Índice de automatización
¿Cuánto del trabajo de un Historiador puede hacer ya la IA?
Un corpus y una cronología se adelantan. Ir al archivo, leer la letra y decidir qué es un hecho no.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Historiador
25%
Hoy la IA ya puede hacer el 25% de este trabajo.
#227 / 633
Ver rankingHistoriador
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 |
|---|---|---|---|
Buscar, transcribir y ordenar fuentes.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 20% | 45% | +9 |
Redactar capítulos, fichas y bibliografía.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 38% | +6.8 |
Trabajo de archivo y crítica de fuente.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 15% | +2.7 |
Argumentar tesis y discutir con pares.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 12% | +1.9 |
Docencia, divulgación y museos.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 16% | +2.2 |
Elegir el recorte y la pregunta.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 14% | +2 |
| Total | 100% | 25% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- Buscar, transcribir y ordenar fuentes
- Redactar capítulos, fichas y bibliografía
- Trabajo de archivo y crítica de fuente
- Argumentar tesis y discutir con pares
- Docencia, divulgación y museos
- Elegir el recorte y la pregunta
- historiador
- historian
Fuentes del oficio· O*NET 19-3093.00· ESCO/ISCO 2633
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