Julieta Caunedo: "Las diferencias en la productividad agrícola tienen que ver con la tecnología"

Julieta Caunedo estudió Economía en la Universidad Torcuato Di Tella. Desde entonces le gustan los temas de desarrollo económico. Mientras cursaba la carrera, trabajó en un programa específico de microcréditos, llamado Mujeres 2000, que otorga préstamos a mujeres de barrios afectados por la pobreza, replicando el modelo del Premio Nobel de la Paz Muhammad Yunus.

Cuando terminó la maestría comenzó a trabajar en Economist Intelligence Unit, una unidad de negocios independiente dentro del grupo The Economist, que se dedica a escribir informes de coyuntura especializados para distintos países. En ese entonces le tocó informar sobre Honduras. Un tiempo después se abrió una búsqueda en el Banco Interamericano de Desarrollo (BID): necesitaban a alguien que supiera sobre ese país. Luego hizo experiencia en el Fondo Monetario Internacional (FMI) y terminó haciendo un doctorado en la Washington University de St. Louis. Actualmente es profesora e investigadora en la Cornell University y está especializada en desarrollo y en macroeconomía.

-¿Cuál es el proyecto de investigación en el que está ahora?

-Es un experimento en la India. Tratamos de computar los retornos a la mecanización haciendo randomized controlled trials [ensayos controlados aleatorios]. El gran problema en economía es que uno quiere entender cuál es la causa y cuál es el efecto de una medida: qué ocurre si aplico esta política económica. Eso implica saber causalidad y ver si en los datos hay correlación; es decir, si A sube con B, entonces, ¿A causó B o no? Para poder hacer ese salto desde la correlación a la causalidad, en general se establece algún shock exógeno. La gran revolución en desarrollo económico se dio con la implementación de estos randomized controlled trials, que es la razón por la cual Esther Duflo, Abhijit Banerjee y Michael Kremer ganaron el último premio Nobel de Economía. En nuestro proyecto decidimos subsidiar el uso de maquinaria agrícola a granjeros de la India. Quién está alcanzado por el subsidio es algo aleatorio, y lo comparamos con la población que no está afectada por esta política. De esta forma, cuando se comparan las diferencias entre los que recibieron el subsidio y los que no, se puede hablar de causalidad, ya que el que recibió el beneficio no hizo nada especial, a él solo le tocó aleatoriamente. Entonces, si realmente veo que este año pudieron cosechar más que el anterior y en relación con otros granjeros que no recibieron el subsidio, puedo decir que la diferencia está dada porque tuvieron un beneficio.

-¿Qué buscan mostrar con este trabajo?

-Estamos tratando de medir cuáles son los retornos a la mecanización. Hay una hipótesis muy vieja del desarrollo económico que dice que, en realidad, parte del porqué los granjeros en países pobres no se mecanizan es que tienen granjas que son relativamente pequeñas y, entonces, no es económicamente factible adoptar prácticas así, ya que es caro invertir en maquinaria. Si uno mira la historia de Estados Unidos, una forma en que el sector agrícola se mecanizó fue generando mercados de alquiler de equipos, ya que bajó el costo de operar estas cosas. La pregunta es: si se pudiera subsidiar el acceso al mercado de alquiler, ¿cuál sería el retorno, para granjeros pequeños y grandes, de mecanizar algunas prácticas agrícolas? Es la pregunta número uno. Esto es muy importante para entender el tipo de políticas que se dan en China y en la India, que buscan modernizar el sector agrícola subsidiando o bien el acceso al mercado de alquiler, o bien la compra de equipos. La segunda pregunta es a quiénes estamos subsidiando y cuál será el impacto de eso en la productividad agrícola. Esto surge de un paper anterior, en el que argumentamos que muchas de las diferencias en la productividad agrícola que vemos entre los países tiene que ver con la tecnología que está incluida en el capital, que es muy distinta en países pobres que en países ricos. Aun cuando sean países pobres con algún nivel de mecanización, el tipo de tecnología que usan es peor que la de los países ricos. En el paper decimos que vamos a medir la diferencia en tecnología: si es grande, se puede explicar más o menos un tercio de las diferencias de productividad entre los países.

-¿Por qué los países tienen distintas tecnologías?

-Una hipótesis es que el capital es muy caro y entonces no lo compran. Si miramos países pobres como la India, hay mucha producción local de maquinaria agrícola que no se vende en otras partes del mundo. Por ejemplo, se vende solo en la India porque es maquinaria pequeña, que está buena para trabajar en lugares donde el tamaño de las granjas es relativamente chico. La segunda hipótesis es que, en realidad, la tecnología de la maquinaria es baja en estos países porque el retorno al adoptar esa tecnología es bajo. En el experimento estamos tratando de medir cuál es el retorno.

-¿Quién los contrata para medir el retorno y de dónde sale el dinero para subsidiar la maquinaria?

