Herramienta de visualización del mercado laboral en Estados Unidos

• Andrej Karpathy creó una herramienta que visualiza la escala y las características del empleo por ocupación a partir de datos de 342 ocupaciones y 143 millones de empleos de la Oficina de Estadísticas Laborales de EE. UU.
• El área de cada rectángulo representa el tamaño del empleo y el color muestra el indicador seleccionado (por ejemplo, proyección de crecimiento, salario mediano, nivel educativo, exposición a la IA)
• Los usuarios pueden hacer clic en un mosaico de ocupación para abrir directamente la página oficial de BLS
• Con una función de coloreado basada en LLM, es posible calcular y visualizar puntajes por ocupación usando prompts personalizados
• Es una herramienta de desarrollo orientada a la exploración de datos que permite reanalizar grupos ocupacionales con distintos criterios, como exposición a la IA, impacto de robots y riesgo de deslocalización

---

Resumen general

• Esta herramienta es un recurso de investigación para explorar visualmente los datos del Occupational Outlook Handbook del Bureau of Labor Statistics
  • Incluye un total de 342 ocupaciones y 143 millones de empleos
  • Cada ocupación se muestra con un área proporcional al tamaño del empleo, y el color cambia según el indicador seleccionado
• Entre los indicadores disponibles están la tasa de crecimiento proyectada, el salario mediano, los requisitos educativos y la exposición a la IA
• Al hacer clic en cada mosaico se puede ir a la página detallada de BLS de esa ocupación

Función de coloreado basada en LLM

• El código fuente publicado en GitHub incluye un scraper, un parser y un pipeline de prompts para LLM
  • Si el usuario escribe su propio prompt, el LLM evalúa cada ocupación y genera automáticamente los colores del treemap
• La opción “Digital AI Exposure” es un ejemplo que estima el impacto actual de la IA en cada ocupación
  • Refleja que la IA está avanzando rápidamente en el ámbito digital
• El usuario también puede escribir prompts con otros criterios, como exposición a robots humanoides, riesgo de deslocalización o impacto climático, para volver a analizar los datos

Criterios de evaluación de Digital AI Exposure

• La exposición a la IA evalúa con una escala de 0 a 10 qué tan probable es que una ocupación sea reconfigurada por la IA
  • Considera tanto el impacto directo (la IA automatiza trabajo humano) como el impacto indirecto (reducción de personal por aumentos de productividad)
• Los trabajos de base digital reciben puntajes más altos
  • Por ejemplo: escritura, programación, análisis y comunicación obtienen 7 puntos o más
  • En cambio, los trabajos que requieren presencia física o labor manual reciben puntajes bajos

Criterios por rango de puntaje

• 0–1 puntos: trabajo casi totalmente físico, con impacto mínimo de la IA (por ejemplo: techadores, paisajistas, buzos comerciales)
• 2–3 puntos: trabajo principalmente físico o interpersonal, donde la IA solo ayuda en tareas periféricas (por ejemplo: electricistas, plomeros, bomberos, higienistas dentales)
• 4–5 puntos: ocupaciones mixtas que combinan trabajo físico y trabajo de conocimiento (por ejemplo: enfermeros, policías, veterinarios)
• 6–7 puntos: principalmente trabajo de conocimiento, donde la IA puede mejorar la productividad (por ejemplo: maestros, gerentes, contadores, periodistas)
• 8–9 puntos: trabajo completamente centrado en lo digital, con posibilidad de cambios estructurales a medida que avance la IA (por ejemplo: desarrolladores de software, diseñadores gráficos, traductores, analistas de datos, asistentes legales, redactores publicitarios)
• 10 puntos: ocupaciones de procesamiento de información puro, donde la IA puede realizar la mayor parte del trabajo (por ejemplo: capturistas de datos, telemercadistas)

Advertencias

• El puntaje de exposición a la IA es una estimación del LLM y no representa una predicción real ni una proyección de empleo
• Un puntaje alto no significa que la ocupación vaya a desaparecer, sino que su forma de trabajo podría cambiar
• Por ejemplo, los desarrolladores de software reciben una calificación de 9/10, pero la IA podría elevar la productividad y hacer que también aumente la demanda
• El puntaje no considera factores como la elasticidad de la demanda, la regulación o los factores sociales
• Muchas ocupaciones con alta exposición podrían ser reconfiguradas y no reemplazadas

