato con los demás?

Listo. Ahora a sentarse y esperar esa explosión de innovación.

‘Cuchá, el Jueves 16-07 te venís a ver una nueva presentación de Esto También Es Economía, el libro del que están hablando todos.

Es a las 6 PM, en la Facultad de Económicas de la UBA. Vamos a conversar de cosas que no son economía con los amigos Andrés Lopez y Martín Trombetta.

Va a haber facturas siempre que las traigas.

Mientras tanto podés ir comprando el libro acá (o en tu librería amiga).

Y también te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentina.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Si te gusta el tema del efecto ejemplificador del líder, hay un par de cosas que escribí y tal vez te interesan. Una, en este mismo espacio, sobre cómo líderes corruptos erosionan la honestidad de la gente. Otra, sobre como cuando un líder político rompe las normas, sus seguidores, bueno, lo siguen.

Nada que ver, pero…

Acá dicen que Ozempic y drogas similares aumentaron la tasa de formación de parejas.

Durante el mundial hay que leer papers de fútbol y eso mismo estoy haciendo. Acá voy dejando mis impresiones.

Los jesuitas tienen fama de gustar de la educación. Fundaron escuelas, universidades y hasta programas estandarizados de estudios, con métodos, criterios y temas comunes entre toda escuela jesuita del mundo.

A Sudamérica llegaron hace varios siglos y se quedaron por varios años. Se fueron hace más de 250 años, pero hay quien dice que su legado todavía se ve en el capital humano y el desarrollo económico de los lugares en donde instalaron sus misiones.

¿Será? Scrolleá para abajo.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Cuál fue el efecto económico de las misiones jesuitas?

• ¿Persiste hasta hoy?

Por fin escribo sobre el paper de esta semana. Tardé demasiado, no entiendo por qué. Es de los papers que más me gustan del mundo mundial. No solo eso, sino que está escrito por uno de esos cracks que aparecen muy cada tanto y, como si fuera poco, es sobre Sudamérica.

El autor en cuestión es el gran Felipe Valencia y el paper es sobre historia. Y también sobre educación y sobre religión y sobre cambio estructural pero también sobre cómo se desarrollan los países. Un paper sobre todo lo que quieren las guachas.

Son semanas ocupadas porque estamos en medio del acontecimiento más importante de los últimos tres años y medio (y de los próximos cuatro), así que voy a ir al punto (mentira, me voy a ir por las ramas como hago siempre y te vas a joder). Verano de 1999. Plata dulce en Argentina. Más barato irse a Miami que a Miramar. Viaje familiar, como 25 días en auto al sur de Brasil. En el medio aprovechábamos para parar en lugares y ver cómo estaba la cosa. Las cataratas, por ejemplo. Una vuelta pasamos por Yapeyú, Corrientes. ¿Qué tiene de especial Yapeyú, Corrientes? Nació San Martín ahí, eso tiene. Y hay un museo en su casa. La cosa es que se ve llegamos a la hora de la siesta porque no había nadie, así que mi vieja tuvo que ir a tocarle la puerta al intendente (true story) para que alguien abriera porque como vas a pasar por Corrientes y no conocer dónde nació San Martín.

No me acuerdo nada de la casa de San Martín, confieso. De lo que sí me acuerdo como si hubiera sido ayer es de otro lugar adonde fuimos en una de esas vueltas desde Brasil: las ruinas de San Ignacio Miní. Ruta 12, San Ignacio, pueblito de 15 mil almas perdido en Misiones, a unos 250 kilómetros de la frontera con Foz do Iguaçu.

Son unas ruinas de los misioneros jesuitas muy bien conservadas (dato de color: Yapeyú, donde nació San Martín, también era una misión jesuita). Una “misión” es básicamente un asentamiento colonial cuyo objetivo principal era evangelizar y “civilizar” a los nativos. Gran parte del punto de las misiones, sea cual fuera la orden que llegaba, era puramente religioso (convertir a los nativos). La parte “civilizatoria” podía tomar formas muy diferentes, dependiendo de la cultura y los valores de la orden que llegaba.

La orden de los jesuitas (o bien “Compañía de Jesús”) la fundó Ignacio de Loyola en 1534. Gran parte de la motivación de su fundación fue hacerle contrapeso a la Reforma protestante, que ya venía con varios años de éxito en Europa. Los jesuitas fueron posiblemente la orden más relevante de la contrarreforma. ¿Cómo se hace para frenar el avance protestante? Las misiones eran una forma: llegar a lugares fuera de Europa, en donde todavía los protestantes no habían entrado. La otra era la educación. No necesariamente porque la educación fuera estratégicamente pensada como una herramienta para frenar al protestantismo, claro. Mas bien, los jesuitas consideraban a la educación como una herramienta para propagar su propia fe católica. ¿Y qué más efectivo que eso para ponerle contrapesos a los protestantes?

Las misión de San Ignacio Miní se fundó en el siglo XVII. Las ruinas se conservan bien y se ven más o menos como en el mapita de abajo. La plaza, la huerta, el cementerio y, fundamental: el colegio.

La Compañía de Jesús armó una red extensa de colegios precisamente como una herramienta para la defensa y preservación de la fe. Por un lado, integrar el aprendizaje con la religión permite ganarse a los jóvenes desde temprano. Y, ya que estamos, servían para impartir doctrina: los colegios, por supuesto, no eran instituciones aisladas, sino parte misma de la infraestructura religiosa. Por otro lado, la educación de las elites servía para propagar la fe a través de los líderes, de personas en posición de poder que podía funcionar como multiplicadores.

De pronto la red de instituciones educativas jesuitas empezó a crecer y expandirse geográficamente, al punto de escribir lo que probablemente haya sido el primer “plan de estudios” estandarizado creado en la historia de la humanidad, el Ratio Studiorum. Un documento de fines del Siglo XVI que le permitió a los jesuitas homogeneizar su educación, independientemente de qué ciudad o país lo adoptara y que tenía todo lo necesario para replicar y escalar el modelo. Esa red de instituciones educativas existe hasta hoy. Un dátolo de color: la Universidad Nacional de Córdoba, la más vieja de Argentina y una de las más antiguas de América la fundaron los jesuitas. Igual que Georgetown y que Boston College. E igual que tantísimos colegios que tal vez ni te enteraste.

Los jesuitas llegaron a América del sur en 1549. A Salvador de Bahía. Pero el verdadero boom fue el de las misiones guaraníes: el nordeste de Argentina, Paraguay y el sudeste de Brasil.

Voltaire, célebre representante de la ilustración francesa, fue siempre un gran crítico de las religiones institucionalizadas y de los propios jesuitas. Y aún así, en 1756 publicó su Ensayo sobre las costumbres y el espíritu de las naciones en el cual decía lo siguiente:

“Las conquistas de México y del Perú son prodigios de audacia; las crueldades que en ellas se ejercieron (…) son excesos de horror; pero el establecimiento en el Paraguay, obra únicamente de los jesuitas españoles, parece en algunos aspectos el triunfo de la humanidad.” El párrafo sigue, diciendo más o menos que OK, los jesuitas también sometieron, pero al menos les dieron educación y los hicieron más laboriosos. En pocas palabras: lograron construir capital humano.

El paper de hoy muestra no solamente que los jesuitas que llegaron a la zona de Paraguay, nordeste argento y sudeste brasileño ayudaron a acumular capital humano (como decía Voltaire), sino que ese capital humano tiene consecuencias que persisten hasta el día de hoy en el desarrollo económico de los lugares adonde llegaron.

El mapa de abajo te muestra las ubicaciones de las 30 misiones jesuitas guaraníes. Están distribuidas por tres países y varias provincias/estados dentro de cada país. Agarrá cada uno de los municipios de Argentina, Paraguay y Brasil, pertenecientes a los Estados/Provincias en donde se instalaron las misiones. Para cada una, agarrá censos contemporaneos (o sea, hoy, 250 años de que se fue la última misión jesuita) y calculá la medida de la variable que te interese sobre desarrollo económico. Por ejemplo: educación promedio de la población, pobreza o lo que te interese medir.

Estimame la relación entre esas medidas y la distancia a la misión histórica más próxima. Como las misiones están en lugares muy diversos, asegurate de comparar municipios que estén en el mismo Estado/provincia, que tengan condiciones geográficas y topográficas similares: altitud, rugosidad del terreno, pendiente, distancia a ríos, a la costa, temperatura, precipitaciones. O sea, comparame municipios que parezcan comparables. Así arranca Felipe.

Primer resultado: el nivel educativo promedio ACTUAL de municipios similares pero más cercanos a las antiguas misiones jesuitas es inusualmente alto. Cada 100km más cerca que estés de una ex-misión jesuita, tenés un 15% más de educación (algo así como 0.7 años adicionales de ir a la escuela).

Segundo resultado: el nivel de pobreza promedio ACTUAL de municipios similares pero más cercanos a las antiguas misiones jesuitas es mucho más bajo y el ingreso mucho más alto. Cada 100km más cerca que estés de una ex-misión jesuita, tenés un 10% menos de pobreza y un 10% más de ingreso promedio.

Más cerca de los jesuitas hace 250 años: más educado y menos pobre hoy.

Momento, antes de seguir. No estás convencido de la causalidad del caso, lo veo en el ceño derecho ligeramente achicado del ojo derecho, que grita “no confío, no confío”. Ahora se vienen un par de párrafos escritos exclusivamente para convencerte que el efecto probablemente sí sea causal. Si no te interesa porque odiás esforzarte y aprender cosas nuevas, podés saltear lo que viene hasta el “Sigamos”.

Hasta ahora comparamos municipios parecidos en todas las dimensiones observables (geográficas, topográficas) pero tranquilamente puede haber atributos que no son observables y que simultáneamente expliquen que los misioneros decidieron instalarse en donde se instalaron y que esos lugares hoy sean más ricos. Qué sé yo, tal vez se instalaron en lugares con población local menos hostil y ser menos hostil también te hace más rico, independientemente de los misioneros.

Resulta que aparte de las 30 misiones que instalaron, los jesuitas habían arrancado varias otras, en la misma zona, pero que duraron poco tiempo, en gran medida porque estaban demasiado expuestas a ataques portugueses. Resulta que los jesuitas evitaron problemas y dejaron un montón de misiones inicialmente elegidas para misionar pero tempranamente abandonadas y que Felipe usa en este paper como misiones “placebo”.

La lógica es la siguiente: en vez de comparar municipios que nunca fueron elegidos para tener una misión con otros que sí tuvieron, los comparás con municipios en donde también fueron elegidos para poner una misión, pero que por características ajenas al lugar - pongámosle, un hecho fortuito - se abandonaron temprano. Si, por ejemplo, resulta que los lugares que los jesuitas eligieron (pero terminaron abandonando) para poner una misión no tienen hoy un nivel educativo particularmente mayor al resto de los municipios, entonces posiblemente el efecto sobre la acumulación de capital humano no viene de las características propias de los municipios elegidos, sino de que la misión haya logrado quedarse a hacer su trabajo.

Te imaginás bien: los municipios elegidos para instalar misiones pero que finalmente se abandonaron NO son diferentes al resto de los municipios de la zona en ninguna variable contemporánea relevante (educación, por ejemplo).

Seguís sin creerme. Claro: tal vez el hecho de que los jesuitas eligieron Alto Paraná para poner una misión pero finalmente decidieron no quedarse significa que en realidad esa misión abandonada no es un buen comparable. Por algo se fueron, ¿no? Ok, ok. Vamos con otro intento.

Resulta que los jesuitas no eran los únicos misioneros. Había de varias órdenes cuyo objetivo era parecido al de los jesuitas. Caso paradigmático: los franciscanos. Llegaron más o menos al mismo tiempo (incluso un poco antes), se desplegaron por zonas más o menos parecidas y trataron de evangelizar todo lo que pudieron. ¿Cuál es la gran diferencia entre las misiones jesuitas y las franciscanas? Que los jesuitas tenían el foco en la educación y la formación de capital humano y los franciscanos digamos que no tanto. Seguime la lógica.

Comparame municipios cercanos a ex-misiones franciscanas con municipios más alejados. Asegurate de compararme lugares parecidos geográfica y topográficamente. Básicamente, hacé lo mismo que habíamos hecho con las misiones jesuitas, pero enfocado en las franciscanas. Decime si HOY los municipios cercanos (o sea expuestos) a las misiones franciscanas tienen niveles más altos de educación y más bajos de pobreza (y más altos de ingreso). Te anticipo: no, no tienen ni más educación ni menos pobreza ni mayor ingreso. ¿Por qué? Porque lo que impactó en la acumulación de capital humano no viene de las características del lugar que te hacía elegible para instalar una misión. Ni siquiera del hecho de que la hayan instalado. Lo relevante fue específicamente que se haya instalado una misión jesuita, cuyo modus operandi era, precisamente, construir capital humano.

Sigamos.

Porque ahora sí que me creés un poco más la causalidad, ¿nocierto? Es un paper histórico, amigo, con datos de hace 300 años, se hace lo que se puede. Voy a asumir que me creés y vamos a lo interesante.

¿Qué hace que una misión que dejó el territorio hace 250 años logre tener efectos persistentes hasta el día de hoy en el desarrollo económico de los lugares en donde pisó?

Una hipótesis es que invertir en educación en una comunidad termina generando un cambio en la estructura productiva que una vez que se da, no se revierte más. Siglo XVI o XVII, nordeste de Argentina, sur de Brasil, Paraguay. La ocupación principal era rural y no se trabajaba de forma particularmente productiva. El tipo que laburaba la tierra no sabía leer ni escribir y dedicaba todo el tiempo a hacer lo que podía con la parcela de tierra que le tocó. Llegan los jesuitas. El tipo aprende a leer y a escribir y encima de a poco va aprendiendo algún oficio. Con un set de habilidades más completo, viene la chance de ofrecer tu trabajo en sectores que antes no eran una posibilidad: puede ser artesano, arreglar cosas, construir. Incluso puede hacer cuentitas y hasta comerciar. Y eso abre la puerta al desarrollo de sectores económicos que antes eran imposibles o muy chicos: la manufactura, la artesanía, el comercio y hasta los servicios empiezan a demandar más empleo (que ahora pueden conseguir) y la agricultura cada vez menos. Esta dinámica en la que cae el empleo rural y aumenta el empleo en sectores potencialmente más productivos es lo que en desarrollo económico se suele llamar “cambio estructural” y que explica gran parte del aumento de productividad de cualquier caso de desarrollo histórico moderno.

¿Y qué tendrán que ver los jesuitas, no? Fast-forward 250 años.

Tercer resultado. Los municipios más cercanos (250 años atrás) a las misiones jesuitas tienen menos empleo (relativamente) en sectores rurales, más empleo en manufactura y más empleo en comercio. No solo eso: las personas que viven hoy en esas zonas trabajan con mucha mayor probabilidad en manufacturas intensivas en capital humano y conocimiento (más en industria química y maquinaria eléctrica, menos en hacer calzado). Educar a la gente termina cambiando la propia estructura productiva del lugar.

El cambio estructural existió y está bien documentado por Felipe: menos empleo rural, más del otro. Pero la verdad es que no hay nada de malo en la producción rural. Todo lo contrario: querés que zonas naturalmente productivas… bueno, produzcan.

Hay muchos motivos que pueden explicar por qué las economías que se desarrollaron históricamente fueron reduciendo el peso del sector primario y aumentado el peso de los otros. Por un lado, capital humano con más habilidades puede irse a trabajar al lugar que le pague mejor (por ejemplo, el comercio). Pero por otro lado, si el sector rural invierte en cierto tipo de tecnología, posiblemente necesite menos empleados (que entonces se irán para la ciudad) para producir una cantidad mayor de bienes y esos empleados terminan en otros sectores. ¿Y si el cambio en la estructura productiva inducida por los jesuitas tiene también que ver con mejoras tecnológicas en el campo?

Una de las hipótesis de Felipe es que la inversión en educación de los jesuitas hace dos siglos y medio terminó generando mayor capital humano que a su vez fue más proclive a generar una mayor adopción tecnológica que persiste hasta hoy.

El eje X tiene la distancia a la misión más cercana. El eje Y tiene la porción de la tierra cultivable de cada municipio que usa HOY (bah, en los early 2000s) semillas transgénicas, posiblemente una de las adopciones de tecnología en el sector agrícola más relevantes de las últimas varias décadas. Todo esto comparando pedazos de tierra similares en cuanto a la variable productiva, geográfica y topográfica que se te ocurra.

¿Ves la pendiente negativa? Los municipios rurales más cercanos a las misiones jesuitas están mucho más cerca de la frontera productiva, aún 2 siglos y pico más adelante.

Te quedaste pensando en la casa de San Martín en Yapeyú. Se ve más o menos así.

La foto es de Trip Advisor. Me dice mi vieja que no me acuerdo de la casa de San Martín (y, por supuesto, no tengo fotos) porque nunca entramos. Resulta que el intendente no se copó. Estaba durmiendo la siesta y la siesta es sagrada. ¿Quién era el desalmado intendente de Yapeyú en 1999? Si lees esto: me dejaste sin conocer la casa de San Martín, ojalá estés contento.

¿Ya compraste #EstoTambiénEsEconomía, segunda edición? Ah, ¿no sabías? Se agotó la primera y te la perdiste por gil. Que no te vuelva a pasar, mirá por acá (o en tu librería amiga).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentina.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Felipe tiene otro paper muy bueno sobre el efecto persistente de la esclavitud (hace varios siglos) en la inequidad (actual). Usa la línea del tratado de Tordesillas para comparar regiones parecidas y cercanas de uno y otro lado de las colonias. Lo ves acá.

Nada que ver, pero…

Acá muestran que las películas dobladas hacen que aprendas menos inglés. Y sí.

Durante el mundial hay que leer papers de futbol y eso mismo estoy haciendo. Acá voy dejando mis impresiones.

¿Para qué sirven los académicos?

Para investigar, OK. ¿Pero para qué las universidades necesitan contratar investigadores como profesores? ¿Por qué los académicos dan clases? ¿Qué tiene que ver la investigación con la instrucción?

Hoy hago una defensa totalmente desinteresada de mi gremio y te cuento para qué sirve que el contenido de las clases universitarias esté cerca de la frontera del conocimiento.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Para qué sirve que un investigador dé clases?

• ¿Gana más un estudiante por haber cursado contenido cerca de la frontera científica?

Todavía me cuesta explicar de qué trabajo. Digo, a vos, asiduo lector de estos envíos, no me cuesta tanto explicarte (ojalá). Bah, aunque mi vieja lee este newsletter frecuentemente y todavía creo que nunca logré terminar de explicarle bien. No es su culpa. Viste que hay familias que son dinastías académicas: padre, madre, hijos, nietos, todos PhD. Ahí es fácil explicar qué hacemos. La mía no es muy así. Mi vieja es abogada, mi viejo era contador, pero ninguno tuvo relación ni mínimamente tangencial con la academia propiamente dicha. Hicieron carreras profesionales y la facultad era (como suele ser para la gran mayoría de la gente) una especie de escuela de oficios white collar. Estudiás derecho para que te enseñen a trabajar de ser abogado. Y si hacés un master es para ganar algún skill, contacto o certificación que te permita ser abogado pero ganando más plata.

Y ni hablar de hacer un doctorado. Cosa rarísima cuyo objetivo ni siquiera es tan claro. ¿Pagan más? No. Ah! Me acuerdo una vez que fui al Consejo Profesional de Ciencias Económicas a acompañar a mi viejo a hacer no sé qué. No hace tanto, eh, yo ya había terminado el PhD. El de la mesa de entrada a él lo llamaba doctor y a mí licenciado (sí, en Argentina a los contadores se los llama “doctor”). O sea que ni para la chapa sirve.

El nombre de mi trabajo es “Assistant Professor”, que es el entry level de la carrera académica (que luego se transforma en Associate y luego en Full). O sea, trabajo de “profesor” y es un trabajo full-time pero doy tres cursos por año, cada uno tiene 26 clases y cada clase dura 80 minutos. Hacé la cuenta: 104 horas. También hay tiempo de preparación (bastante), tiempo de hablar con alumnos, ok. 200 horas anuales de “profesor”, ponele. No es que trabajemos poco, eh. Es que el título es engañoso porque la mayor parte del tiempo los profesores-investigadores universitarios full-time no lo dedicamos a dar clases, sino a investigar.

Si lo pensás un poco es curioso el bundling que hay entre la tarea “investigar” y la tarea “enseñar”. ¿Por qué las universidades contratan profesores-investigadores full-time, que pasan la mayor parte de su tiempo haciendo algo que nada que ver? Si el objetivo de una clase es que el profesor o la profesora transmitan conocimiento a los estudiantes, ¿qué necesidad hay de que ese conocimiento sea impartido por una persona que pasa muchas más horas investigando que enseñando? ¿Te hace mejor profesor ser investigador? No creo. Las habilidades que necesitás para que te vaya bien en una o en otra tarea son bastante distintas. Para enseñar bien tenés que saber explicar el contenido, no producirlo. Y para producirlo bien no es tan necesario que sepas explicar; o, al menos no que sepas explicarlo de forma estructurada a estudiantes de grado en un programa estandarizado.

Tonces, ¿por qué existimos? Va mi defensa corporativa a los profesores-investigadores full-time universitarios. La ventaja de que la clase de, no sé, Desarrollo Económico de grado la de un profesor que pasa la mayor parte de su día produciendo investigación en desarrollo económico, no es que explique mejor, no es que cuente las cosas de una forma más atractiva para los estudiantes, no es que sea particularmente innovador en la forma de transmitir el conocimiento sobre el tema. Su única ventaja evidente es que posiblemente le salga más natural transmitir contenido más cercano a la frontera de investigación de desarrollo económico.

Escribir un paper implica leer un millón de papers, ir a mil conferencias a escuchar papers, hablar con tus alumnos sobre papers, hablar con tus colegas sobre papers. Cuando tu incentivo es a producir un paper y que te lo publiquen, saber que está pasando en la frontera es medio obligatorio (y esto vale aún si tu propio paper no la mueve). O sea que, sí, el profesor-investigador pasa una porción baja de su día enseñando, pero una porción alta entendiendo qué esta pasando en su disciplina. Y si eso se vuelca en el contenido de la clase que da, entonces tal vez esas horas leyendo y escribiendo tengan un impacto positivo en la calidad del aprendizaje.

Bah, qué sé yo. Esa es la hipótesis. Fijate que hay varias hipótesis en realidad en toda esa cadena causal. 1) Que los profesores-investigadores están más en la frontera de su campo versus los que no. 2) Que los profesores que están más en la frontera de la disciplina, transmitan contenido más cerca de la frontera en los cursos que dan. 3) Que transmitir contenido más cerca de la frontera sirve para algo: que los estudiantes aprendan más, que les vaya mejor en la carrera, que ganen más cuando se reciben.

No tengo nada para decir de (1) ni de (2). Supongo que un profesor que investiga X está más cerca de la frontera de X que uno que no (y que eso se refleja en lo que enseña), en promedio. Pero por supuesto que eso no es necesario: tantísimos profesores tienen su vida profesional fuera de la universidad pero su motivación es tan grande que igual están muy cerca de lo que pasa en la frontera del tema y en lo que da en sus clases.

El envío de hoy es sobre (3): ¿cómo impacta en los estudiantes universitarios que el contenido que reciben esté relativamente cerca de la frontera científica del campo que están estudiando? ¿Da lo mismo estudiar el manual de 1973 que el último paper que se publicó ayer? ¿Cambia algo en lo que aprenden y en cómo les va posteriormente en el mercado laboral?

Ejercicio mental: ¿cuál es el experimento ideal para contestar esta pregunta? Bueno. Agarrás universidades y aleatorizás el tipo de contenido que das. Suponete, economía: a algunos afortunados les das contenido actualizado, basado en lo último que publicó la disciplina y a los otros les das lo mismo que se daba hace 20 años. Y después te fijás si hay diferencias sistemáticas en cómo les va en la vida: lo que estudian (¿hacen posgrado?) y el mercado laboral (¿ganan más?).

El experimento te lo voy a estar debiendo, pero Barbara Biasi y Song Ma hicieron algo que se acerca lo más posible, en un contexto natural, sin forzar ni romper nada. Como suele pasar en estos casos, hay dos desafíos grandes para responder causalmente esta pregunta sin experimentos. El primero es cómo medir lo que queremos medir: ¿qué significa que el contenido de un curso esté “cerca de la frontera”?, ¿cómo hacemos para clasificar cursos universitarios en esa dimensión? ¿Nos fijamos si los programas tienen papers nuevos o viejos? ¿Si tienen contenido parecido al que aparecen en las conferencias actuales?

El segundo, as always, es cómo separamos “impacto” de “selección”. O sea: ponele que logramos clasificar a cada uno de los cursos universitarios del planeta según su “distancia a la frontera científica de su disciplina”. Y logramos acceder a datos de las trayectorias académicas y profesionales de cada uno de los estudiantes del mundo. Y mostramos que los estudiantes que tomaron cursos más cerca de la frontera después ganan más. ¿Cómo sabemos si ganan más PORQUE tomaron cursos en la frontera o porque la gente que toma cursos en la frontera son también los más motivados (y que por lo tanto hubieran ganado más en cualquier caso)? Me explico.

Caso extremo: Juan es medio vago, va a una universidad no muy buena con profesores no muy buenos cuyos programas son de 1956. Y después resulta que gana menos que Pedro, que tiene el mismo título, pero de una universidad mejor, con programas más actualizados. ¿Dirías que Pedro gana más POR CAUSA DE los programas de frontera? Y no: posiblemente a Juan le iría peor que a Pedro aún con el mismo programa, el tipo decidió (o no le dio para otra cosa) ir a una universidad no muy buena, evidentemente tenía peores condiciones. Pero ponele que lo hacés menos extremo: Juan y Pedro van a la MISMA universidad y estudian lo mismo. Pero Juan eligió los cursos fáciles (porque es vago) y Pedro los difíciles. Y Pedro termina ganando más. De nuevo: ¿es el impacto de que Pedro cursó con programas más actualizados? Y no. Es un vago: eligió el curso más fácil, ¿cómo esperás que le vaya en la vida?

Ahora, imaginate lo siguiente. Juan y Pedro van a la misma universidad y estudian el mismo programa. Resulta que el mejor curso de Desarrollo Económico lo da el profesor Benicio Benitez Benitez, cuyo programa está online. A principio de año se anotan en las materias de los dos semestres, basados en sus intereses y en los programas que ven online. Juan y Pedro están igualmente motivados. Ven el mismo programa del Profesor Benitez Benitez, les encanta y se anotan. Por un tema de horarios, Juan se anotó en el curso de Benitez Benitez el primer trimestre y Pedro el segundo. Resulta que el profesor Benitez Benitez cada tanto tiene un rato y se pone a actualizar su curso. No lo hace TODOS los trimestres, sino que cada tanto, cuando va teniendo tiempo, le mete una sacudida para incorporar nuevos papers, cosas que estuvo leyendo, etc.

Resulta que Juan y Pedro tuvieron la misma intención (anotarse con el mejor), van a la misma universidad, cursaron exactamente con el mismo profesor, pero uno - Pedro - tuvo la suerte de que justo agarró en update de programa (que lo acerca a la frontera y pasa cada tanto) y el otro - Juan - no. Fijate que por definición acá no hay “selección”: no es que los vagos “se seleccionan” para ir al curso fácil y los despiertos al curso difícil. No, no. Simplemente uno tuvo más suerte que el otro y, por lo tanto, terminó expuesto a un curso un poquito más cerca de la frontera que el otro. O sea que si comparamos las trayectorias de Pedro y de Juan y encontramos que Pedro termina, por ejemplo, ganando más plata después de recibido, se lo podemos atribuir al impacto de haber estudiado con un programa más cercano a la frontera científica de su disciplina.

Algo así es lo que hacen Barbara y Song. No lo hacen para todo el mundo, sino para siete universidades públicas de Texas. ¿Por qué solo para estas? Porque parece que son de las pocas que tienen todos los programas de cada materia y de cada una de sus carreras públicos en todo momento del tiempo. Y esto me lleva al primer punto complicado, que te mencioné y luego me hice el boludo: ¿cómo hacemos para agarrar los datos de estos programas y traducirlos en una métrica estándar que me diga “el programa de desarrollo económico del profesor Benitez Benitez del primer trimestre de 2026 está más cerca de la frontera de su disciplina que el del segundo trimestre de 2026.”?

459.410 programas de 27.872 cursos impartidos entre 2005 y 2013. Agarrás cada uno de estos programas (que normalmente tienen información relacionada a la bibliografía que se cubre).

Paso 1) le pedís a un programita que descomponga cada uno de estos documentos en palabras académicas.

Paso 2) agarrás un monton de papers de la disciplina en cuestión que sean VIEJOS. Le pedís a un programita que descomponga cada paper y extraiga palabras académicas.

Paso 3) agarrás un monton de papers de la disciplina en cuestión que sean NUEVOS. Le pedís a un programita que descomponga cada paper y extraiga palabras académicas.