-Nos postulamos para becas competitivas. Este proyecto en particular está financiado por tres entidades: la Agencia Británica de Investigación para el Desarrollo; el Private Enterprise Development in Low Income Countries (PEDL), que financia iniciativas para investigaciones piloto, y el ATAI, financiada en parte por el Bill and Melinda Gates Foundation.

-¿Hay dinero para financiar proyectos de investigación?

-Hay mucho dinero para tratar de entender por qué estos países no pueden mejorar la productividad agrícola. Si lo hicieran, mejoraría la calidad de vida de un montón de gente que vive en áreas rurales. De la población mundial, es muy alta la proporción que sigue viviendo en las zonas rurales y que sigue siendo muy pobre. No es muchísimo dinero el que hay para las investigaciones, pero es suficiente para estas iniciativas. Otra cosa importante en experimentos como el que tenemos en marcha es tener apoyo del sector privado. Esto lo estamos haciendo con una plataforma de alquiler de equipos de una compañía en la India; tenemos un partnership con ellos. En la Argentina, lo más cercano a esto es lo que hace el Centro de Estudios Distributivos, Laborales y Sociales (Cedlas) en la Universidad de La Plata.

-¿Por qué eligieron la India para desarrollar el proyecto?

-Porque como muchos de los países pobres, la India tiene mucha diferencia de ingresos per cápita. Las provincias del norte tienden a ser mucho más ricas que las del sur, donde hicimos este experimento. En parte también lo hacemos en la India porque ha habido mucha plata para subsidiar la mecanización y modernizar el sector agrícola. Es el lugar natural para hacer este tipo de experimentos.

-¿En qué otros proyectos está trabajando?

-En tratar de entender el impacto de la tecnología sobre las profesiones: si el cambio tecnológico está afectando la composición ocupacional del mercado de trabajo. La respuesta es obvia y es sí. Pero hay una cantidad muy amplia de investigaciones sobre este tema. Es un proyecto para países más ricos. La ventaja de lo que estamos haciendo es que medimos el cambio tecnológico directamente en datos. Hay una literatura muy grande que trata de clasificar las actividades que hacen las profesiones, para ver si tienen un nivel de rutina muy alto que es fácil de hacer por una máquina. Cuando el precio de estas máquinas cae, todas estas firmas deciden echar a los empleados que tienen esas profesiones y reemplazarlos por las máquinas. El ejemplo más obvio es ir a una farmacia o a un supermercado y ver que, en vez de tener a la persona atendiendo, hay una computadora donde uno escanea los productos y paga.

-¿La investigación se basa más en servicios que en industria? Porque otro ejemplo común son las fábricas de autos, que cada vez reemplazan más mano de obra por máquinas.

-Nosotros decimos que el cambio tecnológico se puede medir directamente mirando los precios del capital. Por ejemplo, el precio de una computadora es cada vez menor, aunque sea nueva. Esto es así porque hay otras alternativas en el mercado de otro tipo de capital que es mejor que esa computadora o que un teléfono. Para conectar el cambio tecnológico a las profesiones construimos unas canastas que dicen qué tipo de capital se usa en cada caso. Como en las distintas ocupaciones se usan distintas canastas de capital, la exposición a la caída de precios es diferente. Se mide esto y mostramos que, más allá del cambio tecnológico en computadoras, ha habido muchísimo cambio tecnológico en instrumentos médicos. Eso hace que aumente la demanda de trabajadores que tienen skills [habilidades] más altas, y hace caer la demanda de los trabajadores que usan tecnologías donde ha habido menor cambio tecnológico.

-¿Qué base de datos utilizan para investigar esto?

-No tenemos tanto trabajo de campo. Lo que hacemos es mirar precios de capital o series de precios de capital que nos provee el censo de Estados Unidos. También usamos una base de datos que se llama ONET, que nos permite ver qué herramientas utiliza cada profesión en Estados Unidos. Con eso podemos clasificar las ocupaciones y entender también qué tipo de capital utilizan cada una.

-¿Cómo forman los grupos de trabajo para investigar?

-En cada departamento de economía, salvo que sean de las universidades más grandes, en general si hay una o dos personas que trabajan en tu campo de investigación, es un lujo. En general, es algo que no pasa. Dentro de un departamento de economía de una universidad hay muchos economistas que investigan un montón de cosas. Pero en el año hay muchas conferencias o reuniones de trabajo donde interactuamos con gente que trabaja en el mismo campo. Después de un par de años de estar en esta especialización, vamos conociendo a mucha de esta gente.

-¿En la Argentina existe todo este networking? ¿Es más fácil investigar en Estados Unidos?

-Chile es un modelo exitoso para investigar. Tienen un presupuesto muy generoso para viajar. El secreto para volver al país es estar más o menos establecido y que haya cierto network de gente con el cual seguir trabajando, o tener acceso a fondos que permitan seguir interactuando con este mundo. En la Argentina, acceder a datos es difícil y muchas veces no existen.

¿Cuáles son sus cinco ciudades favoritas?

Buenos Aires

Río de Janeiro

Madrid

Seúl

Londres