Hanademi

AI changes the work before it changes the jobLa IA cambia el trabajo antes de cambiar el empleo · V7

37 slides · 31 min · 2026-08-15 language
ENES
theme
LightDark
view
TalkTable
brand
HanademiPlatzi
AI changes the work before itchanges the jobMade for Cuentas Entrenadas, by Hanademi
  1. The key divide is not specialist versus generalist, but suitable versus unsuitable tasks.
  2. Experienced developers were 19% slower with AI on complex repository work.
  3. Organizations should redesign workflows and training before redesigning their hierarchies.
La IA cambia el trabajo antesde cambiar el empleoMade for Cuentas Entrenadas, by Hanademi
  1. La división clave no es especialista versus generalista, sino tareas adecuadas versus inadecuadas.
  2. Desarrolladores experimentados fueron 19% más lentos con IA en trabajo complejo de repositorios.
  3. Las organizaciones deben rediseñar flujos de trabajo y capacitación antes de rediseñar sus jerarquías.
AI made experienced developers 19%slower in a 2025 trialMeasured outcomes ranged from 19% slower to 55.8% faster, while workplace time savings in Denmarkwere just 2.8%. The task and workflow, not the job title alone, determine the result.Made for Cuentas Entrenadas, by HanademiSources: METR. (2025). Measuring the impact of early-2025 AI on experienced open-source developerproductivity.; Measuring the Impact of Early-2025 AI on Experienced ....; Humlum, A., & Vestergaard, E. (2025).Large language models, small labor market effects. National Bureau of Economic Research Working Paper.Unit% change in speed or productivityMeasured change in speed or productivityPositive: faster or more productive0Experienced developers−19%Danish workplaces+2.8%Customer support, overall+14%Slovak central bank+21%Suitable consulting tasks+25.1%Customer support, novice+34%Professional writing+40%Bounded coding task+55.8%
Measured outcomes ranged from 19% slower to 55.8% faster, while workplace time savings in Denmark were just 2.8%. The task and workflow, not the job title alone, determine the result.
La IA hizo que desarrolladores experimentadostrabajaran un 19% más lento en un ensayo de 2025Los resultados medidos fueron desde un 19% más lento hasta un 55,8% más rápido, mientras que el ahorrode tiempo laboral en Dinamarca fue de solo un 2,8%. La tarea y el flujo de trabajo, no solo el puesto,determinan el resultado.Made for Cuentas Entrenadas, by HanademiFuentes: METR. (2025). Measuring the impact of early-2025 AI on experienced open-source developerproductivity.; Measuring the Impact of Early-2025 AI on Experienced ....; Humlum, A., & Vestergaard, E. (2025).Large language models, small labor market effects. National Bureau of Economic Research Working Paper.UnidadCambio porcentual en velocidad o productividadCambio medido en velocidad o productividadPositivo: más rápido o más productivo0Desarrolladores experimentados−19%Lugares de trabajo daneses+2.8%Atención al cliente, total+14%Banco central eslovaco+21%Tareas de consultoría adecuadas+25.1%Atención al cliente, principiantes+34%Redacción profesional+40%Tarea acotada de programación+55.8%
Los resultados medidos fueron desde un 19% más lento hasta un 55,8% más rápido, mientras que el ahorro de tiempo laboral en Dinamarca fue de solo un 2,8%. La tarea y el flujo de trabajo, no solo el puesto, determinan el resultado.
Experienced developers expected AI tohelp. It made them 19% slowerProductivity change in 2 coding experiments: a bounded task with 95 developers and 246 repository taskscompleted by 16 experienced developers.Made for Cuentas Entrenadas, by HanademiSources: Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The impact of AI on developer productivity: Evidence fromGitHub Copilot. GitHub.; METR. (2025). Measuring the impact of early-2025 AI on experienced open-source developer productivity.Unitpercent changeBounded task speed55.8%Expected repository gain24%Observed repository change-19%Expectation gap43%
A bounded coding exercise produced a 55.8% speed gain. Experienced developers later expected a 24% gain on real repositories, but they finished 19% slower. The productivity question starts with task fit, not access to a model.
