Estadístico

Estados Unidos. La oficina de estadística prevé que el empleo de estadísticos crezca un 11 por ciento de 2025 a 2035, de 31.300 a 34.700, y lo atribuye a un uso más extendido del análisis estadístico para fundamentar decisiones empresariales, sanitarias y políticas, y a la creciente cantidad de datos almacenados digitalmente. La página no menciona la inteligencia artificial, el aprendizaje automático ni la automatización.

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.

Reino Unido. El regulador afirma que herramientas como Survey Assist, de la oficina de estadística, pueden ayudar a reducir el tiempo dedicado al procesamiento repetitivo y permitir que los estadísticos se centren más en el aseguramiento de la calidad y en atender las necesidades de los usuarios, pero que su experiencia reguladora indica que el uso de la IA en las estadísticas oficiales sigue centrado sobre todo en la investigación y el desarrollo, las pruebas y el apoyo administrativo, y no en la producción estadística ordinaria. Una valoración de un regulador para un solo país; no ofrece cifras.

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.

Estados Unidos. Personal de la Oficina del Censo informa de que un autocodificador basado en un modelo de lenguaje para las respuestas sobre sector y ocupación de la Encuesta sobre la Comunidad Estadounidense elevó la tasa de codificación conjunta del 28 al 52 por ciento, con lo que cada mes se envían a codificación manual un 32 por ciento menos de casos, o 500.000 menos al año; el umbral de probabilidad se eligió para que la tasa de error sea de alrededor del 6 por ciento, el límite que deben cumplir los codificadores administrativos. Las diapositivas indican que las opiniones son de los autores y no de la Oficina, y entre los autores figura un contratista que construyó el modelo. La codificación era trabajo administrativo; los estadísticos fijaron el umbral.

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.

Gran Bretaña. El registro de transparencia, que sitúa la fase como previa al despliegue, indica que la herramienta hace preguntas de seguimiento a partir de lo que responde la persona encuestada para precisar su empleo y su sector, y después determina los códigos SIC y SOC; hay un análisis humano estrecho durante la investigación y el desarrollo, pero ninguna intervención humana directa en las preguntas que formula el modelo ni en los resultados que ofrece, con una revisión administrativa de la exactitud durante las fases de investigación. Una prueba piloto; no se publican resultados.

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.

Unión Europea. El documento de reflexión dice que, cuando se usan modelos de IA o de aprendizaje automático para transformar, analizar o interpretar datos dentro de un ensayo clínico, forman parte del análisis estadístico y deberían seguir las directrices aplicables sobre principios estadísticos; en los ensayos pivotales, la cadena de tratamiento de datos y los modelos deberían especificarse de antemano, congelarse y documentarse en el plan de análisis estadístico, no se aceptan los enfoques de aprendizaje incremental y cualquier cambio durante el ensayo requiere una interacción con el regulador para modificar el plan. Un documento de reflexión, no jurídicamente vinculante; obliga al promotor, no a una persona con nombre.

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

Una prueba de referencia académica de 411 preguntas con hojas de datos procedentes de libros de texto, materiales de aprendizaje en línea y artículos académicos, que evalúa el razonamiento estadístico y causal. El modelo más potente, GPT-4, alcanzó un 58 por ciento de precisión; los modelos tuvieron dificultades con el análisis de datos y el razonamiento causal, y les costó usar a la vez el conocimiento causal y los datos proporcionados. Evalúa modelos de la época de 2024 con preguntas de tipo manual, no el trabajo de los estadísticos.

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.

Canadá. Personal del organismo informa de que la codificación por aprendizaje automático del sector, la ocupación y la categoría profesional se implantó con éxito en el proceso de producción de la Encuesta de Población Activa en octubre de 2021; al comparar 13.665 estimaciones publicadas producidas con y sin ella, no observaron rupturas, y prevén que el aprendizaje automático cambie la naturaleza del trabajo de codificación manual. La ponencia del propio organismo en un simposio.

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.

Si estás empezando, cuenta con que la codificación rutinaria y la depuración de datos las hagan modelos, y con que tú los revises. Desarrolla lo que los modelos no hacen: el diseño de estudios, juzgar lo que los datos pueden sostener y el aseguramiento de la calidad de los procesos automatizados.

Cuenta con que una parte mayor de tu trabajo consista en fijar umbrales y revisar lo que produce la máquina, y menos en procesar a mano. El diseño, la metodología y el asesoramiento siguen siendo tuyos.

Rehacer el puesto

Asumir el aseguramiento de la calidad de los procesos automatizados

Donde las oficinas de estadística automatizaron la codificación, los estadísticos fijaron los umbrales de error y revisaron las estimaciones publicadas en busca de rupturas.

Quedarte y reforzarte

Quedarte en el diseño y la metodología

Ningún registro muestra a la IA diseñando muestras o ensayos en producción, y las normas de los ensayos exigen que los análisis con IA se fijen de antemano en el plan de análisis.

Movimiento lateral

Pasar a la estadística de ensayos clínicos

Los reguladores de medicamentos tratan la IA en el análisis de ensayos como parte del análisis estadístico, lo que necesita estadísticos que entiendan ambas cosas.

No, según la evidencia actual. Las oficinas de estadística han automatizado buena parte de la codificación de las respuestas a encuestas, pero los estadísticos fijan los umbrales y revisan los resultados, los reguladores dicen que la IA aún no está en la producción ordinaria de estadísticas oficiales, y Estados Unidos prevé que los empleos de estadístico crezcan un 11 por ciento de 2025 a 2035.

No respondemos con un número de años. Observa si las oficinas de estadística llevan la IA de la codificación a la estimación y el análisis, y qué aceptan los reguladores de ensayos. Eso te dice más que cualquier fecha.

Sí, en producción en algunas oficinas de estadística: el autocodificador basado en un modelo de lenguaje de la Oficina del Censo de Estados Unidos elevó del 28 al 52 por ciento la proporción de respuestas sobre ocupación y sector codificadas automáticamente, con un umbral fijado para ajustarse al límite de error del 6 por ciento de los codificadores administrativos.

La agencia europea de medicamentos dice que, cuando se usan modelos de IA para analizar datos de ensayos, forman parte del análisis estadístico, deben seguir los principios estadísticos y, en los ensayos pivotales, deben congelarse en el plan de análisis; no se aceptan modelos que sigan aprendiendo durante el ensayo.