How AI is expanding what people do at work (Work at the Frontier, rapport 1)

Puntos clave

1. ⭐⭐ Las dos cifras destacadas, y por qué siempre deben darse ambas. el 16,8% de los mensajes relacionados con el trabajo Y el 43,5% de los mensajes específicos de una ocupación. El embudo: el 61,5% del uso laboral es genérico (redactar, resumir, planificar — « compartido de forma demasiado amplia entre ocupaciones para constituir evidencia de cruce ») y se elimina del cálculo; del 38,5% restante, el 43,5% cae fuera de la ocupación. → El 43,5% se calcula sobre el 38,5% del uso. Citar solo la cifra del 43,5% casi duplica la magnitud percibida. Ambas cifras están en la fuente; por lo general solo una sobrevive en la cobertura.
2. ⭐ El matiz "dentro o cerca". el complemento del 43,5% no es "dentro de la ocupación" sino « dentro o cerca de la ocupación del usuario ». El límite medido es, por tanto, difuso por construcción, lo cual es honesto y rara vez se transmite.
3. El contramovimiento metodológico — la verdadera contribución del artículo. la literatura parte de una lista fija de tareas por ocupación y pregunta si el modelo puede realizarlas; aquí la pregunta es quién hace qué. « Nuestra evidencia sugiere que la IA también está cambiando quién asume qué tareas. » → Esto mide una redistribución observada, no una sustituibilidad teórica. Esto es lo que distingue este trabajo de los estudios de exposición (cf. los rangos del 5-60% discutidos en [[dgtresor-ia-effets-emploi-2026-06-30]] y [[sfeir-ia-emploi-risque-decrochage-2026-07-23]]).
4. Por ocupación, proporción fuera de la ocupación. (de los mensajes específicos de una ocupación): experiencia del cliente 77% · diseño 75% · RRHH 69% · jurídico 56% · marketing 53% · ventas 40% · finanzas 40% · ingeniería 28%. « El trabajo fuera de la ocupación es mayoritario en cinco de ocho grupos. »
5. ⭐⭐ El mapa de calor — el objeto más rico, y ausente de toda la cobertura. (filas = ocupación del usuario, columnas = ocupación de origen de la tarea; diagonal en negrita): | Usuario ↓ / Tarea → | CX | Diseño | Ing. | Fin. | RRHH | Jurídico | Mktg | Ventas | |---|---|---|---|---|---|---|---|---| | Experiencia del cliente | 11 | 5 | 20 | 14 | 6 | 6 | 26 | 11 | | Diseño | 6 | 12 | 28 | 10 | 4 | 4 | 28 | 8 | | Ingeniería | 4 | 4 | 53 | 9 | 4 | 4 | 20 | 2 | | Finanzas | 6 | 4 | 22 | 23 | 4 | 8 | 25 | 7 | | RRHH | 9 | 5 | 18 | 16 | 10 | 10 | 23 | 9 | | Jurídico | 5 | 4 | 17 | 12 | 7 | 31 | 18 | 6 | | Marketing | 10 | 6 | 17 | 11 | 4 | 4 | 36 | 12 | | Ventas | 11 | 5 | 18 | 15 | 4 | 6 | 29 | 12 | Tres lecturas que el texto no hace: 1. La diagonal es el resultado real. La ingeniería retiene el 53% de su propio trabajo; la experiencia del cliente el 11%, RRHH el 10%, el diseño el 12%, las ventas el 12%. → Algunas ocupaciones, en su uso no genérico de ChatGPT, casi han dejado de hacer su propio trabajo. 2. En cuatro ocupaciones, la columna de marketing supera a la diagonal. Un diseñador realiza más tareas de marketing (28%) e ingeniería (28%) que de diseño (12%); un agente de experiencia del cliente hace más marketing (26%) que CX (11%); lo mismo ocurre con RRHH (23% frente a 10%) y ventas (29% frente a 12%). 3. Dos columnas absorben casi todo: marketing (del 18 al 36% en todas partes) e ingeniería (del 17 al 53%). Las otras seis ocupaciones se reparten las migajas. ⚠️ Precaución de lectura: la diagonal baja no significa que estos empleados hayan dejado de hacer su propio trabajo — significa que sus mensajes no genéricos se clasifican en otra parte, sobre una base que ya excluye el 61,5% del uso. Las tareas propias de estas ocupaciones podrían ser precisamente las clasificadas como "genéricas".
6. Las dos direcciones de circulación, cuantificadas. el diseño importa 35,2% / exporta 1,7%; la ingeniería importa 18,5% / exporta 7,4%; el marketing importa 24,3% / exporta 8,9% — « la mayor proporción de salida de la muestra ». → El marketing es el único que acumula ambas direcciones.
