La baja productividad del sector agrícola en los países pobres es uno de los principales retos para el desarrollo económico. En comparación con países más ricos, estas regiones cuentan con una proporción considerablemente mayor de su población empleada en la agricultura, pero su producción es significativamente inferior (Restuccia, Yang & Zhu 2008; Gollin, Lagakos & Waugh 2014). Sin embargo, todavía hay mucho debate sobre el tamaño y las razones subyacentes de esta brecha. Esto se debe a que calcular la productividad es complicado: hay muchas formas de hacerlo y diferentes suposiciones sobre cómo se lleva a cabo la producción pueden llevar a resultados distintos (Bils, Klenow, & Ruane, 2021; Chen, Restuccia & Santaeulalia-Llopis, 2017; Hamory, Kleemans, Le & Miguel, 2021).
Un aspecto que no se ha considerado lo suficiente en los estudios es el papel de la automatización en la distribución del trabajo en zonas rurales. Dependiendo del tipo de cultivo, el uso de maquinaria puede mejorar el rendimiento de los trabajadores o incluso eliminar la necesidad de mano de obra en ciertas actividades. Si vemos la producción agrícola como una serie de tareas donde la maquinaria es más eficiente en algunas y el trabajo humano en otras (Acemoglu & Restrepo, 2018), podemos comprender que la baja productividad no solo puede surgir por fallas de mercado o mala distribución factores, como ha señalado la literatura (Restuccia & Santaeulalia-Llopis 2017; Adamopoulos, Brandt, Ligth, & Restuccia, 2022; Ayerst, Brandt & Restuccia, 2020; Golling & Udri, 2021), sino también por la falta de capital o dificultades para invertir, que lleva a los trabajadores a desempeñar tareas para las que la maquinaria sería más eficiente.
El estudio “Market failures, task-based production model and the agricultural productivity gap” investiga la brecha de productividad para el sector cafetero en Colombia utilizando el enfoque de producción basada en tareas. En el mismo se estudia el uso de factores y sus mercados con base al acceso a financiamiento y las ventajas comparativas en las diferentes etapas de producción, lo que podría influir en la eficiencia según este modelo. Con una encuesta multipropósito a 654 hogares cafeteros en dos regiones del país, recolectamos datos altamente desagregados de uso de factores específicos para el cultivo. La marcada diferencia en el uso de capital y trabajo en las distintas etapas de producción del café en Colombia, con una alta intensidad de mano de obra en la cosecha y una gran dependencia en la maquinaria en las demás tareas, hace que el café sea un cultivo ideal para estudiar bajo este enfoque.
En condiciones ideales, la distribución de la mano de obra en las unidades productivas debería ajustarse según la escala y la temporada de producción, donde, para el café, debería ser más abundante en las tareas de cosecha. Asimismo, las decisiones laborales de los miembros de los hogares rurales deberían basarse en sus capacidades individuales y no estar condicionadas por las actividades agrícolas del hogar. Utilizando el test de recursión (Dillon & Barrett, 2017), que permite identificar dichas condiciones, encontramos que las unidades de producción que cuentan con financiamiento, a través de instrumentos crediticios, demandan trabajo agrícola de acuerdo con estas condiciones. Sin embargo, las unidades sin acceso a financiamiento no cumplen con estas condiciones, pues el trabajo que demandan para las tareas agrícolas diferentes a la cosecha, que se debería realizar con maquinaria, se hace en función de la mano de obra disponible en el hogar.