Paso 4) le pedís a otro programita que calcule la distancia semántica entre las palabras del paso 1) (cada programa de estudios) y los del paso 2) (los papers VIEJOS).

Paso 5) le pedís a otro programita que calcule la distancia semántica entre las palabras del paso 1) (cada programa de estudios) y los del paso 3) (los papers NUEVOS).

Paso final: para cada programa hacés un ratio entre la distancia del contenido del programa con las palabras de papers VIEJOS versus la distancia del programa con las palabras de papers NUEVOS. Cuanto más alto te da ese ratio, más lejos de la frontera científica estás.

Ejemplos.

CRISPR. No importa qué significa, el punto es que es una palabrita que existía desde hacía años pero que recién en 2012 se volvió frontera en biología, cuando se transformó en una herramienta para editar genes.

RFLP. Otra cosa que no importa que significa, porque el punto es que es una técnica para analizar variación en el ADN que fue muy popular en los 80 y 90 y que quedó casi totalmente desplazada por la secuenciación moderna y la PCR.

Si tu programa tiene mucho CRISPR, lo más probable es que estés dando contenido nuevo, de frontera, porque es un término que aparecía muy poco antes. Si tu programa tiene mucho RFLP (que aparecía en papers viejos y no en nuevos), posiblemente el contenido no sea tan de frontera como nos gustaría.

Se te ocurren mil críticas a esta medida, ¿no? A los autores también. Si tenés tiempo dale una leída para ver cómo las resuelven. Y, sino, confiá, porque si no confiás no hay confianza.

Entonces, para cada programa de cada carrera, de cada curso y de cada año tenemos una medida que nos dice qué tan cerca de la frontera estuvo expuesto el pibe que tomó ese curso, en ese lugar, en ese momento y con ese profesor. Agarrá, para cada uno de los millones de estudiantes que pasaron por estas universidades texanas entre 2005 y 2013 y calculale el promedio de distancia a la frontera del conocimiento a lo largo de toda su carrera en función de cada uno de los cursos que fue tomando. Lo que te da eso es una medida a nivel de estudiante de su exposición promedio a la frontera académica de cada una de las materias que fue tomando.

Compará la exposición a la frontera promedio de cada estudiante, contra otros estudiantes que hayan cursado las mismas materias, en la misma universidad e incluso con los mismos profesores (solo que a algunos justo les tocó el momento del update de programa y a otros no).

Bueno, basta de boludeces. Resultados.

Cuestión que los que casi por casualidad tuvieron exposición mayor a contenido de frontera durante su carrera universitaria:

1. Tienen más chances de terminar la carrera (o sea, de no abandonar).

2. Se reciben casi un semestre entero antes.

3. Terminan con un promedio más alto

4. Tienen una probabilidad 16% mayor de hacer un posgrado.

5. Terminan ganando más plata en el mercado laboral: hasta casi 4% cuando los comparás 4 años después (y no te olvides que las diferencias salariales se suelen acumular a lo largo de todos los años de vida laboral).

Desde hace 10 minutos te estás preguntando algo que todavía no mencioné: ¿quién gana con esto? ¿Los pobres, los ricos, los dos? Me voy a concentrar en un indicador, que es el que más me gusta porque es el más duro y menos sujeto a cuestionamientos: el efecto en los salarios futuros. Mirá el grafo de abajo y concentrate en las barras anaranjadas (las azules miden otra cosa que no viene al caso). El eje X te dice el cuartil de ingresos familiar del estudiante: Q1 son los pobres, Q4 los ricos. El eje Y mide el efecto de tomar cursos más cerca de la frontera en los ingresos. ¿Ves que es positivo en cada uno de los cuartiles? Sea que venís de familia rica o de familia pobre, cuanto más de frontera sean los programas de tus materias, más vas a ganar a futuro. Ganan todos.

Decano, decana, rector, rectora, persona en situación de contratación de profesores de educación superior. ¿Querés maximizar el aprendizaje de tus estudiantes? ¿Te importa que se reciban antes, con mejores notas y que ganen más? La solución está al alcance de la mano. Contratá profesores y dejalos investigar. Mejor aún: fomentales la investigación. Entrenalos, mandalos a conferencias.

Seguí esta recomendación totalmente neutral de alguien desinteresado y ajeno al caso, que no te vas a arrepentir.

¿Ya compraste #EstoTambiénEsEconomía, segunda edición? Ah, ¿no sabías? Se agotó la primera y te la perdiste por gil. Que no te vuelva a pasar, mirá por acá (o en tu librería amiga).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentina.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Nada que ver, pero…

Acá dicen que el trabajo remoto afecta negativamente tu salud mental. Ojo.

En este paper dicen que la IA generativa mejora las notas de las tareas pero termina perjudicando el aprendizaje real, con caídas bien grandes en los scores de exámenes estandarizados. El problema está en que la mayoría de los estudiantes terceriza la tarea en la IA en vez de usarla para aprender. Data de miles de estudiantes chinos.

¿Cuánto deberían ganar los empleados públicos? ¿mucho, poco?

Si pagás poco gastás poco (bien). Pero nada es gratis.

Pagando poco difícilmente puedas reclutar a los mejores (mal).

Bah, ¿qué significa “los mejores”? ¿Los más inteligentes? ¿los que tienen más vocación de servicio? ¿las dos?

Seguí que te cuento.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Cómo afecta el salario público al tipo de trabajadores que logran reclutar los gobiernos?

• ¿Necesariamente pagar más atrae a los trabajadores con los mejores atributos para ser funcionarios públicos?

Por si no sos argentino (lo lamento): “la casta” sería cualquier cosa que sea financiada por el erario público. Desde hace algunos años da vueltas en Argentina una idea muy estereotipada sobre los trabajadores del sector público: que son una elite privilegiada a la que hay que combatir, por ejemplo, haciéndole costear el ajuste fiscal que es necesario para liberar un poco al pueblo (el sector privado), que viene financiando a la elite pública con impuestos. Por supuesto que el mismísimo presidente empujó esta narrativa desde el minuto cero (antes de ser siquiera candidato) pero mi impresión es que viene de bastante antes (por lo menos desde la pandemia) y que no es un fenómeno puramente local.

Según veo en la data, los salarios del sector público están más o menos estancados desde enero de 2024 y un 20%/25% abajo del año anterior. Y según me cuentan mis casta-amigos, un Director Nacional en Argentina (puesto relevante, inmediatamente por debajo de un subsecretario de Estado) puede cobrar algo así como 2.600 dólares en mano, el equivalente a unos 500 cafés con dos medialunas por mes, según mi más reciente trabajo de campo en Villa Crespo.

¿Gana mucho? ¿Gana poco? No sé (mentira, si sé), pero el punto es que el salario público no debería ser una decisión moral (ni politizada), porque la decisión de cuánto pagarle a los empleados públicos es en sí misma una medida de política económica. Por un lado porque (por supuesto), el salario de los empleados públicos es gasto público con sus consecuentes efectos macroeconómicos. Por otro lado, porque los salarios de los empleados, sean privados, públicos o de dónde se te ocurra, representan incentivos económicos que afectan el tipo de gente que podés lograr reclutar.

Un minutito antes de seguir.

¿Por qué trabajas de lo que trabajás? A veces, porque no queda otra. Seguramente ese será el caso de trabajos de calificación relativamente baja. Otras veces, porque tu trabajo te ofrece cosas que gustan más que las que te ofrecería otro tipo de trabajos. Siendo un poco esquemáticos (y no exhaustivos), podríamos decir que hay dos o tres grandes grupos de motivaciones que explican por qué la gente trabaja de lo que trabaja. Algunas más extrínsecas: cuánta plata me pagan, cuántas vacaciones me dan, cuántos descuentos en el Sports Club de la esquina. Otras más intrínsecas: cuánto disfruto de la tarea que estoy haciendo, de mis compañeros de trabajo, de lo que sea que hago en mi día a día. Y en el medio, medio entrecruzando esas dos, entran otras consideraciones. Las motivaciones relacionadas con el prestigio, por ejemplo. O las motivaciones de servicio al público.

Si pensás que el sector público es más productivo cuando recluta mejores empleados (más inteligentes, mejores formados, más honestos, con mayor vocación de servicio), entonces te tiene qué importar qué tipo de aplicantes al servicio público lográs atraer cuando decidís pagar salarios más altos o más bajos.

La pregunta de este envío es fácil de formular y difícil de responder: ¿cómo afecta el salario público al tipo de trabajadores que logran reclutar los gobiernos? ¿Necesariamente pagar más atrae a los trabajadores con los mejores atributos para ser funcionarios públicos?

La respuesta no es tan obvia, eh.

¿Por qué un empleado público elige trabajar de empleado público? En alguna medida, igual que en cualquier otro trabajo, por los incentivos extrínsecos: por lo que le pagan, o por los beneficios que pueda llegar a tener; en otra medida, igual que en cualquier otro trabajo, por los intrínsecos: le gusta las tareas que hace, le gusta la gente que trabaja. Y en gran medida, y esto sí que no es igual que en cualquier trabajo, por su vocación de servicio: le gusta la misión, le gusta el impacto que tiene (o piensa que puede tener), le gusta servir.

Cuanto mejor pague el Estado (más incentivos extrínsecos), uno pensaría que es más probable que pueda atraer gente que podría conseguir salarios relativamente altos en otros lugares. Y seguramente la gente que puede conseguir salarios altos en otros lugares tenga atributos valiosos en el mercado: buena formación, inteligencia; competencias importantes también para el sector público.

Pero ojo. “Atributos valiosos en el mercado” no necesariamente correlacionan bien con algo que seguramente sea fundamental para la performance de un empleado público: su vocación de servicio. Ofrecer salarios más altos, en muchos casos, puede significar que terminás atrayendo gente a quien le gusta la plata, pero no le gusta servir. O sea, puede haber un tradeoff potencial entre inteligencia (o buena formación) y vocación de servicio. Presiento que más de uno me va a putear leyendo esa última oración, así que voy a intentar explicar la intuición del caso. ¿Por qué podría haber un tradeoff entre inteligencia y vocación de servicio?

Imaginate la siguiente situación. Existen cuatro potenciales postulantes a trabajos en el sector público.

Anita Mercycorps: inteligente y con vocación de servicio.

Roberto Oxfam: no tan brillante pero con vocación de servicio.

Juan Pablo Morgan: inteligente pero nada en el mundo podría importarle menos que servir al prójimo.

Mariana Flybondi: no tan brillante y aparte nada en el mundo podría importarle menos que servir al prójimo.

Si ofrecés un salario bajo, Juan Pablo Morgan no postula ni de casualidad porque es inteligente y puede conseguir algo en otro lugar y mejor pago, y vocación de servicio igual no tiene. Anita posiblemente sí postule, aún con salario bajo, porque puede estar dispuesta a trabajar en el gobierno ganando poca plata simplemente por su vocación de servicio. Roberto postula corriendo (no solo por su vocación sino porque igual no le da para un salario más alto). Mariana Flybondi vocación de servicio no tiene, pero igual no es que va a ganar mucho más en el sector privado porque tampoco es que sea una luminaria. ¿Cómo te queda entonces el pool de postulantes? Relativamente alto en vocación de servicio (dos de tres postulantes la tienen) y, digamos, relativamente bajo en inteligencia (uno de tres son inteligentes).

Si ofrecés un salario alto, a Juan Pablo Morgan lo tentás porque, si bien vocación de servicio no tiene, la plata le gusta más que comer pollo con la mano. A Anita ni hablar: tiene vocación de servicio y encima le ofrecés buena plata, postula sin dudas. Roberto postula corriendo (no solo por su vocación sino porque encima que es medio boludo le vas a pagar bien). Mariana Flybondi sí postula porque vocación de servicio no tiene, pero le pagan bien, mejor que lo que podría ganar en el privado siendo que no es el cuchillo más afilado del cajón. ¿Cómo te queda entonces el pool de postulantes? Un poco más alto en inteligencia (dos de cuatro son inteligentes) pero un poco más bajo en vocación de servicio (dos de cuatro no la tienen).

Et voilà el posible tradeoff. Ojo: el tradeoff (potencial) no es porque la gente inteligente tenga menos vocación de servicio, sino que surge del pool PROMEDIO que se forma por los incentivos que dan los salarios altos o bajos. ¿Por qué digo “potencial”? Porque podría no existir. Por ejemplo, si la gente inteligente APARTE fuera gente con servicio público.

Todo esto es en teoría. ¿Y empíricamente? A ver.

La primera complicación metodológica para responder las preguntas de hoy viene de algo muy básico: cómo hacemos para definir y luego para medir masivamente atributos y competencias. ¿Qué significa que un trabajador tenga mejores o peores competencias para el sector público? ¿Cómo hacés para medirle la inteligencia, la motivación, la capacidad a los aplicantes al servicio público?

Pero suponete que lo lográs. Que tenés una gran medida de habilidades, personalidad, competencias y hasta motivación de servicio de cada ser humano en la tierra. ¿Cómo identificás causalidad? Claro, podrías correlacionar el salario promedio del sector público de, digamos cada municipio del país, con los atributos de los trabajadores públicos y ver si donde pagan más hay mejores recursos humanos en el gobierno. El problema es que si hicieras eso tendrías que des-suscribirte de este newsletter (e incluso replantearte tus decisiones de vida) porque significaría que tres años de insistirte constantemente sobre todos los problemas que tienen ese tipo de correlaciones espurias para inferir causalidad fueron inútiles. Y a mí no me gusta perder suscriptores.

Lo bueno es que no te tenés que des-suscribir (ni replantearte ninguna elección de vida) porque el paper de hoy - escrito por tres grandes (Ernesto Dal Bo, Fred Finan y Martín Rossi) - logra resolver los dos problemas: el de la medición y el de la causalidad.

Contexto: México. Resulta que hay un programa llamado el Programa de Desarrollo Regional, cuyo rol es básicamente acercar al (y meter presencia del) Estado nacional a los 167 municipios más marginados del país: una red de agentes de desarrollo comunitario que se instalan en esas localidades, detectan dónde falla la provisión de bienes públicos y trabajan con las autoridades y programas existentes para remediarlo. Cuestión que para reclutar a los 350 agentes de desarrollo comunitario, el programa montó entre junio y agosto de 2011 una campaña en 106 localidades.

Paréntesis. Tema causalidad: para poder decir algo sobre cómo afecta el salario ofrecido a los empleados públicos en el tipo de aplicantes, necesitamos encontrar una forma de que los salarios varíen de forma aleatoria. Imaginate el experimento ideal que necesitarías para encontrar el efecto causal. Ponés avisos para reclutar gente en cada una de las 106 localidades, pero en algunas posteás avisos con salarios altos y en otras con salarios bajos (y todo lo demás constante). Y después mirás si los atributos de los que aplican difieren sistemáticamente en las municipalidades en donde ofreciste pagar bien versus las que ofreciste pagar mal. No sé cómo Ernesto, Fred y Martín lograron que el gobierno aleatorice salarios, pero me pongo de pie, los aplaudo y voy al obelisco a destruir el McDonalds para festejar porque se lo merecen. Lograron el experimento ideal.

La cosa funcionó más o menos así. Primero identificaron regiones con terciarios o universidades. Después mandaron a cada una de ellas anuncios como el de abajo. Igual en cada una de las 106 localidades. Después se sentaron a esperar.

La gente empezó a llamar. El encargado del recruitment los atendía, les hacía varias preguntas, le contaba sobre el trabajo y después le decía cuánto era el salario. El “cuánto” era aleatorio. A quienes llamaban de unas 65 localidades, les ofrecían 5,000 pesos mexicanos (en su momento unos 500 dólares americanos de cara grande) y al resto 3,750 pesos mexicanos. Misma tarea, mismo todo, diferente salario.

Tema causalidad: checked. La gente se autoselecciona: si el salario ofrecido no influye en el tipo de postulantes, entonces uno debería ver que sus características (habilidades, inteligencia, motivación) son similares independientemente del salario ofrecido. Y ahí ‘ta el segundo tema: medir todos esos atributos. Fácil: en la misma llamada, los invitaban (a todo aquel interesado) a presentarse en un determinado momento y horario a rendir una prueba de tres horas. El examen medía cuatro grandes categorías de características personales que, suponemos, son importantes para una buena performance en el sector público.

1) “Aptitud” (o sea, digamos IQ), a través de una prueba que se llama Raven (que mide capacidad de razonamiento abstracto, básicamente).

2) “Personalidad” (los famosos Big Five), apertura, responsabilidad, extraversión, amabilidad y neuroticismo.

3) “Motivación de servicio”, usando una escala bastante estándar (Public Service Motivation de Perry), donde el postulante expresa su grado de acuerdo con 40 afirmaciones sobre política, servicio público y conducta prosocial.

4) “Prosocialidad”, usando diferentes preguntas alusivas (por ejemplo, contribuir a caridad)

Tenemos aleatoriedad en el salario ofrecido, tenemos atributos de la gente que aplica. Solamente nos falta comparar y listo el pollo. Resultados.

1. Cuando pagás más, postula gente con “salarios de reserva” más altos. O sea, gente que en ausencia de este trabajo tendría salarios relativamente más altos y, posiblemente, mayor cantidad de “outside options”. Concretamente, el salario previo (o sea, de lo que trabajaban los postulantes) es un 22% mayor cuando el salario ofrecido es alto que cuando es bajo.

2. Cuando pagás más, postula gente con IQ (según el test de Raven) más alto. Algo así como un 6% más alto cuando el salario ofrecido es alto (versus cuando es bajo).

   Lo que ves abajo es el gráfico con la distribución de IQ para localidades con oferta alta (azul) y baja (rojo) de salario. Por qué te muestro esto? No es porque agregue tanta información a lo que te dije antes, medio que dice lo mismo que en el párrafo anterior. No, no, no es por eso. Es simplemente para hacerle bullying a Martín por haber logrado publicar un gráfico con formato tan increíblemente feo en uno de los mejores journals del mundo. Lo perdonamos porque esto es de 2011. Seguimos.

3. Cuando pagás más, atraés gente con características de personalidad fundamentalmente diferentes en varios de los Big Five: gente con niveles bastante más altos de “conscientiousness” (algo así como responsabilidad, capacidad organizativa, meticulosidad), con niveles más bajos de neuroticismo y con niveles más altos de apertura a la experiencia nueva.

Hasta acá todo muy lindo. Pagás más, viene gente más capaz, con mejores outside options y con, digamos, rasgos de personalidad que uno en general considera positivos. Pero, de nuevo, al empleado público no solamente le pedís inteligencia y capacidad, sino también vocación de servicio. Y, como habíamos quedado hace algunos párrafos atrás, no sería raro que pagar más atraiga gente más capaz, mucho más ambiciosa pero no necesariamente tan motivada por servir. El famoso tradeoff entre inteligencia y vocación.

Traigan pasteles porque cerezas sobran. Cuchá:

4. Pagar más NO atrae masivamente gente sin compromiso ni vocación pública. En algunos indicadores el efecto de pagar más es positivo en cuanto a la vocación pública de los postulantes (creencia en la justicia social, compasión), en otros el efecto es más bien neutro (deber cívico, compromiso político) y en alguno que otro negativo (prosocialidad, que no es estrictamente vocación pública pero ahí anda). O sea, no parece haber tal tradeoff. Pagás más, vienen los más inteligentes Y los más motivados con el servicio público.

Te quedaste pensando en por qué trabajás de lo que trabajás, ¿no? Y bue. Así es Esto No es Economía: te divertís, aprendés, te distraés y cada tanto te replanteás tu vida (de nada).

¿Ya compraste #EstoTambiénEsEconomía, segunda edición? Ah, ¿no sabías? Se agotó la primera y te la perdiste por gil. Que no te vuelva a pasar, mirá por acá (o en tu librería amiga).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentina.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

También hay papers sobre el salario de los políticos y su performance, eh. Uno de Claudio Ferraz y Fred Finan acá para Brasil. Y otro de Nannicini y Gagliarducci para adiviná qué país. Misma conclusión: pagarles bien mejora la performance de los políticos.

Nada que ver, pero…

Estamos todos con la onda AI y no me quería quedar atrás. Acá sacamos un nuevo paper que hemos dado en llamar “Can AI Replace Human Counselors at Scale? A Nationwide Experiment to Reduce Teacher Shortages” y en donde mostramos que un AI chatbot bien entrenado para motivar a estudiantes a estudiar educación (cosa importante en Chile, que hay faltante) terminó siendo al menos tan (y posiblemente más) efectivo que counselors vocacionales humanos. Hicimos un experimento masivo (bro) con 41 mil estudiantes.

Acá armé un hilo contando un poco más.

La gente cada vez confía menos en los científicos. Bah, en los “expertos” en general. Y medio que los políticos también. Y puede ser un problema, ¿eh? Digo, si pensamos que lo que dicen los expertos tiene algún valor como para que las políticas estén basadas en la evidencia que traen.

Hay quien dice que el desprestigio de “los expertos” tiene cierto origen ideológico. No es que el político no confíe en los expertos. Confía. Siempre que el experto comparta su ideología.

Hoy escribí sobre todo eso.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Los políticos escuchan más a los expertos cuando están alineados ideológicamente?

No dan bola. Mirá que en todos los papers le ponemos el clásico “the policy implications of these results are substantial”, para que quede bien claro que lo que estamos escribiendo no es para que lo lean 200 personas, sino para informar al policy maker sobre la relevancia SUSTANCIAL del caso. Y decí que lo que investigamos los que nos dedicamos a temas sociales, en general, no es TAAAAN de vida o muerte. Pero bueno, a uno le gustaría que, no sé, los políticos más o menos hagan caso a los científicos (no estoy hablando de Batman) cuando recomiendan, digamos, que la vacuna contra el sarampión sea obligatoria.

Evidentemente el prestigio de y la confianza en la ciencia no está pasando por su mejor momento. El otro día miraba unos datos para USA. De 13% de gente que no confiaba en la ciencia en 2019, en 2024 se fue a 23%. Un cuarto de la gente que no le tiene confianza. Y por qué el político le va a dar bola a algo que evidentemente ya no tiene tanta autoridad, ¿no?

Hay mucho para decir sobre las causas de esto (pronto hasta yo tendré algo escrito, atentas esas 200 personas). Seguramente una parte sea responsabilidad de ‘los políticos’, claro, porque la ciencia se volvió un clivaje cultural a explotar para polarizar políticamente y ellos lo aprovechan.

Y seguramente los propios científicos tengan su responsabilidad. Hace unos años habíamos pensado un experimento con Joaco Navajas y Luiz Felipe Fontes para entender cómo afecta la politización de los científicos la confianza en la ciencia. Al final desistimos porque a los pocos meses ya habían salido un par de papers que daban una respuesta (y ser el 2do nunca suma mucho para publicar). En uno, mostraban que cuando una revista científica prestigiosa hacía un endorsment político (¿viste cuando Nature te dice que votes a Biden, por ejemplo?), un montón de gente empieza a creer menos en la ciencia en general. En otro mostraban que las opiniones twitteas de científicos tenían un efecto parecido. Lo cual tiene sentido, ¿no? En un mundo del tipo “nosotros versus ellos”, si la ciencia es ellos, entonces no puede ser nosotros.

Y claro, si “la ciencia” se politiza, entonces tiene mucho sentido que los políticos la usen en su narrativa. Si sos político y te interesa decir que los científicos (y “los expertos” en general) son parte de una elite que se beneficia a costa del pueblo para perseguir su agenda política te armás una narrativa acorde y salís a hacer campaña con eso. Pero hay un punto interesante y más profundo en todo esto. Una cosa es explotar la narrativa conspiranoide pero otra muy distinta es consumir de la que vendés. Una cosa es que tu campaña como político sea anti-vacunas e incluso que, cuando llegues al poder, tus políticas sean anti-vacunas (para que tu narrativa sea creíble), pero otra cosa es que no vacunes a tus hijos.

Que los científicos y los expertos pierdan confianza pública es problemático. Que los políticos exploten ese descrédito y la usen para polarizar, es muy malo. Que los políticos se terminen creyendo lo que venden y empiecen a descontar el valor real de la evidencia para diseñar políticas aún cuando nadie los ve (y cuando, por lo tanto, no hay ningún rédito político para sacar), es aún peor.

El paper de hoy es sobre esto. En realidad sobre algo más sutil.

No es sobre el descrédito de los políticos a las recomendaciones de los expertos en general, sino sobre el descrédito de los políticos a las recomendaciones de expertos POR ESTAR ideológicamente desalineados. El paper se acaba de publicar y está coautoreado por un grupo de gente muy crack, entre quienes está el amigo Jorge Hombrados (un tipo que aprovecha el tiempo que tiene libre no publicando papers en revistas top para ser un fiel lector del newsletter).

La pregunta de la semana: ¿que un político decida implementar una política basada en evidencia depende sistemáticamente de la congruencia política con la organización que emite la recomendación? Ejemplo. Sale un informe mostrando que cuando el tipito del semáforo es de color verde en vez de color blanco la gente le da más bola porque lo ve más. El intendente de Burruyacu es peronista (asumo, porque es en Tucumán). Escenario A: le llega el informe firmado por la Fundación Eva Perón Te Amo (FEPTA). Escenario B: le llega el mismo informe firmado por la Fundación Perón Te Odio (FPTO). Tiene que comprar semáforos nuevos: ¿la probabilidad de que compre con tipito verde (versus blanco) depende del escenario?

Ya sabés por qué responder esto es difícil, ¿no? Bien. Por varios motivos, en realidad. El primero, el de siempre: cómo encontrar una respuesta causal. En un mundo ideal, haríamos un experimento en donde agarramos a un montón de intendentes de diferentes ciudades del país, a todos le damos la misma pieza de información basada en evidencia, pero en algunos casos la firma la pone una organización/think-tank ideológicamente alineada y en otra la firma la pone una organización/think-tank ideológicamente contraria. Y después vemos si los intendentes que recibieron la información de organizaciones alineadas son más propensos a implementar la política que el resto.

Qué fácil contarlo, ¿no? Hacerlo es un poco más jodido. Jorge y compañía hicieron un experimento haciendo exactamente lo que describí arriba, para lo cual contactaron a 5678 alcaldes de España. 70% de los municipios de todo el país. Por email y por teléfono. O sea que OK, el tema de la causalidad está resuelto. Pero hay otro problema nada trivial: definir lo que es una buena pieza de información basada en evidencia. No es tan fácil, eh. Necesitás una política que (a) (obvio) tenga evidencia de que funciona y que no sea conocida por todos, (b) sea relativamente fácil y poco costoso de implementar para un alcalde (o sea, que haya un accionable natural), (c) sea relativamente fácil para los investigadores de medir ex-post y (d) fundamental, que no tenga una carga ideológica demasiado grande.

Ejemplos que no caminarían: comunicarle a un alcalde que la emisión genera inflación (¿qué hace un alcalde con esa información?), o mandarle un email diciéndole que construir rutas mejora la competitividad (dale, banca que le pido 250 millones de dólares al banco), o que el aborto reduce la mortalidad materna (dale, ahí le explico a mi constituency católico conservador; y eso asumiendo que el alcalde pudiera hacer algo al respecto). Acá va lo que es, para mí, lo mejor del paper (y eso que el paper es una maravilla desde la página 0): la elección de la información basada en evidencia que le comunicaron a los alcaldes.

Tunear la página de tu municipio en Wikipedia te aumenta la tasa de pernocte turístico en un 9%. ¿Qué significa tunear? Poner fotos sobre fiestas locales, referencias a landmarks turísticos, agregar fotos nuevas del municipio, traducir la página a varios idiomas. ¿No lo sabías? Yo sí, porque soy un boludo que se pone a leer papers el sábado a la tarde y una vez caí con Wikipedia Matters, un experimento de hace varios años en donde les tunearon las páginas de Wikipedia a algunos municipios y a otros no y después miraron el efecto en reservas hoteleras.

Ese dato basado en evidencia es una genialidad. Primero porque te puede servir para levantar. Segundo porque cumple con todas las características para armar el experimento. Es un dato que tiene un accionable clarísimo y cuyo costo es básicamente cero: TUNEAR UN POCO LA PÁGINA DE WIKIPEDIA. No está cargado ideológicamente (a quién le importa, ¿no?), es neutro e inequívocamente positivo para el municipio. Es fácil de hacer, pero también fácil de medir para el investigador: mirás cada tanto el historial y te fijás si implementaron los cambios que sugeriste. Y listo.

Más concretamente, dividieron a los cinco mil y pico alcaldes en seis grupos: cinco grupos de tratamiento y un grupo de control. Todos los grupos de tratamiento recibieron el mismo email con el mismo resumen de evidencia, las mismas tres recomendaciones (fotos, fiestas, landmarks + traducción), y el mismo link a las instrucciones paso a paso para editar Wikipedia. La diferencia está en dos cositas muy sutiles. Quién firma: o sea, el logo de la institución que manda el mail, que señala su potencial sesgo ideológico. Y qué tipo de institución: un artículo de un diario, o un brief de un think tank que, se supone, se dedica a investigar cómo mejorar políticas públicas. Cinco grupos, prestá atención

1. Grupo think tank alineado: el loguito del mail era de un think tank ideológicamente alineado al partido del alcalde. Y te metían un link al policy brief escrito y firmado por tal think tank.