7. Las dos tareas prestadas universalmente. el cálculo financiero y la resolución de problemas tecnológicos aparecen en el top 3 de préstamos para los otros siete grupos. La creación de materiales de marketing aparece en otros cinco grupos, « especialmente destacada entre los usuarios de diseño ».
8. ⭐ La asimetría de la ingeniería — la cifra más accionable para una empresa de servicios de TI. la ingeniería es a la vez la ocupación menos porosa (28%, importa 18,5%) y una gran exportadora (7,4%), y su diagonal del 53% es, con diferencia, la más alta. La porosidad tan celebrada es, por tanto, en gran medida unidireccional hacia el lado técnico: otras ocupaciones hacen resolución de problemas y trabajo en sistemas técnicos, lo contrario es raro (el diseño exporta 1,7%). Lo que esto significa concretamente: la IA no diluye la ingeniería en otras ocupaciones — difunde las tareas de ingeniería por todas partes mientras deja a los ingenieros en su trabajo principal.
9. ⚠️⚠️ El efecto del tamaño es más débil de lo que se ha comunicado en otros lugares — dos advertencias planteadas por OpenAI y a menudo perdidas. 1. El cambio del 18,9% al 16,3% se cumple "solo entre los usuarios promedio". 2. « Entre los usuarios más intensivos, no observamos el mismo patrón monótono. » → La tendencia no se cumple para los usuarios intensivos. OpenAI ofrece dos explicaciones posibles (los usuarios moderados de organizaciones pequeñas recurren a la IA cuando se encuentran con trabajo perteneciente a otra función; los usuarios intensivos tienen flujos de trabajo estabilizados que se parecen entre organizaciones, o usan la IA de forma más intensiva dentro de su ocupación principal). 3. La conclusión es condicional: « la IA podría ser especialmente útil como herramienta generalista allí donde los recursos especializados son escasos. » → Corrección a [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]], que presentaba estos 2,6 puntos como un resultado nítido y la conclusión generalista como una afirmación. La fuente es más cautelosa que el comentario que se hizo sobre ella, y la brecha de 2,6 puntos que yo había señalado como el eslabón débil está explícitamente acotada por los propios autores.
10. El estatus epistémico reivindicado — señal temprana. estos datos revelan recombinaciones « antes de que las empresas reescriban las descripciones de puesto o creen nuevos títulos de puesto », y « podrían proporcionar una señal temprana de cambio ocupacional que las estadísticas convencionales del mercado laboral solo captarán más tarde ». → Un indicador adelantado, no una medida del empleo. Dice lo que las personas intentan, no lo que las organizaciones ratifican.
11. Filiación doctrinal. el artículo se apoya en el AI Jobs Transition Framework del mismo equipo, cuya tesis es que muchas ocupaciones se reorganizarán — « puestos cuyas tareas cotidianas podrían cambiar sustancialmente » — en lugar de desaparecer. El cruce de tareas es la evidencia a nivel de uso de esta tesis.
12. ⚠️ Advertencias sustanciales, a plantear sistemáticamente.
13. OpenAI mide a OpenAI. Un único asistente, únicamente sus propios usuarios, presentado como una ventaja (« nuestra ventana única »). Lo que se mide es el uso de ChatGPT, no el uso de la IA.
14. Solo usuarios estadounidenses. No es posible ninguna extrapolación internacional, y el informe no lo intenta.
15. Población no representativa. de la fuerza laboral: se trata de usuarios de ChatGPT, autoseleccionados.
16. La clasificación por ocupación la realiza un modelo. , sobre los mensajes, sin ninguna validación externa descrita en la publicación. Las categorías (ocho grupos) y el límite "genérico / específico" son decisiones de diseño que determinan mecánicamente los resultados — es ahí donde realmente se decide la solidez de la cifra del 43,5%.
17. Objetivo declarado. « orientar la política y la práctica ». Un actor que produce los datos sobre su propio impacto y pretende informar la política pública. El mismo sesgo señalado respecto a Bercy en [[sfeir-ia-emploi-risque-decrochage-2026-07-23]].
18. Meta / referencias cruzadas. fuente primaria de [[sfeir-ia-frontieres-metiers-skill-based-organisation-2026-08-01]], al que complementa (16,8%, marketing 24,3%, mapa de calor) y corrige (efecto del tamaño no monótono entre los usuarios intensivos); a leer junto con [[dgtresor-ia-effets-emploi-2026-06-30]] y [[sfeir-ia-emploi-risque-decrochage-2026-07-23]] sobre la brecha entre exposición teórica y redistribución observada; extiende [[mollick-organizational-theory-agentic-ai-spans-control-2026-02]] y [[mollick-valence-ai-hr-playbook-leader-lab-crowd-2025-07-23]] en el plano de la teoría organizacional; contexto de RRHH en [[bersin-chro-pivotal-role-ai-transformation-2025-10-10]].