Ingeniero de aprendizaje automático — 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.
Cuatro señales separadas. Deliberadamente no se suman: un trabajo expuesto a dos tecnologías no está expuesto al doble.
Automatización cognitiva
Construir un modelo para el problemaDecidir qué cuenta como lo bastante buenoConseguir datos de los que la cosa pueda aprenderCuando deja de funcionar en silencioDiseñar las entradas a manoResponder por lo que le hace a la gente
Procesos y autoservicio
Cuando deja de funcionar en silencioResponder por lo que le hace a la gente
—— 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 que sube rápido y después vuelve a bajar, y las dos mitades tienen un mecanismo con nombre. Empieza alta porque las características diseñadas a mano ya habían sido desplazadas antes de que empezara este periodo: eso lo hizo el aprendizaje de representaciones a lo largo de los años dos mil diez, no la IA generativa. La subida brusca de 2023-2024 no es una máquina aprendiendo a hacer este trabajo: es que una parte grande de los problemas adquirió un sustituto que se puede comprar, así que el artefacto a medida dejó de hacer falta. La caída desde 2025 es la otra mitad del mismo movimiento: una vez comprado el modelo, lo que queda es juzgar si funciona sobre tu problema, y eso se volvió más difícil según los sistemas se volvían más capaces, porque una respuesta equivocada plausible se caza peor que una obviamente equivocada. Lee el pico como el momento en que el conjunto clásico de tareas era más barato de sustituir, no como un máximo al que esta ocupación esté volviendo.
12022 S234La 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 S137Un 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 S244Entrada 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 S149La 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 S251Modelos 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 S248El 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 S147Los 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) ↗
9Ahora47La 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.
LO