2. Grupo think tank NO alineado: el loguito del mail era de un think tank ideológicamente NO alineado al partido del alcalde. Y te metían un link al policy brief escrito y firmado por tal think tank.

3. Grupo think tank NEUTRO: el loguito del mail era de un think tank/universidad no alineado con nadie. Y te metían un link al policy brief escrito y firmado por gente tal think tank/universidad.

4. Grupo Diario alineado: el loguito del mail era de un diario ideológicamente alineado al partido del alcalde. Y te metían un link a una nota del tema publicada en tal diario.

5. Grupo Diario NO alineado: el loguito del mail era de un diario ideológicamente NO alineado al partido del alcalde. Y te metían un link a una nota del tema publicada en tal diario.

¿Qué significa alineado/no alineado?

Para think tanks usaron dos organizaciones conocidas en España. Por un lado, la Fundación para el Análisis y los Estudios Sociales (FAES), un think tank conservador/más a la derecha, vinculado al Partido Popular. Por otro lado la Fundación Alternativas, un think tank más de izquierda, vinculada al Partido Socialista (PSOE). Para diarios usaron El Mundo (más de derecha) y ElDiario.es (más de izquierda).

El grupo de control son alcaldes que no recibieron NINGUNA información.

Y para qué quieren tantos grupos de tratamiento diferente, te preguntarás. Porque entonces pueden responder varias preguntas:

1. ¿Cómo reaccionan los alcaldes a evidencia cuándo viene de una fuente alineada ideológicamente versus de una desalineada? Para esto basta comparar alcaldes que recibieron información de fuentes alineadas versus no alineadas (ya sea de diario o de think tank) .

2. ¿Cómo reaccionan los alcaldes a evidencia cuándo viene de una fuente técnica/académica versus de una fuente periodística/divulgativa? Para esta basta comparar alcaldes que recibieron información de fuentes “expertas” (think tanks) versus fuentes “no expertas” (diarios).

Me callo y vamos a los resultados. Te lo resumo en un grafo.

Mirá arriba.

Eje X. Concentrate en las barritas azuladas (por si no distinguís colores, son las primeras de cada categoría). Tenés cinco categorías, correspondientes a (¿qué va a ser?) cada uno de los cinco grupos de tratamiento. De izquierda a derecha: think tank ideológicamente desalineado con el alcalde, Diario ideológicamente desalineado con el alcalde, think tank ideológicamente neutro, Diario ideológicamente alineado con el alcalde y, finalmente, think tank ideológicamente alineado con el alcalde.

Eje Y: diferencia en la probabilidad de que haya cambiado la página de Wikipedia exactamente en cuanto a alguna de las recomendaciones de los mails (fotos, fiestas, landmarks + traducción), EN RELACIÓN al grupo de control, que no recibió información, en los siete meses siguientes a haber recibido la información. O sea: si ves, por ejemplo un 0.02 positivo, significa que la probabilidad de que un alcalde del grupo correspondiente haya editado Wikipedia (siguiendo las recomendaciones) es 2 puntos porcentuales superior a la de un alcalde promedio del grupo control, que no recibió información.

¿Qué nos dice este grafo? Lo principal: los alcaldes que recibieron información útil y accionable con costo 0 de instituciones (ya sea think tanks o diarios) DESALINEADOS ideológicamente (los dos de la izquierda), no hicieron nada de nada. O sea, se comportaron igual que los alcaldes que no recibieron información, los del grupo control. Los alcaldes que recibieron información útil y accionable con costo 0 de instituciones (ya sea Think Tanks o diarios) ALINEADOS ideológicamente (los dos de la derecha), siguieron las recomendaciones con mucha mayor probabilidad que los del grupo de alcaldes que no recibieron información.

¿Te parece poco 2 puntos porcentuales? Pensá que el tratamiento es recibir un mail. La tasa de apertura según ellos mismos es de menos de 40% y la tasa de click en la información no llega al 7%. Y AÚN ASÍ, lograron cambiar algunos comportamientos. Pero dejame ponerte la magnitud del impacto en contexto: la probabilidad de que un alcalde del grupo control haya hecho una edición relevante de su página de Wikipedia en el período en cuestión fue de 2.55%. Menos de 3 de cada 100 alcaldes. Entre los que recibieron la info de instituciones alineadas 4.4%, como un 70% más.

Volvé a mirar el grafo de arriba. Compará los dos grupos de la derecha entre sí. Prácticamente iguales: cuando la información es alineada ideológicamente, los alcaldes escuchan independientemente de que la (ojo la expresión que te tiro) validez epistémica de la fuente en cuestión. Lo mismo si mirás las dos de la izquierda: si viene de una fuente desalineada, da igual si es un Think Tank, un diario o lo que sea, el alcalde no le da bola. La rigurosidad de la fuente es irrelevante, lo único que importa es el alineamiento ideológico.

Vuelvo al comienzo. ¿Tal vez es mejor que los científicos no revelen tanto su ideología? Digo, para que cuando el digan “hacer X genera Y”, el interlocutor con poder de verdad para hacer cosas escuche “hacer X genera Y” en vez de “miralo al zurdito todo ensobrado como te quiere vender que X genera Y”.

Aunque, o sea digamos, me hago el inocente y la verdad es que si lees mi Twitter está claro lo que opino (a favor de lo bueno, en contra Platense). ¿Que qué? ¿Que decís? ¿que qué me hago el científico si lo que hago es escribir papers de economía política? Ok, puede ser pero… ¿que qué? ¿que aparte, en todo caso, para mí opinar de economía sería el equivalente a que un biólogo marino sobre la bioluminiscencia de ciertos cefalópodos y que por lo tanto no tengo que martirizarme tanto, que al final tuitear de economía y política es parte de mi divulgar lo que hago y que entonces todo bien?

Ok, ok, me convenciste. Sigo tuiteando boludeces tranquilo.

¿Ya compraste #EstoTambiénEsEconomía, segunda edición? Ah, ¿no sabías? Se agotó la primera y te la perdiste por gil. Que no te vuelva a pasar, mirá por acá (o en tu librería amiga).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentina.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Si te interesa saber qué otras cosas hacemos o dejamos de hacer porque somos ideológicamente discordantes, podés leer el primer envío de este newsletter.

Nada que ver, pero…

Acá estudian 180 años de historia americana y te dicen que las tarifas tienen efectos persistentes negativos (oh sorpresa) en actividad y exportaciones.

Mucha gente tiene la idea de que los planes sociales desincentivan el trabajo. Si te doy plata, ¿para qué vas a esforzarte, planero?

El razonamiento tiene lógica y hasta teoría económica por detrás. Pero, ¿y la evidencia? Te cuento.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Los planes sociales desincentivan el trabajo?

Hoy di la última clase del semestre. Para festejar (y no perder la costumbre), me levanté con ganas de hacerte un quiz.

Sos freelancer. Vendés, yo qué sé, el servicio que a vos más te guste (sin juzgar). Sos tu propio jefe (o jefa). Te levantás a la hora que querés, vas al gym a ser un gym bro, sacás a pasear a tu grifón belga, te tomás un café sin azucar ni soda de cortesía (porque no hay) en el café de especialidad en donde te atiende Teo, un barista con índice de masa corporal de 18.5 al borde de la desnutrición y que usa una remera XXXXXL que le toca el piso. Volvés tipo 11 a casa a agarrar la pala la cantidad de horas que tenés ganas de levantar la pala.

Un día llega papá noel: el gobierno te regala plata, viva, tagui, teca, biyuya, peculio, cash. Tu salario no cambia, tu trabajo no cambia, pero ahora aparte te regalan algo de plata. No una barbaridad, pero algo. Digamos un subsidio mensual por existir, algo así como un ingreso básico universal, una asignación que te dan por vivir. Algo como la famosa Asignación Universal por Hijo.

La pregunta para vos. Trabajás más, menos, ¿o igual? ¿qué dice la teoría?

Pensemos.

El precio que cobras por tu trabajo en principio no cambia. Desde ese lado, no veo por qué trabajarías más o menos, porque cada hora de trabajo te da lo mismo que antes. Peeeero, que te den una asignación por vivir te hace más rico. Ganás más trabajando la misma cantidad (o incluso menos) de tiempo, incluso su tu salario por hora trabajada no cambió un centavo.

Y, dado que sos más rico, la verdad es que te podés dar el lujo de boludear con tu grifón más tiempo, sin dejar de consumir el café ni ninguno de los bienes que te gusta consumir (incluso podés boludear más y encima consumir más).

Lo que dice la teoría más básica: si te regalan plata vas a ser un planero que quiere trabajar menos.

O sea, digamos, la predicción más simple, del modelo más sencillo de todos te dice que que los subsidios tipo Asignación por Hijo desincentivan el trabajo. No es que esté basada en “nada” esa afirmación; todo lo contrario: es muy razonable e incluso en muchos casos los datos le dan la razón. Pero en otros no.

El grafo de arriba sale del paper de hoy, un working paper bien fresquito que sacaron Michael Best, Felipe Lobel y Valdemar Pinho Neto hace unos días. Cada puntito es un país (a veces un país aparece más de una vez, porque la medición se hizo más de una vez). El eje X es PBI per cápita (a la derecha países ricos, a la izquierda pobres). El eje Y (me dejen simplificar) te dice cómo cambia tu disponibilidad a trabajar cuando el Estado te hace una transferencia de plata gratis.

Mayor a cero, significa que, cuando te regalan plata, trabajás aún más que antes. Menor a cero, significa que, cuando te regalan plata, trabajás menos que antes. ¿Qué te dice esto? en Estados Unidos, por ejemplo, si el Estado te regala plata terminás laburando menos que antes (planero vago, tal como predice la teoría más básica). En otros países, por ejemplo Uganda, si el Estado te regala plata no solo no te desincentiva a trabajar, sino que terminás levantando la pala aún más que antes.

¿Qué le pasa a Uganda? ¿no era que la teoría decía otra cosa? La más básica sí, pero podemos complejizarla un poco.

Imaginate que no estamos hablando de vos, dueño del grifón y catador de pourovers de especialidad, sino de Hector, un tipo que no llega a fin de mes. Labura, hace lo que puede. Trabaja por su cuenta: hace changas, rebusques, trabajitos acá y allá. Pero no le alcanza ni para pagar las 4 comidas ni para pagarse la aspirina que necesita cuando le duele la cabeza. Hector no es particularmente productivo, por lo que cada hora de trabajo le paga poquísimo. No tiene un grifón para pasear, pero, igual que cualquier humano, valora el descanso, el ocio, el no trabajar.

A Hector un día también le llegó papá noel: el gobierno le da a su familia el famoso subsidio mensual por existir, el ingreso básico universal, la asignación por vivir.

Hector trabaja más, menos, ¿igual?

Pensemos. La lógica tuya, la de arriba, también le aplica, aunque sea parcialmente a Hector. La asignación por vivir le hace ganar más plata (o sea, ser más rico), aún si decidiera trabajar un poco menos (o lo mismo que antes). Y, dejame parafrasear una frase de mi mismo de un par de párrafos arriba: si Hector gana más plata, la verdad que se puede dar el lujo de pasar más tiempo libre sin dejar de consumir nada de lo que consumía antes, porque es más rico que antes. Es más: ahora puede descansar más tiempo y encima consumir más bienes. Hasta acá, siguiendo esta lógica, Hector va a querer trabajar menos (como vos, que sos un planero).

Pero potencialmente hay una gran diferencia entre vos y Hector. A vos el subsidio del gobierno difícilmente te cambie la vida. A Hector tal vez sí y de formas muy concretas. Ahora, por ejemplo, Hector tiene plata para comer las cuatro comidas y para pagar la aspirina que necesita cuando le duele la cabeza. Vos no ibas a ahorrar en aspirinas, Hector antes sí, pero ahora no. O sea que seguramente la productividad de Hector, ahora que puede tomarse la aspirina cuando le duele la cabeza y comer lo que necesita para vivir, termine siendo mayor: falta menos, trabaja más enfocado. Y si trabaja mejor, falta menos y labura con más foco, probablemente Hector ahora pueda empezar a cobrar un salario un poco más alto que antes. Ahí hay una diferencia fundamental: que a vos te llegue plata del cielo no te cambia lo que podés cobrar por tu hora de trabajo, pero a Hector sí. Antes cobraba 10 por ahora, pero ahora resulta que puede cobrar 12.

¿Y qué pasa con la disposición a trabajar de Hector ahora que cada hora de trabajo le representa más plata que antes? Y bueno, si le pagan más cada hora de trabajo, en una de esas hasta termine queriendo trabajar no menos, sino más horas que antes. Si esto es cierto, deberíamos ver que las asignaciones universales (por ejemplo, la AUH), al menos en cierta gente, terminan incentivando el trabajo (como en Uganda).

En teoría.

Michael y sus amigos, los autores del gran paper del envío de esta semana, le ponen algo de evidencia a esta idea.

Contexto: Brasil, Bolsa Familia, uno de los programas de subsidios monetarios para reducir la pobreza más grandes del mundo. Funciona parecido a muchos otros programas de transferencias condicionadas (se llaman así porque te dan la plata a cambio de, por ejemplo, que tu hijo vaya a la escuela o se vacune), tipo la Asignación Universal por Hijo. La pregunta que queremos responder: ¿Bolsa Familia genera planeros que no quieren trabajar?

¿Que nos gustaría hacer para responderla? Aleatorizar personas (o, digamos, ciudades), a algunos les damos plata, a otros no y un tiempo después vemos si los que recibieron plata trabajan más, menos o lo mismo que el resto. Hacer eso está difícil. Michael y amigos usan una estrategia empírica que ya es un clásico en este espacio. Mirá.

Resulta que en 2012 Dilma se mandó una expansión masiva de Bolsa Familia (programa que ya existía desde hace varios años). La idea era erradicar la indigencia, para lo cual rediseñó el programa de tal forma que todos los que estaban por debajo de cierta línea de ingresos empezarían a recibir un adicional hasta llevarlos a la línea y sacarlos de la indigencia. Más concretamente, la reforma dividió a los potenciales beneficiarios en tres grupos: (1) los que estaban bajo la línea de extrema pobreza recibían los beneficios de siempre más un complemento para alcanzar esa línea; (2) los que estaban entre la línea de extrema pobreza y la de pobreza recibían solo los beneficios de siempre sin complemento; y (3) los que superaban la línea de pobreza quedaban fuera del programa.

La línea de pobreza extrema (o indigencia) eran 70 reales por mes por persona. Simplificando un poco, si tu hogar tenía, digamos, cuatro personas necesitabas 280 para no ser pobre extremo.

Familia A, 4 personas: 2011, pre-reforma, ganaban 180 reales del laburo. Y aparte cobraban unos 60 de asignación: total 240 reales, era una familia pobre extrema. 2012, post-reforma, le sumaron 40 reales de asignación para que llegue a 280 y salga de la pobreza extrema. Serían el “grupo (1)” de arriba.

Familia B, 4 personas: 2011, pre-reforma, ganaban 220.01 reales del laburo. Y aparte cobraban unos 60 de asignación: total 280.01 reales, era una familia pobre pero no pobre extrema. 2012, post-reforma, no le sumaron nada porque no era pobre extrema. Serían el “grupo (2)” de arriba.

A la familia A en 2012 le metieron un aumento repentino de 40 reales, un 17% de aumento de un día para el otro. A la familia B no le cambiaron nada.

Mirá el grafo de arriba un minuto. Seguime (simplificando un poco para facilitar la cosa): el eje Y te dice la DIFERENCIA entre la probabilidad de que alguien de la familia A tenga un empleo formal versus que alguien de la familia B tenga un empleo formal, para cada año del eje X. Cuando es 0, significa que las probabilidades son parecidas. Fijate como, hasta el año de la reforma (2012), las tendencias son idénticas: la diferencia entre la probabilidad de que alguien de A o de B tenga un empleo formal se mantiene estable en el tiempo. En 2012 pasa algo: de un día para otro, los de la familia A empiezan a entrar mucho más al mercado laboral que los de la familia B. ¿Qué diferencia hay entre A y B? Que, pasando 2012, a la familia A le vino un shock de ingresos (el adicional de Bolsa Familia) y a la familia B no.

¿Te suena esta estrategia empírica? Claro, porque la usamos 150 millones de veces en este espacio. El buen difference-in-differences (por ejemplo acá o acá).

Los que recibieron el extra de subsidio, aumentaron su propensión a trabajar MUCHO MÁS que los que no lo recibieron. Para ser transparentes, el efecto no es tanto en el margen intensivo (la gente que ya trabajaba, ahora trabaja más), sino en el extensivo: gente que antes no trabajaba, empieza a trabajar.

En mi descripción del problema te puse un ejemplo medio boludo: el pobre que ahora recibe más plata, puede pagarse la aspirina y por lo tanto ser más productivo. ¿Vos sabés que resulta que tan boludo no era el ejemplo?.

El grafo de arriba se lee igual que el anterior, con la diferencia que el eje Y ahora mide gastos en medicamentos. Fijate como la diferencia entre gastos de medicamos de la familia tipo A y B venía estable, siempre cerca del 0. Un poco después de 2012 la cosa empieza a cambiar: la familia tipo A empieza a aumentar su consumo de medicamentos a una velocidad mucho mayor que los de B. ¿Qué paso exactamente en 2012 para que cambie la tendencia? Exacto, el adicional de Bolsa Familia.

De yapa: no solamente comprás más medicamentos, sino que, bueno, te enfermás menos y por lo tanto te morís menos. La figura de abajo se lee igual que las de arriba pero el eje Y mide diferencias en la probabilidad de que se muera alguien de la familia A versus la B. ¿Ves cómo venían parecido hasta 2012 y después la tasa de muerte de A empieza a caer mucho más rápido que la de B? ¿Y qué pasó en 2012? Ok, me callo.

Todo muy lindo. Pero la historia teórica era que te daban más plata de subsidio, eso te hacía más productivo, podías cobrar más y por lo tanto era más probable que quisieras salir a trabajar. Te mostré todo hasta ahora menos lo principal: ¿qué pasó con el salario laboral de esta gente? 5% más. La familia A empezó a cobrar 5% más por cada hora trabajada.

¿Mucho, poco? Lo suficiente para incentivarte a salir a levantar la pala. Acá termino, podés salir tranquilo a pasear al grifón.

¿Ya compraste #EstoTambiénEsEconomía, segunda edición? Ah, ¿no sabías? Se agotó la primera y te la perdiste por gil. Que no te vuelva a pasar, mirá por acá (o en tu librería amiga).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentina.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

En Argentina muy crack estudiando AUH, sus efectos y todo lo demás. Para no etiquetar a ninguno particular y que se enoje el resto, te dejo el link que los reúne a casi todos/as (es el CEDLAS, por si no adivinaste).

Nada que ver, pero…

Acá dicen que la diversidad cultural fomenta la innovación. Me gusta, tal vez se venga pronto en este espacio.

Buenísimo este nuevo working paper, de un grupo estelar de investigadores colombianos (creo que todos ellos) cuantificando el premium económico de tener un acento high-class. Me jode porque mi acento es muy porteño del humildísimo barrio obrero de Villa Crespo. Pero bueno, es lo que hay.

Hay gente que piensa que para que uno gane el otro tiene que perder. En algunos contextos esto es cierto (por ejemplo, fútbol, Platense pierde).

En otros no tanto: que vos aumentes tu ingreso no implica que el mío caiga, que un tratado comercial beneficie a A no implica que perjudique a B: lo más probable es que todos ganemos (salvo Platense, que pierde).

De esta gente decimos que tienen pensamiento de suma cero. Y pensar así tiene consecuencias.

¿Qué mundo quieren los zero sum thinkers? ¿A quién votan? ¿Qué políticas apoyan? ¿Y por qué tienen esa cosmovisión?

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Qué mundo quieren los que piensan en suma cero?

• ¿Por qué algunos piensan en clave de suma cero y otros no?

¿Escuchaste hablar de Scalabrini Ortiz? ¿De Arturo Jauretche? ¿De Forja? ¿No? Bien por vos. Pero, aunque no hayas escuchado hablar de ellos, seguramente escuchaste algún razonamiento económico que, te aseguro, tiene alguna raíz en el pensamiento de Scalabrini Ortiz, de Arturo Jauretche o similares.

¿Que quién es Scalabrini Ortiz? El de la calle (que históricamente se llamaba Canning y, en mis libros, así se sigue llamando). También es el autor de esa frase que suele citar alguna parte del peronismo, que dice algo así que si te hablan de economía y no entendés es porque te están caminando. Exhibit A (que una vez me crucé caminando por Londres):

¿Te parece ridícula la frase? Te parece bien.

Scalabrini Ortiz y Jauretche eran amigotes, fundadores de Forja (un grupo de intelectuales de época en los 30’s, bastante influyente, que pensaban que el problema argentino, palabras más/menos, era que era todavía “una colonia” y que terminaron convergiendo en el peronismo). Jauretche es el famoso escritor del “Manual de zonceras argentinas” que, como su nombre lo anticipa, está lleno de zonceras (aunque no en el sentido que Jauretche quiere venderlas).

El libro es algo así como un catálogo de lo que el autor llama “zonceras”, pavadas que los argentinos se creen, no porque sean tontos, sino porque “se las hicieron creer”. A través de la escuela, la prensa, la cultura. Un libro que intenta desmentir el sentido común argentino - equivocado, según él - de la época. Un sentido común que a mí me parece bastante razonable. Sus desmentidas, en cambio, me parecen un compendio de lugares comunes que, como yo lo veo, terminaron influenciando muchísimo la forma de pensar del argentino mediano. Por supuesto que no me estoy refiriendo a él ni a ese libro en especial, pero sí a una forma de pensar que está muy bien representada ahí.

Ejemplifico.

…Él nos advirtió que el liberalismo de Adam Smith al propender la división internacional del trabajo y el libre cambio, lo que quería era aprovechar las momentáneas condiciones de superioridad que Inglaterra había logrado (...) Y de él aprendimos que Adam Smith, el maestro del liberalismo, era un conquistador más peligroso que Napoleón…

Frase de las zonceras, pronunciada en un diálogo imaginario por Ludwig Erhard, ministro alemán, en conversación con Álvaro Alsogaray, económicamente liberal ministro argentino de entonces. En su recurso retórico, Jauretche describe a Erhard, visitando imaginariamente a Argentina y brindando un consejo desinteresado en el que, como la frase lo indica, Inglaterra no debería generarle ninguna confianza a Argentina porque el liberalismo que pregona (sostenido intelectualmente por Adam Smith), es en realidad una forma más novedosa de colonialismo, según la cual si ellos ganan es porque nosotros perdemos.

¿Suena conocido? Hace poco Argentina firmó un acuerdo comercial bilateral con Estados Unidos. El argumento (en contra) que muchos esgrimían no estaba necesariamente basado en el contenido del acuerdo en sí, sino en el hecho de que los americanos festejaban. Que los americanos festejen significa que es bueno para ellos, y que sea bueno para ellos es indicador de que tiene que ser malo para nosotros. La misma lógica de la zoncera, casi 60 años después. ¿Ves el patrón? Tiene un nombre ese patrón, esa forma de ver al mundo que te lo voy a decir en inglés porque soy un colonialista como Adam Smith y los piratas ingleses: Zero Sum thinking.

Hace poco salió publicado el paper del que te hablo hoy, que se llama Zero-Sum thinking and the roots of US political differences, y alguna persona brillante twitteó el abstract, quoteado con un “para mí que esto explica muchísimo de la forma de pensar de un montón de argentinos”. Esa persona brillante tiene razón (fui yo, por si te preguntabas) así que aprovecho este espacio para desarrollar la idea.

Nathan Nunn (de quien ya escribimos en este espacio, nuestra oda al tubérculo papa), Sandra Sequeira, Sahil Chinoy y Stefanie Stantcheva escribieron un paper que es sobre Estados Unidos pero que a muchos latinoamericanos les va a sonar muy familiar. Tanto así, que la idea del paper sale de una observación antropológica de George Foster, que no es sobre Estados Unidos, sino sobre México rural: mucha gente tiene una visión del mundo (no de un tema particular, del mundo) que es fundamentalmente de suma cero. Una visión del mundo que implica que si alguien gana es porque hay otro que pierde en una cuantía similar. Lo que está implícito es que la producción de las sociedades es limitada; si la torta está fija, para que uno gane hay que sacarle al otro. Los intercambios distribuyen las porciones entre los que hay, pero nunca generan una torta más grande.

Ojo que esta visión no está siempre equivocada, eh. Hay intercambios que, efectivamente son de suma cero. Y hay contextos en donde un determinado intercambio es más o menos “de suma cero”. Si nos caemos en una isla desierta y la oferta de cocos está fija, entonces el coco que me como yo es uno menos que te comés vos. Lo mismo en un contexto de escasez, como una guerra. Palabra clave: oferta fija. Nathan y amigos (que creen fuertemente en la persistencia cultural de los rasgos psicológicos), dicen que en contextos de escasez los seres humanos desarrollamos este tipo de forma de ver al mundo y que la transmisión intergeneracional termina haciendo lo suyo para que este rasgo persista aún en situaciones en donde ya no existe tal escasez.

Pero no me dejes adelantarme.

Antes de discutir de dónde viene ese tipo de cosmovisión, la pregunta relevante es a quién le importa. Quiero decir, ¿qué implica concretamente que tenga una forma de ver el mundo como zero-sum: cambian mis preferencias políticas, mis preferencias DE política? ¿Cambio algo relevante en lo que voto o en lo que apoyo o dejo de apoyar? Bancá.

Lo que empieza ahora sale todo de una mega-encuesta que hicieron Nathan y amigos y que es representativa de USA. Pero antes de arrancar, sin mentir, ¿qué tan de acuerdo estás con las siguientes afirmaciones (del 1 al 5)?

étnico: “Si un grupo étnico se enriquece, esto ocurre a expensas de otros grupos.”

nacional: “Si los no ciudadanos (de tu país) mejoran económicamente, esto ocurre a expensas de los ciudadanos (de tu país).”

sobre el comercio: “En el comercio, si un país gana más dinero, entonces otro país gana menos dinero.”

sobre la riqueza: “Si un grupo de ingresos se vuelve más rico, esto ocurre a expensas de otros grupos.”

Si estás de acuerdo con algunas de estas, te vamos a clasificar como un zero sum thinker en la dimensión que corresponda. ¿Pero sabés qué es lo interesante? Que ni siquiera importa a qué dimensión nos estemos refiriendo, porque todas se mueven parecido. Lo que ves arriba es el primer resultado interesante del paper.

En cada una de las dimensiones te muestra la distribución de gente que está menos (1) a más de acuerdo (5) con la afirmación zero-sum. Con alguna que otra diferencia, las distribuciones son bastante parecidas, hay un rasgo común que hace que los zero-sum thinkers sean zero-sum thinkers por naturaleza e independientemente del tema en cuestión. De nuevo: es una cosmovisión, una forma de ver el mundo, antes que una opinión sobre una política particular.

Lo cual me recuerda que te debo una respuesta. ¿A quién le importa la cosmovisión que tiene la gente? Por ejemplo, ¿ser más zero sum thinker correlaciona con ser más republicano? con ser más demócrata?

Segundo resultado. Más o menos.

Arriba está la distribución de zero sum thinkers, según un índice que agrega las cuatro dimensiones de antes - étnica, nacional, de comercio y de riqueza - (a la derecha los más y a la izquierda los menos), dividido por partido al que suelen votar (azules son demócratas, rojos son republicanos). Hay alguna diferencia, sí. Los demócratas suelen tener una cosmovisión algo más (no dramáticamente) zero-sum. Pero más interesante aún: el zero sum thinking está por todos lados; tanto entre demócratas como entre republicanos, vas a encontrar a un montón de este tipo de gente.

Lo cual me recuerda que todavía no te terminé de responder la pregunta de a quién le importa. Digo, si los zero sum thinkers están por todos lados, qué implica tener esa cosmovisión, por ejemplo, en cuanto a tus preferencias por políticas de diferente tipo?

Resulta que tener una cosmovisión tipo zero sum correlaciona bastante fuerte con preferencias por políticas que buscan compensar a los que pierden. Por ejemplo: políticas redistributivas de gobierno (y acá me reconozco un poquito suma cero, no te voy a mentir), políticas reparadoras de identidades minoritarias. Tiene sentido, ¿no? Si en tu mundo la única forma de que alguien gane es que otro pierda, entonces la forma de sacar a alguien de la pobreza no es agrandando la torta, sino redistribuyendo las porciones.

Pero adiviná qué más correlaciona con la cosmovisión zero sum. Que no te guste la migración. Claro: el migrante va a venir a trabajar y que le vaya bien implica que a vos te va mal. Mejor que ni entre.

