La modernización de los registros de empleo (ER) se ha convertido en un componente crítico de la política del mercado laboral del siglo XXI, la movilidad económica y la inclusión social. Los ER son datos administrativos estructurados que documentan la historia laboral de un individuo, incluyendo detalles como roles laborales, empleadores, ubicaciones de trabajo, duración del empleo y resultados. A nivel global, los países socios han desarrollado sistemas de ER integrados, en tiempo real y centrados en el trabajador que reducen las cargas administrativas y proporcionan perspectivas transformadoras para la política y la práctica. Este informe establece un marco de referencia para una amplia gama de prácticas internacionales para informar a los interesados de los Estados Unidos que están llevando a cabo esfuerzos de modernización.
Si bien estas iniciativas se basan en el sistema de registros salariales de la seguro de desempleo, la modernización verdadera requiere evolucionar hacia una infraestructura de registros de empleo de dominio público y centrada en el trabajador. Esta infraestructura debe servir a objetivos económicos y de inclusión más amplios. Estados Unidos mantiene actualmente un ecosistema de registros salariales centrado principalmente en los sistemas de seguro de desempleo estatales. Este sistema muestra fragmentación e inconsistencia entre estados, con un alcance limitado y cobertura que a menudo excluye campos de datos clave como la ocupación, las horas trabajadas, la ubicación de trabajo y la duración del empleo. Estas limitaciones obstaculizan el análisis del mercado laboral y restringen la efectividad de la colocación de trabajo, la capacitación de la fuerza laboral, la educación y las intervenciones enfocadas en la equidad.
Por ejemplo, sin códigos de ocupación, los estados no pueden identificar brechas de habilidades regionales o ajustar las inversiones en capacitación a las necesidades de los empleadores. Sin datos sobre las horas trabajadas, las evaluaciones de políticas de programas de capacitación de la fuerza laboral no pueden distinguir entre un programa que coloca a un participante en un trabajo estable a tiempo completo en lugar de un trabajo precario a tiempo parcial. El retraso en la presentación de datos de seis a nueve meses también obstaculiza las respuestas de política en tiempo real.
Un sistema de ER más moderno se volverá cada vez más importante a medida que la inteligencia artificial (IA) se extiende por la economía. A medida que las tareas cognitivas rutinarias se automatizan a través de la IA, la experiencia verificada—documentada a través de ERs exhaustivos—aumentará en valor. Los trabajadores que pueden demostrar una adaptación exitosa, resolución de problemas y aplicación de habilidades a través de múltiples roles y contextos tendrán ventajas significativas en una economía con IA.
Prácticas internacionales en la modernización de sistemas de registros de empleo
Este informe examina las prácticas internacionales en la modernización de sistemas de registros de empleo, ofreciendo perspectivas que pueden informar las discusiones de los Estados Unidos. A partir de casos internacionales, incluidos modelos de integración de nómina en tiempo real (U.K.’s RTI, Australia’s STP), sistemas de seguridad social vinculados (Alemania IEB), bases de datos de empleo basadas en impuestos (Nueva Zelanda LEED), registros laborales digitales (Brasil eSocial), sistemas de planificación de habilidades (África del Sur), plataformas habilitadas por identidad digital (Estonia, India) y marcos de credenciales distribuidos (iniciativas de la UE), estos ejemplos muestran cómo los sistemas modernos pueden mejorar la transparencia del mercado laboral, reducir la carga de los empleadores y empoderar a los trabajadores a través de mejores datos.
Para los trabajadores, los sistemas de ER mejorados pueden simplificar el acceso a servicios, aumentar el control sobre las historias laborales y mejorar la navegación de carrera y educación. Para las empresas, pueden reducir la presentación de datos duplicados e mejorar la planificación de la fuerza laboral a través de perspectivas más precisas, exhaustivas y oportunas del mercado laboral.
Modelos de gobernanza
Aunque los modelos de gobernanza varían, la experiencia internacional muestra que los estándares, la interoperabilidad y la capacidad institucional pueden lograrse a través de diferentes rutas, desde una coordinación nacional fuerte hasta arquitecturas distribuidas y marcos de confianza. El camino adelante implica complementar y informar importantes esfuerzos de los Estados Unidos que ya están en curso, incluidos aquellos liderados por el Jobs and Employment Data Exchange (JEDx), la Asociación Nacional de Gobernadores (NGA) y la Asociación Nacional de Agencias de Trabajo Estatales (NASWA), así como las iniciativas de modernización de los sistemas de seguro de desempleo estatales.
Si bien crear una plataforma de ER independiente y de dominio público requeriría eventualmente nueva legislación federal y recursos, el camino más viable a corto plazo implica innovaciones lideradas por los estados apoyadas por colaboraciones voluntarias y orientación técnica federal. Los modelos internacionales exitosos sugieren que la adopción incremental de estándares de datos compartidos y tecnología interoperable, probada a nivel estatal o regional, puede generar ganancias tempranas y proporcionar un modelo escalable para una posible infraestructura nacional futura.
Componentes clave de los sistemas de ER modernos
Independientemente de que la modernización resulte de esfuerzos liderados por los estados o de legislación federal, los ejemplos internacionales descritos en este informe destacan seis prácticas centrales de los sistemas de ER modernos que son clave para garantizar la implementación amplia.
1. **Establecer estándares a nivel nacional, implementar localmente**: Los estándares técnicos nacionales garantizan la consistencia mientras se preserva la autonomía operativa. Los marcos comunes pueden lograr la alineación entre jurisdicciones.
2. **Pilotar primero, mejorar continuamente**: Los lanzamientos en fases y la refinación iterativa ayudan a gestionar la complejidad y a construir el apoyo de los interesados.
3. **Diseñar alrededor de identificadores únicos y proteger la privacidad**: Los identificadores personales y firmas estables permiten la interoperabilidad e integración entre sistemas. La interoperabilidad puede coexistir con la selección de la divulgación y el diseño de la privacidad.
4. **Diseñar para la oportunidad y el reuso**: La integración de la presentación de datos en las flujos de nómina mejora la oportunidad de los datos y reduce la carga. Los modelos de credenciales verificables permiten que la información se emita una vez y se reutilice de manera segura. El reuso de registros significa que una sola presentación de datos de un empleador puede utilizarse en varias agencias gubernamentales.
5. **Empoderar a los trabajadores a través del acceso y la transparencia**: Las herramientas permiten a los individuos verificar sus historias laborales, lo que mejora la calidad de los datos y la confianza.
6. **Garantizar la interoperabilidad y la privacidad**: Los sistemas de ER deben garantizar la interoperabilidad y la privacidad de los datos de los trabajadores.
6. Align incentives, avoid unintended consequences: El diseño de políticas debe considerar las respuestas conductuales, ya que iniciativas bienintencionadas pueden generar consecuencias no deseadas cuando las incentivos están mal alineados. Por ejemplo, una iniciativa destinada a formalizar el trabajo autónomo permitió inadvertidamente a los empleadores reducir los costos laborales clasificando a los empleados como contratistas.
Estas lecciones indican que cualquier enfoque depende de inversiones enfocadas en una arquitectura común, definiciones de datos compartidas y la infraestructura conectiva necesaria para enlazar sistemas de datos. Finalmente, modernizar los registros de empleo debería permitir a cada trabajador acceder, verificar y compartir su historia laboral de manera segura – un bien público para una economía lista para la inteligencia artificial.
