Worker Utility as Hysteresis: A Preisach Model of Transaction Acceptance in Gig Labour Markets

En el mundo del trabajo, existe la creencia largamente sostenida de que las personas deciden aceptar un empleo basándose en un número único y fijo: un salario mínimo que no aceptarán. Si una oferta está por encima de esa línea, dicen que sí; si está por debajo, dicen que no. Esta idea funciona bien para los trabajos tradicionales donde un trabajador podría esperar semanas por la oportunidad adecuada. Pero esto se desmorona en la moderna "economía de los pequeños encargos" (gig economy), donde las personas aceptan o rechazan tareas a corto plazo por minuto. En estos mercados de movimiento rápido, la decisión de un trabajador rara vez se trata de un número único. Se trata de su historia. Un trabajador que ha aceptado recientemente muchos turnos mal pagados podría rechazar una oferta ligeramente superior que habría aceptado hace un mes. Por el contrario, un trabajador que ha recibido pagos altos recientemente podría rechazar una oferta estándar que habría sido aceptable ayer. Su disposición para trabajar depende de dónde ha estado, no solo de dónde está. Este fenómeno, en el que el pasado moldea el presente de una manera que se resiste al cambio simple, se conoce como histéresis. Comprender esto es crucial para las plataformas que conectan a los trabajadores con las tareas, porque si tratan a los trabajadores como si tuvieran etiquetas de precio fijas, juzgarán mal cuánto pagar, desperdiciando dinero en turnos que habrían sido aceptados por menos, o perdiendo turnos al ofrecer demasiado poco a trabajadores que ya han sido condicionados para esperar más.

Un equipo de investigadores ha desarrollado una nueva forma de mapear estos patrones invisibles de toma de decisiones utilizando un modelo diseñado originalmente para estudiar imanes. En física, un imán no solo responde al campo magnético actual; recuerda cómo fue magnetizado en el pasado. Para describir esto, los científicos utilizan un marco llamado modelo de Preisach, que imagina un material como una colección de diminutos interruptores, cada uno con sus propios umbrales de "encendido" y "apagado". Los investigadores se dieron cuenta de que una fuerza laboral se comporta exactamente de la misma manera. Cada trabajador es como un pequeño interruptor con dos umbrales: un precio lo suficientemente alto como para hacerle aceptar una tarea, y un precio inferior en el cual finalmente se rendirá y rechazará la tarea. Entre estos dos puntos existe una zona de indecisión donde la elección del trabajador depende enteramente de lo que hizo la última vez. Si la última vez aceptó, permanece en el modo de "aceptar" hasta que el precio caiga por debajo de su umbral inferior. Si la última vez rechazó, permanece en el modo de "rechazar" hasta que el precio suba por encima de su umbral superior. Esto crea un desfase, o memoria, en el mercado que los modelos económicos estándar pasan por alto por completo.

Para probar esta idea, los investigadores analizaron casi 37,000 transacciones del mundo real de una plataforma de la economía de los pequeños encargos en Polonia. No intentaron adivinar el límite de precio específico para cada trabajador, lo cual sería imposible con los datos que tenían. En su lugar, construyeron un sistema de dos pasos para aprender la forma de la memoria del mercado. Primero, utilizaron un programa informático para estimar dos superficies de utilidad separadas. Una superficie predecía la satisfacción promedio de los trabajadores que habían aceptado una tarea, y la otra predecía la satisfacción promedio de aquellos que la habían rechazado. Al comparar estas dos superficies, el sistema podía calcular la "brecha" entre ellas. Esta brecha representa el tamaño de la zona de indiferencia: el rango de precios donde la historia de un trabajador, en lugar del precio actual, decide el resultado. Los investigadores luego introdujeron esta brecha, junto con la comparación del precio actual con estos umbrales estimados, en un segundo programa informático diseñado para predecir si se aceptaría una nueva tarea.