Sí, sí. Ya sé lo que estás pensando. Tener la cosmovisión suma cero posiblemente correlacione con un montón de características que por sí solas podrían explicar, por ejemplo, que no les guste la migración. Such as? el género, la edad, la ocupación e incluso otras creencias y visiones del mundo. O el ingreso! Claro. Imaginate que la gente más rica no tiene una visión zero sum y aparte tampoco quiere políticas redistributivas (porque no le conviene). ¿Cómo sabemos si lo que explica su preferencia de política no-distributiva es su cosmovisión o su nivel de ingreso?

Resulta que si controlás por todo, todo, todo eso y más, el resultado se mantiene. En otras palabras, incluso entre los ricos, la cosmovisión sobre qué tan fija está la torta termina explicando buena parte de las preferencias por políticas más o menos distributivas.

Ahora, todo muy lindo, pero lo importante en serio no es tanto qué piensan sino qué terminan votando. Va uno de los resultados que más me gustan.

Pero antes ‘cuchá. Adiviná el autor de estas frases:

Every deal we have is a loser. Every deal. You could look at almost every country in the world — almost every country. We have trade deficits. We lose with everybody.

Virtually 100% of the net job creation in the last year has gone to migrants... substantially more than... beyond... actually beyond that number.

¿Te suenan? Ajá. Donald, pero no el pato (ni el cantante, para el caso). Bueno, ahora seguime.

Agarrá a todos los votantes autodenominados demócratas (moderados, a la izquierda; fuertes a la derecha). Dividilos según su nivel de zero-sum-thinkinismo. Los del 4 del grafo de arriba (en el eje X) son muy zero-sum thinkers, los de 1 son nada zero-sum thinkers. Las barras te dicen la probabilidad de que hayan votado a Trump en 2016. AÚN SIENDO DEMÓCRATAS, EL VOTE SHARE DE TRUMP ENTRE ZERO SUM THINKERS FUE DE 15%. Perdón, se trabó el capslock.

Trump vino con una retórica clásicamente de suma cero: inmigrantes que vienen a sacarte el trabajo (porque si ellos ganan, vos perdés), el comercio que beneficia a otros países (y por lo tanto afecta a los trabajadores americanos), el establishment (los políticos, los empresarios, los académicos), la élite que se está llenando de plata a costa de la gente. La narrativa suma cero atrajo votantes de cosmovisión suma cero INCLUSO entre los demócratas. Y 15% poco no es, eh.

Más en general, tan, pero tan poderosa es la cosmovisión que, incluso entre demócratas, la probabilidad de oponerse a políticas pro-migración (que suele impulsar su partido) es bastante alta entre los más zero sum thinkers; e incluso entre republicanos, la probabilidad de apoyar políticas redistributivas (que suele impulsar el partido opuesto) es bastante alta entre zero sum thinkers.

Ya me imagino lo que te estás preguntando. Si sos como yo (y esperemos que lo seas), lo que querés saber es de dónde sale esta cosmovisión. Qué eventos, qué cosas te pasaron en la vida (o le pasaron a tus antepasados) para que desarrolles creencias más o menos del tipo suma cero.

Te dije al principio: a Nunn siempre le gustó mucho la idea de los determinantes de largo plazo de las cosas. La idea es atractiva: dadas las condiciones de un momento del tiempo, se forman ciertos rasgos que para el momento tienen sentido que se formen pero que luego terminan quedándose ahí, transmitiéndose inter-generacionalmente; rasgos culturales que persisten aún cuando ya no es necesario, cuando las condiciones cambiaron, cuando esos determinantes originales ya no están más. ¿Y qué determinantes pueden ser tan profundos, tal que si una generación se expone, termina haciendo que las generaciones posteriores terminen heredando su cosmovisión? Te lo resumo en tres palabras: progreso, cooperación y conflicto.

Progreso. Si tu vida se desarrolló en un contexto de escasez y estancamiento, posiblemente desarrolles una mentalidad de suma cero. Si, en cambio, tu vida se desarrolló en un contexto de progreso, posiblemente te creas que se puede y que la única salida no es cambiar de manos las porciones de la cheesecake, sino que se puede hacer una cheesecake más grande.

Pensalo: si tu abuelo era pobre, tu papá era pobre, y vos sos pobre, cómo te vas a imaginar el progreso si no es a costa de otros?

Resulta que si en tu familia hubo movilidad económica (vos sos más rico que tu papá, que era más rico que tu abuelo), tu cosmovisión no es de suma cero, sino todo lo contrario.

Cooperación. Nada grita más progreso que el american dream. Naciste en el lugar más pobre de América Central. Llegaste a Estados Unidos, progresaste y ahora te va bien (y a tus hijos también). ¿Cómo vas a pensar que el mundo es de suma cero?

Resulta que los migrantes, los hijos de migrantes y los que crecieron con migrantes cerca tienen una cosmovisión bastante opuesta al zero sum.

Conflicto. ¿Hay algo MÁS suma cero que la esclavitud? Bah, en el corto plazo digo. En el largo plazo con gente libre ganamos todos, pero, en el corto plazo tanto para el esclavista como para el esclavo, la única forma de que uno gane es que el otro pierda.

Resulta que las personas con historia familiar de esclavismo (y no solo de USA, eh) tienen sistemáticamente un pensamiento más del tipo suma cero.

Voy cerrando con mi ya clásica y muy esperada reflexión final, que te vuela la peluca. YO, lo que soy YO, pienso que aparte de los determinantes de largo plazo, hay shocks que te pasan en la vida, especialmente cuando te pasan a ciertas edades formativas, y que esos shocks te cambian la cosmovisión independientemente del bagaje cultural con el que vengas. ¿Por qué digo esto? Porque puedo probarlo. Prestá atención que en breve te muestro que crecer bajo gobiernos con retórica populista, esa que divide y te hace pelear con tu tío, te transforma en un zero sum thinker completo. Bancá que ya sale.

¿Ya compraste #EstoTambiénEsEconomía, segunda edición? Ah, no sabías? Se agotó la primera y te la perdiste por gil. Que no te vuelva a pasar, mirá por acá (o en tu librería amiga).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso moneda de curso legal argentina.

1. Apretá el botoncito que dice “me gusta”.

2. Compartí este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

De Nathan Nunn recomiendo que leas todos.

Nada que ver, pero…

Acá muestran que a los más chicos del colegio les va bastante peor que a los más grandes. Adiviná a quién adelantaron un año en el colegio y fue sistemáticamente el más chico del curso con compañeros a veces más de un año mayores.

Sí, sí, voy a hablar de AI.

Bueno, yo no. Un invitado especial, que está por sacar un libro sobre inteligencia artificial y su relación con algo que seguro le interesa a todo lector de este espacio: el proceso de aprendizaje. Y le pedí que nos diera un adelanto.

¿Querés saber quién es? Seguí scrolleando.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Cómo nos adaptamos el aprendizaje en tiempos de IA?

Segunda vez que invito a alguien a que escriba en este espacio. No pasa seguido, porque solamente escribe gente crack (para leer a los medio boludos me lees a mí). La primera vez el guest post lo escribió Maia Mindel. El envío de hoy es de Sebastián Galiani.

Sebas es un invitado especial. Mi primer trabajo académico fue como su asistente de investigación, no quiero recordar cuántos años atrás, pero muchos. La primera vez que puse en práctica el tipo de cosas que lees en este espacio fue trabajando con él, así que se podría decir que es uno de los responsables que estés leyendo esto.

No creo que necesite mucha introducción (especialmente para los lectores de este News) pero, para los distraídos, SG es uno de los economistas académicos argentinos más reconocidos internacionalmente por su producción científica. Publicó en las mejores revistas y en temas varios (mucho de desarrollo económico, bastante de economía política, pero también cosas de mercados de trabajo e incluso temas de economía internacional). Hoy es Profesor de la Universidad de Maryland, pero también fue profesor en varias otras universidades (incluida San Andrés, donde lo conocí). Y si eso no te alcanza, también tuvo un paso importante por la gestión pública, como Secretario de Política Económica en Argentina (entre 2017 y mediados de 2018). Te preguntarás si ya hablamos de él acá. Obvio, por ejemplo acá cuando hablamos del servicio militar obligatorio y su efecto sobre el crimen y el mercado de trabajo.

SG está por publicar un libro con Oxford University Press (en coautoría con Raul Sosa) que promete: AI at Your Side: The Student’s Guide to Smarter Learning.

Desde hace un tiempo en cualquier ámbito educativo se discute constantemente cómo hacemos para adaptar la forma de producción de evidencia de que el alumno aprendió algo. Fijate que no dije “cómo hacemos para adaptar la enseñanza”. No, no, algo más simple: cómo hacemos para poder saber cuánto aprendió un alumno en función de lo que produce; porque, si sabemos eso, entonces los incentivos a acumular conocimiento están alineados. Si escribir un ensayo es demasiado fácil, la producción de un ensayo no me va a permitir distinguir entre el que sabe y el que no y por lo tanto los incentivos de “saber” para el alumno, terminarán siendo demasiado bajos.

Mi reacción a la AI desde el punto de vista de la docencia viene siendo bastante conservadora: todos vamos a morir (y nadie va a aprender nada), pero, mientras tanto se acabaron los take-home, todo examen en papel y sin dispositivos electrónicos. Y decí que tengo demasiados estudiantes, que sino iría al examen oral y listo. En medio de mi conservadurismo pesimista sobre el futuro del aprendizaje, me crucé con que SG estaba escribiendo sobre el tema, desde un punto de vista un poco más optimista (o, cuando menos, más propositivo).

Y le pedí que nos adelante un poco. Es un adelanto nomás. Pero un buen puntapie para iniciar el debate. ¿Cómo adaptamos el aprendizaje en tiempos de IA?

No te molesto. Dale nomás. Lo de abajo lo firma Sebas (las negritas son mías).

Durante décadas, los economistas pensamos el capital humano como el resultado de una inversión costosa en tiempo, esfuerzo y atención. Aprender implicaba leer lentamente, equivocarse, reescribir, depurar código, revisar literatura hasta entender dónde estaba realmente la contribución. Era un proceso friccional. Y justamente por eso generaba acumulación.

La inteligencia artificial (IA) altera esa dinámica de manera abrupta. No porque reemplace al estudiante, sino porque reduce de forma dramática el costo de producir ciertos outputs observables: ensayos, resúmenes, código funcional, borradores de papers. Lo que antes tomaba diez o quince horas puede ahora hacerse en dos o tres.

Pero aquí aparece una distinción que me parece central: reducir el costo de producir un ensayo no es lo mismo que aumentar el capital humano del estudiante que lo firma.

Si pensamos el aprendizaje como una función de producción, el output relevante no es el documento entregado sino la comprensión internalizada. La IA modifica los precios relativos. Hace más barato el producto visible. Pero no necesariamente abarata, ni sustituye de manera equivalente, los insumos que generan comprensión profunda: la definición precisa de conceptos, el contraste de hipótesis, la identificación de mecanismos, la detección de inconsistencias.

Bajo una restricción de tiempo, es natural que el estudiante tienda a delegar. El modelo produce texto fluido, coherente, persuasivo. Acepta premisas si no se le exige lo contrario. Optimiza por plausibilidad. El resultado puede ser un documento más pulido que el que el estudiante hubiera producido solo. Pero nada garantiza que el stock de capital humano haya aumentado en la misma proporción.

El riesgo educativo de la IA no es el error grotesco que todos detectan, sino la degradación silenciosa del esfuerzo cognitivo.

Ahora bien, la conclusión obvia, prohibirla, es intelectualmente pobre e inviable. En otro ensayo argumenté que, a nivel civilizatorio, el debate sobre la IA oscila entre el alarmismo que quiere frenar todo y el entusiasmo que delega todo. En educación ocurre algo parecido. O se la excluye, o se la deja operar sin reflexión. Ninguna de las dos posiciones entiende el verdadero punto.

La pregunta no es si la IA debe usarse, sino cómo usarla de manera que aumente el aprendizaje en lugar de sustituirlo.

Ese es el núcleo de nuestro libro con Raul A. Sosa, AI at Your Side: The Student’s Guide to Smarter Learning (forthcoming, Oxford University Press). No proponemos controlar el uso de la IA. No podemos. Tampoco proponemos un diseño institucional que garantice un equilibrio óptimo. Lo que ofrecemos es una pedagogía de uso: una forma de interactuar con la herramienta que preserve, e incluso intensifique, la inversión cognitiva.

La distinción fundamental no es técnica sino conceptual: potenciación versus delegación.

Delegar es pedirle al modelo que piense por uno.

Potenciar es usarlo para pensar mejor.

En el primer caso, el estudiante externaliza el razonamiento. En el segundo, estructura la interacción para que el modelo funcione como andamiaje cognitivo. No se trata de reducir esfuerzo sino de redistribuirlo: automatizar lo mecánico para invertir atención en interpretación, contraste, diseño de tests, formulación de mejores preguntas.

Para sostener esa lógica de potenciación, el libro ofrece instrumentos concretos. Uno es lo que llamamos harness: un conjunto de reglas y restricciones que se incorporan al prompt para que el modelo defina términos antes de argumentar, no confirme premisas sin examinarlas y señale los límites de lo que sabe. Pero el libro también propone estrategias que cambian la dinámica de la interacción. En una de ellas, en lugar de pedirle al modelo que explique un concepto, el estudiante se lo explica y deja que el modelo detecte errores, haga preguntas y lo obligue a revisar lo que creía entender. En otra, el estudiante le pide al modelo que genere explicaciones alternativas de un mismo fenómeno y después evalúa las diferencias e identifica los supuestos de cada una. En ambos casos, el trabajo cognitivo queda del lado del estudiante.

El libro además enseña a usar herramientas que van más allá del chatbot (es decir, más allá de conversar con ChatGPT, Claude o Gemini como la mayoría hace hoy) y que siguen evolucionando. Trabajar vía APIs permite procesar información a una escala que el uso manual no alcanza: revisar decenas de papers, estructurar notas, limpiar datos. Los agentes supervisados, como Claude Code o Codex, ejecutan secuencias complejas mientras el usuario mantiene el control de cada paso. A medida que las herramientas se vuelven más potentes, saber usarlas con criterio importa más, no menos.

Los instrumentos varían, pero la pregunta de fondo es siempre la misma: ¿estoy delegando el razonamiento o lo estoy usando para razonar mejor? Esa pregunta atraviesa todo el libro, desde la formulación de ideas hasta la escritura, la investigación, el análisis de datos y la programación.

La tecnología no impone un único equilibrio. Cambia las restricciones. Lo que ocurre dentro de ese nuevo espacio depende de cómo los individuos aprendan a usarla.

Y aquí aparece una implicancia que va más allá de la pedagogía. Si la IA altera la tecnología de producir capital humano, es plausible que también altere la distribución de retornos. Las habilidades metacognitivas (formular buenas preguntas, estructurar procesos, identificar supuestos ocultos) pueden volverse relativamente más valiosas que la capacidad de producir texto correcto. La complementariedad humano-máquina no es homogénea: favorece a quienes saben diseñar la interacción. La desigualdad futura puede depender menos del acceso a la herramienta que de la capacidad para usarla de manera productiva.

Nuestro libro no pretende resolver ese problema estructural. No podemos garantizar que los estudiantes elijan la potenciación sobre la delegación. Lo que podemos hacer es mostrar que existe un modo de uso que lleva a aprender más, y ofrecer un marco para navegar un ecosistema tecnológico que cambia rápido sin perder de vista lo que importa: que la IA esté a tu lado, no en tu lugar.

Las tecnologías de propósito general nunca han sido neutras, pero tampoco son deterministas. Modifican precios relativos y abren posibilidades. Lo que emerge depende de cómo decidimos usarlas.

La calidad del capital humano de la próxima generación no la va a decidir la IA por sí sola, sino la forma en que aprendamos a convivir con ella. La tecnología cambia las restricciones; la acumulación de capital humano depende de nuestras decisiones.

Si querés más material como el de este envío para quedar como el capo intelectual del grupo, tenés que ir corriendo a comprar #EstoTambiénEsEconomía en tu librería amiga. La primera edición ya se agotó, ¿y vos como un boludo no la compraste? Que no te pase lo mismo con la 2da.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.

1. Apretá el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

SG tiene un interesantísimo newsletter en donde escribe sobre estas cosas acá.

Otro excelente académico que viene escribiendo cosas super interesantes sobre AI es Alex Imas.

El premio nobel Daron Acemoglu viene también produciendo cosas muy buenas (otro pesimista). Por ejemplo, este paper.

Nada que ver, pero…

Acá dicen que cuando sube el salario mínimo, aumenta fuerte la cantidad de robots en fábricas

Hablando de servicio militar. Parece que la conscripción de Vietnam (que mezcló gente distinta que de otro modo no se hubiera mezclado) generó más matrimonios inter-raciales e inter-grupos ideológicos. Mirá vos.

Desde que Elon compró Twitter podés elegir que te recomiende tweets el algoritmo o ver solo los de la gente que seguís. Las malas lenguas dicen que los que miran el feed influenciado por el algoritmo terminan teniendo actitudes más, o sea, digamos, conservadoras.

Hoy miramos qué tanta evidencia tienen las malas lenguas.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Cómo afecta el algoritmo de Twitter a tu comportamiento?

• ¿El “for you” te hace más conservador que el “following”?

Pará, pará. Antes de empezar ¿Ves al pollo vestido de gala? Mirá, ahí lo tenés.

¿Te parece que es casualidad? No señor. Hoy es un día especial porque Esto No Es Economía cumple nada más y nada menos que tres años. Esto que empezó como un espacio para escribir las boludeces académicas que se me cruzaban por la cabeza hoy mutó en un espacio para escribir las boludeces académicas que se me cruzan por la cabeza, pero siendo tres años más viejo. En este tiempo recibiste más de 70 e-mails contándote la cocina de los papers que me gusta leer. Se sumaron casi 6000 seguidores. Y en el medio Esto No Es Economía tomó forma de Esto No También Es Economía, el libro que seguro que ya compraste (porque no sos un ingrato, ¿no?).

Nos reímos, lloramos, nos divertimos. Y festejamos, como de costumbre, escribiendo.

¿Me querés regalar algo? Compartí y contale a todo el mundo que el pollo está de fiesta. Ese es todo el regalo que necesito. O el buzo Adidas de Argentinos de los 90s como el de abajo (original y en buen estado, talle M). Lo que te sea más fácil.

Gracias amigo, gracias amiga. Claro que también hay regalo para vos. Acá va.

Desde que Elon compró Twitter podés elegir si querés que los tweets de tu timeline sean de gente que seguís (“following”) o si querés dejarte sorprender por lo que Twitter considera mejor para vos (“for you”). Yo voy alternando. A veces me divierte el “for you”, no te voy a mentir. Siento que puedo descubrir alguna cosa divertida, algo que mis contactos (gente aburrida) no me dan.

La cosa es que el tab “for you” es medio una caja negra. Nadie sabe bien cómo funciona el algoritmo, qué le muestra a quién, ni cómo decide qué mostrar. Lo natural sería que, para ganar más plata, te muestre aquellos posts que generan más engagement. Los que te hacen enojar, ¿tal vez? O el contenido insoportable del tipo “mirá cómo le niegan la entrada al avión al canguro porque no tiene pasaporte al día” (presuntamente) generada por AI. Qué sé yo. La otra es que Twitter tiene un dueño y ese dueño tiene una agenda y tal vez está dispuesto a empujar su agenda pagando el costo de no maximizar engagement. Y ahí viene la parte divertida: una cosa es usar el algoritmo para empujar una agenda y otra muy diferente es tener éxito.

Pero bueno, todo hipotético. ¿Cómo probás que el contenido promedio del “for you” es más conserva que el tab de “following”? ¿Y cómo probás que exponerte a ese contenido te cambia la forma de pensar y que te hace más conservador?

Fácil: con un experimento. Siempre te digo que hay que pensar el experimento ideal, pero que después implementarlo es difícil entonces usamos algún método no experimental que intente acercarse lo más posible a ese ideal imposible. Bueno, acá no hay nada imposible. Es el contexto ideal para hacer un experimento y es lo que hicieron Katia Zhuravskaya (gran political economist del momento) y sus amigos.

El experimento es bien simple. 8 mil tuiteros habituales. La mitad asignada aleatoriamente a recibir tweets del tab “for you” y la otra mitad a recibir tweets del tab “following”. Encuesta antes de empezar, encuesta después de 7 semanas de exposición. Te preguntarás cómo hacen para asegurarse de que los participantes cumplan con lo que le tocó. No lo hacen (excepto con un grupo chico, que dejó instalarse una extensión de Chrome; entre esos, 90% cumplió con el tab asignado). Te dejo de tarea pensar qué implica esto de no saber a ciencia cierta qué tanto hicieron caso los participantes al tab que les tocó sobre los resultados que te voy a contar.

Bueno, no es tan simple el experimento en realidad. Porque los tuiteros habituales reclutados para el estudio tenían prácticas habituales pre-experimento. Por ejemplo, muchos usaban el tab “following” y muchos usaban el tab “for you”. O sea que en realidad hay dos experimentos en uno:

1. Cambiar de “for you” a “following” (versus quedarse en “for you”).

2. Cambiar de “following” a “for you” (versus quedarse en “following”).

Arrancamos con los resultados, que hay mucho para hablar.

¿Cómo te afecta el comportamiento pasar de leer los tweets de tus amigos a leer los tweets que te sugiere el algoritmo?

Engagement. En principio, no es obvio que haya trade-off entre empujar una agenda conservadora y aumentar engagement. Qué sé yo, en una de esas tirarte la agenda por la cabeza te gusta, te enoja, te hace discutir, lo qué sea que te termina haciendo que pases más tiempo en Twitter que si solamente vieras los tweets aburridos de tus amigos. O tal vez no, tal vez te enoja, no te gusta y te pasás a otra plataforma (o a la vida offline). No lo sé. Pero digamos que, desde el punto de vista de Elon, medio que el algoritmo debería buscar, como mínimo-mínimo, no expulsar gente.

Primer resultado: pasar de “following” al algoritmo no reduce el uso de Twitter. Más bien lo contrario: baja bastante la probabilidad de dejar de usar la app. No solo que el algoritmo hace más probable que sigas usando la app, sino también que tuitees con cierta regularidad. Que seas activo.

Lo que lees. Si el algoritmo de elonmus está sesgado hacia cierto tipo de contenido ideológico, debería verse en el contenido de los tweets que leen los twitteros asignados a leer el “for you” y, fundamentalmente, en el tipo de cuentas que tienen mayor probabilidad de aparecer en el feed.

Segundo resultado: los tweets del algoritmo (en comparación con el promedio de tweets de los del tab “following” de los usuarios de la muestra) tiene mayor contenido político, 100% explicado por mayor contenido político conservador. Y no sólo eso: la probabilidad de que te cruces con un tweet de un activista político es mucho mayor (aunque, en este caso, vale tanto para activistas políticos conservadores como liberales). Todo a costa de que te aparezca menos contenido de cuentas de noticias oficiales.

Mi interpretación: no es tan obvio que el algoritmo sesgue hacia la conservador. Más bien, sesga hacia el contenido político, y los influencers de derecha son más exitosos en hacerte ver el contenido conservador. Ojo, esto puede ser porque efectivamente hacen mejor su laburo o porque, bueno, la gente está mas predispuesta a dejarse llevar por cuentas políticas cuando son conservadoras. Bancá que retomo esto más abajo.

Lo que pensás. Ok. El algoritmo te lleva a ver más contenido conservador. Pero, ¿te persuade?

Tercer resultado: los expuestos al contenido del algoritmo terminan con actitudes más conservadoras (en cuanto a temas de política que le parecen relevantes: aborto, migración, gun-control), están menos de acuerdo con las investigaciones judiciales varias a Trump y son más anti-Zelensky/pro-Putin.

Te dije que retomaba más abajo el tema de qué tan bien laburan los influencers conservadores en comparación con los liberales. Te recuerdo (por si no te acordás lo que leíste hace 40 segundos): los expuestos al algoritmo terminan viendo más tweets de cuentas políticas, particularmente de cuentas no-medios-tradicionales, tanto conservadoras como liberales. Pero terminan estando expuestos a más contenido político, exclusivamente conservador.

Resulta que cuando empezás a leer Twitter con algoritmo, empezás a ver más cuentas políticas (conservadoras y liberales). La pregunta clave es cuál te convence más y, en consecuencia, cuál terminás siguiendo con mayor probabilidad. Resulta que los del algoritmo (en comparación con los del tab “following” terminan siguiendo cuentas políticas conservadoras con probabilidad mucho más alta (no así cuentas liberales). O sea: te muestra más cuentas políticas de todo tipo, terminás siguiendo más a las conservadoras.

Todo muy lindo hasta acá. Pero, si sos perspicaz e inteligente, te diste cuenta de que empecé hablándote de dos experimentos, pero solamente te conté los resultados de uno. Te los recuerdo (por si no te acordas lo que leíste hace 3 minutos):

1. Pasar de leer tweets sin algoritmo a con algoritmo.

2. Pasar de leer tweets con algoritmo a sin algoritmo.

Te hablé todo del (1), nada del (2). ¿Será simétrica la cosa? O sea, si estás con el algoritmo y pasás al tab “following”, terminás teniendo actitudes menos conservadoras? Pensalo. Pensalo de nuevo.

No. No cambia mucho el engagement, no cambia mucho el tipo de contenido que te muestran, no cambia mucho el tipo de creencias y actitudes políticas que tenés. No cambia mucho nada. Y es muy lógico que no haya cambiado mucho nada. Pensalo otra vez.

El resultado clave, el que explica actitudes de largo plazo, es el que dice que, cuando empezás a mirar tweets de algoritmo, empezás a seguir cuentas conservadoras. Eso que le pasó al grupo de la muestra de este paper cuando cambió de tab “following” a tab “for you”, en realidad ya le había pasado antes de entrar al experimento a los que venían de tab “for you” y (experimentalmente) pasaron a tab “following”. O sea, el grupo de cuentas seguidas de esa gente YA ERA más conservadora, por lo tanto pasar a ver tweets de sus propias cuentas no hace una gran diferencia. Una vez que seguís a alguien, rara vez dejás de seguirlo. Una vez que te expusiste al “for you”, difícilmente puedas revertir sus efectos.

Bueno, amigos. Me voy despidiendo que sale el avión. Agradecemos las 2 horas de retraso, que me permiten escribir esto. Te mando un feliz cumpleaños para vos también. Aunque seas una rata comunista (perdón, miro mucho los tweets del algoritmo), sos parte de la comunidad del pollo y te merecés este regalo.

Aviso parroquial: si sos DiTelliano y andás por, bueno, Di Tella, el miércoles 4 de marzo a las 5.15 presento el libro (ya sabés cuál) acompañado por dos grandes: Joaco Navajas y Guada Dorna. Venite que seguro va a haber galletitas.

Y no te olvides que si querés más material como el de este envío para quedar como el capo intelectual del grupo, tenés que ir corriendo a comprar #EstoTambiénEsEconomía en tu librería amiga. Corré que se agota (LITERAL, SE ESTÁ POR AGOTAR Y YA ESTÁ SALIENDO LA 2DA EDICIÓN AS WE SPEAK).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.

1. Apretar el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Acá miran si el algoritmo de Facebook e Instagram tiene algún efecto en comportamiento/creencias políticas o ideológicas (spoiler, ni tanto).

Nada que ver, pero…

¿Cómo están usando AI las firmas según los C-level del mundo? Acá una idea.

Para mis amigos macro-consultores: parece que uds son mejores en sus pronósticos sobre la macro local que la competencia de consultores de afuera. Bueno, no habla de Argentina en particular, pero acá lo ves.

Lo que viene

Atención que la próxima semana tenemos un gran invitado especial super-mega-top que nos cuenta sobre AI.

En redes sociales nos relacionamos cada vez más con gente parecida a nosotros. Las famosas echo chambers (“cámaras de eco”, pero suena feo).

En la vida offline, cada vez socializamos menos (no me discutas, es dato).

¿Qué tiene que ver una cosa con la otra? Bastante, parece. Te cuento.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Cómo afectan las echo chambers online al comportamiento en la vida real?

• Cuándo aumentan las echo chambers en redes sociales, ¿vamos menos a comer afuera?

Seguimos con la temática de las redes sociales arruinándole la vida a la gente. Bah, no es que esté tan de acuerdo con ese statement, así, crudo, sin matices. Pero bueno, acá hay que generar clicks.

Las redes sociales tienen un montón de cosas buenas, pero las malas venden más. Y hay un montón de cosas malas con las redes sociales, muchas de ellas bastante estudiadas. Algo de evidencia, por ejemplo, nos dice que las redes sociales generan problemas de salud mental (acá hablamos de eso). También hay algo de efectos en rendimiento académico y aprendizaje (acá dijimos algo). Y la lista sigue.

