{"id":131133,"date":"2026-03-15T21:48:23","date_gmt":"2026-03-16T03:48:23","guid":{"rendered":"https:\/\/pongara.net\/news\/mapa-de-empleos-en-ee-uu-revela-que-profesiones-estan-mas-expuestas-a-la-ia\/"},"modified":"2026-03-15T21:48:23","modified_gmt":"2026-03-16T03:48:23","slug":"mapa-de-empleos-en-ee-uu-revela-que-profesiones-estan-mas-expuestas-a-la-ia","status":"publish","type":"post","link":"https:\/\/pongara.net\/news\/mapa-de-empleos-en-ee-uu-revela-que-profesiones-estan-mas-expuestas-a-la-ia\/","title":{"rendered":"Mapa de empleos en EE. UU. revela qu\u00e9 profesiones est\u00e1n m\u00e1s expuestas a la IA"},"content":{"rendered":"<div>\n<div><img width=\"640\" height=\"384\" src=\"https:\/\/pongara.net\/news\/wp-content\/uploads\/2026\/03\/canuto-imagine-1773586466-840x504-1.jpg\" class=\"attachment-large size-large wp-post-image\" alt=\"\" style=\"margin-bottom: 15px;\" loading=\"lazy\" decoding=\"async\" srcset=\"https:\/\/pongara.net\/news\/wp-content\/uploads\/2026\/03\/canuto-imagine-1773586466-840x504-1.jpg 840w, https:\/\/diariobitcoin.b-cdn.net\/wp-content\/uploads\/2026\/03\/canuto-imagine-1773586466-608x365.jpg 608w, https:\/\/diariobitcoin.b-cdn.net\/wp-content\/uploads\/2026\/03\/canuto-imagine-1773586466-768x461.jpg 768w, https:\/\/diariobitcoin.b-cdn.net\/wp-content\/uploads\/2026\/03\/canuto-imagine-1773586466.jpg 1226w\" sizes=\"auto, (max-width: 640px) 100vw, 640px\"><\/div>\n<p><strong>Un repositorio publicado en GitHub transform\u00f3 datos oficiales del mercado laboral de Estados Unidos en una visualizaci\u00f3n interactiva que estima qu\u00e9 tan expuesta est\u00e1 cada ocupaci\u00f3n a la inteligencia artificial. El proyecto analiza 342 profesiones, combina estad\u00edsticas de empleo con evaluaci\u00f3n hecha por un modelo de lenguaje y ofrece una mirada \u00fatil para entender qu\u00e9 trabajos podr\u00edan cambiar m\u00e1s r\u00e1pido con la automatizaci\u00f3n.<br \/>\n***<\/strong><\/p>\n<ul>\n<li><strong>El proyecto usa datos del Manual de Perspectivas Ocupacionales de la Oficina de Estad\u00edsticas Laborales de EE. UU. para analizar 342 ocupaciones.<\/strong><\/li>\n<li><strong>Cada empleo recibe una puntuaci\u00f3n de exposici\u00f3n a la IA de 0 a 10, basada en automatizaci\u00f3n directa y en aumentos de productividad.<\/strong><\/li>\n<li><strong>La media general del conjunto es 5,3 sobre 10, con desarrolladores, editores y paralegales entre los m\u00e1s expuestos.<\/strong><\/li>\n<\/ul>\n<hr>\n<blockquote class=\"twitter-tweet\">\n<p lang=\"es\" dir=\"ltr\"><img decoding=\"async\" src=\"https:\/\/pongara.net\/news\/wp-content\/uploads\/2026\/03\/1f6a8-11.png\" alt=\"\ud83d\udea8\" class=\"wp-smiley\" style=\"height: 1em; max-height: 1em;\"> Nuevo mapa de empleos en EE. UU. revela la exposici\u00f3n de profesiones a la IA <img decoding=\"async\" src=\"https:\/\/pongara.net\/news\/wp-content\/uploads\/2026\/03\/1f6a8-11.png\" alt=\"\ud83d\udea8\" class=\"wp-smiley\" style=\"height: 1em; max-height: 1em;\"><\/p>\n<p>Un repositorio en GitHub analiz\u00f3 342 ocupaciones.<\/p>\n<p>Encontr\u00f3 una puntuaci\u00f3n media de 5,3 en exposici\u00f3n a la IA.<\/p>\n<p>Desarrolladores y paralegales est\u00e1n entre los m\u00e1s afectados.<\/p>\n<p>Opuestos a ellos,\u2026 <a href=\"https:\/\/t.co\/irjFFRiY1F\">pic.twitter.com\/irjFFRiY1F<\/a><\/p>\n<p>\u2014 Diario\u0e3fitcoin\uea00 (@DiarioBitcoin) <a href=\"https:\/\/twitter.com\/DiarioBitcoin\/status\/2033393857769939398?ref_src=twsrc%5Etfw\">March 16, 2026<\/a><\/p>\n<\/blockquote>\n<p>La inteligencia artificial se ha convertido en una variable central para evaluar el futuro del trabajo. En ese contexto, un repositorio publicado por Josh Kale en GitHub propone una forma concreta de medir ese impacto sobre el mercado laboral de Estados Unidos, a partir de datos oficiales de la Oficina de Estad\u00edsticas Laborales, conocida como BLS por sus siglas en ingl\u00e9s.