Essays on digitalization and firm performance

Resumen

Esta tesis doctoral analiza cómo el uso de las tecnologías digitales (TD) afecta las decisiones de las empresas en el comercio internacional y el empleo. La rápida expansión de estas tecnologías ofrece oportunidades para reducir costes asociados a la distancia física, lo que permite a las empresas llegar a más clientes y ampliar sus mercados. Sin embargo, el hecho de que las TD también puedan ser sustitutas de la mano de obra, remplazando a los humanos en sus trabajos y aumentando potencialmente el desempleo, suscita preocupación. Así pues, estos dos temas serán abordados en la tesis. Primer, los Capítulos 1 y 2 se centrarán en el impacto de la digitalización en el comercio internacional. Más concretamente, en el Capítulo 1 exploramos cómo el uso de las tecnologías de la información y la comunicación (TIC) facilita las exportaciones de las empresas. El Capítulo 2 pretende aportar pruebas sobre el impacto de las TD, más allá de las TIC, en las actividades de exportación e importación de las pequeñas y medianas empresas (PYMEs). En esta perspectiva, construimos un índice multidimensional de digitalización para captar la transformación digital de una forma más exhaustiva. En segundo lugar, esta tesis explora cómo las TD afectan a la demanda laboral de las empresas. El Capítulo 3 pretende aportar evidencia sobre esta cuestión, estudiando cómo el grado de digitalización, medido por el índice construido en el Capítulo 2, afecta a la demanda de empleo de las empresas. El primer objetivo de esta tesis es demostrar que las TD pueden ayudar las empresas manufactureras españolas a aumentar su competitividad en el mercado exterior. De hecho, las tecnologías de la información y la automatización están reconfigurando nuestra economía y, en particular, la organización de las empresas y su proceso de producción. Además, la difusión de las TD ha supuesto un avance hacia la globalización y el comercio internacional. La digitalización ha permitido la reducción de las barreras comerciales al disminuir los costes del comercio a través de diferentes canales (Venables, 2001). En primer lugar, las TD mejoran la transparencia del mercado, que es un requisito previo esencial para el intercambio, reduciendo así los costes de búsqueda, emparejamiento y comunicación entre consumidores y proveedores a nivel internacional (Hagsten, 2015). En segundo lugar, las TD pueden proporcionar a las empresas canales adicionales para la comercialización y las ventas, permitiéndoles llegar a un mayor número de clientes conectados digitalmente. Además, las TD permiten a las empresas externalizar sus insumos y organizar la producción de manera más eficiente, lo que se traduce en un aumento de la productividad (Fernandes et al., 2019). Las TD también pueden ayudar a las empresas a innovar y mejorar así su productividad (Brynjolfsson y Saunders, 2009). Este aumento de la productividad puede inducir a las empresas a exportar o a aumentar sus ventas en el extranjero (Bernard y Jensen, 1999). Estos beneficios potenciales de la transformación digital pueden ser aún mayores para las PYMEs, ya que puede contribuir a reducir los costes de internacionalización relacionados con su tamaño y la dificultad que estas tienen para comprometer recursos financieros y humanos. Sin embargo, a pesar de tener un efecto positivo en el comercio, como vamos a ver en los Capítulos 1 y 2, el impacto de la digitalización en el empleo es más incierto. El segundo objetico de esta tesis es determinar si la digitalización influye negativamente en la demanda de empleo, y a quién beneficia, o, por el contrario, quién se ve más afectado por la transformación digital. Sin duda, la introducción de nuevas tecnologías es potencialmente perturbadora para determinadas ocupaciones, ya que es probable que algunas sean sustituidas por máquinas. Sin embargo, esta sustitución potencial crea nuevos trabajos en los que se necesitan personas. Esto es lo que Schumpeter (2013) describe como destrucción creativa. No obstante, nuevas tecnologías, como la robotización, tienen el potencial de ser más perturbadoras, ya que pueden realizar tareas que requieren habilidades humanas. La digitalización, y más concretamente las tecnologías de automatización, pueden sustituir al ser humano en sus tareas. A ello nos referiremos como efecto potencial de sustitución. A su vez, la digitalización permite a las