Desarrolladores experimentados esperabanque la IA ayudara. Los hizo 19% más lentosCambio de productividad en 2 experimentos de programación: una tarea acotada con 95 desarrolladores y246 tareas de repositorio completadas por 16 desarrolladores experimentados.Made for Cuentas Entrenadas, by HanademiFuentes: Peng, S., Kalliamvakou, E., Cihon, P., & Demirer, M. (2023). The impact of AI on developer productivity: Evidence fromGitHub Copilot. GitHub.; METR. (2025). Measuring the impact of early-2025 AI on experienced open-source developerproductivity.Unidadcambio porcentualVelocidad de tarea acotada55,8 %Ganancia esperada en repositorio24 %Cambio observado en repositorio-19 %Brecha de expectativa43 %
Un ejercicio de programación acotado produjo una ganancia de velocidad de 55,8%. Desarrolladores experimentados después esperaban una ganancia de 24% en repositorios reales, pero terminaron 19% más lentos. La pregunta de productividad comienza con el ajuste de tareas, no con el acceso a un modelo.
AI use among businesses more thandoubled in two yearsShare of firms using AI across OECD countries with available data, 2023 to 2025.Made for Cuentas Entrenadas, by HanademiSources: Organisation for Economic Co-operation and Development. (2026). Artificial intelligence use by firms continued to expand in2025. OECD.Unitpercent of firms0%10%20%202320242025Adoption reached 20.2% in 2025.8.7%
Firm adoption rose in every reported year. The share moved from 8.7% in 2023 to 20.2% in 2025. The labor question is becoming immediate because deployment is no longer rare.
El uso de IA entre empresas aumentó másdel doble en dos añosProporción de firmas que usan IA en países OCDE con datos disponibles, 2023 a 2025.Made for Cuentas Entrenadas, by HanademiFuentes: Organisation for Economic Co-operation and Development. (2026). Artificial intelligence use by firms continued toexpand in 2025. OECD.Unidadporcentaje de firmas0 %10 %20 %202320242025La adopción alcanzó 20,2% en2025.8,7 %
La adopción en firmas subió en cada año reportado. La proporción pasó de 8,7% en 2023 a 20,2% en 2025. La pregunta laboral se vuelve inmediata porque el despliegue ya no es raro.
Adoption lands inside everyday workEmployees work at computer monitors in a bright open-plan office.Sources: What Work Does Generative AI Do? - San Francisco Fed. frbsf.org.
Broad adoption matters because its effects are felt through ordinary computer-based workflows.
La adopción llega al trabajo cotidianoEmpleados trabajan frente a monitores en una oficina diáfana y luminosa.Fuentes: What Work Does Generative AI Do? - San Francisco Fed. frbsf.org.
La adopción generalizada importa porque sus efectos se sienten en flujos de trabajo informáticos cotidianos.
Large EU firms used AI nearly 4 times asoften as small firmsEU enterprises using AI by company size in 2024.Made for Cuentas Entrenadas, by HanademiSources: Eurostat. (2025). Use of artificial intelligence in enterprises. European Commission.Unitpercent of enterprises41.2%Large20.9%Medium11.2%Small
AI use was not evenly distributed across European businesses. Large enterprises reached 41.2%, compared with 11.2% of small enterprises. The first workplace divide is organizational capacity.
Grandes firmas de la UE usaban IA casi 4veces más que firmas pequeñasEmpresas de la UE usando IA por tamaño de compañía en 2024.Made for Cuentas Entrenadas, by HanademiFuentes: Eurostat. (2025). Use of artificial intelligence in enterprises. European Commission.Unidadporcentaje de empresas41,2 %Grandes20,9 %Medianas11,2 %Pequeñas
El uso de IA no se distribuyó uniformemente entre negocios europeos. Las grandes empresas alcanzaron 41,2%, comparado con 11,2% de empresas pequeñas. La primera división en el lugar de trabajo es capacidad organizacional.
