VOLOVLORiesgo de automatización y transición, tarea por tarea
PreguntarOcupacionesCarrerasEmpresasEmprenderCambiosNotasMétodo
Buscar ocupaciones, carreras…
ES
  • English
  • 简体中文
  • 日本語
  • Español
  • Português
  • Français
VLO
VOLO

Entender cómo la automatización cambia el trabajo, tarea por tarea, con la evidencia a la vista y la incertidumbre admitida.

PreguntarOcupacionesCarrerasEmpresasEmprenderCambiosNotasMétodoQuiénes somosDiagnóstico de puestosPrivacidadCondiciones
© 2026 VOLO
Ocupaciones
Todas las ocupaciones
IA y software
Traductor / IntérpreteCajero de bancoRedactor publicitarioModerador de contenidosAgente de atención al clienteAuxiliar administrativoTester de software / ingeniero de QADiseñador gráficoAsistente jurídicoMontador de vídeoContable / Tenedor de librosEspecialista de marketingDesarrollador frontendAnalista de datosTramitador de siniestrosRedactor técnico / ingeniero de documentaciónDesarrollador de software júniorRecursos humanos / selecciónAnalista de crédito / gestor de riesgosAnalista financieroEspecialista de compras / cadena de suministroPeriodistaComercial / gestor de cuentasAgente inmobiliarioTécnico de soporte informático / mesa de ayudaAuditorConsultor de gestiónDesarrollador backendInvestigador de IADiseñador de producto / UXResponsable de sistemas de negocioEspecialista en operaciones de e-commerceActuarioRadiólogoIngeniero de datosAbogadoAuxiliar médico / auxiliar de consultaIngeniero de aprendizaje automáticoIngeniero de software con experienciaIngeniero de DevOps / plataforma / SREGestor de productoFarmacéuticoResponsable de alianzas / de canalAnalista de seguridad (SOC)Responsable de cumplimiento normativoArquitectoMando intermedio de primera línea / jefe de equipoConsejero / terapeutaVendedor / dependiente de tiendaIngeniero civil / estructuralVigilante de seguridadConductor de autobúsDocente de escuelaMédico de familia / de atención primariaPiloto de línea aéreaCamarero de salaMecánico / técnico de vehículosPolicíaControlador de tránsito aéreoFisioterapeuta / terapeuta de rehabilitaciónTrabajador de la construcciónEnfermero tituladoAuxiliar de cuidados / auxiliar de enfermeríaResponsable de implantación de IA
RPA y autoservicio
Funcionario de atención al ciudadanoCoordinador de operacionesMaquinista de metroRecepcionista
Robótica
Cajero de comercio / dependienteEstibador portuarioOperario de almacénOperario de línea de montajeTécnico de laboratorio clínicoCocinero / chefPersonal de limpiezaAgricultorBomberoTripulante de cabinaElectricista
Conducción autónoma
Conductor de VTC / taxiCamioneroRepartidor / mensajero
Carreras
Todas las carrerasFilología inglesa / Lenguas extranjerasInformáticaContabilidadPsicologíaPeriodismo / ComunicaciónFinanzasDerechoDiseño de comunicación visualMarketingEnfermeríaAdministración y dirección de empresasEducación y formación del profesoradoArquitecturaAdministración públicaMedicinaGestión hotelera y turísticaEconomíaSistemas de información
Guías
Preguntar a VOLOPara empresasPara quien emprendeCambios recientesNotasDiagnóstico de puestosPrimer experimento con IAMétodo y evidenciaQuiénes somosSeguir una ocupaciónBuscar
Estás leyendo como:Tengo un trabajoEstoy estudiandoDirijo una empresaEstoy construyendo algo
En esta páginaQué tecnologíasCómo se llegó hasta aquíMétodo y fuentes
Ocupaciones›Actuario›En qué nos basamos

Actuario — en qué nos basamos

La página en sí da los juicios. Esta da aquello sobre lo que se apoyan: qué tecnologías inciden en el trabajo, cómo se movió la estimación desde que los modelos de lenguaje llegaron al público, y el método detrás de ambas cosas.

Evaluado
2026-09-23
Con evidencia
4/6
Hechos verificados
2

Qué tecnologías importan aquí#

Cuatro señales separadas. Deliberadamente no se suman: un trabajo expuesto a dos tecnologías no está expuesto al doble.

Automatización cognitiva
Preparar los datos y el estudio de experienciaConstruir el modelo de tarificaciónFijar las reservasComprobar si un modelo discrimina injustamenteFirmar y responder de las cifrasExplicar la cifra a quienes deciden
Procesos y autoservicio
Preparar los datos y el estudio de experienciaComprobar si un modelo discrimina injustamente

Cómo se llegó hasta aquí#

El índice no es un número fijo. Esto es donde habría estado en cada hito de capacidad desde ChatGPT: reconstruido, y etiquetado como tal.

