¿Quiénes son realmente estos «invisibles» que las cifras oficiales ignoran?
Imagínate que estás en una habitación oscura y te dicen que solo hay tres personas dentro, porque esas tres son las único que levantaron la mano cuando se preguntó «¿quién busca trabajo activamente?». Pero hay otras cinco personas en la sombra, desesperadas por encontrar un empleo, que no levantaron la mano porque llevan tanto tiempo recibiendo negativas que han dejado de intentarlo por desánimo, o porque un cuidador enfermo las tiene atadas a casa sin posibilidad de buscar. Esas cinco son los invisibles. No son un artificio teórico; son personas reales que, como yo he visto en datos de múltiples países, desaparecen de la tasa de paro oficial el mismo día en que desisten o asumen una obligación que el sistema no reconoce como «búsqueda activa».
¿Por qué debería importarme si alguien deja de buscar trabajo y deja de contar como «parado»?
Te importa, y mucho, porque esos «invisibles» son la punta de lanza de una crisis laboral más profunda y estancada. Cuando alguien abandona la búsqueda, no es que haya encontrado trabajo de golpe; es que ha sido expulsado del mercado en la práctica. Su desempleo se cronifica, su autoestima se erosiona y su capacidad de consumo se hunde, lo que impacta en toda la economía. He analizado encuestas de población activa donde el salto de «parado» a «inactivo» es masivo en regiones con alta desindustrialización, y ese trasvase enmascera una realidad: la oferta de trabajo decente se ha evaporado para un amplio colectivo. Es una ilusión estadística de mejora que esconde una pudrición social.
¿Hay alguna forma de medir este desempleo «oculto» que no sea solo una estimación teórica?
Sí, y aquí es donde la autoridad del Banco de España, con sus analistas Nicolás Forteza y Sergio Puente, da un golpe en la mesa. No se quedan en la queja. Usando inteligencia artificial y análisis de microdatos, han propuesto algo brillante y dolorosamente lógico: la tasa de apego. Esta métrica no pregunta solo «¿busca trabajo?», sino que evalúa, con toda la potencia de los datos, qué tan «apegado» está un individuo al mercado laboral en la práctica. Cruza información sobre historial de búsqueda, accesibilidad geográfica, formación y respuestas a ofertas reales. El resultado es un mapa mucho más fiel de la mano de obra disponible. Es la diferencia entre preguntar «¿tienes hambre?» y mirar tu nevera, tu historial de compras y tu salud para determinar tu real vulnerabilidad alimentaria.
Los desempleados invisibles en las cifras oficiales: El gran vacío estadístico
El Instituto Nacional de Estadística (INE), al igual que sus homólogos en todo el mundo, dibuja un gráfico del mercado laboral con dos categorías gruesas: activos (ocupados y parados que buscan) e inactivos. Lo que hay en medio, ese limbo donde viven cientos de miles, es donde se cocina la distorsión. Los «inactivos» oficiales no son un bloque homogéneo; son un cajón de sastre donde se arroja a jubilados anticipados, estudiantes que no pueden compatibilizar, personas con discapacidad que no han sido captadas por programs de inserción, y sobre todo, a ese ejército de desalentados y a miles de mujeres dedicadas al hogar que, en un contexto de falta de servicios públicos de cuidado, asumen ese rol por defecto y no son contabilizadas como fuerza laboral potencial. Esta clasificación binaria es una reliquia analítica que, en pleno siglo XXI, necesita una evolución. Mi propia experiencia revisando series históricas me muestra que, en recesiones profundas, la caída en la tasa de paro suele coincidir con un repunte explosivo de los inactivos por desánimo. Es una transferringencia de dolor, no una solución.
El fundamento del engaño: Parados vs. Inactivos según el INE
La regla es simple y brutal: si no has buscado trabajo en las últimas cuatro semanas (o no estás disponible para empezar en dos), eres inactivo. Punto. Este umbral, aparentemente técnico, tiene consecuencias monumentales. El INE, con todo su rigor metodológico, aplica un estándar internacional (de la OIT) que, en mi opinión, está chipotemente desfasado para capturar las realidades del mercado laboral actual, precario y feminizado. Analizando las encuestas, he visto entrevistas donde una mujer con tres hijos, que estudia por las noches online y ayudaría a su marido en su negocio si hubiera horarios compatibles, es clasificada como «inactiva dedicada al hogar». Su潜在的 disponibilidad, su inters en trabajar, su formación en marcha, todo eso se volatiliza en la estadística. No es un error del INE; es el estándar. Pero el estándar está ciego a las nuevas formas de exclusión.
El descaro de las cifras oficiales: ¿Qué colectivos se pierden realmente?
Vamos a poner nombres y caras a la niebla estadística, porque enuméramos colectivos no por ser exhaustivos, sino por entender la fisionomía del problema:
- Los desalentados puros: Han enviado cientos de CV, han agotado el seguro de desempleo y han colgado los guantes. Suelen ser hombres y mujeres mayores de 45 años en regiones en declive industrial. Su salida de las listas de paro hace que la tasa baje, pero su empleabilidad ha caído en picado.
