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.

PreguntarOcupacionesCarrerasEmpresasEmprenderCambiosNotasMétodo¿La IA reemplazará mi trabajo?Quiénes somosDiagnóstico de puestosDatos abiertosOntologíaVOLO ProPrivacidadCondiciones
© 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 QAGrabador de datosDiseñador gráficoAsistente jurídicoMontador de vídeoContable / Tenedor de librosEspecialista de marketingDesarrollador frontendGestor fiscal / asesor de impuestosActor de vozCodificador médicoAnalista de datosTramitador de siniestrosRedactor técnico / ingeniero de documentaciónDesarrollador de software júniorSuscriptor de segurosRecursos humanos / selecciónAnalista de crédito / gestor de riesgosAnalista financieroEspecialista de compras / cadena de suministroPeriodistaComercial / gestor de cuentasAgente inmobiliarioIngeniero de redesIlustradorAgente de viajes / asesor de viajesTécnico de soporte informático / mesa de ayudaAuditorPlanificador de la cadena de suministroConsultor de gestiónFotógrafoDesarrollador backendInvestigador de IADiseñador de producto / UXResponsable de sistemas de negocioEspecialista en operaciones de e-commerceActuarioAnimador y artista de efectos visualesEscritor y autorTécnico de nóminas / administrativo de nóminasRadiólogoIngeniero de datosJefe de proyecto / gestor de proyectosCientífico de datosTaquígrafo judicialEditor y corrector de textosAbogadoAuxiliar médico / auxiliar de consultaTécnico de mediciones y presupuestosCreador de contenidoAnalista cuantitativoIngeniero de aprendizaje automáticoIngeniero de software con experienciaIngeniero de DevOps / ingeniero de plataforma / SREAnalista de negocioMúsico y compositorAnalista SIG / cartógrafoTasador inmobiliarioGestor de productoDietista-nutricionistaFarmacéuticoResponsable de alianzas / de canalAnalista de seguridad (SOC)Asesor financiero / planificador financieroIntérpretePatólogoIngeniero de diseño de chipsRedactor de solicitudes de subvención / técnico de subvencionesResponsable de cumplimiento normativoBibliotecarioDelineante / técnico CADArquitectoMando intermedio de primera línea / jefe de equipoPsicoterapeuta / consejero psicológicoVendedor / dependiente de tiendaIngeniero civil / estructuralIngeniero eléctricoIngeniero industrialEstadísticoVigilante de seguridadDiseñador de interioresDocente universitarioPsicólogoConductor de autobúsAgente de segurosIngeniero mecánicoDiseñador de modaOptometristaNotarioDocente de escuelaMédico de familia / de atención primariaPiloto de línea aéreaProfesor de autoescuelaUrbanistaCamarero de salaTécnico en radiología / en imagen para el diagnósticoTopógrafoMecánico / técnico de vehículosPolicíaEcografistaTécnico de mantenimiento de aeronavesHigienista dentalAnestesiólogo / anestesistaInspector de edificaciónControlador de tránsito aéreoVeterinarioBartender / baristaFisioterapeuta / terapeuta de rehabilitaciónDentistaCirujanoParamédico / técnico en emergenciasTrabajador de la construcciónTrabajador socialJuez / magistradoEnfermero tituladoMasajistaAuxiliar de cuidados / auxiliar de enfermeríaFontaneroResponsable de implantación de IA
RPA y autoservicio
Funcionario de atención al ciudadanoCoordinador de operacionesMaquinista de metroRecepcionistaTécnico de farmacia
Robótica
Cajero de comercio / dependienteEstibador portuarioOperario de almacénOperario de línea de montajeTécnico de laboratorio clínicoActor y modeloSoldadorCocinero / chefJardinero / paisajistaPersonal de limpiezaAgricultorBomberoTécnico de climatizaciónAlbañil / colocador de bloquesCarpintero de obra / carpintero de tallerTripulante de cabinaPeluquero / barberoElectricista
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 IAVOLO ProMétodo 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›Estadístico›En qué nos basamos

Estadístico — 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
2026-10-01
Con evidencia
5/5
Hechos verificados
7

Qué tecnologías importan aquí#

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

Automatización cognitiva
Diseñar encuestas, muestras y ensayosProcesar y codificar datosAnálisis y modelización estadísticaAseguramiento de la calidad y metodologíaAsesorar y comunicar los resultados

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. 16 → 40.
1007550250
El empleo de estadísticos crecerá un 11 por ciento de 2025 a 2035 con el uso más amplio del análisis estadístico, estimó la Oficina de Estadísticas Laborales de Estados Unidos, sin mencionar la IAEl uso de la IA en las estadísticas oficiales sigue centrado sobre todo en la investigación, las pruebas y el apoyo administrativo, y no en la producción estadística ordinaria, dijo el regulador estadístico británicoUn autocodificador basado en un modelo de lenguaje elevó del 28 al 52 por ciento la proporción de respuestas sobre ocupación y sector de una encuesta codificadas automáticamente, informó personal de la Oficina del Censo de Estados UnidosSe está probando en una encuesta laboral un modelo de lenguaje que hace preguntas de seguimiento a los encuestados y asigna códigos de sector y ocupación, dijo la oficina de estadística británicaLos modelos de IA usados para analizar datos de ensayos clínicos cuentan como parte del análisis estadístico, y no se aceptan modelos que sigan aprendiendo durante un ensayo, afirma la Agencia Europea de MedicamentosEl modelo más potente alcanzó un 58% de precisión en preguntas de razonamiento estadístico y causal basadas en datos y tuvo dificultades para combinar el conocimiento causal con los datos, según la prueba de referencia QRData123456789sin evaluar
2022 S22024 S2Ahora

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

● 6 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 16 porque el software estadístico, la depuración automática y la codificación basada en reglas ya eran habituales antes de que empiece este gráfico, mientras que el diseño, la estimación y los controles de calidad los hacían los estadísticos. Sube a medida que las oficinas de estadística ponen en producción la codificación por aprendizaje automático y por modelos de lenguaje y prueban modelos que hacen preguntas a los encuestados, y a medida que las herramientas de IA entran en el análisis. Se mantiene en la mitad inferior porque la IA no ha llegado a la producción ordinaria de las estadísticas oficiales, los reguladores de ensayos exigen que los análisis con IA se fijen de antemano y los estadísticos fijan los umbrales y revisan lo que produce la automatización.

12022 S216La 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 S118Un 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 S220Entrada 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 S122La 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 S226Modelos 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 S130Los 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 S234El 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 S137Los 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) ↗
9Ahora40La 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
2026-10-01
Base de los juicios de tarea
5 con evidencia · 0 inferencia de la plataforma · 0 sin evidencia suficiente
Hechos verificados
7

Cómo evaluamos una ocupación →

← Volver a EstadísticoLa otra capa: cada tarea, una a una →Habilidades, conocimientos y trabajos afines (O*NET) →