VOLOVLORiesgo de automatización y transición, tarea por tarea
PreguntarOcupacionesCarrerasEmpresasEmprenderCambiosNotasMétodoBuscar ocupaciones, carreras…EN中文日本語PT
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 publicitarioAgente 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 primariaCamarero de salaMecánico / técnico de vehículosFisioterapeuta / 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 operacionesRecepcionista
Robótica
Cajero de comercio / dependienteOperario 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 / ComunicaciónFinanzas / EconomíaDerechoDiseño de comunicación visualMarketingEnfermeríaAdministración y dirección de empresasEducación y formación del profesoradoArquitecturaAdministración pública
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 pageDesglose por tareasCómo se llegó hasta aquíCambios recientesQué significa para tiEscrito sobre estoMétodo y fuentes
Ocupaciones›Radiólogo

Avísame cuando llegue un registro verificado a esta ocupación →

Radiólogo

Lee imágenes para responder a una pregunta clínica — y firma la respuesta, incluso por aquello que a nadie se le ocurrió preguntar.

radiologistVer tus opciones ↓SanidadEvaluado 2026-09-12
Índice de impacto de la automatización
51/100
confianza baja · no es una probabilidad de perder el empleo
Tareas automatizándose
1de 6
2 aumentadas por la máquina
Siguen llevándolas personas
2de 6
1 tarea nueva
Juicios con evidencia detrás
2de 6
4 registros verificados
51/100
Índice de impacto de la automatizaciónConfianza baja

Esto no es una probabilidad de perder el empleo. Combina qué parte de la carga de tareas del puesto está expuesta a la automatización con hasta dónde ha llegado realmente la adopción: sirve para comparar ocupaciones sobre una base constante, y para nada más.

Dónde aplica esto

Escrito para radiólogos de diagnóstico que leen estudios en un hospital o en teleradiología. La radiología intervencionista se incluye como una tarea pero es en realidad otro trabajo con otra exposición. Los técnicos de radiología — quienes adquieren las imágenes — son una ocupación aparte que este sitio todavía no cubre, y su cuadro no es el mismo.

Qué está cambiando de verdad#

La unidad de análisis es la tarea, no el nombre del puesto. Un puesto no se sustituye: se le mueve la mezcla de tareas.

Automatizándose×1Aumentada por la máquina×2Sigue llevándola una persona×2Tarea nueva×1

¿Es este tu trabajo? Dilo y esta página se estrecha a tu parte de él.

El nombre de un puesto es un paquete de tareas compradas juntas, y no hay dos personas con el mismo paquete. No se envía nada a ninguna parte: se queda en este navegador.

Leer el estudio rutinario

Automatizándose✓ Con evidencia

Trabajo de gran volumen y patrón claro: mamografías de cribado, radiografías de tórax, escáneres de seguimiento donde la pregunta es estrecha y la respuesta suele ser normal.

IA y software
Por qué

Esta tarea tiene las cuatro propiedades que convierten cualquier cosa en un caso fuerte para el trabajo de máquina: la entrada es una imagen, la salida es una etiqueta, lo correcto se comprueba contra un resultado posterior, y los datos de entrenamiento existen en cantidad enorme porque cada estudio ya fue leído e informado por alguien. Es además la tarea de la que iba de verdad la predicción de 2016, y en esta tarea la predicción acertó en la dirección aunque no acertaran ni su plazo ni su conclusión.

Qué NO significa esto

No dice nada sobre cuánto del día de un radiólogo es esto, y la proporción difiere enormemente entre un programa de cribado y un hospital terciario. Las dos fichas colgadas aquí son un recuento de qué han autorizado los reguladores y un recuento de qué han financiado los programas de formación; ninguna es despliegue. Un dispositivo aprobado no es un hospital usándolo, y una plaza de residencia financiada no es un estudio leído — la primera es un techo de lo que está permitido, la segunda una apuesta sobre la demanda dentro de años. Lo que lo zanjaría: el informe de un sistema sanitario sobre qué proporción de estudios se lee a máquina antes de que los vea una persona.

Cazar aquello por lo que nadie preguntó

Sigue llevándola una persona≈ Inferencia de la plataforma

El escáner se pidió por una lesión de espalda; lo que importa está en la esquina de la imagen y no tiene nada que ver con la espalda.