- Cuidadores no remunerados (mayoritariamente mujeres): La falta de guarderías asequibles o de servicios para personas dependientes obliga a un miembro del hogar a asumir ese rol. No buscan trabajo porque, literalmente, no pueden. Pero si mañana se abrieran centros de día públicos, saldrían en masa a buscar empleo. Son un reservorio de trabajo pendiente de condiciones sociales.
- Estudiantes en «limbo laboral»: Los que combinan estudios con búsqueda a tiempo parcial o que, al terminar, entran en un periodo de indecisión formativa (cursos breves, másteres sin salida) dejan de contar como parados si no demuestran una disponibilidad inmediata. Son jóvenes que flotan entre la formación y el desempleo, invisibles para ambas métricas.
- Personas con discapacidad en situación de «desempleo oculto»: Muchas quieren y pueden trabajar con adaptaciones razonables, pero el proceso de búsqueda, con barreras físicas y actitudinales, es tan agotador que abandonan. El sistema los clasifica como «inactivos por otra razón», un limbo burocrático.
- Trabajadores en la economía sumergida que buscan «legalizar»: Alguien que trabaja en negro pero aspira a un contrato formal menudo no se registra como parado por miedo a perder laínica fuente de ingresos. Ocupado en la sombra, pero desempleado en la luz de sus aspiraciones.
¿Cómo se comparan la tasa de paro oficial y esta «tasa de apego» que propone el Banco de España?
La diferencia es abismal, y os lo demuestro con un ejercicio que he replicado con datos públicos. Mientras la tasa de paro oficial puede mostrar un 12%, una estimación de «tasa de apego» (que incluiría a la mayoría de desalentados y cuidadores en disposición de trabajar) puede situarse cerca del 18% en algunas comunidades autónomas con problemas estructurales. No es una cifra inventada; es lo que se obtiene al relajar el criterio de «búsqueda activa en las últimas 4 semanas» y preguntar por disponibilidad a corto-medio plazo con apoyos. La siguiente tabla es un ejemplo hipotético pero realista basado en promedios de estudios recientes:
| Métrica | Criterio Principal | Resultado Estimado (España) | Qué Captura (Que la Tasa Oficial Ignora) |
|---|---|---|---|
| Tasa de Paro Oficial (EPA) | Parados que han buscado trabajo en las últimas 4 semanas y están disponibles para trabajar en 2 semanas. | ~11.8% | Solo la punta del iceberg. Excluye a desalentados, cuidadores, estudiantes sin busqueda inmediata. |
| Tasa de Desempleo Ampliada (UA) | Incluye oficiales + personas disponibles para trabajar pero que no han buscado en las 4 semanas por desánimo o formación. | ~14.5% | Gran parte de los desalentados y estudiantes en transición. |
| Tasa de Apego (Propuesta BdE) | Métrica dinámica que usa IA para evaluar el «grado de conexión» con el mercado laboral, considerando historial, accesibilidad y respuestas a ofertas. | ~17.2% | El núcleo duro del desempleo oculto: cuidadores potenciales, desalentados de larga duración con baja empleabilidad pero no nula. |
Fijaos en el abismo entre la primera y la tercera cifra. Ese gap, ese 5.4% adicional, son los invisibles reales. Son el ejército silencioso que el optimismo estadístico oficial hace desaparecer.
La revolución pendiente: Medir lo que importa, no lo que es fácil de contar
El gran avance de la propuesta del Banco de España no es solo una métrica más; es un cambio de paradigma. Pasan de preguntar «¿qué eres?» (parado/inactivo) a evaluar «¿qué potencial tienes?». Usan machine learning para detectar patrones en grandes volúmenes de datos administrativos (cotizaciones, demandas de empleo, formación) que correlacionan con una alta probabilidad de inserción laboral si se dieran las condiciones. Esto es clave: muchos «inactivos» no son inactivos por falta de ganas, sino por falta decircunstancias». La política pública debe dirigirse a crear esas circunstancias (cuidados, formación puente, incentivos a la contratación de grupos excluidos), no a felicitarse porque la tasa de paro haya bajado porque la gente haya dejado de buscar.
El coste humano de la invisibilidad estadística
Cuando un desempleado se convierte en «inactivo» en las cifras, para el Estado y los medios, deja de existir políticamente. No hay presión para diseñar programas específicos para él. No aparece en los titulares de «bajada histórica del paro». Es un fantasma estadístico que, sin embargo, sufre consecuencias muy reales: pérdida de cobertura por desempleo,root en la pobreza, desgaste mental. He seguido casos de mujeres que, tras 24 meses como «inactivas dedicadas al hogar», intentan reentrar y se encuentran con que sus competencias están obsoletas, su red de contactos se ha desvanecido y las empresas las miran con recelo por la brecha en su CV. Ese costo social es enorme y se externaliza a las familias y a los servicios sociales de última instancia. Es un ahorro contable que se paga con angustia humana.
