Índice de automatización
¿Cuánto del trabajo de un Gobernanta puede hacer ya la IA?
Un planning y un checklist se adelantan. Que cien habitaciones salgan a tiempo no.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Gobernanta
21%
Hoy la IA ya puede hacer el 21% de este trabajo.
#422 / 633
Ver rankingGobernanta
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 |
|---|---|---|---|
Planning, checklists y partes de lencería.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 40% | +7.2 |
Rondas, estándares y habitaciones VIP.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 14% | +2.5 |
Equipo de pisos, turnos y conflictos.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 22% | +3.5 |
Recepción, mantenimiento y quejas.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 18% | +2.9 |
Inventario, minibar y lost & found.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 16% | +2.6 |
No entregar una habitación sucia a un cliente.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 14% | +2.2 |
| Total | 100% | 21% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- Planning, checklists y partes de lencería
- Rondas, estándares y habitaciones VIP
- Equipo de pisos, turnos y conflictos
- Recepción, mantenimiento y quejas
- Inventario, minibar y lost & found
- gobernanta
- ama de llaves
- executive housekeeper
Fuentes del oficio· O*NET 37-1011.00· ESCO/ISCO 5151
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