empresas llegar a más compradores y ampliar su mercado, como se ha demostrado anteriormente en los Capítulos 1 y 2, y, por tanto, ampliar su demanda. A ello nos referiremos como el efecto escala de la demanda. Por último, a través del efecto productividad, las TD permiten a las empresas organizar su producción de forma más eficiente, aumentar su productividad y, por tanto, incrementar la demanda de trabajo. Para ver si el impacto de la digitalización en el empleo es positivo o negativo, tenemos que saber qué efecto domina. Este es el objetivo del último capítulo. Para alcanzar dichos objetivos, utilizaremos la base de datos de la Encuesta sobre Estrategias Empresariales (ESEE). es una base de datos de panel anual realizada desde 1990 y que es representativa de la población de empresas manufactureras españolas con diez o más empleados. Está patrocinada por el Ministerio de Industria, Turismo y Comercio de España y gestionada por la Fundación SEPI. La ESEE proporciona información sobre las estrategias de las empresas, es decir, las decisiones que éstas toman en relación con sus competidores. El cuestionario incluye información sobre la actividad de la empresa, productos y procesos de fabricación, clientes y proveedores, costes y precios, mercados, datos contables y, para los objetivos de esta investigación, información sobre actividades tecnológicas, comercio exterior y empleo. En el Capítulo 1, nos centramos en primer lugar en el uso de las TIC y su papel en las actividades exportadoras de las empresas manufactureras españolas. El análisis se realiza a partir de datos a nivel de empresa extraídos de la ESEE, que proporciona información sobre las empresas manufactureras españolas entre 1990 y 2014. Sin embargo, dado que sólo se dispone de información del uso de aplicaciones TIC desde el año 2000, el periodo de análisis en el Capítulo 1 abarca desde 2000 hasta 2014. En este primer capítulo, nos centramos en el uso de las TIC, y para ello consideramos las respuestas a las siguientes preguntas de la ESEE: si las empresas tienen página web; si venden en línea a otras empresas o a consumidores finales; y si compran bienes o servicios en línea. Se considera que una empresa es usuaria de las TIC si responde afirmativamente a alguna de las preguntas anteriores. Esta información, junto con la información sobre si la empresa es exportadora o no, nos permitirá estudiar la relación entre el uso de las TIC y la probabilidad de exportar. También exploramos el impacto del uso de las TIC en la intensidad de las exportaciones, es decir, la proporción de ventas en el extranjero sobre el total. Además, el impacto de las TIC sobre las exportaciones se divide en dos efectos distintos, un efecto directo y un efecto indirecto. El primero es simplemente el efecto escala de la demanda derivado del uso de las TIC sobre la probabilidad de exportar, mientras que el segundo es el efecto de las TIC sobre las exportaciones a través de las mejoras en la productividad total de los factores (PTF). Al utilizar un proceso de Markov endógeno en la estimación de la PTF, permitimos que las TIC influyan en la productividad. Para la existencia del efecto indirecto, las TIC deben tener un impacto significativo y positivo en la PTF y la misma condición debe cumplirse para el efecto de la PTF en las exportaciones. En el primer capítulo, el modelo utilizado para estimar los efectos directos e indirectos del uso de las TIC en la propensión a exportar se basa en el modelo de Roberts y Tybout (1997). En consecuencia, las empresas deciden exportar cuando los ingresos actuales y previstos superan los costes actuales, incluidos los costes de entrada irrecuperables que vienen recogidos por la situación de exportación de la empresa en el período anterior. Esto implica el uso de una especificación dinámica para modelizar la participación en las exportaciones. Así, suponemos que la empresa decide exportar si el valor actual esperado de los beneficios de la exportación es positivo. En el modelo, incluimos el uso de las TIC, la PTF, la situación previa de exportación y un vector de variables explicativas que la literatura ha demostrado que explican el estatus exportador. Todas las variables están rezagadas un periodo para evitar problemas de simultaneidad. Además, consideramos el efecto no observado específico de la empresa, los efectos fijos de la industria y los efectos temporales. El efecto de otros