Metodología pública
Estimamos qué porcentaje del tiempo de trabajo humano puede ahorrarse hoy con IA sin bajar la calidad.
AI WORK SCORE
score = Σ (peso × ahorro)
Los pesos suman el 100 % de la jornada. El porcentaje final sale de la fórmula; no se introduce a mano.
30% de la jornada
80% de ahorro con IA
24 puntos
Qué mide
Si una tarea lleva 100 minutos y la IA actual permite hacerla en 20 manteniendo la misma calidad, el ahorro de esa tarea es del 80 %. El oficio es la suma de esas tareas según el peso de cada una en la semana.
Qué no mide
No dice si te van a despedir. No estima cuántos empleos desaparecen. No es “la IA puede ayudar un poco”. Un corrector de dos minutos no convierte un oficio en 80 %.
Tareas
Las tareas salen de O*NET. O*NET no publica qué porcentaje de la jornada ocupa cada tarea. Importancia (IM) no es tiempo; no la usamos como peso. Frecuencia (FT) dice cómo de a menudo se hace, no cuánto dura. Convertimos FT en tiempo relativo y lo normalizamos a 100 %: eso es una estimación nuestra, no un “peso O*NET”. Una ficha = un código O*NET. “Programador junior” es Computer Programmers (15-1251.00), no Software Developers genérico. El ahorro se estima por separado y nunca se ajusta para hacer encajar el porcentaje final.
Origen
Pública: O*NET, ESCO, benchmarks (SWE-bench, LiveCodeBench…), datasets, papers, estadísticas. La evidencia pública debe incluir una fuente. Estimación: no hay fuente bastante precisa. Pública + estimación = 100 % de la jornada. Las pruebas propias solo se incorporarán cuando tengamos resultados suficientes para publicarlas.
Confianza
Alta: la mayor parte de la jornada modelada está respaldada por evidencia pública reciente. Media: mezcla. Baja: casi todo es estimación. No es una probabilidad científica.
Fuentes
O*NET y ESCO describen el trabajo. Los benchmarks y papers dicen qué puede hacer ya una IA. En cada ficha verás el código O*NET y ESCO/ISCO cuando lo tenemos, y en cada tarea un “Ver evidencia” si hay URL.
SE PUBLICA
NO SE PUBLICA