Un atributo relevante de las redes sociales que está estudiado (pero en mi opinión aún no lo suficiente) es el tema de la homofilia: juntarte con gente parecida. Esas famosas echo chambers, que hacen que leas y te relaciones con gente demasiado similar a vos en dimensiones como tu nivel de ingreso, tu status social o tu preferencia política. Las echo chambers no son una cosa nueva ni única de las redes sociales, eh. Se da también en un montón de ámbitos de la vida offline. ¿Cuánta gente conocés que se casó o que tiene grupos de amigos muy diferentes en cuanto a, por ejemplo, su nivel de ingreso o su nivel educativo? Te hacés amigos en la universidad (en donde conocés gente que, tal como vos, va a la universidad), o de pares de tu oficina (que trabajan de lo mismo que vos) o compañeros de colegio que, bueno, van al mismo colegio que vos, con todo lo que eso implica en cuanto a la similitud de clase social, estilo de vida y riqueza de las respectivas familias.

O sea que sí, la homofilia existe desde que existen los humanos viviendo en sociedad (y hasta los filósofos clásicos griegos tenían algo para decir al respecto). Pero la homofilia en redes sociales tiene su encanto especial. Por empezar, pasamos demasiado tiempo online. Tus relaciones ya no son solamente con gente que ves cara a cara, también son con gente a distancia e incluso con gente que nunca viste ni nunca en tu vida vas a ver.

Para seguir, la homofilia en redes sociales no es un resultado completamente explicado por el comportamiento y la decisión individual (alguien me podría decir que la homofilia offline tampoco, ok, pero en menor medida). Me refiero a los algoritmos.

Para seguir siguiendo, la homofilia en redes sociales permite algo que para mí es bastante novedoso: la hiper-fragmentación de los públicos que permiten que los mensajes lleguen de forma demasiado customizada. Es muy fácil, ahora más que nunca, que no tengas ni la menor idea de lo que le pasa o al tipo de información a la que está expuesta una persona ligeramente diferente a vos. Y claro, de repente viene algún sub-25 y me pregunta si conozco a J Max Roberto, nombre totalmente ajeno a cualquier sonido que haya escuchado en mi vida, y resulta que entrás en el Instagram de J Max Roberto y tiene 823 millones de seguidores: 10% del mundo lo sigue en Instagram y yo en mi vida escuché hablar de él. Todo hiper-fragmentado.

Las echo chambers online pueden ser peligrosas por varios motivos. El paper de hoy, de un dream team de political economists (Ruben Enikolopov, Maria Petrova, Gianluca Russo y el gran David Yanagizawa-Drott) se enfoca en uno que a mí me parece particularmente relevante. Pero pará.

Acá ya hablamos del título de este envío alguna vez, ¿no? Recordame. Robert Putnam, gran sociólogo americano, escribió en el año 2000 un libro fundacional para mucha gente (aunque me da la impresión que más para los que no son sociólogos). El libro se llama Bowling Alone. Jugar al bowling, actividad lúdica estereotípicamente americana. Homero Simpson, clasemediero de los 80’s/90’s (de la época en que un tipo que apenas terminó la escuela secundaria podía mantener sin problemas una familia de cinco personas con auto, perro y gato), cuya socialización fuera de la familia se daba en dos lugares: el bar y la cancha de bowling. Tenía un equipo entre amigos: los pin pals, jugaba contra otros equipos en ligas locales. Nada profesional, obvio, todo muy comunitario.

Lo de “Bowling alone” no es literal, obviamente. La gente no va a jugar al bowling sola (creo). El punto de Putnam es que “jugar al bowling” como actividad aumentó un poco, y al mismo tiempo cayó una barbaridad el juego en equipos (como los pin pals), esa actividad que aparte de ser deportiva genera lazos. Como los que tenía Homero.

La metáfora sirve para ilustrar un punto más grande. Putnam dice que hubo una caída tendencial (y esto arranca pre Internet, eh) en la socialización cara a cara en comunidad. Menos ligas y clubes, menos reuniones de barrio, menos asociaciones, menos voluntariado. Cada vez jugar más al bowling “solos”. Llegó Interné y la cosa no mejoró. En 2004 (pre Facebook, o sea digamos), los americanos pasaban 1 hora por día socializando con amigos. En 2019, 34 minutos. Hoy, post-pandemia, ni quiero imaginarme. No solamente usamos con menor frecuencia los ámbitos de socialización en comunidad que antiguamente eran parte de la rutina, sino que cada vez más pasamos tiempo solos. Bueno, me corrijo: menos tiempo solos offline.

La hipótesis de Yanagizawa y amigos es que, entre tantos culpables de esta ola de soledad post-Internet, hay uno que parece tener su relevancia y es la explosión de la homofilia, o sea de las echo chambers en redes sociales. Tiene sentido, ¿no? Las redes sociales le bajaron brutalmente el costo a que “socialices” con gente lo más parecida a vos posible (que es el tipo de gente con quien te gusta socializar). Antes te juntabas con gente más o menos parecida en los ámbitos que frecuentabas, pero con los límites que te da la infraestructura offline. Qué sé yo, la gente de tu club es más o menos parecida entre sí, pero con cierta heterogeneidad. En tu red social de preferencia podés armarte una echo chamber a medida y si no te la armás solo el algoritmo te va a ayudar. Armarte esa echo chamber perfecto va a ser atractivo, te va a gustar (e incluso tal vez te va a divertir y hacer feliz), pero el tiempo es finito y todo ese tiempo que uses online significa menos tiempo que vas a tener disponible offline. O sea que sí, tranquilamente la homofilia online, la explosión de las echo chambers podría explicar una menor socialización offline.

La hipótesis ‘ta buena y tiene un montón de sentido, pero hay que probarla. Y no es fácil, eh. Por empezar, medir “echo chambers” no es tan sencillo, por lo menos si uno quiere medirlo a escala; y ni te cuento “socialización offline”. Casi que ni sé cómo definirlo, menos obvio es como medirlo. Pero bueno, suponete que esas barreras no existen y que tenés una excelente medida de echo chambers en la red social que te guste y otra espectacular medida de socialización offline para cada uno de los municipios de, digamos, Estados Unidos. Y los correlacionás y encontrás que, efectivamente, en municipios en los cuales hay mayor echo-chamberismo en, pongamos Facebook (para los oldies), la gente socializa menos offline: va menos al restaurant con amigos, o al club, o a la iglesia. ¿Sabés la cantidad de cosas que pueden explicar esa correlación aún sin un ápice de causalidad? Seguro se te ocurren mil: los municipios con más homofilia online son fundamentalmente diferentes que el resto, en dimensiones que por sí solas podrían explicar la falta de socialización offline, aún si no existieran las redes sociales.

¿Qué nos gustaría hacer para dar una respuesta causal que vaya desde echo-chamberismo online a pérdida de socialización offline? Di lo tuyo Bart: un experimento! Agarramos miles de municipios gringos y los sometemos a un tratamiento de echo-chamberización de sus redes sociales (les seguimos gente parecida, por ejemplo en su red social de preferencia); agarramos otros tantos miles y no los sometemos a nuestro tratamiento y después venimos unos años después y vemos si hay diferencias en sus patrones de socialización fuera del telefonito.

No podemos.

David y amigos aprovechan un experimento natural, una cosa que no pensó ni diseñó ningún investigador pero que resulta que terminó generando algo bastante parecido al experimento ideal. Prestá atención que no es fácil pero una vez que lo entendés es una maravilla.

Parece que entre 2010 y 2012, Facebook y Google tuvieron un par de conflictos. Antes de 2010 (a ver si se acuerdan los añosos), vos te armabas la cuenta de Facebook, la conectabas con tu Gmail e importabas todos tus contactos, que ahora también serían amigos de Facebook. Buenísimo, pero a Google no le gustaba nada esto. En noviembre de 2010 se cansaron y prohibieron la importación de contactos de Gmail a Facebook para los usuarios nuevos. Importante: si tenías otras cuentas de mail podías seguir importando (Hotmail, Yahoo) hasta abril de 2012. Ahí Facebook cambió a lo que es ahora y en vez de dejarte importar contactos, simplemente usa un algoritmo para sugerirte lo que piensa que te va a gustar.

Este contexto nos va a servir para armar un indicador a nivel municipio que vamos a llamar Shock de homofilia (en Facebook) y que es algo no-tan-diferente de lo que nos hubiera gustado hacer en el experimento: aumentarle (aleatoriamente) la homofilia (el echochamberismo, en este caso en Facebook) a la gente que vive en ciertos municipios y no en otros. Para no meterme en detalles que lo harían bastante complejo (y tomándome algunas licencias para simplificar la cosa), déjame tirarte la intuición de qué es un Shock de homofilia.

En 2009, el costo de formar una conexión a través de importar un contacto desde tu email era bajo, independientemente de qué email usaban vos o tus contactos. Usaras el correo que usaras, ibas a poder apretar un botón e importar conexiones. Y si un contacto no tenía Facebook y se abría una cuenta más adelante, lo mismo le iba a pasar: un click e importaba a todos, independientemente de qué correo usara.

Entre 2010 y 2012 la cosa cambió. Para vos, el costo de formar una conexión de Facebook seguía siendo igual de bajo siempre que tanto vos como tus contactos usaran Hotmail o Yahoo. Y pasó a ser mucho más costoso si vos y tus contactos usaban Gmail: ni vos ibas a poder importar tan fácilmente a tu contacto, ni tu contacto a vos.

Con lo cual, post-2010, el costo de agregar contactos en Facebook terminó siendo (RELATIVAMENTE más) alto solamente para cierta gente: aquellos que usaban Gmail y que tenían contactos que también usaban Gmail. Para el resto, la cosa no cambió tanto (alguno de los dos iba a poder importar automáticamente al otro), lo cual es equivalente a decir que RELATIVAMENTE les resultó más fácil/menos costoso que a los Gmail-Gmail.

Fijate una cosa: tenés gente para la cual el shock pegó sobre todo en vínculos con “gente parecida” (mismo ingreso, misma preferencia política, misma raza), y gente para la cual pegó sobre todo en vínculos con “gente no tan parecida”, todo dependiendo del correo que usabas vos, que usaban tus contactos de gente “parecida” a vos y que usaban tus contactos de gente “no tan parecida” a vos.

Si en 2010 resulta que vos y tus contactos “parecidos” usaban gmail, el costo de la homofilia en términos relativos aumentó: ya no era automático agregar contactos de Facebook de gente “parecida”. Si resulta que, en cambio, vos y tus contactos “no tan parecidos” usaban gmail, el costo de la homofilia en términos relativos, bajó: ya no era tan automático agregar contactos de gente “no tan parecida”.

O sea: hubo un mismo shock a nivel nacional (ya no se puede importar contactos de Gmail pero sí de Yahoo o Hotmail y eso es cierto para todo el mundo), pero que afecta de forma diferente a cada persona, según el patrón de co-uso de Gmail entre tal persona y sus contactos “parecidos” y “no parecidos”. A algunos les aumenta el costo y a otros les queda igual (lo cual es equivalente a decir que, en términos relativos, incluso les bajó). Y todo eso depende de una decisión que tomaste vos y los contactos que tenés andá a saber hace cuánto tiempo sobre qué correo usar.

¿Qué hace el paper con todo esto? Básicamente compara municipios donde, por el mail que usaba la gente en promedio en ese municipio, el shock de 2010-2012 complicó más (los municipios más amarillitos del mapa de abajo) o menos (los más violetitas) conectar fácil con “gente parecida” en Facebook. Y mirá el efecto de este shock homofílico en varios resultados. Vamos.

1) En los municipios en donde pegó más el shock de homofilia en el período 2010-12 (shock que, en principio, es bastante aleatorio), hay un nivel de echo chamber de Facebook mucho mayor que en el resto varios años después. ¿Qué significa que haya un nivel de echo chamber mayor? Va un ejemplo con más licencias simplificadoras.

Agarrá las conexiones a Facebook que tiene Juancito, habitante de Jefferson County en Alabama. Andá una por una y mirá los atributos que tienen esas conexiones (edad, raza, preferencia política, ingresos). Fijate qué tan diferentes son esos atributos de los del propio Juancito. Cuanto más diferentes sean sus contactos (en comparación con Juancito), vamos a decir que tiene un nivel más bajo de echo chamber. Ahora agarrá a todos los habitantes de Jefferson County en Alabama, hacé lo mismo que hiciste con Juancito y promedia el nivel de echo chamber de todo el municipio. Hacé eso con todos los municipios del país. Listo, tenés una métrica promedio de echo-chamberismo en Facebook a nivel municipio.

¿Qué nos dice este resultado? Que el shock homofílico “funcionó”: el año y pico que duró el cambio de reglas logró un cambio importante en el nivel de echochamberismo de los municipios que lo sufrieron más en comparación con los que lo sufrieron menos.

2) En los municipios en donde el shock de homofilia fue mayor, la gente terminó aumentando su frecuencia de uso de Facebook, incluso varios años después. Lo cual tiene mucho sentido. Lo dicho: las redes sociales te bajan el costo de búsqueda de gente lo más parecida posible. Si te gusta mucho juntarte (online) con gente muy parecida, entonces cuanto menos costosa sea relativamente esa búsqueda (cuanto más grande sea el shock de homofilia), más vas a usar Facebook, porque más se parece a la experiencia que querés tener.

3) Un resultado nada obvio: el shock de homofilia en Facebook causó un aumento en el tiempo de uso total de redes sociales. ¿Por qué digo que no es obvio? Porque tranquilamente podrías reemplazar tiempo de uso de otras redes sociales por tiempo de uso específico en Facebook.

Y de hecho un poco de eso hubo: se redujo el uso del resto de las redes sociales. El tiempo total en redes sociales creció porque lo que aumentó el uso de Facebook es mayor que lo que cayó el uso de otras plataformas. Lo cual es aún más interesante: cuando cambia el costo relativo de armarte tu propia echo chamber en la red social Z, vas a usar más Z, a costa incluso de tiempo de uso en otras redes.

Y ahora sí, la cereza del pastel. Lo que estabas esperando, la salsa criolla del chori que llegó a mejorar tu experiencia de alimentación, que ya era buena de todos modos. Si usás más redes sociales, usás menos tiempo en otras cosas, lógico. Pero ese menos tiempo puede significar mil cosas: podrías reducir el tiempo que pasas estudiando, o trabajando o haciendo ejercicio. O (y) también podrías reducir el tiempo que usás para socializar (juntarte con otros, digamos) en vivo, cara a cara.

4) En los municipios en donde el shock de homofilia fue mayor, la gente bajó la frecuencia de socialización offline.

Antes de ir al detalle: complicado medir esto, ¿no? Y encima para todo Estados Unidos. Resulta que hay una empresa que se llama SafeGraph que trackea la movilidad de la gente en función de los movimientos del teléfono. Esta data se puede mapear con establecimientos y con eso podés armarte una métrica de visitas por “tipo” de lugar. Ejemplo: visitas a establecimientos clasificados como bares.

Parece que los habitantes de los municipios de mayor exposición al shock terminan yendo, incluso varios años después, menos frecuentemente a restaurantes y bares, a parques, a eventos deportivos (a la cancha a ver al bicho). Interesante también que algunos tipos de establecimientos no cambiaron su frecuencia de visitas o incluso aumentaron. Típicamente, establecimientos de socialización más limitada: la gente va más a gimnasios o a jugar al golf, actividades de potencial de socialización más bajo y menos a los lugares en donde uno se junta a ver gente.

Voy cerrando. Pero, por si te preguntabas: la respuesta es no. El shock homofílico cambió muchos comportamientos, pero la cantidad de visitas a canchas de bowling no cambió. Aunque eso no te dice nada, ¿no? En una de esas lo que cambió es la cantidad de jugadores.

Si querés más material como el de este envío para quedar como el capo intelectual del grupo, tenés que ir corriendo a comprar #EstoTambiénEsEconomía en tu librería amiga. Corré que se agota.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.

1. Apretá el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

En el primer envío de este espacio ya hablábamos sobre la formación de cámaras de eco en Twitter, basadas en similitud de preferencias políticas.

Nada que ver, pero…

Lindo paper. Correlacionan plagio (en edad de estudios) con carrera política. Pensás bien: los que más plagiaban, más probable es que terminen en política. En este caso en China y lo leés acá.

Acá dicen que la cultura del manager (que trae de su país de origen) se transmite a la empresa incluso en otro país. Si un manager viene de país X, y en país X la cultura de normas de género es más igualitaria, cuando es jefe en país Y, cae la brecha salarial de su sector.

Cada vez más jodido darse cuenta cuando una imagen (o incluso un video) es de verdad o generado por AI. ¿Qué va a pasar cuándo nos demos cuenta lo malos que somos para distinguir verdadero o falso? ¿Dejamos de consumir medios? ¿No miramos más Twitter ni TikTok?

¿O, al contrario, volvemos a confiar solo en lo que nos dicen los pocos medios que nos inspiraron confianza en el pasado? Seguí que te cuento.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Sabemos distinguir foto real de foto generada por AI?

• ¿Qué pasa cuando nos damos cuenta que en realidad no sabemos?

¿@Grok, es real?

Insoportable se volvió Twitter, eh. Insoportable. Y no por los nazis (que sí, están desatados). El problema es el contenido basura generado con AI copó la red. Bah, en realidad EL problema no es tanto ese sino los boludos preguntándole a Grok si es real. NO amigo, el perro bailando en la nieve no es real y el pollo con anteojos de sol fumando pipa abajo del agua mientras Guillermo Coppola le hace masajes con los pies tampoco es real. No te voy a negar que algunos están muy bien hechos, eh. Todos hemos caído. Pero al menos yo tengo la dignidad de no preguntarle a Grok en público.

Y NI HABLAR DE LAS FOTOS.

En fin. El tema del AI slop (así le llama la gente bien al contenido basura generado por AI) es potencialmente un problema mucho más grave que los boludos que le preguntan a Grok. Que sea tan fácil producir y distribuir información falsa es un gran problema para la democracia. Los ciudadanos en países democráticos pueden mantener a los políticos más o menos a raya porque tienen información (por algo a los gobiernos no-tan-democráticos no les gusta que haya información libre). Históricamente, “tener información” significaba simplemente eso: acceder a canales independientes que te cuenten lo que los políticos van a intentar que no sepas. Medios, bah. Nunca fue fácil claro: los gobiernos no necesariamente te lo van a facilitar, los medios pueden tener sus propias agendas, la difusión siempre tuvo sus limitaciones técnicas. Pero bueno, teníamos algo de qué agarrarnos.

Después llegaron los, digamos, 2000/2010’s y la verdad es que a partir de ahí la información empezó a fluir como nunca antes. Nunca hubo menos limitaciones técnicas, nunca hubo más focos de creación de contenido potencialmente informativo, nunca hubo una exposición tan en tiempo real a noticias, videos, fotos. Y aparecieron un montón de nuevos problemas: resulta que hay muchísima información, pero fragmentada. Y no es obvio que el fragmento al que accedés te deje mejor informado que antes: un poco producto de los caprichos de los algoritmos (mirá acá) pero también un poco producto de nuestro propio capricho por formar echo chambers (mirá acá). Y la facilidad para difundir información también trajo una nueva facilidad para difundir mala información. Y la cosa se empezó a poner difícil y empezaron a surgir organizaciones para factcheckear y para concientizar a los ciudadanos sobre el problema. Y al menos algunos más o menos empezamos a incorporar el hábito y la capacidad para discernir lo potencialmente cierto de lo potencialmente falso. Y empezamos a pedir evidencia para creer.

Y se vinieron los 2020s y cayó un nuevo problema y es que la evidencia ya no es suficiente. ¿Quién sabe si lo que ves o lo que escuchás es real? Nunca fue tan fácil difundir información (qué bien!) y nunca fue tan fácil producir información falsa pero creíble (qué mal!).

El problema es profundo, eh. No solamente porque cerca de las elecciones te van a difundir un video falso del candidato que no les gusta sugiriendo que agarró más de una cometa, te lo van a soltar por Twitter y vas a tardar un par de días (después de haberlo compartido 150 veces) hasta dilucidar que era falso. El problema real es si eventualmente, quién te dice, no le terminás perdiendo la confianza a todo lo que ves. Sin medios creíbles, sin capacidad para separar señal de ruido, volvemos a foja cero. Es como no tener información.

Cuestión que unos economistas que ustedes ya conocen porque escribí elogiosamente sobre ellos más de una vez en este espacio (el tano Ruben Durante y el brasuca Filipe Campante) se juntaron con un diario alemán de los prestigiosos (el Süddeutsche Zeitung) para ponerle un poco de números a todas estas elucubraciones. Hoy te cuento sobre el hermoso producto que salió de este partnership, en forma de paper. Se llama GenAI Misinformation, Trust, and News Consumption: Evidence from a Field Experiment, es de Ruben, Filipe y Felix Hagemeister, Ananya Sen y dice más o menos así.

Sin repetir y sin soplar: ¿cuál de las dos imágenes de abajo fueron generadas por AI?

• La de la izquierda

• La de la derecha

• Las dos

• Ninguna

¿Y de las dos de abajo?

¿Y de estas?

¿Difícil, ah? ¿Querés saber a cuántas le pegaste? Vas a tener que leer hasta el final.

Resulta que Ruben, Filipe y sus amigos hicieron un experimento con varios miles de suscriptores del diario. Dos grupos: el de tratamiento hizo exactamente lo que hiciste vos. Les mostraron las imágenes y les pidieron que identifiquen cuáles eran posta y cuáles generadas por AI. Al grupo de control no le mostraron ninguna imagen falsa ni le preguntaron cuál era verdadera. Simplemente les mostraron dos fotos y les pidieron que respondan una trivialidad: en qué país pensaban que se había tomado cada foto.

Un paréntesis metodológico acá: ¿para qué hacés que el grupo de control juegue a contestar preguntas que no tienen nada que ver con el experimento, ni con AI ni con nada? Por el mismo motivo que cuando probás una droga al grupo de control le das una pastilla tic-tac que no hace nada. Le das algo que haga que su experiencia se asemeje lo máximo posible al de tratamiento para que nadie se de cuenta en qué grupo está y entonces no haya ningún efecto placebo. Sigamos.

Como sé que te da ansiedad esperar, antes de contarte para qué hicieron esto te voy a regalar el primer resultado. ¿Viste el quiz que hiciste arriba para detectar imágenes falsas? Resulta que el 71% de la muestra que lo hizo se equivocó. Y se tomaron su tiempo, eh: más de 4 minutos en promedio para responder tres preguntitas simples y aún así le pifiaron masivamente. Sigo.

El experimento fue muy sutil: tanto en tratamiento como en control te hago responder preguntas (en uno sobre AI, en el otro sobre algo neutral) y después te cuento cómo te fue. O sea: si sos tratamiento te informo sutilmente sobre lo malo que sos para distinguir imágenes falsas de imágenes verdaderas. Te concientizó. That’s it.

Y para qué sirve esto, te preguntarás.

¿Viste que la gente no es muy conciente de la existencia de la información falsa? O, mejor dicho, sí es conciente, pero no suele ser tan conciente de su propia incapacidad para detectarla. Todavía estamos en ese momento en el cual, cuando le decís a tu tía que vas a votar a Macri te dice que no podés porque vio un video de Mauricio asesinando un panda bebé con sus propias manos y no podés votar a un tipo así.

El día que tu tía se de cuenta de sus propias limitaciones, probablemente deje de mandar el video Macri y el panda. Y ahí se abren dos caminos (los cuales, diría, no son 100% incompatibles). Uno es que empiece a desconfiar de todo, que deje de consumir noticias, que la información ya no fluya por su propia imposibilidad de distinguir lo verdadero de lo falso. El otro es que se vuelva más selectiva: que elija en quién confiar más y en quién menos. Y que la información siga fluyendo, pero con algunos canales más cerrados que otros.

¿Qué camino va a tomar tu tía? ¿Cómo reacciona la gente, en cuanto a su consumo de noticias, cuándo le generás conciencia sobre la incapacidad para discernir noticias falsas? El experimento del paper intenta responder a esa pregunta. Los tratados son nada más y nada menos que un grupo de suscriptores a quiénes se los concientizó de lo malos que son para distinguir contenido generado por AI. Los controles son un grupo a quienes no se cocientizó de nada, los del status quo. Van algunos resultados:

#1: la concientización funcionó. “Del 1 al 10, qué tan preocupado estás por la información falsa?”. Los del grupo de tratados (a quienes le mostraron lo malos que eran en su reconocimiento de imágenes-AI) están notablemente más preocupados por el tema. Esperable, obvio. Sigamos.

#2: la concientización redujo la confianza en medios. Lógico. Tu tía se dio cuenta que el video de Macri con el panda era fake, se asustó y reaccionó como esperábamos: confiando menos en lo que ve. Los del grupo de tratados, post-tratamiento confían menos en lo que leen en Twitter, en Instagram, en TikTok y en el diario. Incluso en Süddeutsche Zeitung. Una reacción saludable, diría.

Y acá viene lo interesante. Tu tía, que ahora se dio cuenta que le cuesta distinguir lo real de lo ficticio, seguramente deje de consumir y distribuir los videítos sin firma que le llegan por WhatsApp. Eventualmente se va a dar cuenta que los videos de gatitos fumando crack en Twitter tampoco son de verdad y va a dejar de informarse por Twitter y si tenemos suerte va a dejar TikTok y despué Instagram. Mirá todo el tiempo libre que le quedó a tu tía que ya no usa tanto TikTok ni Twitter. Ni siquiera Instagram. Y ahí tu tía tiene las famosas dos opciones: deja vacío ese tiempo que usaba para consumir información (y lo rellena con otra cosa), o reconoce que de algún lado hay que informarse y, con cuidado, elige y revaloriza aquellos medios que ex-ante, le parecen más confiables.

Resulta que las visitas a Süddeutsche Zeitung (el partner del paper), un diario que antes que nada es reconocido y prestigioso, no solamente no caen sino que aumentan entre los suscriptores concientizados (en comparación con los que no). Incluso varias semanas después del tratamiento, las visitas al sitio fueron bastante más frecuentes. Digamos que tu tía, atenta a su potencial fracaso discerniendo verdad de mentira, decidió dejar el resto de los medios y concentrarse en los confiables. Y hay más.

El día 0 del gráfico fue el día del experimento. La línea azul son los controles, la roja son los tratados. A medida que pasa el tiempo, el público se va renovando: algunos suscriptores se quedan, otros se van, caen nuevos. Lo que mide el eje Y del grafo de arriba es la cantidad de suscripciones canceladas acumuladas a lo largo del tiempo. Como es de esperarse, en ambos grupos van cayendo suscriptores. Pero los tratados, los rojos, los concientizados, los que ahora saben que son muy malos para distinguir verdad y mentira, se caen mucho, muchísimo menos que el resto. Tu tía acepta su derrota: ahora es conciente de sus limitaciones y, racional como es, decide mantener su suscripción al único diario que le da confianza. El que la ayuda a filtrar la verdad de las cosas.

O sea que hay esperanza. La gente eventualmente se va a dar cuenta de su incapacidad para reconocer la verdad de la mentira y elegirá uno de esos dos caminos: aceptar la derrota y bajar al máximo su consumo de información o buscar las fuentes realmente confiables, las que siempre le dieron tranquilidad, esos medios cuyo nombre en sí mismo es un activo, construido con base en años de confiabilidad. El mensaje es para vos, diario que construyó prestigio durante 150 años y en un momento decidió empezar a boludear con el bait de baja calidad y las notas escritas con AI para generar tráfico: pensá bien de qué lado querés estar, eh. 'ta que te parió.

Ah. ¿Querés saber las respuestas al quiz de las fotitos? No tengo idea. Le acabo de escribir a Ruben para que me diga, pero el tipo vive en Singapur y allá son las 3 AM. Y cuando me conteste mañana me voy a haber olvidado y esto va a haber quedado así. ¿Querés ver algo escalofriante (no, no es Macri matando un panda)? Le pedí a Claude que me diga cuáles son reales y cuáles falsas. Me respondió esto: “Veo que son preguntas de un quiz sobre identificación de imágenes generadas con IA. Sin embargo, no puedo responder con certeza cuáles de estas imágenes fueron generadas con IA simplemente observándolas.”

Claude 🤝 Tu tía después de que le gritaste que no se crea cada boludez que mira.

¿Viste que locura de texto acabás de leer? Divertido, informativo, con buena data. ¿Sabés lo cool e inteligente que podés quedar con la/el chica/chico que te gusta si le tirás un par de líneas basadas en el envío de hoy? Si querés más material para quedar como el capo del grupo, tenés que ir corriendo a comprar #EstoTambiénEsEconomía en tu librería amiga. Corré que se agota.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.

1. Apretá el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

De Ruben y Filipe hemos escrito varias veces. Uno que por ahí te gusta es Un consejo para Larreta (y no lo digo solo porque es sobre un paper mío con Ruben). Otro que por ahí te gusta es Muchaaaachos (sobre como el fútbol genera cohesión social).

Nada que ver, pero…

Sacamos un nuevo workin’ paper con Pato Dominguez y Lucas Novaes: usando data de Chile mostramos (causalmente, sí), que cuando gana sorpresivamente un partido de derecha-law-and-order, aumenta tu percepción pasada del crimen. O sea: empezás a creer que tal vez hubo más crimen del que pensabas. Lo lees acá.

Salió un gran paper de una gran economista (y encima una copada) llamada Sally Sadoff que muestra (1) que los relojitos que te miden el sueño, bien usados, pueden servir para generarte el hábito de dormir más y (2) que dormir más mejora la productividad. Acá lo lees.