Estimated 2023 business AI use rangedfrom 1.4% to 15.1%Business AI use in Denmark, Romania and the EU, estimated from an unlabeled Eurostat figure for 2023.Made for Cuentas Entrenadas, by HanademiSources: Businesses using AI technologies. (2026). Published figure transcribed from pixels.Values were transcribed from bar heights against gridlines and are approximate to 0.1 percentage points.Unitpercent of businessesDenmark15.1%EU8%Romania1.4%
The estimated country spread is wider than the EU average suggests. Denmark stood near 15.1%, while Romania stood near 1.4%. National institutions and business conditions shape the adoption clock.
El uso de IA en negocios estimado para2023 osciló entre 1,4% y 15,1%Uso de IA en negocios en Dinamarca, Rumania y la UE, estimado a partir de una figura sin etiquetar deEurostat para 2023.Made for Cuentas Entrenadas, by HanademiFuentes: Businesses using AI technologies. (2026). Published figure transcribed from pixels.Los valores fueron transcritos desde las alturas de las barras contra líneas de cuadrícula y son aproximados a 0,1 puntosporcentuales.Unidadporcentaje de empresasDinamarca15,1 %UE8 %Rumania1,4 %
La dispersión estimada entre países es más amplia de lo que sugiere el promedio de la UE. Dinamarca se ubicó cerca del 15,1%, mientras que Rumania se ubicó cerca del 1,4%. Las instituciones nacionales y las condiciones empresariales moldean el ritmo de adopción.
Skills are the main AI-adoptionbarrier for 40% of employers.The statistic covers employers in manufacturing and finance, not all sectors.Sources: oecd.org.
Technology access does not guarantee adoption. In manufacturing and finance, 40% of employers named skills as the main barrier. Specialized capability is becoming an implementation bottleneck.
Sources
Las habilidades son la principal barrerapara la adopción de IA para el 40% delos empleadores.La estadística cubre empleadores en manufactura y finanzas, no todos los sectores.Fuentes: oecd.org.
El acceso a la tecnología no garantiza la adopción. En manufactura y finanzas, el 40% de los empleadores nombró las habilidades como la principal barrera. La capacidad especializada se está convirtiendo en un cuello de botella de implementación.
Fuentes
AI changes selected tasks in most occupations ratherthan transforming entire jobsOccupations with observed AI use across at least one-quarter or three-quarters of their tasks.Made for Cuentas Entrenadas, by HanademiSources: Anthropic. (2025). The Anthropic Economic Index.; Which Economic Tasks are Performed with AI? Evidence fromMillions of Claude Conversations.Unitpercent of occupationsAt least 25% of tasks36%At least 75% of tasks4%9x
AI use reached at least one-quarter of tasks in 36% of occupations. It reached three-quarters of tasks in only 4%. That shape argues against universal hyper-specialism or wholesale job automation.
La IA cambia tareas específicas en la mayoría deocupaciones, no empleos enterosOcupaciones con uso observado de IA en al menos una cuarta parte o tres cuartas partes de sus tareas.Made for Cuentas Entrenadas, by HanademiFuentes: Anthropic. (2025). The Anthropic Economic Index.; Which Economic Tasks are Performed with AI? Evidencefrom Millions of Claude Conversations.Unidadporcentaje de ocupacionesAl menos 25% de tareas36 %Al menos 75% de tareas4 %9x
El uso de IA alcanzó al menos una cuarta parte de las tareas en el 36% de las ocupaciones. Alcanzó tres cuartas partes de las tareas en solo el 4%. Esta distribución argumenta contra el hiperpoecialismo universal o la automatización masiva de empleos.
AI produced 44% more materialdiscoveriesChange in discovery and innovation outcomes among 1,018 industrial scientists using an AI discovery tool.Made for Cuentas Entrenadas, by HanademiSources: Toner-Rodgers, A. (2024). Artificial intelligence, scientific discovery, and product innovation. Massachusetts Institute ofTechnology.Unitpercent increaseNew materials44%Patent filings39%Productinnovation17%
The strongest gains appeared at the discovery frontier. New-material discoveries rose 44%, patent filings rose 39% and downstream product innovation rose 17%. Specialist knowledge still matters because AI increases the return to using it well.
