Índice de automatización
¿Cuánto del trabajo de un Policía puede hacer ya la IA?
Redactar un atestado y cruzar bases ya se acelera. Parar a alguien, leer una calle y disparar o no disparar no lo hace un modelo.
Este porcentaje no predice cuántas personas perderán su empleo.
Comparación de tareas
IS WORK OVER?
Policía
17%
Hoy la IA ya puede hacer el 17% de este trabajo.
#607 / 643
Ver rankingPolicía
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 |
|---|---|---|---|
Redactar atestados, denuncias y partes de servicio.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 35% | +6.3 |
Consultar antecedentes, cámaras y bases internas.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 14% | 30% | +4.2 |
Patrulla, presencia y disuasión en calle.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 8% | +1.4 |
Detenciones, identificaciones y uso de la fuerza.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 18% | 6% | +1.1 |
Atención a víctimas y mediación en conflictos.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 10% | +1.6 |
Declarar en juicio y coordinar con fiscalía.EstimaciónNo hay una cifra pública precisa. Es una estimación propia. | 16% | 12% | +1.9 |
| Total | 100% | 17% |
Jornada modelada: 100 % · Evidencia pública: 0 % · Estimación: 100 % · Confianza: Baja
Competencias y actividades
- atestado
- patrullar
- identificar a alguien
- Patrulla, presencia y disuasión en calle
- policia
- police
- agente
- guardia urbana
- mossos
- ertzaint
Fuentes del oficio· O*NET 33-3051.00· ESCO/ISCO 5412
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