Descripción

Los registros administrativos de empleo y los avisos de empleo en línea constituyen fuentes de información relevantes para comprender la dinámica del mercado laboral, con implicaciones directas para proyectar la rotación laboral, anticipar presiones salariales y orientar la política monetaria. Los avances recientes en procesamiento de lenguaje natural (NLP, por sus siglas en inglés) permiten procesar grandes volúmenes de texto no estructurado a escala y con alta granularidad, lo que abre la puerta al análisis sistemático de fenómenos que tradicionalmente han sido difíciles de medir. En este trabajo se desarrolla un clasificador de aprendizaje profundo basado en BETO (un modelo BERT preentrenado en español) que asigna cerca de dos millones de avisos de empleo en línea y seis millones de contratos de trabajo a la Clasificación Internacional Uniforme de Ocupaciones en su adaptación chilena (CIUO-08.CL). El clasificador alcanza un F1-score ponderado de 0,85 en el nivel más desagregado (grupo primario). A continuación, este clasificador se combina con un indicador de trabajo desde el hogar basado en palabras clave para examinar, por ocupación, el impacto de la pandemia de COVID-19 sobre la oferta de empleos con esta modalidad y sus efectos de mediano plazo. Utilizando avisos de empleo a nivel de empresa y un enfoque de diferencias en diferencias, se encuentra que la pandemia elevó la proporción de avisos que ofrecen trabajo desde el hogar en 2,0 puntos porcentuales en las industrias con mayor propensión a esta modalidad respecto de las menos expuestas, lo que equivale a un aumento de 78 % frente al nivel prepandemia. El efecto es particularmente pronunciado en ocupaciones susceptibles de realizarse a distancia, como las de directivos, profesionales y personal de apoyo administrativo. En cambio, no se observan efectos significativos en las ocupaciones con baja propensión al trabajo desde el hogar. Los resultados, respaldados por un análisis de tendencias paralelas previas al tratamiento, evidencian el valor del aprendizaje automático para comprender las transformaciones del mercado laboral, especialmente en el contexto de una crisis global como la pandemia de COVID-19.