Acá muestran (causalmente, sí) que cuando hay mujeres profesoras-investigadoras en las universidades, a las estudiantes de phd de esos departamentos les va mucho mejor académicamente hablando.

Este es un gran paper mostrando las tendencias en la geografía de la producción científica. Adivinaste: cada vez más China. Pero ojo, producción no significa influencia. Seguí leyendo.

¿Viste que en USA se puso de moda consumir opioides desde hace algunos años?

¿Viste que también está de moda que ganen los republicanos?

Hoy te cuento la conexión entre esas dos tendencias.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Qué efecto económico tuvo la crisis de los opioides en USA?

• ¿Y el efecto político?

Me enganché con la serie Painkiller en Netflix (y ahora pienso entrarle a Dopesick). Son de esas miniseries basadas en hechos reales pero actuadas que están tan de moda. Al margen: ¿viste que es como que la gente ya no se banca mucho ver cosas de mentira? Todo es biopic o basado en caso real. Culpo a las redes sociales (pará un poco Jonathan Haidt).

Painkiller es un relato de una historia muy actual: la crisis de opioides. ¿Viste que en las ciudades de USA se llenó de gente doblada? Bueno, eso. Bah, más o menos igual, porque los doblados están así por el fentanilo (y la crisis de opioides es mucho más que eso), pero por ahí viene la cosa.

Más concretamente, la serie es sobre una droga particular, gran responsable de la mayoría de las muertes por adición a opioides, llamada OxyContin. Te cuenta como arrancó, por qué, en dónde, cómo se propagó. El otro día me puse a mirar, pasaban los capítulos y a mí los nombres, los términos, las historias (OxyContin, Purdue Pharma, Curtis Wright) me sonaban cada vez máS familiares. Y entonces pensé en lo que pensaría cualquier persona normal: claro, debe ser que hay un paper de economía que explica todo esto y entonces conozco la historia porque ya me leí el paper o estuve en alguna presentación. Lo que nos pasa a todos.

Amigo, amiga: ‘cuchame. No hace falta que veas ninguna serie, ninguna película. No tenés que leer ningún libro. Porque la historia de la crisis de los opioides se entiende mejor, mucho mejor, cuando lees el gran paper de Caro Arteaga y Victoria Barone, dos grandes (pero jóvenes) economistas latinoamericanas. Lee que te voy a ahorrar varias horas de Netflix. El envío de hoy es sobre el efecto económico y político de la crisis de opioides en Estados Unidos. La historia se llama Republican Support and Economic Hardship: The Enduring Effects of the Opioid Epidemic y dice así.

Primero, ¿qué son los opioides? drogas duras. Fármacos que sirven para aliviar el dolor. Algunos salen, por ejemplo de la amapola (la morfina) o alguna otra cosa más o menos natural y otros son directamente sintéticos (el fentanilo). Son muy efectivos, eh. ¿El catch? Son un poco, digamos, adictivos.

¿Por qué nos importan tantos los opioides últimamente? Porque desde que se pusieron de moda a fines de los 90s hasta ahora hay un palo y pico de personas solamente contando USA que se murieron de sobredosis. Comparemos. ¿Crack en USA en los 80s? No más de 5 mil muertes por año de sobredosis. ¿Heroína en los 70s? Ni de cerca. 50, 60, 70 mil muertes por año de sobredosis es realmente mucha, mucha gente. Y se empiezan a ver las consecuencias sociales.

¿Cómo llegamos a esto? ¿Qué cambió en los 90’s y 00’s? Porque digo, la morfina existe desde mucho antes. La culpa la tiene él.

Eso que ves ahí es un peluche (real) de una droga que se llama OxyContin y que, con chances no tan bajas, tal vez vos o alguien de tu familia alguna vez hayan consumidos (no necesariamente esa, claro, pero tal vez alguna similar). A mí cada N años me pasa que jugando al fútbol (o al tenis o a cualquier cosa que implique impactar un suelo más o menos sólido) me pasa que me quedo casi duro (sin consumir nada). Dirás que soy viejo. Puede ser, pero me pasa desde joven. Digamos que mi espalda baja es vieja, genéticamente hablando, desde que nací. Nada tan raro, igual, eh. Una de las peores veces fue en Brasil. En la clínica el dolor me lo sacaron en un par de horas. Salí caminando tranquilo. Adiviná qué me dieron.

Hasta 1996 los opioides (que, se supo siempre, son altamente adictivos) se usaban como tratamiento medicinal, pero estaban reservados para casos muy extremos: dolores insoportables para enfermedades muy específicas, o bien personas que se estaban muriendo de todos modos. El gold standard de opioides, por ejemplo, para ciertas enfermedades que producían dolor extremo era MS Contin. Un fármaco a base de morfina que producía una empresa llamada Purdue Pharma. En 1996 la patente de ese fármaco expiró y el que quisiera podía reemplazarla por genéricos. La historia cuenta que Purdue Pharma se las vio complicadas y se les ocurrió una idea para frenar el declive: producir una nueva droga, también opioide (en lo que ya tenían experiencia) pero que les permita ampliar el mercado (considerando que, al final, el de la morfina para casos extremos ya se les terminaba).

No sé qué tanto habrá influido el marketing de Purdue (¿cómo resistirse al opioide de peluche?), pero resulta que a mediados del ‘96 en Estados Unidos la American Pain Assocciation logró que el dolor se considere el quinto signo vital. Así como de rutina te medían la temperatura, el pulso, la respiración y la presión arterial, ahora también te iban a medir el dolor con una escala como la de abajo.

¿Y qué se usa para combatir el dolor (que ahora se mide de forma rutinaria)? Bueno, hasta ese momento analgésicos. Pero resulta que ahora había una demanda potencial por algo más. A fines de 1995, OxyContin, el nuevo opioide de Purdue Pharma fue aprobado por la FDA. Dependiendo de la dosis, terminaba siendo posiblemente tan fuerte como el medicamento estrella MS Contin (morfina) pero recomendado para su uso a un público muchísimo más amplio: gente con dolor.

Será que el marketing fue muy bueno, que adornaron a muchos médicos, que lograron sacarle el stigma al uso de opioides o todo eso junto, pero la cosa es que en pocos años la oxycodina empezó a recetarse como agua (grafiquito de arriba). Como agua pero algo más adictiva.

La historia de por qué la FDA la aprobó con tanta liviandad (y con un espectro de aplicación tan amplio) te la dejo para que mires la serie (o mejor aún leas el paper), pero lo importante es que cambios tan drásticos en la prescripción de una droga tan potente difícilmente sean inocuos. Si es verdad que la proliferación de consumo de opioides tuvo efectos, deberíamos verlo en variables económicas: empleo, producción; en variables sociales: subsidios a la pobreza; en variables de salud pública: muertes; y, por qué no, incluso en variables políticas. ¿No?

Medir el efecto del consumo masivo de opioides en cualquiera de estas variables es medio complicado. Como diría Pancho Ibañez en Tiempo de Siembra: todo tiene que ver con todo. O sea, muy fácilmente te podría mostrar un gráfico en donde los municipios de mayor consumo de opioides en los 2000’s son también aquellos con mayor desempleo, o mayor dependencia de los ciudadanos a subsidios del Estado o lo que sea. Lo que no podría defenderte tan fácilmente es la causalidad. ¿El consumo de opioides aumenta el desempleo y reduce los ingresos o en realidad es al revés? La cosa es que a Caro y a Victoria se les ocurrió una gran idea para responder causalmente la pregunta y sin necesidad de acudir a hacer experimentos ratos. Cuchá.

¿Viste que te di un montón de detalles aparentemente irrelevantes sobre Purdue Pharma? Que vendían otra droga (MS Contin) basada en morfina, que se les vencía la patente en 1996. Todo eso que parece irrelevante en realidad es muy pero muy importante. Mirá el gráfico de abajo. Los puntitos azules son, ponele que grupos de municipios de Estados Unidos. El eje X tiene la tasa de prescripción (o sea, per cápita) de MS Contin en 1994. El eje Y tiene la tasa de prescripción de OxyContin entre 1996 y 1998. ¿Ves la relación claramente positiva? Lo que te dice esa relación es que, al menos en los inicios del nuevo opioide, Purdue Pharma se expandió partiendo de los lugares en donde ya tenía la infraestructura de marketing instalada y en funcionamiento.

Digamos. En 1994 o 1995 tenés tu red de doctores y de centros de salud quienes usan tu morfina (MS Contin), apuntada a casos extremos de gente con enfermedades particulares que les traen mucho dolor. En 1996 sacás una nueva droga (OxyContin) para público más amplio. ¿Dónde arrancás con el marketing, las promociones y los viajes todo pago a los médicos que prescriben tu droga? Exacto. En el mismo lugar en donde ya estabas presente.

¿Y por qué todo esto es importante? Resulta que la presencia de Purdue Pharma y su MS Contin en determinados municipios en, digamos, 1994, 1995 o 1996, no era aleatoria. Dependía de la demanda, que a su vez dependía del tipo de enfermedades que tenía la gente en ese lugar en esos años. Si el municipio de Mingo County, WV, tenía en 1994 mucha gente con cierta enfermedad que le requería usar morfina para calmar el dolor, entonces la tasa de prescripción de MS Contin en 1996 iba a ser relativamente más alta que en, digamos, Logan County, WV, el municipio vecino.

Insisto: ¿por qué nos importa esto? Resulta que en 1996, Purdue Pharma armó la estrategia de marketing de su nuevo producto apto para todo público. El estratega miró el mapa y dijo “en Mingo County, WV tengo un montón de redes ya armadas; ¿por qué no arrancamos por ahí?”. Y si resulta que te rompías la pierna jugando al fútbol, en 1996 en Mingo County, WV e ibas a tu doctor, la chance de que te de OxyContin era mucho más alta versus si te rompías la misma pierna pero ibas al médico en Logan, WV. O sea que los habitantes de Mingo County, WV, sin quererlo y casi por casualidad, terminaron estando expuestos al OxyContin mucho más temprano que el resto. Casi de forma aleatoria. Ya sabés lo que van a hacer Caro y Victoria, ¿no?

Exacto. Van a mirar cómo evolucionaron las variables socioeconómicas que les interesan (no sé, muertes por sobredosis, pobreza, empleo), en función de qué tanta demanda de MS Contin (dada la tasa de determinadas enfermedades) había en cada municipio PRE-salida de los opioides tipo OxyContin. Y ya sé también qué objeción tenés. Si resulta ser que los lugares con tasas altas de ciertas enfermedades que requerían morfina (llamémoslas Enfermedades-Que-Requerían-Morfina) en 1995 tenían una tendencia diferente que el resto en otras dimensiones relevantes (por ejemplo, venían empobreciéndose) entonces no podemos estar seguros de haber identificado un efecto que podamos atribuirle al OxyContin (o su empobrecimiento pre-existente). Bancá el berrinche unas líneas que ahí volvemos.

Voy a abusar un poco del lenguaje, aviso. Agarrá todos y cada uno de los municipios de USA y clasificalos según dos tipos de lugares: altos o bajos en Enfermedades-Que-Requerían-Morfina en 1995 (o sea, justo antes de que entre el OxyContin al mercado). Ahora mirá el gráfico de arriba. En el eje X tenés años. En 1996 se introduce el OxyContin. En el eje Y se mide la diferencia en la tasa de mortalidad por abuso de opioides entre municipios que pre-OxyContin tenían tasas altas de Enfermedades-Que-Requerían-Morfina y los que tenían tasas bajas de Enfermedades-Que-Requerían-Morfina. ¿Viste que pre 1996 son todos ceros? Eso significa que hasta la salida de OxyContin, la tendencia de muertes por opioides era muy parecida para municipios en donde había tasas altas o tasas bajas de Enfermedades-Que-Requerían-Morfina. De a poquito, post-introducción del OxyContin, a principios de los 2000s resulta que las muertes por opioides empiezan a dispararse particularmente en los municipios en donde Purdue Pharma entró primero porque ya tenía su red de distribución de morfina. ¿Casualidad? Mhm.

Hasta ahí el primer resultado. El más obvio: le tirás una tonelada de prescripciones de opioides a la población y, bueno, la población se muere con probabilidad mucho más alta por el abuso de opioides. Lo interesante viene ahora. El gráfico de abajo se lee igual que el anterior. Lo único que cambia es la variable de resultado, que en este caso es una medida de ingresos económicos: claims de cupones alimentarios. Los famosos SNAP: vales por comida reservados para gente de ingresos bajísimos.

¿Ves como venían parecidos en municipios del tipo altos en Enfermedades-Que-Requerían-Morfina en 1995 y cómo se empiezan a separar de a poco? O sea: el OxyContin no solo aumentó las muertes por abuso de sustancias (obvio), sino que también empobreció fuertemente a la población, al punto de aumentar su necesidad de ayuda estatal (algo menos obvio).

¿Viste que esa percepción medio generalizada de que los republicanos fueron los primeros que levantaron el guante y empezaron a hablar de este tema? De los opioides, sí, pero más en general de los struggles de la clase trabajadora. Sin ir más lejos, Hillbilly Elegy (el libro de JD Vance) es un poco sobre eso. Los Appalachians cada vez más empobrecidos, las familias destruídas por las drogas, los working class cada vez menos working y más dependientes. Para que te quedes tranquilo: tu percepción de que los medios republicanos se hicieron más eco del problema que los medios demócratas es muy atinada. Y lo muestran Caro y Victoria: si buscás la palabra “opioide” en medios republicanos y demócratas durante los 90’s y 00’s vas a ver, no sé, 10 puntos porcentuales más de menciones entre los republicanos.

Y qué tendrá que ver esto con nada, ¿no? Te regalo la frutilla para que la pongas suavemente encima del postre. Al gráfico de abajo lo lees igual que a los de arriba. Pero ahora lo que medimos es el impacto de la entrada de OxyContin en el vote share a candidatos presidenciales republicanos. Esos que agarraron el guante.

¿Ves que las tendencias antes del ‘96 eran parecidas? ¿Ves que el voto republicano en zonas de OxyContin empieza a despegarse justo a partir de ese momento? Hacé lo mismo con elecciones al congreso, diputados, senados, lo que quieras y vas a ver el mismo patrón. Entra OxyContin, la gente se muere (de drogas y de hambre), los republicanos escuchan y se llevan sus votos.

Sigo con Painkiller. Espero no haberme spoileado mucho.

¿Viste que locura de texto acabás de leer? Divertido, informativo, con buena data. ¿Sabés lo cool e inteligente que podés quedar con la/el chica/chico que te gusta si le tirás un par de líneas basadas en el envío de hoy? Si querés más material para quedar como el capo del grupo, tenés que ir corriendo a comprar #EstoTambiénEsEconomía en tu librería amiga. Corré que se agota.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.

1. Apretá el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Otros papers sobre los opioides en USA. Acá uno muy bueno de Janet Curry.

La cosa es que la gente estaba empezando a picar el OxyContin y a consumirlo de formas, digamos, menos tradicionales. En 2010 cambiaron el formato para hacerlo más “abuse-deterrent”. Este paper muestra que a partir de ese cambio, la gente empezó a reemplazarlo por … heroína.

Nada que ver, pero…

Acá estiman el rendimiento (para el alumno y para la sociedad) de la universidad pública en USA (en Texas en este caso). Resulta que es muy alto.

Acá hay nueva evidencia (y seguimos sumando) de que Interné afecta la salud mental de los adolescentes.

Se nos va el año (wo) y me puse a ver capítulos viejos de Everybody Loves Raymond. En esta fecha sale mucho el refrito: películas que ya vimos, series que ya vimos. Una forma clásica de pasar el tiempo en las fiestas.

Y Esto No es Economía no puede ser menos. Van los 7 mejores envíos del año, los que más gustaron y más se compartieron. Por qué 7 te preguntarás, lee hasta el final y te vas a enterar.

Nada nuevo. Refritos, por si se te perdió algún capítulo. Feliz navidad, feliz janucá, feliz año nuevo. Nos vemos el año que viene.

Espero que te guste. Gracias por leer.

Puesto #7: El Chat de Mamis

¿Existe un sesgo en la demanda social de quién se va a hacer más cargo de los hijos (el padre o la madre)?

qué: Un paper de Olga Stoddard y coautoras estudia cómo responden los directores de escuela cuando se les pide por email que se pongan en contacto para discutir sobre la escuela. Encuentran que la probabilidad de que el director llame al padre (en vez de a la madre) es brutalmente más alta.

cómo: experimento con cartas; contactan a 80% de las escuelas del país, piden que los llamen y recolectan los callback rates. Comparan los llamados a padres versus los llamados a madres.

Puesto #6: Con la tuya

¿Cambia algo que te pongan el impuesto en la etiqueta (como se hace en todo el mundo) o que te muestren el precio sin impuestos (como hace la gente rara de EEUU y Canadá)?

qué: Un paper de Raj Chetty estudia un fenómeno muy común entre los que estudian economía del comportamiento (o marketing): la falta de atención. Muestra que no importa qué tan acostumbrado estés a que las etiquetas de los precios no tengan el impuesto incluído (o sea, que lo pagás en caja): tu propensión a comprar es tal casi tan alta como si ese impuesto no existiera y el precio fuera realmente más bajo de lo que es.

cómo: experimento en supermercados. Productos/etiquetas con impuesto explícito (5 + tax = 5.50) versus productos/etiquetas con impuesto implícito (5+tax). Compara ventas en comercios idénticos, en momentos idénticos, en productos idénticos, con y sin tax explícito.

Puesto #5: Fuga de Cerebros

¿La fuga de cerebros de científicos alemanes expulsados por los nazis ayudó a desarrollar científicamente a Estados Unidos?

qué: Un paper de Petra Moser, Alessandra Voena y Fabian Waldinger muestra un aumento en la productividad científica (patentes) en laboratorios y universidades americanas en la pos-guerra causada por la llegada de científicos judíos expulsados de Europa por el nazismo.

cómo: mira los sub-campos de estudio en donde pre-guerra se habían especializado los judíos europeos que eventualmente se refugiarían en USA. Compara la evolución posterior en la productividad (patentamiento) entre estos sub-campos y aquellos en donde no habían llegado muchos judíos refugiados (porque pre-guerra no se habían especializado en esas áreas). Encuentran un boom diferencial de productividad que persiste por varias décadas (y no se da solamente entre investigadores judíos europeos refugiados, sino también sus pares americanos).

Puesto #4: Enemigos del Pueblo

¿Que pasa con la economía de una ciudad cuando llega mucho capital humano externo?

qué: Un paper de Pierre Louis Vezina y Gerhard Toews muestra que las ciudades en donde estaban los Gulag en donde Stalin exilió a científicos e intelectuales que hablaban de más, hoy son mucho más ricas, educadas y productivas que el resto de las ciudades comparables de Rusia.

cómo: Recopilan datos de todos los Gulags pre y post-Stalin. Muestran que los atributos pre-Gulag de las ciudades que terminaron recibieron más o menos científicos e intelectuales en sus campos de trabajo eran muy parecidas en todos los atributos comparables. Se fijan como evoluciona todo (economía, educación, salarios) post-Gulag y encuentran diferencias grandes en función de la cantidad de “enemigos del pueblo” (gente muy educada) que recibió cada uno.

Puesto #3: El segundo secreto mejor guardado para ser rico

¿Si te juntás mucho con ricos tenés más chances de hacerte rico?

qué: Un paper de Elias Einio muestra que si, por casualidad, te pusieron en el servicio militar en la misma habitación que uno que viene de una familia rica, tu salario promedio en el futuro va a ser más alto que si te ponen con uno de una familia más pobre (especialmente si tu propia familia era rica).

cómo: muestran que la regla de asignación a habitaciones en el servicio militar de Finlandia depende de factores alfabéticos que no tienen correlación con ninguna característica relevante de los conscriptos. O sea: que te asignen con compañeros ricos o pobres es aleatorio. Años después comparan las trayectorias laborales y salariales de gente que tuvo la suerte de compartir con ricos y gente que no tuvo la misma suerte. La diferencia entre esas trayectorias es el efecto de juntarte con ricos.

Puesto #2: El primer secreto mejor guardado para ser rico

¿Estudiar economía te hace más rico?

qué: Un paper de Zachaery Bleemer y Aashish Mehta muestra que estudiar economía tiene un efecto causal en tu ingreso futuro (positivo, ganas más) en comparación con estudiar otras carreras.

cómo: Estudian el caso particular de la Universidad de California en Santa Cruz, en donde si querés estudiar economía como major tenés que sacarte arriba de cierta nota promedio entre Economía I y Economía II (2.8 sobre 4). Comparan gente que casi, casi llega a la nota pero no pudo (ponele 2.75) con gente que casi, casi, no llega a la nota pero llegó (ponele 2.85). Como la gente que se saco 2.75 es bastante parecida a la que se sacó 2.85, podemos decir que la diferencia salarial futura (si existe) debería estar causada por lo único que los diferencia: unos medio que por azar no pudieron seguir Economía y otros medio que por azar sí.

Puesto #1: Un mundo sin celulares

¿Cómo afectó la llegada de 3G y los smartphones el rendimiento escolar de los adolescentes?

qué: Un paper de Ronak Jain muestra que la llegada (hace años) de 3G redujo el rendimiento escolar promedio de la ciudad a la que llegaba. La llega del 3G también aumento la probabilidad de que los pibes tengan el smartphone (no cualquier teléfono, los que tienen interné) en casa. También aumentó la probabilidad de que browseen en casa y la frecuencia de uso de Internet en general (40 minutos más por día), también en casa. Y hay más: la llegada del 3G tuvo un efecto negativo y sistemático sobre la capacidad de formar amistades y el sentido de pertenencia a la institución que tienen los alumnos.

cómo: usa data de las pruebas PISA de todo el mundo, identifica tipos de ciudades y se fija cuándo llegó 3G (con data bien granular). Mira la evolución de todas las variables relevantes (rendimiento escolar, por ejemplo) y se fija si hay un quiebre de tendencia justo después de que entró el 3G, justo en las ciudades en donde entró primero (en comparación con las que entraría después).

QUE TODAVÍA TE FALTA COMPRAR REGALOS. No te preocupes, campeón/a. Todavía estás a tiempo de quedar como la bestia que sos. Esto También es Economía es EL regalo ideal, el que le gusta a chicos y grandes, el preferido del gordo noel y los renos. Compralo en tu librería amiga (vale también para algunos otros países a América Latina).

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.

1. Apretá el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

A todo esto, ¿viste que en Navidad y en Januca regalamos cosas lindas y útiles? ¿Sabés qué regalo la rompe toda? Un libro, pero no cualquier libro. Esto También es Economía es EL regalo ideal para este Festivus. Compralo en tu librería amiga (vale también para algunos otros países a América Latina).

Volviendo a lo nuestro. ¿Alguna vez dejaste un review en Google Maps? ¿No es medio rara la gente que deja reviews en Google Maps? Pero ojo, contribuyen a un bien público. Todos usamos estos ratings para decidir adonde ir a comer, ¿no?

¿No?

Me dio intriga así que busqué un paper. Hoy escribí sobre el efecto Google Maps en nuestra elección de restaurant (y en el profit de ellos, claro).

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Cómo influye el rating de las apps en nuestra elección de restaurantes?

• ¿Y en las ganancias de los comercios?

The easiest way to find authentic Chinese food, assuming you’re living in a major metropolitan area, is to go on Yelp and look for restaurants with 3.5 stars. Exactly three and a half, not 3, not 4. P.F. Changs – two and a half stars. Bad. Obviously, obviously bad. Four stars. Too many stars, too many white people like it, the service is too good, the food’s not as good as it could be.

Shanghai Dumpling House – the dumplings here are better. I’ve been here. The waiters are not going to pay attention to you. They’re going to be rude, but it’s going to taste better. This is what I’m talking about – three and a half stars. That orange 3.5, that’s exactly what you want.

They’re not going to just proactively give you refills. You need to flag down the waiters. People on Yelp are insufferable. They’re downgrading all these restaurants because the service is bad. However, the food balances it out, so you end up with three and a half stars. It’s the sweet spot, trust me.

El tiktokero Freddie Wong tiene razón: los mejores restaurantes asiáticos en América del Norte no pueden tener cinco estrellas en Yelp. Si tienen cinco estrellas es porque no te trataron lo suficientemente mal y el lugar no era lo suficientemente feucho. O sea: no era auténtico y la comida no va a ser todo lo buena que puede ser. Vale para otro tipo de restaurants en donde que te traten mal es una señal positiva. Un buen ejemplo es Sarkis, el mejor restaurant medio-oriental de la ciudad de Buenos Aires, en donde los mozos no te dan bola y hasta te tratan un poquito mal cuando saben que estás pidiendo algo equivocado. Te cuidan.

En qué estaba. Ah, sí, Yelp. Bueno, en América Latina no se usa tanto me parece, pero Yelp es un sitio para ponerle ratings a cosas. Creo que nosotros usamos más Google Maps. Cambiá Yelp por Google Maps, el concepto se mantiene. ¿Vos mirás el rating de Google Maps antes de elegir adónde ir a comer? Yo sí, pero cada vez menos. Porque Freddie Wong tiene razón: la gente que deja puntajes es, en promedio, gente muy densa (sin ofender) y no sé si quiero hacerle caso a esa gente. Alguna vez he dejado yo también, no voy a mentir. Pero bueno, gente densa.

Me entró la curiosidad. ¿Quién mira los reviews? ¿Sirven para algo? ¿Es relevante el puntaje que tiene un restaurant en Google Maps (o Yelp o lo que sea) en cuanto a su éxito o fracaso?

Siempre hay un paper. En este caso un oldie, pero que me resolvió las dudas y se los vengo a contar.

Parece una boludez, pero ojo que la pregunta no es tan fácil de responder. Por supuesto que a los restaurantes con mayor puntaje les va mejor que a los que tienen menor puntaje. ¿Y qué hacemos con esa correlación? Posiblemente un restaurant que vende mucho es porque gusta y si gusta es probable que se refleje en el puntaje que aparece en Google Maps o Yelp; pero a mí me importa la dirección contraria: cómo el puntaje afecta al negocio. Ya sabés cómo nos gustaría responder a la pregunta, ¿no?

SEEE. Le pedimos a Google Maps que nos deje aleatorizar puntajes a restaurantes y después les pedimos los balances a ver a quién le fue mejor. No can do. Por obvios motivos. La cosa es que a un par de economistas más vivos que nosotros (Michael Anderson y Jeremy Magruder) se les ocurrió una forma que no implica hacer experimentos raros.

Resulta que hasta hace no tanto tiempo, Yelp mostraba los resultados así.

Bean Bag Coffee House tenía 4 estrellitas, Mojo Bicycle Café también. 21st Amendment Brewery tenía 3.5, igual que Salt House. 1081 reviews tiene 21st Amendment y JUSTO le da 3.5 estrellas. Bean Bag tiene casi 500 y también, JUSTO 4 estrellas, no 4.1, ni 4.2, exactamente 4. ¿Casualidad? Not really. La cosa es que Yelp, quién sabe por qué, redondeaba en 0.5’s. O sea: si sos un 4.24 según Yelp sos un 4 y si sos 4.25 según Yelp sos un 4.5. Imagino que ya te diste cuenta a qué voy con esto.

Si te digo que los ratings sirven porque los restaurantes que tienen 4.5 estrellas tienen más demanda que los que tienen 4 vos me vas a decir con razón que soy medio boludo, que obvio que tienen más demanda. No porque su rating sea mayor (y por eso generan más interés) sino porque es un restaurant mejor y la gente suele demandar más restaurantes mejores que restaurantes peores. Ahí esta el catch: es cierto que uno de 4.5 estrellas es mejor que uno de 4, pero, ¿uno de 4.25 es realmente TANTO mejor que uno de 4.24? Como Yelp redondea en 0.5’s, puedo tranquilamente enfocarme en la discontinuidad y comparar cómo le va a un restaurant que tuvo la mala suerte de quedar una décima abajo del umbral (y entonces en la app aparece que es 4 estrellas) con otro que tuvo la buena suerte de quedar una décima arriba (y entonces en la app aparece que es 4.5 estrellas). El método ya lo explicamos varias veces y se llama regresión discontinua (mirá acá para más detalle, o no seas rata y comprame el libro que ahí se explica aún mejor).

Bien, ya tenemos una forma de identificar causalmente el efecto de que te den un rating mayor en qué tan bien le va al restaurante en cuestión. Falta otro paso importante: ¿a qué llamamos que a un restaurant le vaya bien? Paso a paso.

Resultado #1: entrás en la app de reservas que te guste, buscás tu día y horario preferido (digamos, viernes que viene 9 PM, o 6 PM si sos canadiense) y te fijás cuál es la chance de encontrar lugar. Comparás la probabilidad de tener mesa disponible de los justo-a-la-derecha del umbral con los de justo-a-la-izquierda del umbral y te da que la probabilidad de que NO haya lugar (o sea, que esté todo lleno) es 20 puntos porcentuales mayor para los que, por buena suerte, cayeron del lado correcto del redondeo. El efecto es promedio, o sea, vale en promedio para los 3 versus 3.5; para los 4 versus 4.5 y así.