[GN⁺]

Opiniones de Hacker News

• Me sorprende que la razón por la que desarrolladores de mi edad no consiguen un nuevo trabajo en menos de un año sea que el mercado de desarrolladores de software está creciendo más rápido que el promedio

  • Cada año Estados Unidos acepta a más de 120 mil personas con visas H1B, L1 y OPT. Si se considera el total de 1.9 millones de desarrolladores, el mercado tendría que crecer más de 5% al año solo para mantener el empleo. Si además se incluyen los graduados dentro de EE. UU., se necesitaría un crecimiento de 10%. A largo plazo, eso es irreal.
    El Congreso o el presidente deberían suspender temporalmente las visas H1B, o subir las tarifas de visa a entre 200 mil y 500 mil dólares para que solo entren talentos realmente excepcionales. Ahora mismo, las grandes empresas hacen despidos masivos y aun así abusan del sistema de visas
  • La expresión “crece más rápido que el promedio” suena como una trampa estadística. En realidad habría que considerar varios factores, como la región, la oferta laboral y los cambios en otros oficios. Puede que muchos de los puestos vacantes por gente que dejó la industria se estén viendo como “crecimiento”, cuando en realidad es una ilusión. Juzgar todo con un solo dato no es más que una ilusión estadística
  • Quizás tú eres un ‘computer programmer’. Para esa ocupación se proyecta una caída del empleo de 6%
  • Los datos son de 2024

• Es interesante que la cantidad de empleos en la categoría “Top Executives” sea parecida a la de “Retail Sales Worker”. Si se piensa en la automatización y en el papel de Estados Unidos en la economía global, se entiende, pero aun así contradice las nociones comunes sobre clase y desigualdad

  • El salario mediano de esta categoría es de 105,350 dólares, e incluye “General and Operations Manager” y “Chief Executive”. Parece que también incluye a directivos de empresas pequeñas. Enlace de BLS
  • Yo también pensé al principio que ese gráfico no tenía sentido. Pero viendo el mismo enlace, el número efectivamente es correcto
  • La gig economy está arruinando la confiabilidad de las estadísticas del gobierno. A muchos conductores de rideshare los clasifican como ‘CEO’
  • Me parece interesante eso de que “contradice las nociones comunes sobre clase y desigualdad”. Me da curiosidad si podrías explicarlo un poco más

• La visualización está muy buena, pero ojalá tuviera modo para daltónicos. No puedo distinguir el rojo del verde

  • Hice un script hacky que puede servir temporalmente. Primero hay que activar “allow pasting” en la consola de Chrome
  • Podrían probar una herramienta como Daltonize. Hace un ajuste de colores fisiológicamente perceptible para personas con alteraciones en la visión del color. Imagen de ejemplo
  • Lo pregunto desde la perspectiva de alguien que no es daltónico: ¿no se puede resolver con la configuración de accesibilidad del sistema, como el modo de alto contraste?
  • Yo también soy daltónico rojo/verde y tengo el mismo problema

• Esto me hace pensar en adónde va el excedente (surplus) que genera la IA. No me refiero a la inversión en centros de datos o laboratorios de investigación, sino a cómo se distribuyen los resultados reales que produce la IA.
  La IA cambia nuestra forma de trabajar y de decidir, y la competencia reinvierte ese excedente en nuevas estructuras. Al final, esas estructuras se vuelven infraestructura esencial. Las computadoras se hicieron millones de veces más rápidas, pero los salarios y la jornada laboral casi no cambiaron, y esa podría ser la razón. El excedente termina absorbido como ‘costo base’

