Índice de automatización
¿Cuánto del trabajo de un Panadero puede hacer ya la IA?
La receta y el pedido se apuntan solos. Amasar a las cuatro, oler la masa y sacar el horno no.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Panadero
16%
Hoy la IA ya puede hacer el 16% de este trabajo.
#618 / 643
Ver rankingPanadero
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 |
|---|---|---|---|
Pedidos, recetas y control de stock de harina.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 30% | +4.8 |
Amasar, fermentar y formar.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 22% | 10% | +2.2 |
Hornear, enfriar y presentar.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 20% | 12% | +2.4 |
Turno de mostrador y caja de madrugada.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 18% | +2.5 |
Limpieza, higiene y mantenimiento del horno.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 15% | +2.1 |
Ajustar receta al clima y a la harina del día.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 16% | +2.2 |
| Total | 100% | 16% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- cocinar
- mise en place
- platos
- hornear
- Amasar, fermentar y formar
- Hornear, enfriar y presentar
- Turno de mostrador y caja de madrugada
- panader
- baker
- hornero
Fuentes del oficio· O*NET 51-3011.00· ESCO/ISCO 7512
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