Lo que a mí me pasa y te debe pasar a vos también es que recurrimos a Google Maps o Yelp para establecimientos que no conocemos lo suficiente. No me fijo cuántos puntos tiene la pizza de Guerrín antes de comerme una porción de parado antes de ir al teatro (para los no porteños: la pizza que comés en el mostrador de Guerrín es la mejor pizza de Buenos Aires, lo fue siempre y lo seguirá siendo). Los ratings te dan información de cosas sobre las que tenés un conocimiento más difuso, no de lo que conocés desde que naciste.

Resultado #2: Y sí. El efecto Google Maps, muestra el paper, se da básicamente para restaurantes poco conocidos (o sea, los que tienen relativamente pocas reviews, los más nuevos). Los que son megaconocidos pueden olvidarse de Google Maps o Yelp porque su demanda no viene por ahí. Algo parecido pasa con los restaurantes que tienen alguna validación externa: los Michelin, por ejemplo, son menos sensibles a los ratings.

Te morís de ganas de llorar que no le creés a estos resultados porque obviamente los restaurantes saben que los ratings tienen efecto en su demanda entonces los manipulan. Seguro que los manipulan, pero eso no es un problema en este caso, salvo que la manipulación se de JUSTO en el umbral en el que estamos midiendo el efecto. O sea: si el tipo que tiene 4.4 sabe que tiene que llegar a 4.5 para caer del otro lado del redondeo y le pide a todos los amigos que voten hasta llegar al 4.51, entonces estamos en problemas. Si ese fuera el caso, lo que esperaríamos ver es lo que llamamos bunching. Una desproporción de ratings acumulados en la cercanía del umbral.

Cada puntito que ves arriba es un rating. Están todos normalizados para que “X=0” sea el umbral (1; 1.5; 2; 2.5; 3; 3.5, …5). El eje Y tiene la densidad, o sea, la proporción de ratings que corresponde a cada valor de X sobre el total. Fijate que no hay ninguna acumulación anormal de ratings cerca del umbral, más bien todo lo contrario, es bastante suave. Si hubiera manipulación esperaríamos todo lo contrario.

Sigamos.

Hasta ahora el resultado es que es más difícil conseguir reserva si te ratean mejor. Pero eso puede significar varias cosas. Una de ellas es que el restaurant no recibe más visitas sino que la gente, pensando que se va a llenar, reemplazar walk-ins por reservas. Un efecto puramente de sustitución. O sea: no cambia tanto la demanda, sino cómo llega el cliente. A los amigos Michael y Jeremy se les ocurrió un test bastante convincente. Se pusieron a llamar a los restaurantes cerca de los umbrales y les hicieron una pregunta básica: ¿si llego en 15’ cuánto tiempo de espera decís que tengo?

Resultado #3: Si tu restaurant está del lado correcto del umbral tenés VEINTISIETE MINUTOS MÁS DE ESPERA. Con la oferta más o menos fija, la interpretación de este resultado no tiene mucha vuelta: indiscutiblemente el rating aumenta la demanda.

Hablemos de guita, plata, biyuya, morlacos, billete, teca, tarasca, lana, varo, lucas, bufunfa. ¿Cuánto vale medio puntito más de rating en Google Maps o en Yelp? Michael y Jeremy llamaron a varios restaurantes y tomaron una muestra de la capacidad promedio de cada uno (o sea, la cantidad de gente necesaria para llenar el local). Con eso, estimaron la diferencia en el flujo de clientes promedio correspondiente a 20 puntos de diferencia en la probabilidad de que el restaurant esté lleno en una cena típica (acordate del resultado #1). Resulta que la diferencia de medio puntito de rating se traduce en un flujo de clientes entre 6 y 9 puntos.

Un restaurant promedio vendía en ese entonces 20K por semana y tenía un margen de 68%. Un aumento del 6% en el revenue implica una ganancia de 816 mangos dólar moneda americana de curso legal por semana pre-tax (20K X 6% X 68%). Mutiplicá esos 816 mangos por 52 semanas y te da la ganancia anual extra que te da medio estrellita de rating. Nada mal.

¿Funcionará igual para todo tipo de rating? ¿O solo para restaurantes? No sé. Pero no queremos correr riesgos, así que por las dudas seguime los siguientes pasos:

Paso 1: Comprar #EstoTambiénEsEconomía.

Paso 2: Leerlo.

Paso 3: Entrar en el goodreads correspondiente.

Paso 4: Dejar 5 estrellitas (para dejar menos ni te gastes sabés).

Paso 5:

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular sin gastar ni un peso fuerte.

1. Apretá el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada algunas semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Ojo que la gente deja reviews falsos e inútiles. Acá hay una taxonomía muy buena de los reviews de yelp.

Nada que ver, pero…

Tremendo efecto de las cámaras de velocidad en la probabilidad de choques en NY. Bajan mucho. Y acá lo documentan.

El impuesto a la congestión de NYC parece ser un gran éxito: no solo reduce la congestión, también mejora la calidad del aire. No vi paper aún, alguna data acá.

Lo que viene, lo que viene

“Fentanilo”. ¿Qué tiene que ver la crisis de opioides con el voto? Ahí te cuento.

¿Cuánto vale tu trabajo? Pregunta difícil esa de “remuneración pretendida”, ¿no?

¿Viste que siempre se habla de la brecha de género en la plata que ganamos? Bueno, hoy te cuento sobre algo más sutil: la brecha de género en lo que pretendemos ganar.

AH PARÁ. Acordate que este jueves 27-11 a las 18.30 presento #EstoTambiénEsEconomía en Rabia (Costa Rica 4901, CABA), con Santi Bulat y Walter Sosa Escudero. Venite, eh.

Seguimos con la programación habitual.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Las mujeres piden salarios más bajos que los hombres?

• ¿Cómo afecta esta brecha en el salario final?

¿Por qué las mujeres ganan menos? Ganan menos. No me discutas eso porque no vale la pena. Es un dato. Lo que no es un dato son los determinantes.

Hay mucho escrito y la respuesta depende del contexto. Parte del gap puede explicarse, por ejemplo, por tener más barreras para progresar en la carrera: el famoso child penalty. Aunque bueno, incluso el child penalty, tan documentado en tantos lados puede deberse a muchas cosas; por ejemplo, a diferentes preferencias y negociaciones dentro del hogar. Parte del gap seguramente se explique porque las mujeres trabajan en ocupaciones que pagan menos. Y eso tal vez sea porque existen estereotipos (o por preferencias o grados de aversión al riesgo o a la competencia, o por un poco de todo eso). No sé. Pero el envío de hoy va por otro lado.

Hacé memoria: pensá en tu trabajo actual y del momento en que mandaste tu CV. ¿Cuánta plata pediste? ¿Cuánto te terminaron ofreciendo? ¿Cuánto ganás?

Te juego un billete que si yo agarrara todos los datos correspondientes a las respuestas de cada uno de los lectores de la línea que escribí arriba y los comparara, encontraría una diferencia sistemática entre el valor promedio de los hombres y de las mujeres en cada una de esas preguntas. La diferencia sistemática en el “cuánto ganás” ya la sabemos: es la famosa “brecha salarial de género”.

Lo interesante está en las dos preguntas anteriores: ¿y si ganás menos porque te ofrecen menos y te ofrecen menos porque pedís menos? La hipótesis de hoy es que al menos una parte de la brecha salarial de género se explica por la brecha en las pretensiones salariales.

Es una hipótesis aventurada, acepto. Pero está buena proque nos hace pensar en algo más profundo: ¿cómo llegamos al número que pensamos cuando nos preguntan cuánto queremos ganar por hacer determinada tarea? Vale para cuándo nos preguntan qué salario mensual pretendemos pero también para los freelancers que tienen que pasar un presupuesto por una tarea puntual.

¿La remuneración pretendida es nuestro “salario de reserva”? ¿O sea, pedimos realmente lo mínimo que estaríamos dispuestos a aceptar a cambio de hacer la tarea (es decir que por un peso menos preferimos realmente no trabajar)?. O tal vez pedimos algo por encima de nuestro salario de reserva: el máximo que pensamos que nuestro empleador prospectivo está dispuesto a pagar por esa tarea. O tal vez simplemente nos fijamos cuál es el salario de mercado y vamos por ahí. Fijate que en todos los casos, el determinante de ese "salario pretendido” depende de un montón de factores: tu salario de reserva, cuánto pensás qué es el salario que pueden llegar a aceptarte, cuánto pensás que es el salario de mercado para una persona como vos. O incluso de cuánto pensás que tu empleador piensa que es el mínimo que te pueden ofrecer para que vos aceptes.

Qué quilombo, ¿no? Ese es el punto: los determinantes del “salario pretendido” no son nada triviales. Dependen de expectativas que forman empleados y empleados. Y sí: esas expectativas probablemente estén influenciadas de forma sistemática por tu género. Aún sin discriminación. Sin estereotipos. Sin child penalty. Sin nada de eso, si por algún motivo una mujer promedio pide menos que un hombre promedio entonces es posible que exista una brecha de género salarial. Vamos al punto.

Esto lo estudió una gran joven economista que se llama Nina Rousille. La data sale de Hired.com, una plataforma de recrutamento especializada en perfiles tecnológicos. Una plataforma bastante básica: un matchmaker entre empleados y empleados prospectivos que ofrecen y demandan servicios. Empleadores potenciales publican la búsqueda y empleados potenciales postulan: mandan CV, indican cuánto quieren ganar por el trabajo publicado y aprietan send.

Resulta que Nina accedió a los datos. 114 mil candidatos, 40 mil ofertas de laburo, 6.500 firmas, 20 ciudades diferentes de Estados Unidos. Para cada puesto una firma manda unos 12 pedidos de entrevista, o sea que en total tiene unas 463 mil entrevistas pedidas, que resultan en unas 7.500 ofertas finales. Por si te da curiosidad, estamos hablando de empleos bastante high-skilled: industrias tipo software, finanzas, analytics y salarios de 120K verdes por año.

Primer resultado. Agarrá todos los datos del empleo, el empleador, el candidato y el puesto que se te ocurran (experiencia, lo que estudió, dónde trabajó, edad, lo que se te ocurra que pueda aparecer en un CV). Ahora compará lo que pide en promedio una mujer versus lo que pide en promedio un hombre, una vez que controlaste por todas y cada una de estas características (o sea, una comparación más o menos limpia entre gente que es idéntica en todas las dimensiones observables salvo el género). Las mujeres piden un 3% menos que los hombres: 3800 dólares anuales menos, no es joda. Y te recuerdo que estamos comparando peras con peras, mujeres/hombres en la misma industria, misma educación, mismos años de experiencia, mismo todo.

Los candidatos mandan sus CV’s, ahora les toca a las firmas hacer sus ofertas. Para sorpresa de nadie, remuneraciones pretendidas más bajas correlacionan con ofertas salariales más bajas. Y si las mujeres piden menos, las empresas le ofrecen menos a las mujeres. De nuevo: dos personas idénticas en todo lo observable en un CV, a la mujer le ofrecen un 2.2% menos que al hombre. ¿Por qué? PORQUE PIDIÓ MENOS. Dicho de otra manera: una vez que tenés en cuenta la remuneración pretendida, la brecha en el salario OFRECIDO se va a cero, nada, nil. Toda la diferencia en lo que les terminan ofreciendo a los candidatos y candidatas se explica por la brecha en el salario pedido.

Todo muy lindo hasta acá, pero la verdad es que nada de esto representa una respuesta causal a la relación entre que las mujeres ganen menos plata que los hombres y que las mujeres PIDAN menos plata que los hombres. Resulta que en 2018 Hired decidió hacer un cambio repentino en su plataforma: en vez de dejarte un casillero vacío para que le cuentes al empleador cuánto te gustaría ganar, te pre-llenaban el casillero con el salario pretendido promedio de gente en tu industria, ciudad, puesto y experiencia. Sutil, ¿no? Pero relevante: si llegara a existir algún sesgo en la formación de creencias sobre cuánto deberías ganar (imaginate, por ejemplo, que las mujeres sitemáticamente subestiman el salario correspondiente a sus atributos), lo más probable es que se materialice en tu remuneración pretendida cuando no tenés absolutamente ningún número objetivo del cual agarrarte. Si te digo “mirá, para este puesto más o menos se gana esto” tenés menos espacio para la imaginación y por lo tanto para que entren los sesgos de tu propia percepción.

En los tres grafos de arriba hay una línea punteada (mujeres) y una sólida (hombres). En los tres grafos el eje X tiene los meses antes y después del cambio en la plataforma una línea vertical roja que marca la fecha exacta del cambio inesperado. El primer grafo arriba a la izquierda es una medida de la remuneración pretendida. ¿Ves que la azul está sistemáticamente arriba de la roja exactamente hasta que se implementa el cambio de plataforma y después convergen y terminan más o menos iguales?

El segundo grafo arriba a la derecha muestra lo que ofrecen las empresas de salario. Mismo patrón: pre-reforma, las mujeres por abajo de los hombres sistemáticamente. Post-reforma, convergen. El grafo de abajo muestra lo mismo pero con el salario final efectivamente acordado entre las partes. Exactamente el mismo patrón, con convergencia post-reforma.

O sea: el punto de referencia objetivo fue util. Le dio información idéntica a todo el mundo y redujo el espacio para sesgos o creencias sistemáticamente erróneas sobre cuánta plata hay que pedir. Se cerró la brecha de género en la remuneración pretendida, en la plata que las empresas le ofrecieron a sus postulantes y, en consecuencia, en el salario que le pagan a cada empleado.

Voy cerrando que hay que levantar la pala. Pero ya sabés: si sos mujer y tenés que mandar tu presupuesto, pensá largo y tendido, averiguá, googleá, hablá con amigos, intentá encontrar el salario de mercado justo que corresponde para la tarea que vas a hacer. Y cuando llegues a ese número agarrá el paper de Nina, fijate cuál es el gender ask gap y ajustalo por el valor correspondiente. Y ahí mandá.

De nada.

Si todavía no compraste #EstoTambiénEsEconomía, deberías avergonzarte. Y comprarlo en tu librería amiga (vale para Argentina, Uruguay, México) o en ebook, por ejemplo acá.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular gratis.

1. Apretá el botoncito que dice “me gusta”.

2. Compartir este post por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada dos semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Acá dicen que una parte de la brecha salarial de género se puede explicar por diferencias sistemáticas en preferencias por la competencia, el riesgo y auto-confianza.

Acá te muestran que las mujeres negocian salario sistemáticamente diferente que los hombres.

Nina y coautores tienen otro paper mostrando que la gente tiende a subestimar el valor de sus “outside options” laborales. O sea: si ganás poco, es probable que pienses que si te cambiás de laburo vas a ganar menos de lo que realmente podrías ganar.

Nada que ver, pero…

Arrancó la “job market season”: gente a punto de terminar el doctorado que sale a buscar trabajo con su paper principal (el job market paper). Gran momento para leer cosas nuevas e interesantes. Me gustó este job market paper que muestra que la gente está empezando a tener “image concerns” por usar AI. O sea: no lo usás si pensás que el otro va a saber que lo que le entregaste está hecho parcialmente con AI.

Lo que viene, lo que viene

“Jardín de infantes”. La próxima te cuento cómo el kinder le puede cambiar la vida a la gente.

Si estás en Buenos Aires, agendate el 27 de noviembre a las 18.30 que se viene la presentación de mi último libro Esto También Es Economía. La presentación es en Rabia Bar (Costa Rica 4901, CABA). Me pone contento presentar este libro, pero más feliz aún me pone hacerlo en compañía de dos gigantes. Bah, te diría que no te esperes una presentación de un libro, sino más bien una conversación con nada más y nada menos que Santi Bulat y Walter Sosa Escudero.

Santi es un crack, un amigo y encima tengo la suerte de que me acompañe en la presentación de cada uno de mis libros (“cada uno”, bue, dos de dos).

Walter es un maestro. Literalmente: es la primera persona que me enseñó Econometria en serio, ya hace más de una década (o sea que le cabe algo de culpa de todo esto).

Y sí, ya sé que te dije que iba a ser en Diciembre, pero pasaron cosas que me obligan a venir en Noviembre y me impiden venir en diciembre. Y ya que voy a estar en Buenos Aires, ¿qué mejor que pasar un rato hablando de economía con esta gran comunidad? El libro es una consecuencia natural del Newsletter, así que si te está llegando este email es porque al menos un poco sos parte.

Jueves 27 de Noviembre, 18.30h en Rabia Bar (Costa Rica 4901, CABA) - Jueves 27 de Noviembre, 18.30h en Rabia Bar (Costa Rica 4901, CABA) - Jueves 27 de Noviembre, 18.30h en Rabia Bar (Costa Rica 4901, CABA) - Jueves 27 de Noviembre, 18.30h en Rabia Bar (Costa Rica 4901, CABA) - Jueves 27 de Noviembre, 18.30h en Rabia Bar (Costa Rica 4901, CABA) - Jueves 27 de Noviembre, 18.30h en Rabia Bar (Costa Rica 4901, CABA) - Jueves 27 de Noviembre, 18.30h en Rabia Bar (Costa Rica 4901, CABA)

Venite que la vamos a pasar bien.

Sergey Brin, Jerry Yang, Elon Musk, Eric Yuan. ¿Te suenan? son todos extranjeros que fundaron empresas másssomenos grandes en Estados Unidos. Agarré algunos al azar, pero la lista es grande.

Hoy escribí sobre la inmigración, la innovación y el crecimiento.

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿La migración genera innovación?

• ¿Y crecimiento?

Cómo se vino la tendencia anti-migrante, eh. En todos lados. Desde Trump (sin sorpresas) hasta el supuesto gobierno liberal de Canadá: todos de alguna u otra manera contra los migrantes. Hay tanto para hablar sobre el rechazo a los migrantes. Debería escribir 10 de estos envíos sobre el tema. No da el tiempo.

Uno que me gusta es este paper de Tabellini Jr. Básicamente, clasifica el rechazo popular a la migración según dos tipos de orígenes: el cultural (“no se integran”, “andan con cosas raras en la cara”, “no respetan nuestras costumbres”) y el económico (“se llevan nuestros empleos”, “se gastan nuestros recursos”, “nos ocupan las camas del hospital”, “viven de planes”). Y, bueno, también hay un montón de otros motivos que no encajan ni en lo cultural ni en lo económico (adivinaste: “los migrantes son todos ladrones”). La novedad de la narrativa anti-migrantes actual es que incluye por primera vez, al menos desde que yo recuerde, a los inmigrantes que la literatura suele llamar “high-skilled”: los super-educados, los que ganan salarios altísimos y suelen llenar puestos que los locales no pueden ocupar y que, según la percepción popular del pasado, traían más beneficios que costos para el país receptor.

Ojo que no estoy diciendo que los miedos de arriba estén necesariamente injustificados. Ejemplo: me parece obvio que si aumentás la oferta de potenciales empleados extranjeros con ciertas habilidades, el potencial empleado local que ofrezca esas mismas habilidades va a tenerla más difícil cuando salga a buscar trabajo en el corto plazo. Por supuesto, dependiendo de las habilidades que traiga el extranjero en cuestión, puede ser que termine siendo sustituto (viene un albañil extranjero y ocupa el puesto de trabajo que podría haber ocupado un albañil local) o complementario (viene un albañil extranjero y ocupa el puesto de trabajo que ningún local quería o podía ocupar y le facilita la vida al arquitecto local, que ahora puede construir edificios).

En todo caso, la clave del párrafo de arriba es “en el corto plazo”. En el mediano plazo pueden pasar muchas otras cosas y eventualmente los melones en una de esas se terminan acomodando. El extranjero aparte de trabajar consume, forma redes, tal vez emprende y hasta funda cosas. Todo eso puede generar mucho valor y eso vale para los casos en los cuales en el corto plazo algún local pierde (por la competencia del migrante) o gana (por su complementariedad con las habilidades del migrante).

El saber popular entre los bien-pensantes y bonachones es que la inmigración en el mediano y largo plazo es buena: genera crecimiento e innovación. Pero el saber popular sin diseño empírico creíble es puro biri-biri y en este espacio el biri-biri nos gusta pero en cantidades moderadas.

Hoy te voy a mostrar que el biri-biri en este caso tiene sustento. Y te voy a usar nada más ni nada menos que a Estados Unidos como caso de estudio.

¿La migración americana masiva a Estados Unidos de posguerra generó innovación y crecimiento?

Un poco de historia. En 1965 el congreso americano pasó una ley muy famosa que se llamó la Immigration National Act. Esa ley fue la base de la migración masiva que llegó legalmente a Estados Unidos desde ese momento porque vino a derogar la ley que gobernaba la migración previa a Estados Unidos (y que regía desde los 20s) que imponía cuotas muy estrictas a países y regiones particulares. La nueva ley, en vez de basarse en premisas simplemente racistas, le dio racionalidad a los criterios para admitir nuevos residentes, basado en su relación con Estados Unidos (tener familiares americanos, por ejemplo, ayudaba) y en las habilidades que el migrante traía (profesionales, oficios especializados, etc.). En los 60’s algo así como el 4% de la fuerza laboral americana era extranjera. En 1980 era 7%, en los 90’s casi 12%, en los 2000s más de un cuarto.

El gráfico de abajo muestra la cantidad de patentes por año registradas en Estados Unidos. En los 50’s y 60’s en USA se patentaba bastante. Bah, antes también. Unas 40-45k patentes anuales en los 30’s, 40’s, 50’s y 60’s. En los 70’s y 80’s ya andaba por arriba de los 60K. En los 90’s se fue a 90k, en los 2000’s arriba de 150k y así. Bien.

¿Tendrán algo que ver estas dos cosas? Digo, la correlación está ahí: más migrantes y más innovación (medida por patentes). Pero acá las correlaciones sin más no nos gustan. ¿Sabés la cantidad de cosas que pasaron en Estados Unidos desde los 60’s hasta acá que podrían explicar el boom innovador aún si no hubiera entrado un solo migrante? Te digo, las correlaciones sin más no nos gustan. Pero tampoco nos gusta quedarnos como unos boludos repitiendo que correlación no es causalidad cuando hay un montón de cosas que sabemos hacer para identificar la causalidad (si es que existe) detrás de esa correlación.

Eso hacen un equipo de investigadores estelares (Thomas Chaney, Stephen J. Terry, Konrad B. Burchardi, Lisa Tarquinio y Tarek A. Hassan) y si seguís leyendo te vas a enterar cómo. Te anticipo: identificar el efecto causal de la migración en el crecimiento, en la innovación o en lo que se te ocurra es verdaderamente un quilombo. Pero se puede.

El método tiene sus complejidades, pero una vez que la entendés te parece lo más obvio del mundo, te vuela la cabeza, te deja como un gil pensando cómo es que no se te ocurrió antes. Es complejo, insisto. Así que si no te la bancás podés chicken-out y saltar al párrafo que empieza con “sigamos”. Para los valientes, que se bancan varios párrafos de buceo en las aguas profundas de la causalidad, síganme que no los voy a defraudar.

Idealmente lo que nos encantaría hacer para identificar el efecto causal de recibir migrantes en el crecimiento económico es distribuir aleatoriamente migrantes entre diferentes municipios (en algunos más y en otros menos) y unos años después comparar a ver cuáles crecieron más, pero eso no parece muy factible. Vamos con el second best.

Tomemos el caso de Estados Unidos. Digamos que en, no sé, 2021, entraron dos millones de personas con la intención de instalarse. Esos 2 palos-persona son el “shock” cuyo efecto queremos estudiar. Ahora bien, el shock le llegó a todo el país, pero con diferente intensidad a cada municipio. Digo, de ese total, tal vez un montón llegaron a Miami Dade y algunos pocos llegaron a Indianápolis. Sabiendo esto, uno podría estar tentado a mirar cómo varió el PBI de los municipios según cuántos migrantes llegaron ese año. Seguramente veríamos una correlación positiva: más migrantes, más crecimiento (o más patentes, por caso). Pero esa comparación estaría equivocada. Tal vez la gente va más a un municipio que a otro, precisamente porque el municipio en cuestión en el año en cuestión ofrecía más oportunidades.

Lo que necesitamos, a falta de un experimento, es encontrar algún atributo del municipio que explique que se instalen muchos migrantes en un año particular, pero que no esté directamente relacionado con su crecimiento en ese año.

Seguime esta historia.

Mi abuelo (que, a todo esto, ya había migrado permanentemente una vez desde Polonia a Argentina) en los 60’s y 70’s volvió a migrar (esta vez temporalmente) para trabajar como sastre - todo legal - en Chicago. La decisión de ir a Chicago tenía un motivo económico propio de la ciudad en sí misma (a Chicago en ese momento le iba bien), pero también tenía un motivo menos económico y mucho más relevante: en esa y no en otra ciudad mi abuelo conocía gente. Amigos, familia, miembros de la comunidad judía ashkenazim europea que habían migrado ahí muchísimos años antes. Esa comunidad funcionaba como factor de atracción.

Volvamos a 2021.

Supongamos, para facilitar la cosa, que de los 2 millones de personas que migraron a USA en 2021 la mitad venían de China y la otra mitad de Colombia. Del millón de chinos, seguramente un montón terminaron instalándose en LA county, SF county, Santa Clara y San Mateo. ¿Cómo sé? Porque en esos counties ya había un montón de chinos instalados desde hace años. Por lo mismo, Miami-Dade, Broward, Queens, Harris, Palm Beach seguro recibieron a un montón de ese millón de colombianos nuevos, porque ahí ya vivían muchos colombianos. O sea, algo parecido al motivo que explica parte de la decisión de mi abuelo de instalarse en Chicago.

Pensá el punto de forma sistemática: año a año, la intensidad del shock migratorio que recibe cada municipio depende, al menos en parte, de dos factores que no tienen nada que ver con cómo le está yendo económicamente a ese municipio en ese año en particular. 1) Cuántos migrantes salieron de cada país al mundo en un año particular (tal vez un año hubo sequía en China y por eso salieron un montón o tal vez un año se intensificó la guerra civil en Colombia y salieron un montón de colombianos) y 2) cuántos migrantes de esos países YA HABÍA en el municipio en cuestión. Independientemente de cómo le esté yendo en 2021 a Broward (Florida), si resulta que ese año salieron un montón de colombianos porque ese año Colombia andaba en guerra profunda, Broward va a atraer a un montón de migrantes. Si combinamos estos dos factores (cuanta gente expulsa el mundo y cuántos de esa nacionalidad YA VIVÍAN en cada municipio americano) estamos hechos: tenemos un indicador que nos dice que tan expuesto está cada municipio en cada año por factores independientes a su propia performance económica.

Tomemos un año base fijo (digamos, 1975) y miremos la proporción de migrantes de cada país que YA estaba instalada en cada municipio en ese momento. Ese “mapa” del ‘75 no cambia (es de un año particular, por eso no cambia): lo usamos como referencia constante para todos los años siguientes. Para cada municipio-año creamos un indicador que multiplica el número de migrantes de cada país del mundo (Argentina mandó 100, Brasil 500, China 2000, etc.) por la proporción de cada una de esas nacionalidades que estaba viviendo en 1975 ahí. Si en el año 2021 salen muchos chinos al mundo, entonces los municipios de Estados Unidos en donde en 1975 se habían instalado muchos chinos, van a tener un shock migratorio más fuerte.

A ese indicador lo vamos a llamar ‘predictor de migración’, porque explica bastante bien qué tan fuerte es el shock migratorio en cada municipio, año a año. Que salgan muchos chinos al mundo en 2021 no depende de cómo le esté yendo a ese municipio. Que hayan tenido muchos chinos viviendo ahí en el pasado, en principio, tampoco. Por eso es que ese predictor nos da algo bastante parecido a distribuir migrantes de forma aleatoria.

Entonces el ‘predictor de migración’ es algo así como un indicador que mide cuántos migrantes recibe un municipio en un año particular por factores casi random. Lo que hacemos, entonces, no es correlacionar el flujo de migrantes que llega a un municipio con su crecimiento económico futuro; sino al ‘predictor de migración’ (migración por factores casi aleatorios) con el crecimiento económico futuro. Et voilà, la causalidad.

Si te interesan las formalidades, a este coso en economía lo llamamos “shift-share” instrument. “Shift”son los países del mundo mandando migrantes. “Share”es la proporción que se lleva cada municipio en particular en función de su pasado.1

Sigamos.

Thomas y sus amigos usan todos los datos migratorios de Estados Unidos, por municipio, año a año, proveniente de todos los países que mandaron gente a USA desde 1975 en adelante. Usando ese “shock” (y la estrategia para identificar causalidad que te conté arriba) encuentran varias cosas interesantes. Por cada aumento de 10,000 migrantes que entran a laburar USA:

• En los próximos cinco años a la llegada del extranjero, en promedio se generan 1.22 patentes adicionales cada 100 mil habitantes. Esto es mucho, muchísimo, un montón, una locura. El promedio son 4.6 patentes cada 100k habitantes cada 5 años, o sea que 1.22 es un aumento de un 25%. Brutal.