IA y software
Por qué

Un modelo de detección se entrena sobre la pregunta que se hizo. El hallazgo incidental es por definición la respuesta a una pregunta que nadie hizo, y es una parte grande de lo que hace valiosa la lectura y no solo exacta. Mejorar un modelo en su propia tarea no mueve esto, porque no es esa tarea.

Qué NO significa esto

Es un juicio sobre la estructura del trabajo, no una medición. No tenemos ninguna ficha que cuantifique cada cuánto un hallazgo incidental cambia el manejo del paciente, y la respuesta difiere según la modalidad y la población. Tampoco afirma que las personas sean buenas en esto — los incidentales que se escapan son un fallo conocido y estudiado.

Decidir si hay que hacer la prueba siquiera

Aumentada por la máquina≈ Inferencia de la plataforma

Protocolizar: si este estudio responde a la pregunta clínica, qué secuencia, cuánto contraste, cuánta dosis — y si hay que decir que no.

IA y software
Por qué

Las herramientas de apoyo a la decisión ayudan aquí de verdad: los criterios de adecuación tienen forma de reglas y un sistema puede aplicarlos con coherencia donde una persona ocupada no lo hará. Lo que no se transfiere es la negativa — rechazar un estudio que quiere un clínico que lo pide es un juicio con un coste que recae en una persona con nombre, y el valor del radiólogo en ese momento es precisamente que se puede discutir con él.

Qué NO significa esto

Nada de esto dice cada cuánto los radiólogos protocolizan de verdad los estudios en vez de sellarlos sin más, y en muchos entornos ese paso ya se ha delegado o automatizado por razones ajenas a la IA.

El informe sobre el que alguien actúa

Aumentada por la máquina≈ Inferencia de la plataforma

Convertir lo que viste en palabras sobre las que un clínico va a actuar — incluido cuánto matizar, y si recomendar un seguimiento que cuesta dinero y preocupación.

IA y software
Por qué

Redactar y estructurar informes encaja bien con la generación y es donde se dice que está la mayor parte del ahorro de tiempo visible. La parte que no se mueve es la calibración: una frase que matiza demasiado es inútil y una que matiza de menos provoca una operación innecesaria, y dónde está esa línea depende de este paciente, de quien pide la prueba y de este sistema sanitario.

Qué NO significa esto

Ninguna ficha verificada de este sitio mide el tiempo ahorrado al redactar informes, y lo que dicen los proveedores sobre ello es publicidad de una parte con interés en la respuesta. Lo que lo zanjaría: un sistema sanitario publicando sus propios tiempos de respuesta antes y después.

Procedimientos hechos dentro de una persona

Sigue llevándola una persona≈ Inferencia de la plataforma

Biopsias guiadas por imagen, drenajes, embolizaciones — trabajo intervencionista donde la imagen es la guía y no el producto.

RobóticaIA y software
Por qué

Físico, irreversible y hecho sobre una persona que está presente y puede sufrir daño. La robótica en esta área asiste a una mano en vez de sustituirla, y la regulación ata el acto a una persona colegiada. Esta es la mitad de la radiología de la que la predicción de 2016 no hablaba en absoluto.

Qué NO significa esto

La radiología intervencionista es en realidad una ocupación aparte con su propia vía de formación, y tratarla como una tarea de esta página subestima lo distinta que es. Tampoco dice nada sobre el volumen, que es de donde viene la presión real sobre este trabajo.

Responder por la máquina que lo leyó

Tarea nueva✓ Con evidencia

Validar una herramienta sobre tu propia población antes de encenderla, vigilar la deriva después, y ser la persona con nombre en un informe que ayudó a escribir la máquina.

IA y softwareRPA y autoservicio
Por qué

Trabajo que no existía antes de que estas herramientas entraran en la sala de lectura, y recae aquí porque la firma recae aquí. Un modelo validado en otro sitio no está validado aquí — el rendimiento se mueve con el equipo, el protocolo y la población — así que alguien local tiene que comprobarlo, y comprobar es una destreza de radiólogo aplicada a una máquina en vez de a un paciente.

Qué NO significa esto

Que aparezca trabajo nuevo no es plantilla nueva, y en la mayoría de los servicios esto lo absorbe quien ya está. No tenemos ninguna ficha de un hospital dotándolo a propósito.