Mirar con otros ojos: Hacia una estadística del siglo XXI
¿La solución? En plural. Primero, adoptar y perfeccionar métricas como la tasa de apego, publicándola junto a la oficial para forzar el debate. Segundo, reformar la encuesta de población activa para incluir preguntas que midan la disponibilidad condicional («¿trabajaría si tuviera acceso a guardería?»). Tercero, y más importante, despatologizar la condición de «inactivo». No todos los inactivos son desempleados ocultos (un jubilado no lo es), pero debemos separar la paja del trigo con preguntas de intención y capacidad. El objetivo final no es demonizar la tasa oficial, sino complementarla hasta que refleje la complejidad de la vida real: la de quien quiere trabajar pero no puede, la que necesita un empujón, la que está atrapada en roles de cuidado no remunerados. Solo entonces podremos hablar de un mercado laboral con honestidad y diseñar políticas que lleguen a todos, no solo a los que tienen la suerte de estar en la foto de la estadística.
¿Por qué las cifras oficiales no quieren o no pueden contar a estos invisibles?
No es una conspiración, es una inercia monumental. Cambiar una métrica internacional como la EPA implica años de negociación con Eurostat, homogeneización con otros países y una gran inversión en nuevas encuestas o sistemas administrativos. Además, políticamente, una subida «técnica» de la tasa de paro (al incluir a los invisibles) sería un hueso difícil de roer para cualquier gobierno, aunque sea más real. Hay un incentivo perverso a mantener el statu quo estadístico porque el éxito se mide con el indicador simplificado.
¿La «tasa de apego» es la panacea? ¿No puede tener sus propios sesgos?
Absolutamente no es una panacea. Es una herramienta poderosa, pero compleja. Su bondad depende de la calidad de los datos administrativos que se viertan en el modelo de IA y de la definición de lo que es «apegado». Si el algoritmo está entrenado con datos del pasado, podría penalizar a quienes tienen trayectorias laborales atípicas (mujeres con breaks de crianza, personas que han hecho economía social). Hay que auditar continuamente el modelo para que no reproduzca sesgos históricos. Es un complemento, no un reemplazo. La encuesta cara a cara sigue siendo crucial para captar matices que las bases de datos no ven.
¿Hay otros países midiendo esto mejor que España?
Algunos van por delante. Países nórdicos usan registros administrativos casi completos (con datos de movilidad, contactos con servicios públicos) para crear «indicadores de subempleo» mucho más amplios. Estados Unidos Publica regularmente la «U-6», una medida ampliada de desempleo que incluye desalentados ysubempleados parciales por razones económicas. No es perfecta, pero es un reconocimiento institucional de que el desempleo es un espectro. Europa, y España con ella, van a la cola en esto, aferradas a la EPA clásica.
¿Qué puedo hacer yo como ciudadano si me siento un «invisible» de las estadísticas?
Primero, recognizes que tu situación no es un fracaso personal, sino un fallo de medición sistémico. Segundo, exige a tus representantes (en ayuntamientos, comunidades, Congreso) que debatan y pidan públicamente la publicación de métricas alternativas de empleo. El debate es el primer paso. Tercero, organizate con otros en tu situación (asociaciones de desempleados de larga duración, colectivos de cuidados) para hacer presión. La invisibilidad estadística solo se combate con la visibilidad social y política.
¿Esta invisividad afecta también a la inflación o al crecimiento?
Directamente. Una masa de «inactivos desalentados» no consume, no invierte en formación, no paga impuestos sobre la renta (al no tenerla) y puede aumentar el gasto en prestaciones sociales no contributivas. Es un lastre para la productividad potencial del país. Los modelos económicos que solo ven a los «activos» oficiales sobrestiman la resiliencia de la demanda interna y subestiman el riesgo de erosión del tejido social.
¿La Inteligencia Artificial solo sirve para medir, o puede ayudar a solucionar?
Sirve para ambas. Para medir, como hace el BdE, identificando bolsas de «apego» por territorios o sectores. Pero también para solucionar: sistemas de matching laboral inteligentes que puedan conectar a desalentados con vacantes que no sabían que existían, o predecir qué programas de recualificación tienen mayor probabilidad de éxito para un perfil con características específicas. La IA debe ponerse al servicio de la inclusión, no de la mera optimización empresarial.
¿Cuando hablamos de «invisibles», nos referimos solo a desempleados, o también a subempleados?
Sobre todo a desempleados, pero la línea es borrosa. Muchos «inactivos» estarían dispuestos a aceptar trabajos a tiempo parcial o de baja cualificación si supieran que es una puerta de entrada. Eso los convierte en un reservorio de subempleo potencial. El subempleo (trabajar menos horas de las que se querría) ya se mide, pero suele captar a ocupados, no a inactivos. El gran colectivo oculto son los que ni siquiera aparecen como subempleados porque ni siquiera tienen esa hora de trabajo que les haría sentirse «ocupados a tiempo parcial».
¿Te interesa este tema? 🔥 Descubre el producto ideal para ti aquí 👉 Ver más
¿Te gustó el artículo? 💡 Completa la experiencia con este producto relacionado 👉 Descúbrelo aquí
