Reemplazar, aumentar, apoyar: una medida anidada de la exposición a la IA generativa tarea a tarea para todo el catálogo O*NET

Este trabajo construye una medida de la exposición potencial a la IA generativa tarea a tarea, en tres capas anidadas. Para cada tarea, leída en el contexto de su ocupación, preguntamos primero si la IA puede reemplazar su resultado con la calidad de un trabajador típico (Re). Si no puede, preguntamos si puede aumentar al trabajador lo bastante como para reducir a la mitad el tiempo que lleva la tarea o llevar su calidad al cuartil superior (Au) y, si tampoco, si puede al menos apoyar la tarea con alguna aportación aprovechable (Su).

Tres modelos de lenguaje de frontera puntúan los 24.087 pares tarea-actividad de O*NET 31.0 (923 ocupaciones) a partir de un inventario fechado de 33 benchmarks de capacidades, y una ronda Delphi resuelve sus desacuerdos. Ponderando por tiempo, la ocupación media tiene un 37,8 % de su tiempo de trabajo reemplazable, un 48,4 % aumentable y un 79,2 % apoyable. Los evaluadores coinciden más en el reemplazo y menos en los umbrales de aumento.

Medimos además tres factores de vinculación (nexo relacional, responsabilidad organizativa y autoría) que mantienen las tareas de un puesto ligadas a la persona que las hace, así como la parte del tiempo de trabajo en la que la IA ayuda a un experto sin reemplazarlo. Todo se traslada a las clasificaciones europeas mediante tablas de correspondencia oficiales, con la CNO-11 española como aplicación.