determinantes inobservables específicos de la empresa y del periodo se resume en el término de error. Sin embargo, existe una preocupación en la estimación de este modelo debido al sesgo causado por el problema de la condición inicial (Heckman, 1981) y la correlación potencial entre el término de heterogeneidad no observada y las covariables. Para abordar simultáneamente estas cuestiones, seguimos a Wooldridge (2005), que sugiere modelar la heterogeneidad no observada como una función de la condición inicial, i.e., la primera observación de la variable dependiente (la propensión a exportar), y otras covariables. Por lo tanto, el término de heterogeneidad no observada se modela con las medias temporales de las variables de control que estén probablemente correlacionadas con él, i.e., las medias Mundlak-Chamberlain (Chamberlain, 1982; Mundlak, 1978). En este sentido, y para aliviar los problemas de correlación entre las covariables y sus medias temporales, seguimos a Semykina (2018). Ello implica asumir en la especificación de referencia que los efectos individuales no observados solo están correlacionados con las condiciones financieras internas y externas de la empresa y las condiciones de apropiabilidad. En el contexto actual, estas medias temporales pueden interpretarse como medidas de la estabilidad financiera de la empresa, que también pueden considerarse como aproximaciones de las características no observadas específicas de la empresa (por ejemplo, la calidad de la gestión). Para modelizar el efecto del uso de las TIC en la intensidad de las exportaciones, es necesario considerar la selección no aleatoria que lleva a algunas empresas a exportar, lo que es coherente con la hipótesis de autoselección. Para ello, estimamos un modelo dinámico Tipo II-Tobit con el procedimiento en dos etapas de Heckman, que permite que los dos procesos, la selección en la exportación y la intensidad, estén correlacionados (Heckman, 1979). La identificación del modelo requiere una restricción de exclusión, es decir, debe identificarse al menos un factor que influya en la participación en las exportaciones, pero no en su intensidad. Utilizamos el estado de exportación anterior como restricción de exclusión sobre la base de que es una variable sustitutiva de los costes irrecuperables de entrar en mercados extranjeros y, por lo tanto, solo afecta al margen extensivo (Brancati et al., 2018). Nuestros resultados sugieren que las empresas que utilizan las TIC experimentan un aumento directo de la probabilidad de exportar, pero no de la intensidad exportadora. No obstante, la intensidad exportadora aumenta con las TIC debido a las ganancias de productividad (por el canal indirecto de la PTF). Sin embargo, estos resultados varían según el tamaño de la empresa y el sector. En cuanto al tamaño, observamos que las PYMEs se benefician directamente de las TIC para participar en los mercados extranjeros y, una vez que ya están en estos mercados, se benefician indirectamente, a través de la PTF, al aumentar su cuota de exportación. Las grandes empresas, por el contrario, sólo se benefician a través de las ganancias de PTF en el margen intensivo. Además, el uso de las TIC, y en particular la existencia de una página web, parece influir positivamente en la decisión de exportar o no para las empresas de industrias poco digitalizadas, pero no tiene ningún efecto directo en las empresas de industrias muy digitalizadas. Por el contrario, las TIC en las industrias altamente digitalizadas fomentan la intensidad exportadora tanto directamente como a través del canal de la PTF. Los resultados del Capítulo 1 revelan que las PYMEs tienen más que ganar con el uso de las TIC. Esto, unido al hecho de que se enfrentan a más barreras para entrar en mercados internacionales, es la razón por la que en el Capítulo 2 nos centramos únicamente en este tipo de empresas. Aquí, en lugar de centrarnos únicamente en las TIC, ampliamos el análisis para considerar otras dimensiones de la transformación digital. Por lo tanto, utilizando también la ESEE, en el Capítulo 2 construimos un índice multidimensional de digitalización siguiendo a Calvino et al. (2018) con el objetivo de captar mejor este complejo fenómeno. A diferencia de Calvino et al. (2018), el índice de digitalización es a nivel de empresa. Este índice engloba un total de 13 componentes diferentes que representan cuatro dimensiones de la transformación