Grabador de datos

Estados Unidos. La tabla de proyecciones recoge a los grabadores de datos («Data entry keyers», 43-9021) con 131.800 empleos en 2025 y 98.200 en 2035, un cambio de −33.600, o −25,5 por ciento, con unas 7.700 vacantes al año. La tabla no da ningún motivo para la caída; la proyección cuenta empleos en un solo país y no atribuye el cambio a la IA.

Una persona con nombre y con posición reconocida predijo algo públicamente, en una fecha, en una declaración atribuible. Se registra para que quede comprobable quién dijo qué y cuándo, y nunca mueve la evaluación de una tarea, porque una predicción no es una observación. Su valor llega después: el registro queda en la misma página que la evidencia sobre esa ocupación, así que quien lee el pronóstico lee al lado el registro de lo que pasó luego. Esa es la rendición de cuentas; este sitio no publica ningún veredicto sobre si un pronóstico se cumplió.

El informe anual de una empresa de externalización de procesos de negocio. Dice que su plataforma de procesamiento inteligente de documentos, combinada con una gestión de excepciones dedicada con una persona en el circuito, convierte la correspondencia en datos electrónicos y reduce la necesidad de personal de correspondencia dedicado a abrir, revisar y clasificar documentos, y que en los sectores muy regulados los flujos de trabajo automatizados siguen requiriendo una supervisión humana dedicada, con su personal ocupándose de las excepciones complejas, los datos sensibles y el control de calidad. Es la empresa describiendo el servicio que vende.

Una demostración, una prueba de referencia o un artículo muestran que la tarea se puede hacer. Actualiza lo que la tecnología puede hacer, no lo que harán las empresas.

El informe anual de una empresa de datos financieros. Dice que siguió desplegando y mejorando procesos de captura e ingesta de datos con IA, con normas independientes y una supervisión con una persona en el circuito centrada en la cobertura, la fiabilidad y la rapidez de procesamiento, manteniendo a la vez la calidad de los datos. Es la empresa describiendo sus propias operaciones; no vincula ningún cambio de plantilla a la IA.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

Una prueba comparativa de extracción de datos estructurados de 35 documentos PDF con etiquetas de referencia anotadas por personas, 12.867 campos en total. Los autores informan de que los modelos punteros siguen sin ser fiables con esquemas realistas, de que el rendimiento se degrada bruscamente con la amplitud del esquema, hasta llegar a un 0% de salidas válidas en un esquema de información financiera de 369 campos con todos los modelos probados, y de que en un dominio los modelos logran un 90% de salidas válidas pero solo un 12,5% de aprobados. Los autores trabajan en una empresa que vende productos de documentos; es una prueba comparativa, no una medida de la práctica.

Una demostración, una prueba de referencia o un artículo muestran que la tarea se puede hacer. Actualiza lo que la tecnología puede hacer, no lo que harán las empresas.

Estados Unidos, el IRS. La auditoría dice que las pruebas piloto en las que contratistas escanearon declaraciones en papel y extrajeron los datos demostraron que las declaraciones en papel se pueden digitalizar, pero solo unos 3,8 millones (7 por ciento) de los 53,3 millones de formularios 940, 941 y 1040 presentados en papel y recibidos entre febrero de 2023 y diciembre de 2024 se procesaron así; en mayo de 2025 los contratistas habían escaneado casi 517.000 (5 por ciento) de los 9,8 millones recibidos en la campaña de 2025. En septiembre de 2025 el IRS adjudicó contratos de digitalización por un total de 2,3 mil millones de dólares hasta el ejercicio fiscal 2030, y los contratistas deben contratar personal para recibir y abrir el correo y revisar la exactitud de los datos de las declaraciones. Que el trabajo pase a contratistas no es lo mismo que automatizarlo.

Ensayo a pequeña escala en un entorno real. Nos dice que se están probando las condiciones de despliegue, no que se cumplan, así que un piloto nunca basta por sí solo; dos independientes sí.

Una prueba comparativa de extracción de campos de facturas y recibos con modelos de lenguaje, sin ejemplos previos, sobre conjuntos de datos abiertos. Los autores informan de que Gemini 2.5 Pro logró la mayor exactitud en los tres conjuntos de datos: 87,46% en recibos escaneados, 96,50% en facturas limpias y 92,71% en facturas escaneadas. Mide la exactitud por campo en conjuntos de datos públicos, no el uso en departamentos de cuentas por pagar.

Una demostración, una prueba de referencia o un artículo muestran que la tarea se puede hacer. Actualiza lo que la tecnología puede hacer, no lo que harán las empresas.

Estados Unidos, el centro de procesamiento de la Oficina del Censo, donde el personal teclea todas las respuestas manuscritas de los cuestionarios escaneados. En una prueba con más de 71.000 valores, el reconocimiento de caracteres coincidió con el valor tecleado alrededor del 73 por ciento de las veces; casi el 27 por ciento no lo leyó, y cuando no puede determinar el valor de un campo, el campo pasa a una persona grabadora. De todos los valores que leyó, el 0,3 por ciento eran erróneos, menos que la tasa de error del 1 por ciento exigida a los lotes tecleados. Es una prueba antigua y solo con campos numéricos.

Ensayo a pequeña escala en un entorno real. Nos dice que se están probando las condiciones de despliegue, no que se cumplan, así que un piloto nunca basta por sí solo; dos independientes sí.

Si te planteas este trabajo, espera menos empleos de pura grabación y apunta a los puestos que quedan alrededor de la máquina: comprobar registros, gestionar excepciones y datos sensibles, y conocer las reglas que deben cumplir los datos.

Espera que el volumen que tecleas a mano baje a medida que el software lee los documentos, y que tu trabajo se desplace hacia revisar lo que hace mal. Conocer el ámbito que hay detrás de los datos —impuestos, siniestros, finanzas— es lo que te convierte en la persona que gestiona las excepciones.

Rehacer el puesto

Pasar de teclear a comprobar y gestionar excepciones

La captura automática envía a personas lo que no puede leer y lo que hay que comprobar.

Movimiento lateral

Pasar a un puesto del ámbito que usa los datos

Saber qué significan los datos —en siniestros, facturación o contabilidad— sirve en puestos que deciden con ellos.

Quedarte y reforzarte

Quedarse donde siguen el papel y los datos sensibles

Los organismos públicos siguen recibiendo grandes volúmenes de papel, y la digitalización ha sido lenta.

Buena parte de la grabación, sí, con el tiempo; la comprobación, todavía no. Las proyecciones de Estados Unidos prevén que el empleo de grabadores de datos baje un 25,5 por ciento de 2025 a 2035, y las máquinas ya leen formularios del censo, declaraciones de impuestos y documentos financieros. Pero las pruebas comparativas de extracción muestran que los modelos aún cometen errores que necesitan revisión, y las empresas que automatizan la captura mantienen a personas para las excepciones y la calidad.

No respondemos a eso con un número de años. Fíjate en qué parte del trabajo de tu equipo llega ya extraída por software, y en si tu empleador ha firmado un contrato de digitalización. Eso te dice más sobre tu propio trabajo que cualquier fecha.

La proyección de Estados Unidos no lo dice. Prevé que el empleo de grabadores de datos baje de 131.800 a 98.200 entre 2025 y 2035, pero no da ninguna causa, así que no atribuimos la caída a la IA.

Las que las máquinas devuelven: cotejar registros con sus originales, ocuparse de los documentos que el software no puede leer y conocer las reglas del ámbito del que vienen los datos.