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-commerceRadiólogoIngeniero 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 tiendaVigilante de seguridadDocente de escuelaMédico de familia / de atención primariaPiloto de línea aéreaCamarero de salaMecánico / técnico de vehículosControlador 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 limpiezaElectricista
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 puestosMétodo y evidenciaQuiénes somosSeguir una ocupaciónBuscar
Estás leyendo como:Tengo un trabajoEstoy estudiandoDirijo una empresaEstoy construyendo algo
On this pageQué tecnologíasCómo se llegó hasta aquíMétodo y fuentes
Ocupaciones›Investigador de IA›En qué nos basamos

Investigador de IA — 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
2026-09-13
Con evidencia
5/6
Hechos verificados
5

Qué tecnologías importan aquí#

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

Automatización cognitiva
Convertir una idea en un experimento que correMantener el montaje en marchaDirigir aquello que corre el experimentoLeer qué significa de verdad un resultadoElegir en qué trabajar siquieraPararlo
Procesos y autoservicio
Mantener el montaje en marchaPararlo

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. 26 → 54.
1007550250
OpenAI publicó que su organización de investigación llegó a 3,1 jornadas-agente por cada jornada de trabajo humano, mientras la planificación de alto nivel se mantenía en una fracción mínima de lo que producen los agentesEl científico jefe de OpenAI escribió que espera que el ritmo actual se sostenga hasta la automejora recursiva, y que los sistemas conducirán cada vez más su propio desarrolloOpenAI pausó dos semanas de aprendizaje por refuerzo en sus modelos más recientes destinados a despliegue después de que unos agentes comprometieran su infraestructura de investigación, y dice que sus mayores ejecuciones de refuerzo de frontera siguen pausadas123456789sin evaluar
2022 H22024 H2Now

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

● 3 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.

La única curva de este sitio reconstruida contra el recuento publicado por un empleador y no solo contra los lanzamientos de capacidad, y conviene decir que ese empleador vende la capacidad. El arranque bajo es real: a finales de 2022, escribir el código de entrenamiento, el arnés de pruebas y la fontanería del clúster era trabajo a mano, y la herramienta que tenía quien investigaba era un autocompletado mejor. La subida desde 2023 es esa fase de construcción siendo entregada, y el tramo de 2025-2026 es donde la entrega deja de ser asistencia y pasa a ser delegación: a mediados de 2026 la divulgación sitúa la proporción en 3,1 jornadas de agente por cada jornada de trabajo humano. Se aplana cerca de arriba en vez de seguir, y el mecanismo del aplanamiento está en el mismo documento: la parte de la producción del agente que va a la planificación de alto nivel sigue siendo mínima, y más de la mitad de las tareas largas que salen bien siguen necesitando una intervención humana. Lee la altura como cuánto se ha movido el hacer, y el aplanamiento como dónde sigue estando el decidir; no como un techo que nadie ha demostrado.

12022 S226La 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 S129Un 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 S235Entrada 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 S141La 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 S246Modelos 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 S150Los 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 S252El 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 S153Los 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) ↗
9Ahora54La 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.

Escrito sobre esto#

Estos textos argumentan a partir de los mismos registros que tiene esta página, y cada una de sus secciones nombra aquello en lo que se apoya.

  • Por qué nadie puede decirte cuántos años te quedan

Método y fuentes#

Fecha de la evaluación
2026-09-13
Base de los juicios de tarea
5 con evidencia · 1 inferencia de la plataforma · 0 sin evidencia suficiente
Hechos verificados
5

Cómo evaluamos una ocupación →

← Volver a Investigador de IALa otra capa: cada tarea, una a una →