Índice de automatización
¿Cuánto del trabajo de un Examinador de tráfico puede hacer ya la IA?
Una ficha de recorrido se adelanta. Decidir el apto en el asiento del copiloto no.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Examinador de tráfico
21%
Hoy la IA ya puede hacer el 21% de este trabajo.
#417 / 633
Ver rankingExaminador de tráfico
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 |
|---|---|---|---|
Recorrido, ficha y el sorteo del día.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 36% | +5.8 |
El examen, el fallo eliminatorio y el que se pone nervioso.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 22% | 10% | +2.2 |
Apto o no, el informe y no discutir en caliente.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 28% | +4.5 |
Autoescuela, el coche y el instructor en la acera.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 22% | +3.5 |
La lluvia, el tráfico y el mismo criterio.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 18% | +2.9 |
El apto justo y no regalar el carné.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 12% | +1.7 |
| Total | 100% | 21% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- recorridos de examen
- fallos eliminatorios
- apto de conducir
- informes de examen
- criterio único
- autoescuelas
- nervios del alumno
- carnet
Fuentes del oficio· O*NET 13-1041.00· ESCO/ISCO 3359
IS WORK OVER?
Ingeniero de machine learning
29%
#64 / 633
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