Índice de automatización
¿Cuánto del trabajo de un Bailarín puede hacer ya la IA?
Un vídeo y una marca se adelantan. El cuerpo ocho pases y que no se rompa no.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Bailarín
16%
Hoy la IA ya puede hacer el 16% de este trabajo.
#609 / 643
Ver rankingBailarín
En qué se va el tiempo
El peso es una estimación nuestra basada en la frecuencia, no un porcentaje de tiempo publicado por O*NET.
El ahorro de cada tarea se estima por separado.
| Tarea | Peso | IA | Puntos |
|---|---|---|---|
Aprender, marcar y memorizar.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 28% | +4.5 |
Ensayar y actuar.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 24% | 6% | +1.4 |
Cuerpo, fisioterapia y descanso.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 12% | +1.9 |
Casting, agentes y vida entre contratos.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 22% | +3.5 |
Compañía, ego y gira.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 18% | +2.5 |
No bailar lesionado por callar.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 14% | +2 |
| Total | 100% | 16% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- Aprender, marcar y memorizar
- Ensayar y actuar
- Cuerpo, fisioterapia y descanso
- Casting, agentes y vida entre contratos
- Compañía, ego y gira
- No bailar lesionado por callar
- bailarin
- bailarina
- dancer
Fuentes del oficio· O*NET 27-2031.00· ESCO/ISCO 2653
IS WORK OVER?
Ingeniero de machine learning
29%
#64 / 643
Ver rankingIngeniero de machine learning
En qué se va el tiempo
El peso es una estimación nuestra basada en la frecuencia, no un porcentaje de tiempo publicado por O*NET.
El ahorro de cada tarea se estima por separado.
| Tarea | Peso | IA | Puntos |
|---|---|---|---|
Entrenar modelos, features y notebooks.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 22% | 48% | +10.6 |
Evaluar, documentar y comparar runs.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 42% | +7.6 |
Desplegar, monitorizar y retraining.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 22% | +3.5 |
Hablar con producto sobre qué es un buen error.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 15% | +2.4 |
Datos sucios, sesgo y límites del modelo.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 18% | +2.5 |
Guardia, incidencias y rollback.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 16% | +2.2 |
| Total | 100% | 29% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- Entrenar modelos, features y notebooks
- Evaluar, documentar y comparar runs
- Desplegar, monitorizar y retraining
- Datos sucios, sesgo y límites del modelo
- Guardia, incidencias y rollback
- machine learning engineer
- ingeniero ml
- mlops
Fuentes del oficio· O*NET 15-1221.00· ESCO/ISCO 2511