Qué tecnologías importan aquí#

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

Automatización cognitiva
Leer el estudio rutinarioCazar aquello por lo que nadie preguntóDecidir si hay que hacer la prueba siquieraEl informe sobre el que alguien actúaProcedimientos hechos dentro de una personaResponder por la máquina que lo leyó
Automatización física
Procedimientos hechos dentro de una persona
Procesos y autoservicio
Responder por la máquina que lo leyó

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. 38 → 51.
1007550250
sin evaluar
2022 H22024 H2Now

● 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.

Un punto de partida alto que no tiene nada que ver con la IA generativa: la detección asistida por ordenador se aprobó para mamografía a finales de los años noventa y se desplegó ampliamente, así que esta ocupación entró en el periodo ya parcialmente automatizada, y sabiendo ya cómo se siente eso. La subida a lo largo de 2023-2025 son detectores estrechos y herramientas de triaje llegando en cantidad a la sala de lectura. Se aplana bastante por debajo de su tarea más expuesta, y la razón es lo que la famosa predicción de 2016 se dejó fuera: una autorización no es un despliegue, una detección no es una firma, y el hallazgo incidental es la respuesta a una pregunta que nadie le hizo al modelo. Fíjate en lo que la curva no puede mostrar: si leer más barato hace que se pidan más estudios. Esa es la pregunta abierta de esta ocupación, y apunta en dirección contraria a la curva.

2022 S238La 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) ↗
2023 S140Un 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) ↗
2023 S243Entrada 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) ↗
2024 S146La 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.
2024 S249Modelos 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) ↗
2025 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) ↗
2025 S251El 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) ↗
2026 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) ↗
Ahora51La 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.

Cambios recientes#

Capacidad técnica2026-09-04Verificado el 2026-09-12
La lista de dispositivos con IA de la FDA llega a 1.614 autorizaciones, 1.230 de ellas de radiología

Solo Estados Unidos, y la lista cuenta autorizaciones de comercialización, no instalaciones: un dispositivo aprobado puede estar funcionando en mil hospitales o en ninguno. La mayoría son aprobaciones 510(k), que dependen de la equivalencia sustancial con un dispositivo existente y no de un ensayo, y cada autorización cubre un uso previsto estrecho — una marca de triaje, una medición, una ayuda a la detección — no leer un estudio. La FDA dice que la lista no es exhaustiva y que se montó sobre todo cruzando términos relacionados con la IA en los resúmenes de autorización, así que tanto el total como la proporción de radiología son suelos y no recuentos. El panel es el panel principal de revisión, no la especialidad que usa el dispositivo.

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.

U.S. Food and Drug Administration — AI-Enabled Medical Device List ↗Ficha de impacto completa →
Restricción2026-07-21Verificado el 2026-09-12
La ley marco de IA de Corea sitúa el uso de dispositivos médicos con IA dentro de la IA de alto impacto, y obliga a quien la usa a mantenerla bajo gestión y supervisión humanas y a poder explicar lo que produce

Corea del Sur. La palabra que importa en el artículo 2(4)(ra) es uso: la categoría de alto impacto cubre el desarrollo y el uso de dispositivos médicos y dispositivos médicos digitales, así que un hospital que hace funcionar una herramienta de lectura con IA aprobada es un operador que usa IA bajo esta ley y no simplemente un cliente de uno. El artículo 34(1) ata entonces deberes a ese operador — un plan de gestión de riesgos, la capacidad de explicar lo que produce y los criterios principales detrás, documentación, y el punto 4, gestión y supervisión humanas. El artículo 31(1) exige por separado avisar al usuario de antemano de que el servicio funciona con IA. Dos límites: el detalle queda en un decreto presidencial que no está en este texto, y la evaluación de impacto sobre derechos fundamentales del artículo 35 es solo un deber de medios. Esto no dice nada sobre cuántos radiólogos emplea un hospital, ni nada sobre exactitud — fija quién tiene que poder responder por lo que sale.

Un fallo, una marcha atrás, una regulación o un coste están frenando la adopción. Puede bajar una evaluación o ensanchar su incertidumbre.

