Índice de automatización
¿Cuánto del trabajo de un Ingeniero ambiental puede hacer ya la IA?
Un modelo de vertido se adelanta. Que la planta cumpla y no envenene el río no.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Ingeniero ambiental
25%
Hoy la IA ya puede hacer el 25% de este trabajo.
#229 / 633
Ver rankingIngeniero ambiental
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 |
|---|---|---|---|
Modelar emisiones, vertidos y ruidos.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 48% | +8.6 |
Estudios de impacto, autorizaciones y pliegos.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 32% | +5.1 |
Campo, muestreos y plantas de tratamiento.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 22% | +3.5 |
Administración, público y alegaciones.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 18% | +2.9 |
Normativa, informes y seguimiento.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 16% | +2.9 |
No maquillar un dato ambiental.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 14% | +2.2 |
| Total | 100% | 25% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- Modelar emisiones, vertidos y ruidos
- Campo, muestreos y plantas de tratamiento
- Administración, público y alegaciones
- Normativa, informes y seguimiento
- No maquillar un dato ambiental
- ingeniero ambiental
- environmental engineer
Fuentes del oficio· O*NET 17-2081.00· ESCO/ISCO 2143
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