La IA produjo 44% más descubrimientos dematerialesCambio en los resultados de descubrimiento e innovación entre 1.018 científicos industriales que usan unaherramienta de descubrimiento con IA.Made for Cuentas Entrenadas, by HanademiFuentes: Toner-Rodgers, A. (2024). Artificial intelligence, scientific discovery, and product innovation. MassachusettsInstitute of Technology.Unidadporcentaje de aumentoNuevos materiales44 %Solicitudes de patentes39 %Innovación deproductos17 %
Las ganancias más fuertes aparecieron en la frontera del descubrimiento. Los descubrimientos de nuevos materiales se elevaron 44%, las solicitudes de patentes se elevaron 39% y la innovación de productos descendente se elevó 17%. El conocimiento especializado aún importa porque la IA aumenta el retorno de usarlo bien.
GPT-4 made suitable consulting work fasterand betterOutcomes for GPT-4 users in a 758-consultant experiment on tasks inside the model's capability frontier.Made for Cuentas Entrenadas, by HanademiSources: Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the jagged technological frontier. HarvardBusiness School Working Paper 24-013.Unitpercent improvement40%Rated quality25.1%Speed12.2%Tasks completed
Consultants completed 12.2% more tasks and worked 25.1% faster. Their output also received ratings more than 40% higher on suitable tasks. AI broadens effective range, but the task boundary remains decisive.
GPT-4 hizo el trabajo de consultoríaadecuado más rápido y mejorResultados para usuarios de GPT-4 en un experimento con 758 consultores en tareas dentro de la fronterade capacidad del modelo.Made for Cuentas Entrenadas, by HanademiFuentes: Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the jagged technological frontier. HarvardBusiness School Working Paper 24-013.Unidadporcentaje de mejora40 %Calidad calificada25,1 %Velocidad12,2 %Tareas completadas
Los consultores completaron 12,2% más tareas y trabajaron 25,1% más rápido. Su producción también recibió calificaciones más de 40% superiores en tareas adecuadas. La IA amplia el rango efectivo, pero el límite de la tarea sigue siendo decisivo.
Range grows through real workflowsA woman works on a laptop while another person appears blurred nearby.Sources: Experimenting with generative AI to support delivery officers at DfE - dxw. dxw.com.
AI expands a generalist's range only when a person applies it to a suitable task.
El alcance crece en flujos realesUna mujer trabaja con un portátil mientras otra persona aparece desenfocada cerca.Fuentes: Experimenting with generative AI to support delivery officers at DfE - dxw. dxw.com.
La IA amplía el alcance de un generalista solo cuando una persona la aplica a una tarea adecuada.
Across three trials, 10% time savingsraised quality scores by 4.5–21 pointsFaster work did not translate into quality at a stable rate: professional writing produced less thanone-quarter of Slovakia's quality return per unit of time saved.Made for Cuentas Entrenadas, by HanademiSources: Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the jagged technological frontier. HarvardBusiness School Working Paper 24-013.; GPT-4 could be the great skill leveler for consultants, study shows.; Noy, S., &Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science.UnitQuality improvement points per 10% time improvementProfessional writing4.5Consulting tasks15.9Central-bank work21.0021
Faster work did not translate into quality at a stable rate: professional writing produced less than one-quarter of Slovakia's quality return per unit of time saved.
En tres ensayos, ahorrar 10% de tiempoelevó la calidad entre 4,5 y 21 puntosTrabajar más rápido no se tradujo en calidad a una tasa estable: la escritura profesional produjo menos deuna cuarta parte del retorno de calidad de Eslovaquia por unidad de tiempo ahorrado.Made for Cuentas Entrenadas, by HanademiFuentes: Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the jagged technological frontier. HarvardBusiness School Working Paper 24-013.; GPT-4 could be the great skill leveler for consultants, study shows.; Noy, S., &Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science.UnidadPuntos de mejora de calidad por cada 10% de mejora de tiempoEscritura profesional4.5Tareas de consultoría15.9Trabajo en un banco central21.0021
Trabajar más rápido no se tradujo en calidad a una tasa estable: la escritura profesional produjo menos de una cuarta parte del retorno de calidad de Eslovaquia por unidad de tiempo ahorrado.