• En los próximos cinco años a la llegada del extranjero, en promedio el ingreso real (o sea, ajustado por inflación) aumenta un 8% por año. 150 dólares de 2010 por año, cada año durante cinco años. Un montón.

¿Complementos o substitutos? Digo, porque lo que acabás de leer refiere al promedio, pero no implica que todos ganaron ni menos aún que todos ganaron por igual. Resulta que los nativos que más aumentaron sus salarios (causado por la nueva llegada de extranjeros) son, sin sorpresas acá, los más educados. Si llegaba un inmigrante y vos (nativo) eras un profesional con título superior, tu salario aumentó cinco veces más que si solamente tenías secundario completo.

¿High o low-skilled? El efecto económico de traer gente con nivel educativo más alto no necesariamente es igual al de traer gente con menos nivel educativo. Ya sé cuál es tu intuición: cuánto mas educado sea el inmigrante, más crecimiento generará. No sé, eh. Depende. Me puedo imaginar un mundo en donde en realidad inmigrantes de mucho menor calificación generan mucho más crecimiento que la entrada de migrantes super-educados, si los de educación relativamente menor vienen a llenar un hueco en la demanda de ciertos tipos de trabajos (de nuevo: un albañil, que le hace la vida más fácil al arquitecto). Bueno, pero no. Resulta que tu intuición estaba bastante bien.

Parece que la innovación y el aumento salarial causado por el shock migratorio se explica principalmente por migrantes que tienen más años de educación de base. O sea, que acumularon conocimiento en sus países de origen y llegan para usarlo en el país de destino.

¿Quién patenta? Las historias esas de TikTok son muy lindas. Y queremos creer. “150% de los CEOs de las 10 empresas más grandes de USA nacieron en otro país”, “el 98.18% de las Startups de este año fueron fundadas por migrantes”. Si, sí. Pero hay algo mucho más sutil, casi invisible, que es el efecto que tiene el migrante educado sobre el propio nativo. No necesitás que los migrantes funden todas las Startups y patentes mil cosas para que tengan un efecto positivo en la innovación o el crecimiento de las empresas locales. El pibe que nación en India y le da clases en el Liberal Arts College al nativo que después va a ser un PhD en física y fundar un unicornio también debe haber contribuido en ese proceso. En números: el efecto positivo de la migración en la innovación se da principalmente a través de patentes creados por inventores locales, americanos (80%) o incluso por equipos mixtos de locales y migrantes.

Nada de esto significa que la migración sea siempre la panacea. Nada de esto significa que no tenga costos. Nada de esto significa que no tiene efectos negativos en nada y, por supuesto, no podemos culpar a la gente por tener preocupaciones sobre su cultura y su forma de vida. Pero bueno, no puedo evitarlo: yo soy liberal y me gusta que las cosas se muevan libremente. Vale para bienes y también para capital y trabajo.

Gobernar es poblar, decía Alberdi. Ahí tenés.

Esto No También es Economía ya está disponible en Kindle! Lo comprás acá. También lo podés comprar en tu librería amiga, si estás en Argentina y creo que en algunas librerías de Uruguay y pronto de México también.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular gratis.

1. Compartir esta maravilla que escribí por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

2. Apretá el botoncito que dice “me gusta”.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como cada tanto:

Te puede interesar

El paper de hoy lo encontrás acá. Y acá va el de Tabellini sobre el rechazo a la migración.

Acá usamos datos de migración a Chile y métodos no-tan-distintos del paper de hoy para mostrar que, al menos hasta 2018 (último dato que teníamos cuando escribimos el paper), no había efecto de la migración en crimen pero, atención, si en las percepciones de crimen de los nativos.

Acá hacemos algo parecido y mostramos que la migración no tuvo efectos grandes en el mercado laboral, pero sí, atención, aumento la inseguridad laboral percibida (o sea, digamos, que creas que te vas a quedar sin laburo).

Nada que ver, pero…

Acá dicen que cuando las mujeres se educan más, hay menos casamientos.

No te voy a mentir, me gustan los papers que cuantifican lo obvio. Acá dicen que cuando bajas el precio a los anticonceptivos bajan los abortos.

Lo que viene, lo que viene

“Remueración pretendida”. ¿Viste que a veces te preguntan cuánto querés ganar cuando postulás a un puesto de trabajo? Resulta que si sos mujer pedís menos. Así como escuchaste. Te cuento la próxima.

¿Por qué será que últimamente la gente le tiene menos confianza a los gobiernos? No a un gobierno particular, eh. A los gobiernos.

Hoy te muestro que cuando las economías se estancan, la gente empieza a desconfiar.

Y ya sabés lo que dice el dicho:

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Por qué la gente no confía en los gobiernos?

• ¿Cómo influye haber vivido en épocas de estancamiento económico en la confianza institucional?

Cito al amigo Tornarolli (el screenshot es mío: like y RT). Argentina no crece desde 2010. Mi coincidencia con el tuit de Leo (que no viene de Leonardo, aviso) es completa y en toda la línea. Primero porque no hay política distributiva que compense semejante estancamiento económico para bajar la pobreza persistentemente. No hay, no existe, no vas a mantener un PBI constante y mejorar constantemente el acceso material de los que están en la cola izquierda de la distribución del ingreso con políticas distributivas.

Ojo, que no sea lea esto como un statement en contra de la redistribución. Primero porque a mí las políticas distributivas bien hechas me gustan: impuestos y subsidios lo menos distorsivo posibles (retenciones no, impuesto a las ganancias con base amplia y escalas muy progresivas sí; AUH sí, subsidio al consumo de electricidad no; etc) + bienes públicos de buena calidad y bien gestionados. Segundo porque no es que toda política distributiva implica un tradeoff con crecimiento. Tercero porque incluso cuando sí lo implica, a veces estás dispuesto a pagar el costo de tener un poco menos de PBI promedio, con tal de tener una sociedad cuyos votantes consideran más justa. No es el caso de Argentina. Y tampoco de América Latina en general.

Intuyo que la referencia del tuit del Torna era solamente a las consecuencias socio-económicas de crecer (necesitás crecer para bajar la pobreza), pero a mí me hizo pensar en un montón de otros motivos menos obvios por los cuales hay que crecer. Casualmente leí el tuit mientras miraba por arriba un paper bastante recién de Tim Besley (uno de los astros de la economía política moderna) que se llama Growth Experiences and Trust in Government. Hace unos meses te conté que si querías que a la gente le siga gustando la democracia, tenías que tener democracias que le rindieran materialmente a su población. Hoy doy un pasito más.

¿Te gusta que el Estado haga cosas? Mejor dicho, ¿te gusta que la gente le de el mandato al Estado para que haga cosas (como redistribuir ingreso y proveer bienes públicos)? A mí también. Para eso necesitás que la gente confíe en los gobiernos. En el envío de hoy te muestro que luego de muchos años de estancamiento económico la gente se cansa y lo que se termina estancando es esa confianza.

¿Te suena la historia?

Va la pregunta del día, de la semana, del mes: ¿el crecimiento económico afecta la confianza en las instituciones gubernamentales? Vamos paso a paso.

Primera cuestión: ¿cómo medimos “confianza en el gobierno”? No queda otra: con encuestas. Hay muchas encuestas. Tim y sus colegas usan una mezcla de todas las encuestas posibles existentes en el mundo sobre el tema de confianza institucional. Algo así como 2.8 millones de personas en 161 países respondiendo sobre qué tanta confianza le tienen a los diferentes gobiernos en diferentes momentos del tiempo en los últimos treintaypico de años. La pregunta en cuestión es bastante simple: “del 1 al 10, ¿cuánta confianza tenés en la institución X?”. X puede ser el gobierno, los partidos políticos, el sistema judicial, la iglesia, los diputados, las ONG’s, los sindicatos.

Segunda cuestión: ¿cómo medimos crecimiento o estancamiento? No preguntes pavadas. Fácil: miramos la variación del PBI per cápita de cada país en cada año.

Ahora sí.

Va el resultado resumido en un gráfico. El eje X tiene variaciones promedio (10 años) en la tasa de crecimiento de cada país. El eje Y mide confianza en el gobierno (en un índice entre 0 y 1). Fijate: más crecimiento, más confianza en el gobierno. Pim pam pum, gracias por leer.

¿Cómo vas a pensar que voy a agarrar un gráfico que correlaciona dos variables y te voy a sacar una conclusión con eso? ¿Por quién me tomás? Los países son diferentes y comparar entre países nos dice poco: ¿cómo sabemos si es que crecimiento económico genera más confianza institucional o simplemente hay países cuyas características (o de sus ciudadanos) generan simultáneamente más crecimiento Y más confianza en el gobierno? No, sir.

Cosas que nos gustaría hacer para responder la gran pregunta de forma rigurosa, pero que no podemos porque no somos Dios: agarrar una muestra aleatoria de países, a unos darles el don de crecer sostenidamente por algunos años y a otros no. Volver un tiempo después y comparar el nivel de confianza en el gobierno de unos (los que crecen) y otros (los que no). No can do. Vamos a tener que ir con una estrategia más realista.

Agarrá todos los países del mundo durante varios años, entrevistá a todos los habitantes que puedas y mediles su confianza gubernamental cada año. Dependiendo la edad que tengan y el año en el cual los entrevistes cada persona, incluso dentro del mismo país, va a haber acumulado una exposición al crecimiento diferente a lo largo de su vida. Me explico: si entrevisto hoy en Argentina a un pibe de 18, habrá vivido un par de añitos de crecimiento y un montón de estancamiento. Su exposición al crecimiento habrá sido baja. Si agarro a uno de 60, tendrá varios años más de exposición al crecimiento en su haber. Si entrevisto a un pibe de 18 años pero no hoy sino en, digamos, 1965, habrá tenido una gran exposición al crecimiento. Mucho más alta que el de 18 en 2025.

¿Qué se hace con esto? Agarrá a cada uno de los entrevistados y compará su nivel de confianza institucional con su exposición al crecimiento a lo largo de su vida. Vas a encontrar una relación sistemática: cada añito extra que viviste (atención al tiempo verbal) en un país que crece se traduce en mayor confianza en el gobierno. ¿Por qué lo del tiempo verbal? Vivir bajo crecimiento en el pasado influye en la confianza que vas a tener en un gobierno en el presente. Y eso vale para gobiernos de derecha, de izquierda o de lo que se te ocurra.

¿Te convencí de la causalidad del caso? Mmmasseaho menos. Vamos con las críticas potenciales que deberían cruzarse por tu cabeza después de 2 años y medio de leer las boludeces que escribo en este espacio. Una a una.

Lector despierto se pregunta curioso: Pero amigo, la gente más “expuesta” a crecimiento vive en ciertos países que crecen y que por lo tanto son diferentes que los países que no crecen y que por lo tanto sus habitantes no van a haberse expuesto al crecimiento. ¿Cómo vas a comparar a gente viviendo en diferentes países?

Sí. Pero Besley tiene tanta data que puede comparar entre cohortes de gente que vive en el mismo país, algunos en años de mayor crecimiento y otros en años de menor crecimiento. Mirá el gráfico de arriba. Agarrá el país que te guste. El eje X te da el famoso indicador de exposición al crecimiento y el Y sigue siendo un indicador de confianza en el gobierno. Fijate que DENTRO de un mismo país (por ejemplo, Hong Kong) tenés cohortes (la de 1950, por ejemplo) que tuvieron una mayor exposición al crecimiento que otras (1990, por ejemplo). ¿Ves la pendiente positiva? El país es el mismo (la cultura, los recursos naturales, lo que se te ocurra), pero las cohortes de mayor exposición al crecimiento confían más en el gobierno de turno.

Bueno, podés hacer eso para todos los países del mundo, comparando cohortes DENTRO del mismo país y te va a dar lo mismo: más exposición a crecimiento, más confianza.

Lector despierto insiste con su curiosidad inocente: Ok, pero estás comparando diferentes cohortes: hay épocas en las que el mundo creció más y también había más confianza en los gobiernos. Épocas en donde todo era color de rosas ¿Cómo sabés que el efecto no se da simplemente porque haber nacido en una época particular te hace diferente que haber nacido en otra? Digo, después de todo, cada generación tiene sus particularidades.

Sí. Pero acordate: Besley tiene en su data gente de diferentes cohortes en diferentes países. O sea que, puede comparar personas de la MISMA cohorte (los boomers, o la generación X, o la Y o la que quieras), quienes, dependiendo del país en donde crecieron y del año en el que los entrevisten van a haber experimentado más o menos años de crecimiento.

Interrumpo con un pequeño recordatorio metodológico de un párrafo para los que se sumaron hace poco al mundo de la no-economía. Prestá atención. Cuando decimos, por ejemplo “el efecto de haber estado expuesto a crecimiento alto en la confianza institucional es positivo controlando por país de nacimiento“, lo que estamos diciendo es que la asociación entre exposición al crecimiento y confianza se da, aún manteniendo la variable “país de nacimiento” constante. Dicho de otro modo, “controlar por” permite estimar la asociación entre las dos variables “limpio” de cualquier efecto explicado únicamente por, en este ejemplo, el país de nacimiento del que contesta la encuesta.

¿Para qué me sirve esto de “controlar por”? Cuchá. Insisto con esto: Besley tiene data de 161 países y, para cada país, varias encuestas hechas en diferentes momentos del tiempo y ciudadanos con diferentes edades. O sea, que no solo puede “controlar por” país (o sea, limpiar el efecto país, lo cual evita el problema de que hay países estructuralmente diferentes y por ende incomparables entre sí), por año de nacimiento (o sea, limpiar el efecto del año de nacimiento del entrevistado, y así se evita el problemita de que hay años que son mundialmente de más crecimiento que otros - los 60’s vs los 80’s - y por ende incomparables entre sí), sino también por edad al momento en que se hace la encuesta (o sea, limpiar el efecto de la edad del entrevistado, lo cual evita el problema de que hay edades en las cuales la gente suele tener más confianza en el gobierno que en otras - los 30 vs los 60 - y por ende son edades incomparables entre sí). Y sí: también tiene en su muestra diferentes años en los que se entrevista a la gente, lo cual le permite controlar por el año en el cual se hacen las preguntas (o sea, limpiar el efecto del momento en que se entrevista, lo cual evita el problema de comparar gente respondiendo en años diferentes, algunos mejores que otros).

Lector despierto se pone curiosamente pesado: Bue, sí. Pero en general el crecimiento se da a la vez que otras cosas: por ejemplo, los años de crecimiento suelen ser de más estabilidad política. De hecho, una vez me contaste que la democracia genera crecimiento. Todo pasa a la vez, ¿cómo sabés que en realidad lo que influye en la confianza en el gobierno no es la exposición al crecimiento sino la exposición a alguna de esas cosas que, oh casualidad, pasan al mismo tiempo que el crecimiento?

Buena pregunta. Besley te dice que una vez que controlás por todo eso (o sea, mantenés constante la exposición a la democracia, la libertad de prensa, la estabilidad institucional, incluso hasta la presencia de una pandemia) el efecto de la exposición al crecimiento en la confianza institucional se mantiene, sigue intacto, no cambia un centímetro.

¿Alguna otra objeción? ¿No? Así me gusta. Creelo porque es verdad: vivir en años de bonanza te resucita la confianza en la capacidad del gobierno para hacer las cosas que querés.

Así que ya sabés. Ahora cuando te pregunten por qué tanta obsesión con crecer tenés varias cosas para responder.

¿Querés que la gente gane más plata? Crecé.

¿Querés bajar la pobreza? Crecé.

¿Querés que exista apoyo popular para implementar esas políticas que tanto te gustan y que encima el que las implemente sea el Estado? Adiviná. Crecé.

Crecé, crecé, crecé. Crecé.

¿Ya compraste el libro del que hablan todos? No, no el de Bucay. No, no el de Manes. No, no estoy hablando del de Bachrach. Pero lpm. El libro del momento llamado Esto No También es Economía ya está disponible en pelpa en tu librería amiga. Y si sos como yo que no compro un libro de carne y hueso desde 2007 (era ese de Ayn Rand de 1045 páginas, true story), también tenés la versión de Kindle. Lo comprás acá.

En diciembre voy a estar en Buenos Aires. Agendate el Jueves 4 de diciembre a las 18.30, que se viene la presentación del libro.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular gratis.

1. Compartir esta maravilla que escribí por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

2. Apretá el botoncito que dice “me gusta”.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada dos semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Acá te conté que las democracias que tienen buena performance material terminan generando más apoyo. Si te interesa, ese envío estaba basado en nuestro paper con Acemoglu, Fiszbein, Aksoy y Molina titulado Successful democracies breed their own support, que lo podés ver acá.

Nada que ver, pero…

En este paper muestran que cuando los policías tienen camaritas en el cuerpo tratan, digamos, mejor, a los sospechosos. También baja la probabilidad de que escale más violencia.

Acá te muestran que cuando legalizaron la píldora anticonceptiva aumentó la educación de largo plazo de las mujeres y la edad del primer embarazo…pero solamente si vivían en distritos en donde los farmacéuticos y médicos no eran conservadores.

Lo que viene, lo que viene

“¿La inmigración genera crecimiento?”. Sí. Te cuento la próxima.

¿Qué afecta más nuestro comportamiento, las instituciones o la cultura?

Bah, ¿vale la pena separarlas?

Hoy escribí sobre como muchas veces las instituciones determinan la cultura.

Ah, antes que me olvide las novedades: Esto No También es Economía ya está disponible en Kindle! Lo comprás acá. O en papel en cualquier librería amiga (bah, si no es amiga igual te lo vende porque quiere ganar plata, tu amistad no le importa).

Espero que te guste. Gracias por leer.

Las preguntas de hoy

• ¿Las instituciones moldean el comportamiento?

• ¿Y la cultura?

Arranco esquemático y taxativo. Más-menos la cosa es así: tomamos las decisiones que pensamos que maximizan la felicidad que vamos a sentir, condicionados por el contexto al cual nos enfrentamos. El contexto: la plata y el tiempo que tengamos, el precio de las cosas, nuestros recursos (y no solamente los económicos), nuestras redes, nuestro conocimiento. Decido consumir tal cosa porque por ese precio me va a hacer más feliz que tal otra. Elijo trabajar una hora más porque lo que me van a pagar me parece más valioso que la hora que tengo de dejar de usar para hacer otras cosas.

Etcétera. Así decidimos.

Pará que puedo ser mucho más esquemático. Dentro de ese contexto que condiciona nuestras decisiones hay dos elementos gigantes, importantísimos, cruciales para determinar qué decisiones vamos a tomar y entonces cómo vamos a vivir: las instituciones (las reglas del juego) y la cultura (nuestros valores y creencias, usos y costumbres).

Imaginate dos personas idénticas en todas las dimensiones posibles. Cada mes trabajan (de lo mismo y ganan lo mismo). A fin de mes tienen que decidir cuánto separan como ahorro para guardar para cuando se retiren. Una de esas personas vive en una comunidad en la cual hay una institución llamada “seguro para cuando te jubiles” que le paga a todas las personas que se retiran una mensualidad. La otra vive en una comunidad en donde no existe tal cosa. ¿Cuál ahorra más?

Vale para todo tipo de instituciones y todo tipo de decisiones.

Por ejemplo, otras dos personas idénticas. Las dos trabajan en sus respectivos sectores públicos, haciendo lo mismo, bajo las mismas condiciones y ganando lo mismo. Las dos manejan mucha plata del erario público. Una vive en un país en donde no existe institución tal que te castiga cuando robás. La otra vive en un país en donde existe una institución que cuando te agarra robando te mete preso un montón de años. ¿Cuál es más probable que se quede algún vuelto de la última licitación?

Ya sé, ya sé. Aún si nadie te va a meter preso, podés ser un tipo con los valores bien puestos. Incapaz de robar así no haya nadie que te esté siquiera mirando. Un tipo derecho, a quién le enseñaron que robar está mal y no roba porque robar está mal, no porque lo van a castigar si lo agarran con las manos en la masa. PERO CLARO, PORQUE LA CULTURA TAMBIÉN DETERMINA NUESTRO COMPORTAMIENTO y eso de que “a mí me enseñaron que en mi comunidad no se roba” no es otra cosa que cultura. Ahí tenés: cultura e instituciones.

¿Qué pesa más, la cultura o las instituciones para explicar las decisiones que tomamos? Pregunta improcedente. Ni vale la pena preguntarse cuál pesa más porque por más que nos encante el ejercicio intelectual de separarlas, la verdad es que son inseparables. La cultura, al igual que nuestras decisiones, también está determinada por las instituciones. El envío de hoy es el botón que hace de muestra.

Natalie Bau (gran economista, recomiendo seguirla), publicó en 2021 un paper del cual soy fans y que tiene el sugerente nombre “Can Policy Change Culture? Government Pension Plans and Traditional Kinship Practices”. Veamos.

¿Sabés lo que es una sociedad matrilocal? No? Porque sos inculto/a. Te cuento: en sociedades tradicionales con cultura matrilocal, cuando un chico se casa con una chica, se mudan al barrio de la esposa (y en una de esas a su casa). Y normalmente cuando los padres de la esposa se ponen viejos, la mujer (junto con su marido, claro) se hace cargo de sus padres. En sociedades tradicionales con cultura patrilocal, cuando un chico se casa con una chica, los dos se mudan a lo de él. Y cuando sus padres se ponen viejos, él (junto con su mujer, claro) se hace cargo de sus padres.

¿Te acordás que te dije que la cultura afecta las decisiones que tomamos? Bueno, resulta que si vivís en una sociedad matrilocal y tenés una hija, te conviene que tu hija gane mucha plata. Si tenés un hijo no tanto. Porque la hija se va a hacer cargo de tu futuro, pero el hijo se va a hacer cargo del futuro de sus suegros. Lo mismo pero al revés si tu sociedad es patrilocal.

Tomá dos familias idénticas en toda dimensión que se te ocurran, ambas con un hijo y una hija. La única diferencia es que la familia A vive en una comunidad matrilocal y la familia B en una patrilocal. El ordenamiento cultural (matrilocal o patrilocal) termina setteando incentivos muy claros: a la familia A le conviene invertir más en su hija que a la familia B. ¿Qué es invertir más? Darle educación, por ejemplo.

¿Y cómo testeamos si esto es cierto?

Resulta que Natalie Bau agarró un montón de datos de Indonesia y clasificó regiones según la prevalencia de culturas matrilocales. El mapa de abajo te muestra la incidencia por distrito. En algunos lugares es muy común (el rojo más intenso), en otras es muy raro (el rosa). Dentro del mismo país, hay de todo, porque indonesia tiene una variedad enorme de etnias, comunidades y culturas distintas.

Lo que está pasando por tu cabeza en este momento: si esto de que la cultura matrilocal te incentiva a invertir más en hijas (que en hijos), deberíamos ver que en las regiones más rojas intensas las chicas tienen más educación (en comparación con los chicos) que en las regiones más rosas. Ahí vamos.

Año 2000. Comunidad A es matrilocal, comunidad B no. Andá a la comunidad A, decime cuál es la probabilidad de que una chicA de edad escolar vaya a la escuela. Ahora decime la probabilidad de que su hermanO, también en edad escolar, vaya a la escuela. Andá a la comunidad B y hacé exactamente lo mismo. Ahora compará el ratio “probabilidad de que chicA vaya a la escuela/probabilidad de que su hermanO vaya a la escuela” en comunidad A versus comunidad B. ¿Por qué comparamos hermanos? Porque queremos comparar a gente cuyas condiciones (salvo su género) son idénticas: misma familia, mismos ingresos; hermanos: todo igual. Salvo que uno es mujer y el otro hombre.

Primer resultado. Adivinaste: la probabilidad de que una chicA vaya a la escuela (en relación a su hermano) es mucho mayor en la comunidad matrilocal A, que en la comunidad no matrilocal B. Dos mujeres idénticas, una que nación en A va a estar más educada que una que nació en B. O sea: en sociedades matrilocales, los padres invierten relativamente más en sus hijas que en sociedades no matrilocales.

¿Te acordás que te dije que las instituciones afectan nuestras decisiones?

Cuestión que en 1977 Indonesia hizo unos cambios gigantes (pero de adopción progresiva) en un montón de políticas que hacen a la protección social de sus habitantes. Entre ellos un sistema de pensiones bastante estándar en el cual los empleados empezaron a estar obligados a ahorrar parte de su salario y los empleadores a matchear con una contribución adicional. Es un cambio de instituciones clave con un sistema de pensiones que lo garantiza el Estado.

Si es cierto que las instituciones afectan el comportamiento, entonces deberíamos ver que con los nuevos incentivos ya no tiene sentido para una familia en una sociedad matrilocal invertir diferencialmente en la educación de sus hijas porque de todas maneras la pensión el día del retiro la va a pagar el Estado.

¿Cómo probamos esta hipótesis?

La cosa es que el sistema de pensiones se fue expandiendo de a poco: en algunas provincias más agresivamente (llenaron la ciudad de oficinas públicas para inscribirse), en otras más lento (si tenías suerte había una oficina, o tal vez ni eso). Pero incluso dentro de una MISMA provincia (e incluso dentro de una MISMA familia), hay cohortes de mujeres cuya educación fue decidida antes de que llegue el sistema de pensiones y otras cohortes de mujeres cuya educación (simplemente por un tema de edad y de timing) fue decidida una vez que la posibilidad de aportar a un sistema de pensiones ya estaba.

O sea que que el grado de “exposición” al nuevo sistema de pensiones que tiene una mujer en Indonesia depende fuertemente de dos factores: la edad que tenía cuando se lanzó el plan de pensiones en el país y la intensidad (la cantidad de oficinas públicas para inscribirse, que facilitan su adopción) con la que el plan se implementó en la provincia que vivía.

Lo que hace Natalie es pararse en 2010 y comparar los años de educación de las mujeres según su grado de exposición al programa de pensiones (en función de su edad y la intensidad de oficinas en su provincia). Resultados:

• Si vivís en una comunidad que NO es matrilocal, el nivel educativo alcanzado por las mujeres no cambia por el grado de exposición al programa. O sea: da igual si el programa entró agresivamente o no a la provincia en donde vivías cuando tenías 3 años o si entró agresivamente recién cuando tenías 15, tu nivel educativo no cambia.

• Si vivís en una comunidad que SI es matrilocal, el nivel educativo alcanzado por las mujeres cambia y mucho según el grado de exposición al programa. O sea: si justo eras chiquita cuando abrieron oficinas del programa de pensiones en tu región vas a educarte menos que tu vecina de enfrente que tiene unos años más que vos y que por lo tanto cuando llegaron las oficinas de pensiones su educación ya estaba bastante decidida.

O sea que sí; las instituciones - si es que a un cambio de política lo podemos llamar así - afectan nuestras decisiones (por ejemplo, la de cuánto invertir en la educación de nuestras hijas mujeres).

¿Te acordás que te dije que la cultura, al igual que nuestras decisiones, también está determinada por las instituciones?

El propio hecho de practicar la matrilocal es parte de la cultura de una comunidad. Que sea un uso y costumbre que cuando se casa Juancito con Marianita, se mudan a la casa de los viejos de Marianita (y se hacen cargo cuando están grandes) es prototípicamente un atributo cultural de una sociedad determinada.

Se supone que la cultura es por definición estable, ¿no? Natalie, además de mirar el efecto del sistema de pensiones en la educación de las mujeres, midió el efecto en la probabilidad de que una familia practique la matrilocalidad. Resulta que las pensiones no solamente afectan la inversión en educación: también reducen tus chances de seguir con la práctica matrilocal.

¿Se puede generar algún cambio cultural importante con algo tan fútil como un cambio en una política o en una institución relevante?

Natalie dice que sí. Y lo prueba.

Recordatorio: En Diciembre voy a estar en Buenos Aires. Agendate el Jueves 4 de Diciembre a las 18.30, que se viene la presentación del libro. También andaré presentando por algunas universidades.

Y si te interesa armar otro evento de presentación con choris y vino y tenés una parrilla, escribime que lo armamos: chori, vinos y cosas que no son economía. Te la dejo planteada.

Mientras tanto te dejo otras cosas que podés hacer para bancar este proyecto popular gratis.

1. Compartir esta maravilla que escribí por Twitter, Instagram, Facebook. Mandalo por Whatsapp, TikTok, corré la voz.

2. Apretá el botoncito que dice “me gusta”.

Ah y dejame tu mail si aún no lo hiciste y querés recibir grandes envíos como este una vez cada dos semanas:

Te puede interesar

El paper de hoy lo encontrás acá.

Si sos lector asiduo sabés que ya escribí sobre instituciones afectando cultura. Podés verlo acá (No te cases con tu prima) y algo ponele que en esa línea también acá (Corromper con el ejemplo).

Nada que ver, pero…

Este es un gran paper de autores estelares mostrando el efecto económico de los gangs en El Salvador.

Lo que viene, lo que viene

“Desarrollo temprano”. La sala de 3, el kinder o como lo quieras llamar. Parece una boludez pero su impacto dura toda la vida. Te cuento.