Al examinar las decisiones laborales de los miembros de los hogares cafeteros, por medio de un modelo logit, se encuentra que las personas en hogares con acceso a financiamiento tienden a dedicarse más a actividades no agrícolas a medida que aumenta el nivel de maquinaria en el hogar. En contraste, en hogares sin liquidez, las decisiones laborales están más ligadas a la producción cafetera a medida que aumenta el nivel de capital. El estudio concluye que el acceso al financiamiento desempeña un papel fundamental en la asignación de recursos en la agricultura, no solo porque facilita la adquisición de maquinaria, sino también porque permite financiar las tareas agrícolas. En ausencia de financiamiento, algunas tareas no se logran suplir por medio del mercado de factores y tienden a recaer sobre la mano de obra no remunerada de los miembros del hogar. Por ende, la acumulación de trabajo con bajos rendimientos aumentara conforme haya más tareas intensivas en maquinaria sin realizar (falta de maquinaria) o no se tenga la suficiente liquidez para poder llevar a cabo la producción (retención de mano de obra en la agricultura).
Al igual que con el trabajo, el capital debería distribuirse de acuerdo con la escala de producción en condiciones ideales. Aunque en el estudio no se pudo analizar el proceso de acumulación de maquinaria debido a que solo se tienen datos transversales, las adiciones más recientes de maquinaria son un buen indicador de la asignación de recursos. Utilizando un modelo Double-Hurdle (Cragg, 1971), que permite entender los factores que influyen en las decisiones de inversión y sus niveles, se encuentra que las decisiones de inversión están influenciadas por las características del hogar. En particular, las unidades tienden a comprar más maquinaria a medida que aumenta el porcentaje de personas en el hogar que tiende a trabajar más en actividades no agrícolas (principalmente, mujeres en edad de trabajar). Estos resultados están en línea con la literatura, que ha encontrado que el trabajo fuera del hogar facilita la inversión en maquinaria para la agricultura (Simtowe and Zeller 2006). Sin embargo, como se mencionó anteriormente, las personas tenderán a trabajar fuera del hogar conforme haya suficiente liquidez para financiar la producción agrícola en la escala requerida. La dependencia de la acumulación de capital en los ingresos laborales, o las dotaciones, crea una trampa de productividad, donde condiciones iniciales desfavorables pueden limitar la producción a largo plazo debido a la continua falta de inversión y dependencia sobre la mano de obra no remunerada de los miembros del hogar.
En conclusión, al analizar la agricultura con el enfoque de producción con base a tareas, se puede apreciar que la brecha de productividad se desarrolla en base a la relación entre maquinaria y trabajo, donde las dinámicas de mercado y dotaciones del hogar determinan los niveles de producción, pero las deficiencias en uno de los factores conllevan a la mala ubicación del otro. Aunque la falta de financiamiento es una causa clara de la mala distribución de recursos, las condiciones de producción inicial altamente dependientes en la mano de obra del hogar pueden perpetuar dinámicas de producción donde persiste la mala asignación de factores a lo largo del tiempo.
Referencias:
- Acemoglu, D., & Restrepo, P. (2018). The race between man and machine: Implications of technology for growth, factor shares, and employment. American economic review, 108(6), 1488–1542.
- Adamopoulos, T., Brandt, L., Leight, J., & Restuccia, D. (2022). Misallocation, selection, and productivity: A quantitative analysis with panel data from china. Econometrica, 90(3), 1261–1282.
- Ayerst, S., Brandt, L., & Restuccia, D. (2020). Market constraints, misallocation, and productivity in vietnam agriculture. Food Policy, 94, 101840.
- Bils, M., Klenow, P. J., & Ruane, C. (2021). Misallocation or mismeasurement? Journal of Monetary Economics, 124, S39–S56.
- Chen, C., Restuccia, D., & Santaeulalia-Llopis, R. (2017). Land misallocation and productivity (Tech. Rep.). National Bureau of Economic Research.
- Cragg, J. G. (1971). Some statistical models for limited dependent variables with application to the demand for durable goods. Econometrica: Journal of the Econometric Society, 829–844.
- Dillon, B., & Barrett, C. B. (2017). Agricultural factor markets in sub-saharan africa: An updated view with formal tests for market failure. Food policy, 67, 64–77.
- Garcés Rodríguez, N. (2023). Market failures, task-based production model and the agricultural productivity gap. Tesis de grado, maestría en Economía, Universidad del Rosario. https://doi.org/10.48713/10336_39877
