El 90% de las horas de trabajo en EE. UU. se dedica a tareas que no están bien cubiertas por los benchmarks de IA

Artículo original ↗ Discusión en Hacker News ↗

Un nuevo análisis sostiene que alrededor del 90% de las tareas laborales en EE. UU. no está representado en los benchmarks actuales de IA, lo que ha desatado el debate sobre hasta dónde pueden llegar realmente los modelos de hoy al automatizar trabajos “reales”. Los comentaristas argumentan que los LLM son adecuados para tareas digitales, acotadas y verificables, como programar, pero tienen dificultades con los aspectos desordenados, políticos y físicos que dominan la mayor parte del trabajo, desde el manejo de partes interesadas hasta la limpieza. Muchos ven que las ganancias a corto plazo serán modestas y desiguales, lo que plantea preocupaciones sobre la calidad del empleo, la desigualdad y si la automatización reducirá sobre todo costes para los empleadores en lugar de mejorar ampliamente el nivel de vida.

Alcance de los Benchmarks de IA frente al Trabajo Real

  • El hilo coincide en que los benchmarks cubren sobre todo tareas digitales, con bucles de retroalimentación estrechos, no la mayoría del trabajo, que es desordenado, interpersonal o físico.
  • Varios señalan que los benchmarks suelen apuntar a roles bien pagados “expuestos a la IA” (derecho, programación) y se pierden roles de apoyo (secretarios legales, administrativos, servicios de comida, limpieza).
  • Algunos sostienen que incluso las ocupaciones “cubiertas” solo se benchmarkean en sub-tareas de bajo valor, no en el trabajo de mayor apalancamiento.

Lo que Realmente Hacen los Ingenieros de Software

  • Muchos informan que solo una pequeña fracción de su tiempo es programar; la mayor parte es:
    • Manejo de partes interesadas, política interna, gestión de expectativas, reuniones.
    • Coordinación entre equipos, integración y التعامل con la jerarquía organizacional.
  • Hay una fuerte opinión de que programar nunca fue el principal cuello de botella; la IA acelera una parte que ya era rápida.

Prioridades y Restricciones de la Automatización

  • Consenso: la IA alcanza tareas que son digitales, verificables y con datos sintéticos escalables para entrenamiento (código, matemáticas, algo de trabajo administrativo).
  • La robótica y la manipulación física se ven como la última barrera; hay debate sobre si los robots superarán económicamente a la mano de obra de bajos salarios en el corto plazo.
  • Algunos esperan que, con el tiempo, “todo lo representable como programa” se automatice; otros citan un progreso lento y duro en la automatización del mundo real.

Efectos Económicos y Sociales

  • Hay un fuerte desacuerdo sobre si la tecnología ha producido “desinflación” en necesidades básicas (vivienda, sanidad, comida) o si sobre todo ha abaratado los lujos.
  • Muchos esperan que la IA erosione primero los salarios blancos de alta remuneración, profundizando la desigualdad y vaciando a la clase media.
  • Algunos lo enmarcan como una reducción de los “rendimientos no ganados” de las profesiones de alto CI; otros lo ven como una mayor concentración de riqueza hacia los multimillonarios.
  • Hay temores de un alto desempleo estructural, especialmente entre trabajadores jóvenes/de nivel inicial; se piden cambios en impuestos y políticas sociales (RBU, gravar más el capital/la IA).

Bullshit Jobs, Trabajo Oculto y la Falacia del Portero

  • Debate sobre cuántos trabajos son “bullshit” frente a funciones reales, aunque difíciles de medir, de coordinación, seguridad y experiencia del cliente.
  • Los ejemplos de portero/encargado se usan para mostrar que la automatización a menudo ignora el valor intangible hasta que se pierde.

Productividad, Cuellos de Botella y Hype de la IA

  • Se invocan la Ley de Amdahl y la Enfermedad de los Costes de Baumol: acelerar el 10–20% automatizable no transforma los resultados si las aprobaciones, la alineación y el control de calidad dominan.
  • Las personas informan de mejoras personales significativas de velocidad (p. ej., programación, scripting) pero todavía poca productividad macro visible o cambio en plantilla.
  • Preocupa que la IA esté sobrevalorada como destructora de empleo y subevaluada en dominios sin buenos benchmarks.