digital. Estas dimensiones son los componentes tecnológicos, el capital humano relacionado con lo digital, el alcance de la automatización y la forma en que la digitalización cambia la forma en que las empresas interactúan con terceros. Así, en el Capítulo 2, se evalúa el impacto directo e indirecto (a través de la PTF) de la digitalización no sólo en la decisión de exportar, sino también de importar. Al utilizar un proceso de Markov endógeno para modelizar la PTF, como en el primer capítulo, permitimos que el índice de digitalización y el estatus exportador o importador de la empresa influyan en la productividad. Para estimar el efecto de la digitalización en la probabilidad de comerciar internacionalmente, procedemos con la misma metodología que en el Capítulo 1, con la excepción de que tenemos dos modelos, uno para la decisión de exportar y otro para la de importar. Procedemos estimando ambas decisiones de participación en los mercados extranjeros de forma simultánea (Elliott et al., 2019; Exposito y Sanchis-Llopis, 2020). Para ello utilizamos el Conditional Mixed Process (CMP) implementado por Roodman (2011). Los resultados del Capítulo 2 muestran que la digitalización facilita directamente tanto la participación en las exportaciones como en las importaciones. Además, nuestros resultados también aportan pruebas de un efecto indirecto de la digitalización a través de la productividad sobre la decisión de comerciar. El efecto directo parece ser mayor para las exportaciones que para las importaciones, mientras que esta observación se invierte cuando se considera el efecto indirecto. Los resultados de este capítulo también están sujetos a heterogeneidad. Curiosamente, las empresas pertenecientes a industrias poco digitalizadas parecen beneficiarse más de la digitalización que sus homólogas pertenecientes a industrias muy digitalizadas. Las empresas de sectores poco digitalizados, gracias a las TD, son capaces de adquirir una ventaja comparativa en comparación con las empresas que no adoptan las TD. Por último, para distinguir entre dos tipos diferentes de tecnologías, desglosamos el índice de digitalización en dos subíndices, el índice TIC y el índice de automatización. Es probable que las tecnologías TIC fragmenten el proceso de producción reduciendo algunos costes asociados a la distancia física y aumentando así el comercio. Las tecnologías de automatización pueden sustituir a personas en sus puestos de trabajo, relocalizar algunas tareas que antes se externalizaban al extranjero y, por tanto, reducir el comercio. Los resultados que obtenemos en este capítulo tienden a confirmar esta intuición. En efecto, las TIC tienen un efecto directo sobre la probabilidad de exportar e importar, mientras que la automatización no tiene ningún impacto. A pesar de los resultados positivos encontrados en los anteriores capítulos, la transformación digital también suscita preocupación por la automatización de los puestos de trabajo y el posible aumento del desempleo. Esto provoca un temor muy tangible entre los empleados cuyos puestos de trabajo se ven amenazados por las TD y constituye, por tanto, una importante cuestión social. Habiendo observado en los capítulos anteriores el aumento de la demanda y de la eficiencia debido a la adopción de la tecnología digital, nuestro objetivo en el Capítulo 3 es responder a la pregunta de si la digitalización reduce efectivamente el empleo en el caso concreto de las empresas manufactureras españolas. En el Capítulo 3, examinamos el efecto de la digitalización en la demanda laboral de las empresas. Para ello, de nuevo, utilizamos los datos de la ESEE y el índice de digitalización construido en el Capítulo 2. Como se mencionó anteriormente, argumentamos que la digitalización puede afectar al empleo a través de tres canales diferentes: el efecto escala de la demanda, el efecto sustitución potencial y el efecto productividad. En nuestro análisis, sin embargo, debido a la falta de datos sobre los precios de los activos digitales, no podemos disociar el efecto de sustitución potencial del efecto escala de la demanda. Esto implica que sólo podemos identificar una combinación de estos dos efectos, que denominamos efecto directo de la digitalización, y estimar cuál domina observando el signo del coeficiente. En nuestro modelo, para tener en cuenta la competencia imperfecta y la existencia de empresas que maximizan beneficios, seguimos el marco