De un vistazo
- Fuente
- Felten, Raj and Seamans (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, 42(12), 2195–2217. doi:10.1002/smj.3286
- Cómo se hizo
- Los autores relacionaron las capacidades que necesita cada ocupación con los campos en los que la IA ha avanzado. Después construyeron medidas equivalentes para sectores y regiones. Análisis de datos. Construye una medida a partir de datos existentes, como registros de puestos y tareas.
- Quién participó
- Ocupaciones, sectores y condados.
- Dónde
- Estados Unidos.
“We create and validate a new measure of an occupation's exposure to AI that we call the AI Occupational Exposure (AIOE).” [Creamos y validamos una nueva medida de la exposición de una ocupación a la IA, que llamamos AI Occupational Exposure (AIOE).]
Qué encontró
El estudio publicó un conjunto de datos abierto con una puntuación de exposición para cada ocupación. También muestra cómo construir la puntuación de una sola empresa a partir de la combinación de ocupaciones que emplea.
Cuándo se cumple el resultado
Aquí «exposición» significa que un puesto depende de capacidades en las que la IA se ha vuelto buena. No dice si la IA sustituirá el trabajo, lo apoyará o lo dejará como está. Los autores presentan la medida como un punto de partida para investigar, no como una previsión.
Límites
- Puntúa ocupaciones enteras. Dos personas con el mismo puesto pueden hacer tareas distintas.
- Se construyó antes de las herramientas de chat con IA actuales.
Prácticas que usan este estudio
Este estudio respalda: