Tecnologia e intensità di lavoro: evidenze nazionali e divari territorial

Le analisi precedenti possono essere declinate in un ambito più propriamente micro- economico, andando a verificare in che misura il processo di routinizzazione incide nelle modalità di organizzazione del lavoro within firms, ovvero sulla dinamica delle giornate lavorate nel corso di un anno da individui occupati nella medesima azienda. A tal fine si utilizzano i dati del sistema informativo delle Comunicazioni Obbliga- torie del Ministero del Lavoro e delle Politiche Sociali (SISCO-MLPS) che registrano per ogni individuo le date di attivazione cessazione dei contratti di lavoro, la loro tipologia (dipendente a tempo indeterminato, determinato, apprendistato, interinale e parasubordinato), l’impresa presso cui viene occupato, il settore di attività e la loca- lizzazione geografica, oltre ad un’ampia serie di caratteristiche individuali (es genere, cittadinanza, età, livello di istruzione, mansione professione -ISCO). La disponibilità dell’informazione relativa alle date di attivazione e cessazione di ogni contratto di lavoro permette di riscostruire per ogni anno e per ciascun individuo presente nell’ar- chivio la durata effettiva della relazione contrattuale, espressa nel numero medio di giornate lavorate nel corso dell’anno all’interno della medesima impresa. In questa prospettiva, la media dei giorni lavorati per individuo a livello di impresa viene con- siderata come misura di intensità lavorativa ed esprime un’pprossimazione della con- tinuità e stabilità dell’occupazione5_.

I dati derivanti dalle COB sono stati integrati con indice di routinizzazione delle man- sioni in scala 0-100 misurato per ogni singola professione a 4 digit e ricavato dalla Indagine Campionaria sulle Professioni (CPI) condotta da INAPP. Come argomentato nelle pagine precedenti, il Routine task index (RTI) calcolato su una classificazione delle professioni a 4 o 5 digit permette di approssimare il rischio che le mansioni e attività svolte dagli individui siano sostituibili da macchine, robot o sistemi automatizzati in modo molto più preciso rispetto a quanto viene comunemente di quanto permettono di fare indici più aggregate.6

Si è proceduto quindi ad indagare l’esistenza o meno di una correlazione tra adozio- ne di tecnologie task biased e intensità del lavoro all’interno delle aziende italiane nel corso del periodo 2011-2016.

Si consideri innanzitutto le statistiche descrittive riportate in Tabella 2. Si nota che la variazione (annuale) del numero di giornate lavorate registra in media valori nega- tivi fino al 2014 per poi iniziare a crescere e, quindi, ad accelerare (+9,05) tra il 2015 e il 2016. L’incremento della media delle giornate lavorate per individuo può essere collegato alla tenue ripresa occupazionale che si registra nella fase di uscita della con- giuntura economica negativa (2015-2016), mentre non è possibile chiarire – nel con- testo preso in esame- quanto abbiano contribuito gli effetti legati all’introduzione del contratto a tutele crescenti e agli sgravi contributivi ad essi connessi (Cirillo, Raitano e Ricci, 2019a ; 2019b).

L’indice di routinizzazione riflette dinamiche più strutturali e manifesta quindi una tendenza più stabile rispetto a quella dell’occupazione, sebbene si registrino anche in questo caso alcuni fenomeni ciclici probabilmente riflesso della congiuntura economi- ca nel periodo di riferimento. In altre parole, la Tabella 2 rende chiaro il ruolo della crisi economica finanziaria che fino al 2014 sembra aver penalizzato le prospettive oc- cupazionali non solo da un punto di vista macroeconomico, ma nelle stesse modalità di organizzazione e utilizzazione delle professionalità dentro le aziende.

Tabella 2: stat descrittive. Valori medi

Variazione giornate lavorate RTI 2011 1.77 49.90 2012 -0.67 50.14 2013 -2.21 49.75 2014 -1.39 49.61 2015 0.10 49.55 2016 9.05 49.60 Total 1.13 49.75

Fonte: elaborazioni INAPP su dati COB

6. Si veda Quaranta, Gualtieri, Guarascio, (2017), Cambiamento tecnologico, mansioni e occupazione, INAPP Po- licy Brief, n. 4/2017; Gualtieri, Guarascio, Quaranta (2018), Natura delle mansioni e dinamica dell’occupazione italiana, INAPP Policy Brief, n. 7/2018.

Naturalmente la variazione del numero di giornate lavorate e dell’intensità del cambiamento tecnologico task biased dipende in modo sostanziale dalla localizzazione geografica, oltre che dalla specializzazione produttiva e dimensione aziendale.

La tabella 3 mostra quindi che, considerando l’intero periodo 2011-2016, la variazione annuale del numero di giornate lavorate è stata in media più elevata nelle regioni del Centro (1,54), dove peraltro l’indice di routinizzatone assume il valore minimo (49,12), mentre appare più contenuta nelle regioni del Nord Est (0,94) in corrispondenza di un indice di routinizzazione relativamente elevato (50,21).

Tabella 3: stat descrittive per macro-area. Valori medi per il periodo 2011-2016

Variazione

giornate lavorate RTI

Nord Ovest 1.04 49.26

Nord Est 0.94 50.21

Centro 1.54 49.12

Sud e Isole 1.04 50.36

Totale 1.12 49.76

Fonte: elaborazioni INAPP su dati COB

Le analisi descrittive a questo punto possono essere approfondite attraverso un sem- plice esercizio econometrico che mira a stimare la relazione tra variazione dell’inten- sità di lavoro within firms e il grado di routinizzazione delle mansioni professionali a 4 digit, tenendo conto di una serie di caratteristiche socio-demografiche e produttive che identificano il tipo di rapporto di impiego.

Le stime pooled ols della relazione in oggetto per l’intero periodo 2011-2016, distinte per le varie macro-regioni geografiche, sono sintetizzate nella tabella 4

Se si considerano i risultati per l’intero territorio nazionale (colonna 1) sembra confer- mata l’ipotesi secondo cui un aumento del grado di routinizzazione delle mansioni si accompagna ad una diminuzione del numero di giornate lavorate da ciascun indivi- duo (-0.058), ovvero in una contrazione delle prospettive salariali, professionali e di arricchimento delle competenze on the job. Nonostante le tecniche di stima utilizzate non permettono di controllare le potenziali distorsioni connesse alla eterogeneità non osservata degli individui e/o a fenomeni di causalità inversa, quanto emerge nella prima colonna della tabella 4 sembra supportare da un punto di vista microeconomico e aziendale quanto già emerso a livello di settore e professione nel paragrafo prece- dente.

Il fatto che la diffusione delle tecnologie task biased riducano la crescita, la stabilità e la tenure occupazionale per l’economia italiana cela, d’altra parte, sostanziali differenze geografiche.

L’analisi comparativa delle colonne della tabella 4 testimonia infatti come la relazione negativa tra indice di routinizzazione e intensità di lavoro nelle imprese assuma va- lore massimo per le regioni del Centro (-0,072) e, in modo più contenuto, in quelle del Nord Est (-0,052), mentre registra un minimo per quelle del Nord Ovest (-0.051) e del

Sud (-0,052).

Queste evidenze potrebbero essere razionalizzate facendo riferimento a quanto già argomentato da Brunetti, Cirillo e Ricci (2018): i fenomeni di routinizzazione delle mansioni espone al rischio di frammentazione del rapporto di impiego in quelle zone geografiche (il Centro Italia) dove la quota di occupati nei servizi è relativamente elevata rispetto a quella della manifattura. Ciò può essere ricondotto per un verso al rischio di automazione di alcune mansioni nell’ambito dei servizi, e dall’altro alla circostanza che generalmente nel comparto manifatturiero vi è un livello di sindaca- lizzazione maggiore rispetto al settore terziario.

Tabella 4: stime Pooled Ols 2011-2016

ITALIA Nord Ovest Nord Est Centro Sud e Isole

RTI -0.058*** -0.051*** -0.057*** -0.072*** -0.052*** [0.003] [0.005] [0.005] [0.006] [0.006] Altri controlli SI SI SI SI SI costante 1.890 5.124 32.800*** -75.182*** -11.468*** [13.099] [14.280] [0.870] [0.971] [0.828] N di oss 6765022 1958636 1540958 1421337 1842099 R2 0.031 0.038 0.038 0.032 0.023

Fonte: Elaborazioni INAPP su dati COB 2011-2016. Note: altri controlli: età, livello di istruzione, cittadinanza, genere, settore di attività 2 digit, regione

4. Tecnologia, necessità di aggiornamento delle competenze, mismatch e perfor-