Los resultados revelaron un mercado mucho más complejo y sensible de lo que se pensaba anteriormente. Los hallazgos del modelo son consistentes con la predicción de que los cambios de precios no afectan a los trabajadores de manera simétrica: una caída en los salarios parece deprimir las tasas de aceptación más de lo que un aumento equivalente en los salarios las ayuda. Esta es la firma de la histéresis: una vez que los trabajadores han sido condicionados para esperar una paga menor, se necesita un aumento mucho mayor para recuperarlos de lo que bastó para perderlos en primer lugar. Sin embargo, debido a que los datos de precios no fueron generados por un experimento aleatorio, este patrón es sugestivo más que definitivamente causal, ya que los operadores tendían a aumentar los precios específicamente en los turnos difíciles que ya habían sido rechazados. Más sorprendente aún, el modelo generó un resultado económicamente paradójico: aplicado al conjunto completo de datos, las recomendaciones del modelo reducen simultáneamente el costo total de la mano de obra y aumentan el número de tareas que se completan. Los investigadores descubrieron que para aproximadamente el 74 por ciento de las transacciones, el salario actual ya era tan alto que la tarea sería aceptada incluso si la paga se recortara significativamente. Para estas tareas, la plataforma simplemente estaba pagando de más. Al reducir el salario lo justo para mantenerse por encima del umbral de aceptación, la plataforma podía ahorrar una mediana del 31 por ciento en esos trabajos específicos sin perder ni un solo trabajador.

Para el 26 por ciento restante de las tareas, la situación era la opuesta. Los salarios actuales eran demasiado bajos para atraer trabajadores, pero no tan bajos como para que las tareas fueran imposibles de completar. Estos eran los trabajos estancados en el modo de "rechazo" del bucle de histéresis. Para estas tareas específicas, el modelo recomendó un aumento modesto de salario, con un aumento mediano de solo el 7 por ciento. Este pequeño incremento fue suficiente para empujar la oferta por encima del umbral superior, cambiando la decisión de rechazo a aceptación y recuperando tareas que de otro modo quedarían sin cubrir. El estudio demostró que, al comprender la estructura de dos umbrales en las decisiones de los trabajadores, una plataforma puede tratar a estos dos grupos de manera diferente al mismo tiempo. Puede recortar costos donde hay un margen de seguridad y aumentar la paga donde hay una barrera, logrando una reducción del 21.3 por ciento en los salarios totales mientras aumenta la tasa de ocupación en casi 10 puntos porcentuales.

Los investigadores también descubrieron que el mercado no es una multitud única y uniforme. Cuando visualizaron los datos, surgieron dos grupos distintos de trabajadores. Un grupo, que realizaba principalmente turnos de comercio minorista y hostelería, tenía umbrales de precio bajos y estrechamente agrupados. El otro grupo, que manejaba tareas especializadas, tenía umbrales mucho más altos y un rango de expectativas más amplio. Un modelo que trate a todos los trabajadores como si fueran iguales promediaría estos grupos y no vería las necesidades específicas de ninguno de ellos. El nuevo enfoque, al mapear la relación entre la oferta actual y los umbrales históricos de los trabajadores, permitió al sistema ver estas diferencias claramente. Mostró que la clave para predecir el comportamiento de los trabajadores no es conocer el precio absoluto de una tarea, sino saber dónde se sitúa ese precio en relación con la historia personal del trabajador.

Este trabajo sugiere que la vieja idea de un único "salario de reserva" es insuficiente para la economía de los pequeños encargos. Los trabajadores no solo tienen un precio mínimo; tienen memoria. Sus decisiones están moldeadas por un camino de ofertas pasadas, creando una zona de inercia donde los pequeños cambios en la paga no tienen efecto. El estudio demuestra que, al reconocer esta memoria y modelar la brecha entre los umbrales de aceptación y rechazo, las plataformas pueden tomar decisiones más inteligentes y eficientes. Pueden dejar de pagar de más por tareas que ya son fáciles de completar y dejar de pagar de menos por tareas que están justo fuera del alcance. Los hallazgos ofrecen una nueva forma de pensar en los mercados laborales, una que respeta la complejidad de la toma de decisiones humana y el poder de la historia en la configuración de nuestras elecciones económicas.