<\/p>\n<p>El proyecto toma como base el Manual de Perspectivas Ocupacionales del BLS, una referencia ampliamente utilizada para seguir la evoluci\u00f3n de profesiones, salarios, requisitos educativos y proyecciones de empleo. A partir de esa fuente, el autor recopil\u00f3 informaci\u00f3n de 342 ocupaciones de distintos sectores de la econom\u00eda estadounidense y las convirti\u00f3 en una base estructurada para an\u00e1lisis posterior.<\/p>\n<p>La propuesta no se limita a reunir datos p\u00fablicos. Tambi\u00e9n incorpora una capa de evaluaci\u00f3n con inteligencia artificial para estimar cu\u00e1n susceptible es cada ocupaci\u00f3n a cambios impulsados por IA y automatizaci\u00f3n. El resultado final es una visualizaci\u00f3n tipo treemap, donde el tama\u00f1o de cada bloque representa empleo y el color refleja el nivel de exposici\u00f3n.<\/p>\n<p>Para lectores que siguen de cerca la relaci\u00f3n entre tecnolog\u00eda, productividad y mercados, este tipo de herramientas ofrece una se\u00f1al relevante. No se trata solo de identificar qu\u00e9 puestos pueden ser automatizados, sino de observar qu\u00e9 segmentos laborales podr\u00edan cambiar si la IA permite a menos personas producir mucho m\u00e1s.<\/p>\n<h3>C\u00f3mo se construy\u00f3 la base de datos<\/h3>\n<p>Seg\u00fan detalla el repositorio <a href=\"https:\/\/github.com\/JoshKale\/jobs\">GitHub \u2013 JoshKale\/jobs \u00b7 GitHub<\/a>, el flujo de trabajo parte con una etapa de raspado automatizado. Mediante Playwright, ejecutado en modo sin cabeza, el sistema descarga el HTML crudo de las 342 p\u00e1ginas de ocupaciones del BLS y las almacena en un directorio local. El uso de esta herramienta responde a que el sitio del BLS bloquea bots convencionales.<\/p>\n<p>Despu\u00e9s de esa fase, el proyecto procesa el contenido con BeautifulSoup. El HTML descargado se transforma en archivos Markdown m\u00e1s limpios y f\u00e1ciles de analizar. Ese paso permite separar la informaci\u00f3n esencial de cada ocupaci\u00f3n y preparar el terreno para extraer campos estructurados.<\/p>\n<p>La siguiente etapa consiste en tabular variables clave. Un archivo CSV concentra datos como salario, educaci\u00f3n requerida, n\u00famero de empleos, perspectiva de crecimiento y c\u00f3digo SOC. Es decir, el repositorio no solo captura descripciones narrativas de los trabajos, sino tambi\u00e9n indicadores concretos que ayudan a comparar ocupaciones entre s\u00ed.<\/p>\n<p>M\u00e1s adelante, esos datos se combinan con la evaluaci\u00f3n de exposici\u00f3n a la IA y se integran en un archivo compacto para alimentar el sitio web est\u00e1tico. De esta forma, la visualizaci\u00f3n final no depende de consultas externas en tiempo real, sino de una estructura de datos ya consolidada y lista para el frontend.<\/p>\n<h3>Qu\u00e9 mide la puntuaci\u00f3n de exposici\u00f3n a la IA<\/h3>\n<p>El elemento m\u00e1s llamativo del proyecto es su sistema de puntuaci\u00f3n. Cada ocupaci\u00f3n recibe una nota entre 0 y 10 bajo un \u00fanico eje llamado \u201cExposici\u00f3n al IA\u201d. Esa calificaci\u00f3n intenta medir cu\u00e1nto remodelar\u00e1 la IA una ocupaci\u00f3n espec\u00edfica, considerando dos factores: la automatizaci\u00f3n directa del trabajo y los efectos indirectos de productividad.<\/p>\n<p>En t\u00e9rminos simples, una ocupaci\u00f3n puede quedar expuesta no solo porque una m\u00e1quina haga parte de sus tareas, sino tambi\u00e9n porque una persona asistida por IA pueda hacer el trabajo de varias. Esa diferencia es importante para entender por qu\u00e9 ciertos empleos de oficina y producci\u00f3n digital aparecen en zonas de mayor riesgo, incluso si no desaparecen por completo.<\/p>\n<p>El criterio central del modelo se apoya en una idea sencilla. Si el producto del trabajo es fundamentalmente digital y puede realizarse por completo desde una oficina en casa, frente a una computadora, la exposici\u00f3n a la IA tiende a ser alta. En cambio, los oficios que exigen presencia f\u00edsica, habilidad manual o interacci\u00f3n humana en tiempo real tienen una barrera natural mayor.