국가법령정보센터 (Korea Ministry of Government Legislation) — 인공지능 발전과 신뢰 기반 조성 등에 관한 기본법, 법률 제21311호 ↗Ficha de impacto completa →
Impacto en el empleo2026-05-26Verificado el 2026-09-12
Las plazas de formación de radiología diagnóstica en EE. UU. pasaron de 997 a 1.083 en cinco convocatorias, cubiertas al 98% o más en todas ellas

Estados Unidos, y mide la entrada a la formación, no el empleo: son plazas que los programas eligieron financiar y ofrecer, lo que es una apuesta sobre la demanda dentro de varios años y no un recuento del trabajo que se hace hoy. Las cifras son la línea PGY-2 de Radiología-Diagnóstica en las tablas 3 y 8A — 997 (2022), 1.006, 1.017, 1.057, 1.083 (2026), cubiertas por el conjunto de aspirantes al 99,9%, 100,0%, 99,9%, 98,6% y 98,4% — la puerta de entrada principal de la especialidad; la línea PGY-1, más pequeña, subió de 132 a 156 en el mismo periodo. Una especialidad puede automatizar parte de su trabajo y aun así formar a más gente, porque el volumen de imagen y la oferta de lectores se mueven de forma independiente; esta ficha acota la historia del empleo, no zanja qué leen las máquinas.

Cambio verificable en contratación, plantilla, horas o alcance del puesto. El mayor peso, pero la atribución causal sigue habiendo que argumentarla, no darla por supuesta.

National Resident Matching Program — Results and Data: 2026 Main Residency Match ↗Ficha de impacto completa →
Pronóstico2016-11-24Verificado el 2026-09-12
Geoffrey Hinton dijo en 2016 que había que dejar de formar radiólogos ya, que en cinco años el aprendizaje profundo lo haría mejor, y añadió que podían ser diez

La grabación de la propia frase, publicada por el organizador del congreso, de 84 segundos. Léase lo que dijo de verdad y no la versión que circula, porque difieren de una forma que importa: la forma que se repite es cinco años, y la grabación sigue con una concesión que las reproducciones se dejan — podrían ser diez años, pero ya tenemos radiólogos de sobra. Enmarcó además la afirmación como una predicción sobre capacidad, que el aprendizaje profundo lo haría mejor que los radiólogos porque podía acumular más experiencia, no como una afirmación sobre hospitales, empleo o regulación. Dos límites sobre esta ficha en sí. Las palabras de aquí se leyeron de los subtítulos automáticos del vídeo, que son una transcripción de máquina, cotejada con el audio en las frases citadas pero no transcrita profesionalmente. Y una predicción nunca es evidencia sobre el trabajo: esta ficha no mueve nada en esta página, y está al lado de las fichas de lo que sí ocurrió — un recuento de autorizaciones de un regulador y una década de cifras de plazas de formación — que es donde el lector puede hacer la cuenta por sí mismo.

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.

Creative Destruction Lab — Geoff Hinton: On Radiology, recorded at the 2016 Machine Learning and Market for Intelligence Conference, Toronto ↗Ficha de impacto completa →

Qué significa esto para ti#

Si estás empezando

Estás eligiendo una especialidad en la que una persona muy famosa aconsejó públicamente que nadie entrara. Conviene saber por qué ese consejo no se sostuvo: iba de una tarea, y el trabajo resultó ser varias — incluidas firmar por un fallo, ver aquello por lo que nadie preguntó, y hacer procedimientos. Conviene saber también el riesgo honesto: si leer barato abarata la imagen, el volumen sube, y un empleo defendido por el volumen está defendido por algo que puede cambiar.

Si tienes experiencia

Que la predicción fuera errónea no es el hallazgo; la razón por la que lo fue sí. Midió una tarea y concluyó sobre un trabajo. Aplica la misma prueba a tu propia semana: las horas dedicadas a estudios donde la pregunta es estrecha y la respuesta suele ser normal son las horas expuestas, y son además las que más fácilmente cuenta un gestor que está construyendo un caso de negocio.

Tus opciones#

Cuatro direcciones, cada una con sus restricciones reales y con una cosa que puedes probar esta semana. Seguir como estás es una opción legítima; solo tiene que ser una opción elegida.

Quedarte y reforzarte

Ser quien valida las herramientas

Un modelo validado en otro sitio no está validado aquí, y alguien local tiene que firmar que funciona sobre esta población y con estos equipos. La mayoría de los servicios no ha nombrado a esa persona.