Reconstruido · inferencia de la plataformaEstimado hoy para cada hito pasado, no medido entonces. 30 → 52.
1007550250
El dictamen de EIOPA hizo a la función actuarial responsable de los controles sobre los sistemas de IA de su ámbito, y dejó constancia de que la IA para tarificar seguros de vida y salud es de alto riesgo según la Ley de IAEl regulador financiero de Nueva York pidió a las aseguradoras que prueben los sistemas de IA y los datos externos usados en suscripción y tarificación contra la discriminación injusta, antes de su puesta en producción y periódicamente después123456789sin evaluar
2022 S22024 S2Ahora

—— este tramo contiene un hecho verificado- - - sin hechos en este tramo — solo reconstrucción0 = ninguna tarea expuesta, 100 = todas expuestas

● 2 hechos verificados de esta ocupación, dibujados en la fecha en que ocurrió: los tramos de la línea cercanos a una marca están anclados a algo comprobable.

Empieza en 30 porque el trabajo actuarial con datos ya estaba muy instrumentado antes de que empiece este gráfico, y sube con cada lanzamiento capaz de escribir código y análisis: la capa de preparación del trabajo. Se aplana en lugar de seguir subiendo porque lo que está por encima de esa capa la regulación lo asigna a una función con nombre: la curva refleja cuánto del trabajo que hay bajo la firma alcanza ya una máquina, no que la firma se vuelva opcional. Los escalones regulatorios de 2024 y 2025 son obligaciones de gobernanza, que añaden tanto trabajo como el que quitan.

12022 S230La generación de texto de propósito general llega al público. Antes de este punto, la exposición venía de automatización ya desplegada: reconocimiento óptico, RPA, visión artificial, cajas de autoservicio, algoritmos de asignación. ChatGPT research preview (2022-11-30) ↗
22023 S135Un modelo general que aprueba exámenes profesionales. La calidad del primer borrador cruza el umbral en el que el trabajo cualificado empieza a usarlo. GPT-4 (2023-03-14) ↗
32023 S239Entrada de imagen, contexto largo y llamada a herramientas. A los modelos se les puede apuntar a documentos y conectarlos a sistemas, que es lo que mueve el trabajo de proceso y no el de escribir. GPT-4 Turbo:128k 上下文、视觉、工具调用(DevDay) (2023-11-06) ↗
42024 S142La misma capacidad se vuelve mucho más barata y más rápida. No se vuelve posible nada nuevo; se vuelve asequible mucho a gran volumen, que es cuando cambian las decisiones de despliegue.
52024 S245Modelos de razonamiento que trabajan problemas de varios pasos, y los primeros modelos que manejan un ordenador mirando la pantalla. Lo segundo es lo que alcanza a los trabajos que consisten en operar software. OpenAI o1(推理);同期 Claude 的 computer use 进入公测 (2024-09-12) ↗
62025 S147Los agentes empiezan a operar software real de principio a fin, en vez de producir texto para que una persona lo pegue. Es también cuando aparecen las primeras marchas atrás públicas: organizaciones que automatizaron y lo deshicieron en parte. Claude 3.7 Sonnet 与 Claude Code:混合推理 + 命令行编码代理 (2025-02-24) ↗
72025 S249El contexto largo y el uso de herramientas pasan a ser lo normal, no una función aparte. Las mejoras de capacidad siguen; la restricción visible se desplaza de lo que los modelos pueden hacer a la responsabilidad legal, la compra y el coste. GPT-5(2025-08-07);Claude Opus 4.5(2025-11-24) (2025-08-07) ↗
82026 S151Los agentes de horizonte largo aterrizan dentro de flujos de trabajo de sectores concretos. La adopción pasa a ser sectorial y no general. GPT-5.5:「专为实际工作打造」 (2026-04-23) ↗
9Ahora52La evaluación actual: este punto es el índice de impacto publicado en la página de la ocupación, así que la curva queda anclada a un número que el sitio ya sostiene. Para las curvas planas conviene anotar una cosa: en esas mismas semanas se abrió a laboratorios de investigación y a fabricantes una vista previa de investigación de una especificación compartida para que agentes de IA manejen dispositivos físicos. Es la primera clase de capacidad apuntada a las ocupaciones físicas cuyas líneas aquí apenas se mueven. GPT-6 Astra(2026-09-03);Claude Fable 5.1 / Mythos 5.1(2026-09-01);Model Hardware Standard 研究预览(2026-08-27) (2026-09-03) ↗

Una línea plana no es un pronóstico de seguridad. Dice a qué tareas ha llegado la automatización hasta ahora: las ocupaciones que menos se movieron aquí son aquellas en las que la restricción es física o normativa, y las dos pueden cambiar.

Método y fuentes#

Fecha de la evaluación
2026-09-23
Base de los juicios de tarea
4 con evidencia · 2 inferencia de la plataforma · 0 sin evidencia suficiente
Hechos verificados
2

Cómo evaluamos una ocupación →

← Volver a ActuarioLa otra capa: cada tarea, una a una →