  • Ese excedente al final va a parar al bolsillo del 1% más rico. En los últimos 50 años, la mayor parte de las ganancias de productividad creadas por las computadoras, internet y la automatización también terminó ahí. Datos relacionados
  • En proyectos personales, aunque ahorre tiempo de programación, al final uso ese tiempo para hacer programas más ambiciosos. Las empresas hacen lo mismo y persiguen metas más grandes
  • El excedente termina regresando a los dueños del capital. Desde hace mucho tiempo el trabajo viene perdiendo frente al capital
  • Si la IA pudiera procesar ‘trabajo inútil’ con una eficiencia billones de veces mayor y aun así casi no hubiera beneficio económico, quizá eso significaría que ese trabajo tiene poco valor económico real. Pero si el mercado bursátil sigue intacto, entonces al menos una de estas tres premisas está mal: la economía está estancada, o la IA es increíblemente productiva, o el mercado bursátil está desconectado de la realidad
  • Al final, en una economía de mercado deciden los dueños de las empresas. A largo plazo, la tendencia va hacia productos cada vez más baratos. Basta ver la historia de la agricultura. Enlace de referencia

• Los datos de BLS tienen mucho rezago y poca confiabilidad predictiva frente a la situación real. ¿Se acuerdan de cuando en los 2000 y 2010 decían que actuario era una de las profesiones con más futuro? En una época de cambios tecnológicos tan rápidos, este tipo de predicciones no significan mucho

  • Puede que los datos no sean los más recientes, pero sí son bastante confiables. Yo participé antes en el envío de datos al BLS, y los empleadores reportan cada dos semanas. Es imposible predecir todo perfectamente, pero sirven como guía basada en datos reportados. Nadie sabe con precisión cuál será el impacto de la IA
  • Entonces me da curiosidad cuál es la situación real que tú ves
  • Por eso mi pareja en la universidad quería sacar la certificación de actuario (FCAS). Hoy sigue siendo estable, pero es una profesión de nicho con barreras de entrada muy altas
  • Si la calidad de los datos en sí es mala, por muchos que haya, no son muy distintos de datos sintéticos
  • También pasó que Trump despidió al director del BLS y nombró a alguien con el discurso de “hacer a Estados Unidos grande otra vez”. Con una intervención política así, cuesta confiar en los datos

• Es interesante que el salario promedio de los trabajos que requieren licenciatura sea 8 mil dólares más alto que el de los trabajos que requieren maestría

  • Probablemente sea porque las ocupaciones que exigen maestría están saturadas. En áreas como educación, trabajo social y bibliotecología está ocurriendo inflación de credenciales (qualification creep)

• “Software Developers +15%” suena alentador, pero “Computer Programmers -6%” sí impacta

  • Según BLS, el salario mediano de Software Developer es de 131,450 dólares, fuente.
    El de Computer Programmer es de 98,670 dólares, fuente.
    Los desarrolladores cubren todo el ciclo de vida del software, incluido el análisis de requisitos de usuarios, diseño de sistemas, mantenimiento y documentación. En cambio, los programadores se enfocan principalmente en escribir, corregir y probar código
  • Yo también soy programador, pero la mayoría de las vacantes que salen con ese título tienen condiciones muy malas. Que le pongan el título ‘Software Engineer’ no significa que de verdad seas ingeniero. Al final es un juego de palabras
  • Yo también tenía curiosidad por esa diferencia. Aun así, viendo 1.9 millones de puestos para desarrolladores y 120 mil para programadores, parece una señal esperanzadora
  • Quizá se deba a un cambio de terminología. Antes a esos roles se les llamaba programadores, y ahora parecen haberse integrado bajo el término desarrollador
  • Puede que bajen los programadores, pero se proyecta que testers y QA crecerán. En un futuro donde la IA sea generalizada, parece que el control de calidad será más importante. Pero eso no necesariamente significa que el puesto de desarrollador vaya a crecer en la misma medida

• Desde una perspectiva inmobiliaria, los trabajos más expuestos a la IA son los de oficina. Ahí entran asistentes, personal administrativo, contabilidad, atención al cliente, abogados y desarrolladores. En los últimos años se decía que los inmuebles de oficinas se estaban recuperando, pero si las pérdidas de empleo por IA se vuelven realidad, podría venir una segunda ola de impacto

• Esta visualización depende mucho del mouse over, así que en móvil casi no sirve

  • Dicen que es por el renderizado en Canvas. La accesibilidad responsiva queda bastante limitada

• Es interesante que la profesión de modelo tenga una exposición a IA de 8/10