de Ortiz y Salas Fumás (2020) y, por tanto, consideramos el poder de mercado en la estimación de la demanda de empleo. Partimos de una función de producción Cobb-Douglas en la que la producción depende del capital, el trabajo y los insumos intermedios. Consideramos que la elasticidad de la producción con respecto a cada insumo toma valores entre 0 y 1. Además, se incorpora un parámetro que representa la eficiencia técnica del proceso de producción. De hecho, suponemos que la digitalización permite a las empresas externalizar los insumos de forma más eficiente, así como innovar (Tambe y Hitt, 2014). Por lo tanto, tener en cuenta el papel potencial de la digitalización en la mejora de la PTF implica modelizar la productividad como un proceso de Markov endógeno que permite que el índice de digitalización influya en la productividad, ya que pretendemos evaluar el impacto directo e indirecto (a través de la PTF) de la digitalización en la demanda laboral. A continuación, resolvemos el problema de maximización de beneficios de la empresa y obtenemos la demanda de trabajo. Aquí di esa demanda de trabajo de que depende Uno de los problemas a la hora de estimar la función de demanda de empleo, es la posible endogeneidad del índice de digitalización, que resolvemos con el método de variables instrumentales (VI). El enfoque de VI para estimar nuestro modelo se basa en un procedimiento de estimación por mínimos cuadrados en dos etapas (2SLS). Primero instrumentamos el índice de digitalización con su segundo retardo, que suponemos está correlacionado con el índice de digitalización, pero no con el término de error. Según la literatura, es habitual utilizar variables retardadas como instrumentos (por ejemplo, Cameron et al., 2005). En la primera etapa, realizamos una regresión del índice de digitalización sobre su segundo retardo y el resto de las variables de control utilizadas en el modelo de la segunda etapa utilizando una especificación de efectos fijos (EF). En la segunda etapa, los valores estimados del modelo de la primera etapa se utilizan en lugar de los valores originales del índice de digitalización para estimar un modelo de efectos fijos (EF) y evitar así cualquier problema de simultaneidad. Para examinar el impacto de la digitalización en la composición de la mano de obra, utilizamos la proporción de categorías de trabajadores como variable dependiente, con el mismo modelo presentado anteriormente. La variable dependiente representa los siguientes porcentajes respecto al empleo total: i) empleo no cualificado, ii) empleo cualificado, iii) empleo en la industria manufacturera, iv) trabajadores fijos y v) trabajadores temporales. El hecho de que la variable dependiente sea una proporción implica que los valores de la variable dependiente están acotados entre 0 y 1. Por lo tanto, un modelo de regresión lineal como mínimos cuadrados ordinarios no es apropiado (Kölling, 2020). En su lugar, utilizamos un modelo fraccional para datos de panel (Papke y Wooldridge, 2008; Wooldridge, 2010). Además, para controlar la endogeneidad potencial del índice de digitalización, seguimos a Kölling (2020) y aplicamos un enfoque de función de control (FC) y lo tratamos como un problema de variables omitidas (Wooldridge, 2015). La FC consta de dos pasos. En el primer paso, realizamos una regresión del índice de digitalización sobre el segundo retardo del índice de digitalización y las covariables del modelo empírico en un modelo de efectos fijos. En el segundo paso, el residuo de la regresión del primer paso se utiliza como una covariable adicional en función de trabajo para tener en cuenta los factores que pueden causar la correlación entre el índice de digitalización y el término de error. Nuestra estrategia de identificación reside en el hecho de que el grado de digitalización de hace dos periodos no influye en las decisiones actuales de las empresas sobre el empleo y sus componentes, excepto a través de la digitalización. Las conclusiones del Capítulo 3 muestran un efecto directo positivo, así como un efecto de productividad, de la digitalización sobre la demanda laboral de las empresas. Además, este efecto persiste cuando se considera la demanda, en términos absolutos, de trabajadores altamente cualificados, poco cualificados o en actividades manufactureras, lo que implica que la creación de tareas supera a su destrucción. Sin embargo, cuando analizamos los porcentajes