Restricciones reales

Necesita estadística que probablemente no te enseñaron, y es trabajo poco lucido que compite con el volumen de lectura por el que se te mide.

Pruébalo esta semana

Busca una herramienta de IA que corra en tu servicio y pregunta sobre qué población se validó. Si nadie sabe decírtelo, ese es el puesto.

Rehacer el puesto

Acercarte al procedimiento

El trabajo intervencionista es físico, irreversible y está licenciado a una persona — la combinación que la evidencia de este sitio encuentra sistemáticamente más difícil de desplazar.

Restricciones reales

Es otra vía de formación y otra vida: guardias, exposición a radiación, y un paciente delante en vez de una lista de trabajo.

Pruébalo esta semana

Pasa una sesión en la sala de intervencionismo y cuenta cuánto de lo que ocurre allí podría especificarse de antemano. Muy poco.

Movimiento lateral

Ir a donde las imágenes se usan, no se leen

La informática clínica, el diseño de programas de imagen y la política de cribado necesitan a alguien que entienda qué establece de verdad una lectura — y esa es una clase de persona escasa en las salas donde se toman esas decisiones.

Restricciones reales

Dejas de ser quien lee, y la destreza con la que comerciabas se deteriora más rápido de lo que esperas.

Pruébalo esta semana

Mira los datos de resultados publicados por un programa de cribado y comprueba si su tasa de rellamada está donde el protocolo dice que debería.

Preguntas frecuentes#

¿Cuánto tiempo tengo?

Esta ocupación es la razón para desconfiar de esa pregunta. Hace una década un investigador muy conocido aconsejó en público dejar de formar, con el argumento de que la máquina sería mejor en cinco años. En la tarea estrecha que nombró, las máquinas llegaron a ser muy buenas. El trabajo no desapareció, porque el trabajo era varias cosas y él había medido una. Una señal que puedes comprobar tú, y un uso mejor de la preocupación: de tu última semana, cuántas horas fueron a estudios donde la pregunta era estrecha y la respuesta solía ser normal. Ese número es la parte expuesta, y es además el número que un gestor puede contar.

¿Fue simplemente errónea la famosa predicción de que la IA sustituiría a los radiólogos?

Errónea en su conclusión, y conviene entenderla en vez de despacharla, porque el error es el que comete todo el mundo. Tomó una tarea — leer un estudio de gran volumen y patrón claro — y concluyó sobre un trabajo. En esa tarea acertó en la dirección. Lo que dejó fuera fue quién firma por un fallo, quién ve el hallazgo por el que nadie preguntó, quién rechaza el estudio que no debería hacerse, y si leer más barato hace subir la demanda en vez de bajarla. Despacharla como exageración no enseña nada; leerla como un error de categoría te dice exactamente qué comprobar sobre tu propio trabajo.

Hay cientos de productos de imagen con IA aprobados. ¿Significa eso que el trabajo se va?

Una aprobación dice que un producto puede venderse; no dice que un hospital lo comprara, lo encendiera o lo dejara encendido. Este sitio mantiene esas tres cosas separadas a propósito, y la distancia entre ellas es donde se han equivocado la mayoría de las predicciones sobre este campo. Conviene saber además hacia dónde apuntan los productos: casi todos son detectores estrechos y herramientas de triaje que cambian el orden de una lista de trabajo, lo que cambia cuándo mira una persona y no si mira.

¿Debería un estudiante de medicina seguir eligiendo radiología?

Este sitio no le dice a nadie qué especialidad elegir, y una página que lo hiciera valdría menos. Lo que sí puede darte es la forma de la apuesta: la mitad expuesta es la lectura estrecha de gran volumen, la mitad duradera es la responsabilidad, los hallazgos incidentales y los procedimientos, y la pregunta abierta es el volumen — si una imagen más barata significa más imagen. Hazles esa pregunta a quienes ya están dentro, y fíjate en si responden con lo que su servicio mide de verdad o con lo que esperan.

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.

  • ¿Cuántos empleos se ha llevado la IA? Las cifras verificadas
  • Por qué nadie puede decirte cuántos años te quedan

Método y fuentes#

Fecha de la evaluación
2026-09-12
Base de los juicios de tarea
2 con evidencia · 4 inferencia de la plataforma · 0 sin evidencia suficiente
Hechos verificados
4

Cómo evaluamos una ocupación →