Índice de automatización
¿Cuánto del trabajo de un Militar puede hacer ya la IA?
Un parte y un plan de instrucción se adelantan. Cargar, obedecer y no disparar de más no.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Militar
14%
Hoy la IA ya puede hacer el 14% de este trabajo.
#638 / 643
Ver rankingMilitar
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 |
|---|---|---|---|
Partes, órdenes escritas y logística de papel.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 32% | +5.1 |
Instrucción teórica y simuladores.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 22% | +3.1 |
Instrucción física, armas y campo.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 22% | 6% | +1.3 |
Operaciones, guardia y despliegue.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 8% | +1.4 |
Vida de unidad, disciplina y compañeros.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 10% | +1.6 |
Mandar o ser mandado en un incidente real.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 12% | +1.7 |
| Total | 100% | 14% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- Instrucción teórica y simuladores
- Operaciones, guardia y despliegue
- Vida de unidad, disciplina y compañeros
- Mandar o ser mandado en un incidente real
- militar
- soldado
- soldier
- ejercito
Fuentes del oficio· O*NET 55-1011.00· ESCO/ISCO 0110
IS WORK OVER?
Ingeniero de machine learning
29%
#64 / 643
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