en lugar de los valores absolutos, los resultados muestran diferencias importantes. Así, la proporción de trabajadores poco cualificados y en actividades de producción se ve afectada negativamente por la digitalización, al contrario que la proporción de trabajadores altamente cualificados, lo que aporta pruebas a favor del sesgo del cambio tecnológico hacia la mano de obra altamente cualificada. De hecho, las TD crean nuevas tareas en todos los niveles de cualificación, pero los empleos cualificados representan una mayor proporción del total de nuevos empleos creados que los no cualificados. Además, esto podría suscitar preocupaciones sobre las posibles desigualdades causadas por las disparidades salariales como consecuencia de este sesgo. Por último, al igual que en el Capítulo 2, desglosamos el índice de digitalización en dos subíndices, el índice de automatización y el índice TIC, para captar el posible impacto diferenciado de estas tecnologías. Mientras que las TIC afectan a la demanda laboral, la automatización no tiene un impacto significativo. Esto es coherente con el hecho de que es más probable que las TIC complementen a los trabajadores y que las tecnologías de automatización, como los robots, tiendan a sustituirlos. Las contribuciones a la literatura sobre comercio internacional y organización industrial a lo largo de esta tesis son múltiples. En primer lugar, en todos los capítulos estimamos no sólo el impacto directo de la digitalización en los resultados de las empresas (es decir, el comercio o el empleo), sino también el efecto indirecto a través de la productividad. Desde esta perspectiva, permitimos que la digitalización (o las TIC) afecten a la productividad futura mediante un proceso de Markov endógeno. En segundo lugar, en los Capítulos 1 y 2, modelizamos la participación en el mercado exterior utilizando un modelo dinámico para tener en cuenta las experiencias comerciales previas. En tercer lugar, en el Capítulo 2, estimamos las decisiones de exportar e importar simultáneamente para examinar la interdependencia de estas dos actividades. En cuarto lugar, en este capítulo introducimos el índice de digitalización, que es una de las principales contribuciones de esta tesis, ya que es, hasta donde sabemos, el primer estudio que construye un índice representativo de la transformación digital de las empresas manufactureras españolas. Este índice de digitalización, que también utilizamos en el Capítulo 3, engloba varias dimensiones de la transformación digital y nos permite captar este fenómeno de una forma más completa que utilizando indicadores aislados del fenómeno. Por último, en el Capítulo 3, seguimos el marco de Ortiz y Salas Fumás (2020) y consideramos empresas maximizadoras de beneficios. Esto implica estimar una función de demanda de trabajo que también depende de los determinantes de la demanda de productos, y, por tanto, del poder de mercado, los cuales no son relevantes bajo el enfoque estándar de minimización de costes. Los resultados obtenidos a lo largo de esta tesis pueden tener importantes implicaciones para la gestión empresarial. Las empresas, en particular las PYMEs, pueden aumentar sus probabilidades de exportar e importar adoptando las tecnologías de la información y la comunicación, en particular las aplicaciones TIC básicas como una página web, tal y como se muestra en el Capítulo 1 y Capítulo 2. La digitalización ayuda a las PYMEs a superar la desventaja de recursos que tienen en comparación con sus homólogas de mayor tamaño. En efecto, las tecnologías de la información permiten a las empresas reducir costes y dar a conocer sus productos en todo el mundo para llegar a más clientes. Además, como se ha visto en el Capítulo 3, el proceso de digitalización puede realizarse sin la preocupación de tener que reducir el empleo total a causa de la automatización de algunas tareas por las nuevas tecnologías. La destrucción de tareas sustituidas por máquinas se compensa con la creación de nuevas tareas que requieren el mismo tipo de competencias. Sin embargo, es importante precisar que, según nuestros resultados, los empleos cualificados se verán abocados a representar una mayor proporción del empleo total en detrimento de los empleos no cualificados. En cuanto a las recomendaciones de política pública, los resultados aquí presentados muestran claramente que la digitalización mejora la competitividad española en los mercados