Índice de automatización
¿Cuánto del trabajo de un Diseñador UX puede hacer ya la IA?
Hoy una inteligencia artificial ya puede generar variantes y montar un primer corte. Decidir qué funciona, qué se publica y por qué sigue siendo trabajo de dirección.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Diseñador UX
46%
Hoy la IA ya puede hacer el 46% de este trabajo.
#3 / 623
Ver rankingDiseñador UX
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 |
|---|---|---|---|
Flujos y wireframesEstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 35% | 70% | +24.5 |
Tests y síntesisEstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 25% | 50% | +12.5 |
Sistema y criterioEstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 25% | 25% | +6.3 |
Workshops con equipoEstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 15% | 15% | +2.3 |
| Total | 100% | 46% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- diseñar interfaces
- prototipos
- figma
- trabajar de forma ergonómica
- comprender conceptos artísticos
- analizar partituras
- proyectar el plan de iluminación
- evaluar las necesidades energéticas
- analizar la escenografía
- utilizar software de diseño especializado
Fuentes del oficio· O*NET 15-1255.00· ESCO/ISCO 2166
IS WORK OVER?
Ingeniero de machine learning
29%
#64 / 623
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