<\/p>\n<p>Esa l\u00f3gica ayuda a contextualizar la clasificaci\u00f3n. No sugiere necesariamente reemplazo inmediato ni desempleo autom\u00e1tico. M\u00e1s bien apunta a qu\u00e9 ocupaciones podr\u00edan experimentar una reconfiguraci\u00f3n m\u00e1s profunda, ya sea por automatizaci\u00f3n de tareas, por nuevas herramientas o por una reorganizaci\u00f3n de la demanda laboral.<\/p>\n<h3>Los trabajos m\u00e1s y menos expuestos, seg\u00fan la escala<\/h3>\n<p>El repositorio ofrece ejemplos de calibraci\u00f3n que permiten leer mejor la escala. En el rango de 0 a 1, considerado de exposici\u00f3n m\u00ednima, aparecen techadores, conserjes y trabajadores de construcci\u00f3n. Son funciones donde el entorno f\u00edsico, la destreza manual y la variabilidad del trabajo diario dificultan una sustituci\u00f3n amplia por sistemas de IA.<\/p>\n<div class=\"diari-in-content-middle\" id=\"diari-3590963807\">\n<div id=\"diari-1058629257\" data-diari-trackid=\"195495\" data-diari-trackbid=\"1\" class=\"diari-target diari-target\"><\/div>\n<\/div>\n<p>En los niveles de 2 a 3, catalogados como bajos, figuran electricistas, fontaneros, auxiliares de enfermer\u00eda y bomberos. Aunque parte de sus tareas puede beneficiarse de software o automatizaci\u00f3n, siguen dependiendo de ejecuci\u00f3n f\u00edsica, respuesta en terreno y presencia directa frente a otras personas.<\/p>\n<p>La zona media, de 4 a 5, incluye enfermeras registradas, trabajadores minoristas y m\u00e9dicos. Aqu\u00ed el proyecto sugiere que la IA podr\u00eda asistir, ordenar, filtrar y mejorar decisiones, pero sin eliminar la necesidad de supervisi\u00f3n humana, trato interpersonal o intervenci\u00f3n profesional en tiempo real.<\/p>\n<p>M\u00e1s arriba, entre 6 y 7, aparecen profesores, gerentes, contadores e ingenieros. Y en el rango de 8 a 9, clasificado como muy alto, se ubican desarrolladores de software, paralegales, analistas de datos y editores. El m\u00e1ximo de 10 queda reservado en el ejemplo para transcriptores m\u00e9dicos.<\/p>\n<p>El promedio general para las 342 ocupaciones analizadas es de 5,3 sobre 10. Esa cifra sugiere una exposici\u00f3n intermedia a nivel agregado, pero tambi\u00e9n una dispersi\u00f3n importante entre oficios manuales, profesiones de cuidado y tareas centradas en contenidos o flujos de informaci\u00f3n digital.<\/p>\n<h3>Una visualizaci\u00f3n pensada para comparar empleo y riesgo<\/h3>\n<p>La interfaz principal del proyecto es un treemap interactivo. En esta clase de visualizaci\u00f3n, cada ocupaci\u00f3n se representa como un rect\u00e1ngulo cuyo tama\u00f1o es proporcional al n\u00famero de personas empleadas en esa actividad. As\u00ed, el lector puede ver al mismo tiempo qu\u00e9 trabajos son grandes en t\u00e9rminos de fuerza laboral y qu\u00e9 tan expuestos estar\u00edan a la IA.<\/p>\n<p>El color a\u00f1ade una segunda capa de lectura. El esquema va de verde a rojo, donde verde implica menor exposici\u00f3n y rojo mayor exposici\u00f3n. Adem\u00e1s, el dise\u00f1o agrupa ocupaciones por categor\u00edas del BLS, lo que permite observar si ciertos sectores completos tienden a concentrarse en una zona m\u00e1s vulnerable o m\u00e1s resistente.<\/p>\n<p>Al pasar el cursor, el sistema despliega un cuadro con informaci\u00f3n adicional. All\u00ed se incluyen pago, empleo, perspectiva, educaci\u00f3n requerida, puntuaci\u00f3n de exposici\u00f3n y el razonamiento generado por el modelo de lenguaje. Esa combinaci\u00f3n convierte la visualizaci\u00f3n en una herramienta exploratoria, no solo en una pieza est\u00e9tica.