exteriores sin obstaculizar el empleo local. Por estas razones, se debería incentivar a las empresas para que avancen hacia un mayor nivel de digitalización. Subvenciones o desgravaciones fiscales animarían a las empresas a adoptar las TD y promoverían la transformación digital de la economía. Este apoyo gubernamental puede ser especialmente importante para las PYMEs, que están sometidas a una mayor presión financiera que las empresas más grandes y van rezagadas en cuanto a la integración de las nuevas tecnologías. En este sentido, se ha desarrollado el plan de digitalización de las PYMEs 2021-2025 para impulsar la digitalización básica y más innovadora de las PYMEs españolas. Estos incentivos podrían ayudar a las PYMEs a entrar en mercados extranjeros y ganar competitividad. Además, la digitalización tiene un efecto positivo general en el empleo de las empresas. Sin embargo, como se informó en el Capítulo 3, las TD están sesgadas hacia la mano de obra altamente cualificada, lo que podría aumentar desproporcionadamente su demanda, haciéndola más valiosa. En este sentido, según Juhn et al. (1993), cuando aumenta la demanda de cualificaciones, aumenta también el rendimiento de las mismas, y se profundizan las desigualdades salariales entre los trabajadores poco cualificados y los muy cualificados. Por lo tanto, deben ofrecerse cursos de formación en digitalización a la población activa para preparar la transición hacia estas nuevas tareas. En esta línea, el programa Next Generation de la Unión Europea ha puesto en marcha iniciativas para financiar cursos de formación en línea para mejorar las competencias digitales con el fin de ayudar a las PYMEs a aumentar su presencia en línea y hacer más accesible la educación en línea. A nivel nacional, la estrategia España Digital 2026 pretende invertir en infraestructuras, como la conectividad de banda ancha, la inteligencia artificial o el 5G, promover la digitalización de la economía, con especial atención a las PYMEs, y mejorar las competencias digitales de la población española. En general, la clave para apoyar la transformación digital de la economía es adoptar un enfoque holístico que tenga en cuenta las necesidades tanto de las empresas como de los trabajadores. Prestando apoyo a las empresas para que adopten tecnologías digitales y a los trabajadores para que adquieran las competencias que necesitan para tener éxito en la economía digital, los responsables políticos pueden contribuir a garantizar que los beneficios de la digitalización sean ampliamente compartidos y que la economía pueda seguir prosperando en la era digital. No obstante, esta tesis no está exenta de limitaciones que podrían aportar interesantes sugerencias para futuras investigaciones. Por ejemplo, los datos sobre el destino de las exportaciones y la procedencia de las importaciones nos permitirían verificar la hipótesis de la muerte de la distancia, en la que la transformación digital contribuye a eliminar las barreras geográficas tradicionales y hace más accesible exportar a países más lejanos e importar desde ellos. El índice de digitalización construido en el capítulo 2 recoge varias dimensiones de la transformación digital, así como numerosas TD, y es representativo del progreso tecnológico durante el periodo de análisis (2000-2014). Sin embargo, la información sobre las tecnologías de la Industria 4.0, como la IA, el aprendizaje automático, la impresión 3D, etc. nos permitiría captar la transformación digital de forma más exhaustiva y ver si su adopción ha permitido acelerar o ralentizar el proceso de globalización. Específicamente en el Capítulo 3, carecemos de datos sobre los precios de los activos, lo que nos permitiría desligar el efecto demanda-escala del potencial efecto sustitución de la TD sobre el empleo. Además, los datos no proporcionan información sobre diferentes ocupaciones o niveles de rutinización de las tareas laborales, que es un elemento importante para determinar qué grupos de trabajadores se ven más amenazados por la digitalización. Estos datos podrían utilizarse para ver si los trabajos rutinarios corren más riesgo de automatización que los no rutinarios. Además, los datos sobre el nivel de rutinización de las tareas podrían emparejarse con datos sobre los niveles de cualificación para detectar si los trabajos rutinarios tienen más probabilidades de ser automatizados, aunque requieran una elevada cualificación.