<\/p>\n<p>Para analistas de tecnolog\u00eda, educaci\u00f3n o inversi\u00f3n, el formato es \u00fatil porque cruza varios planos a la vez. Muestra tama\u00f1o del mercado laboral, presi\u00f3n potencial de la IA y perfil estructural de cada ocupaci\u00f3n. Ese cruce puede resultar valioso en debates sobre capacitaci\u00f3n, productividad y reasignaci\u00f3n de capital humano.<\/p>\n<h3>El papel del modelo de lenguaje en la evaluaci\u00f3n<\/h3>\n<p>La puntuaci\u00f3n no fue asignada manualmente ocupaci\u00f3n por ocupaci\u00f3n. El archivo de calificaci\u00f3n env\u00eda la descripci\u00f3n en Markdown de cada empleo a un modelo de lenguaje, espec\u00edficamente Gemini Flash a trav\u00e9s de OpenRouter, junto con un criterio de evaluaci\u00f3n. De ah\u00ed surge una nota de 0 a 10 y una justificaci\u00f3n escrita para cada caso.<\/p>\n<p>Ese punto merece atenci\u00f3n porque combina datos p\u00fablicos estructurados con interpretaci\u00f3n automatizada. El m\u00e9todo permite escalar el an\u00e1lisis a cientos de ocupaciones, aunque tambi\u00e9n plantea la necesidad de leer los resultados como estimaciones y no como una verdad definitiva sobre el futuro del empleo.<\/p>\n<p>La utilidad del proyecto est\u00e1 precisamente en esa mezcla. No es un informe oficial del BLS ni una proyecci\u00f3n gubernamental. Es una capa anal\u00edtica creada a partir de una fuente s\u00f3lida y enriquecida con IA generativa. Eso abre espacio para comparaciones, revisi\u00f3n cr\u00edtica y nuevas iteraciones con otros modelos o criterios.<\/p>\n<p>En un momento en que la discusi\u00f3n p\u00fablica sobre IA suele oscilar entre entusiasmo y alarma, trabajos como este aportan una base m\u00e1s tangible. Permiten bajar el debate desde afirmaciones generales hacia ocupaciones concretas, con variables visibles y una l\u00f3gica metodol\u00f3gica que puede ser auditada por cualquier persona desde el propio repositorio.<\/p>\n<p>Tambi\u00e9n es relevante que el proyecto deje a disposici\u00f3n archivos clave como occupations.json, occupations.csv, scores.json, las p\u00e1ginas HTML crudas y las versiones en Markdown. Esa apertura facilita que investigadores, periodistas o desarrolladores reutilicen el material, reproduzcan resultados o propongan nuevos enfoques sobre los mismos datos.<\/p>\n<p>En s\u00edntesis, el repositorio de Josh Kale ofrece una radiograf\u00eda accesible sobre c\u00f3mo la IA podr\u00eda remodelar el empleo en Estados Unidos. Su principal aporte no es sentenciar qu\u00e9 trabajos desaparecer\u00e1n, sino mostrar con claridad qu\u00e9 ocupaciones parecen m\u00e1s expuestas cuando el trabajo es digital, replicable y susceptible de escalar con asistencia algor\u00edtmica.<\/p>\n<div class=\"footer-entry-meta\"><\/div>\n<\/div>\n","protected":false},"excerpt":{"rendered":"<p>Un repositorio publicado en GitHub transform\u00f3 datos oficiales del mercado laboral de Estados Unidos en una visualizaci\u00f3n interactiva que estima qu\u00e9 tan expuesta est\u00e1 cada [&hellip;]<\/p>\n","protected":false},"author":1,"featured_media":131134,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[2,1],"tags":[285,5086,97,13780,1268,22165,575],"class_list":["post-131133","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-crypto","category-noticias","tag-crypto","tag-empleos","tag-estan","tag-expuestas","tag-noticias","tag-profesiones","tag-revela"],"_links":{"self":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/posts\/131133","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/comments?post=131133"}],"version-history":[{"count":0,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/posts\/131133\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/media\/131134"}],"wp:attachment":[{"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/media?parent=131133"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/categories?post=131133"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/pongara.net\/news\/wp-json\/wp\/v2\/tags?post=131133"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}