AI users were -19 percentage points lesslikely than controls to answer correctly.The result is task-specific and does not estimate an average effect across all work.Sources: Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the jagged technological frontier. Harvard Business School WorkingPaper 24-013.; What is the jagged AI frontier?.
On a task outside GPT-4's capability frontier, AI users were -19 percentage points less likely than controls to reach the correct answer. Effective generalists need judgment about when not to trust the tool.
Los usuarios de IA tuvieron una diferenciade -19 puntos porcentuales frente a loscontroles al responder correctamente.El resultado es específico de la tarea y no estima un efecto promedio en todo tipo detrabajo.Fuentes: Dell'Acqua, F., McFowland, E., Mollick, E. R., et al. (2023). Navigating the jagged technological frontier. Harvard Business School WorkingPaper 24-013.; What is the jagged AI frontier?.
En una tarea fuera de la frontera de capacidad de GPT-4, los usuarios de IA tuvieron una diferencia de -19 puntos porcentuales frente a los controles al alcanzar la respuesta correcta. Los generalistas efectivos necesitan criterio para saber cuándo no confiar en la herramienta.
Professional writing took 40% less timeTime, independently rated quality, and task completion in a 453-person generative-AI experiment.Made for Cuentas Entrenadas, by HanademiSources: Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence. Science.;Experimental evidence on the productivity effects of generative ....The 100% value represents the share of participants completing the measured tasks, not an improvement rate.Unitpercent changeTime reduction40%Quality improvement18%Participants completing tasks100%
Generative AI reduced writing time by 40%. Independent evaluators rated output quality 18% higher, and 100% of participants completed the measured tasks. The tasks were short and self-contained, so the study does not establish equivalent gains for long projects or organizational outcomes.
La redacción profesional tomó 40% menostiempoTiempo, calidad calificada independientemente y finalización de tareas en un experimento con IA generativade 453 personas.Made for Cuentas Entrenadas, by HanademiFuentes: Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence.Science.; Experimental evidence on the productivity effects of generative ....El valor de 100% representa la proporción de participantes que completaron las tareas medidas, no una tasa de mejora.Unidadcambio porcentualReducción de tiempo40 %Mejora de calidad18 %Participantes que completarontareas100 %
La IA generativa redujo el tiempo de redacción en 40%. Evaluadores independientes calificaron la calidad del resultado 18% más alta y 100% de los participantes completó las tareas medidas. Las tareas fueron breves y autónomas, por lo que el estudio no demuestra beneficios equivalentes en proyectos largos ni resultados organizacionales.
AI converted up to 40% faster coding into atmost 15% faster deliveryReported ranges for coding efficiency and overall delivery speed at Decathlon China.Made for Cuentas Entrenadas, by HanademiSources: camo.hku.hk.Unitpercent increase40%Coding upper bound20%Coding lower bound15%Delivery upper bound10%Delivery lower bound
Coding efficiency increased by 20% to 40%. Overall delivery speed increased by only 10% to 15%. Product work contains reviews, coordination and dependencies that code generation alone cannot remove.
La IA convirtió hasta 40% más velocidad alprogramar en máximo 15% al entregarRangos reportados para eficiencia de codificación y velocidad de entrega general en Decathlon China.Made for Cuentas Entrenadas, by HanademiFuentes: camo.hku.hk.Unidadaumento porcentual40 %Límite superior de codificación20 %Límite inferior de codificación15 %Límite superior de entrega10 %Límite inferior de entrega
La eficiencia de codificación aumentó de 20% a 40%. La velocidad de entrega general aumentó solo de 10% a 15%. El trabajo de producto contiene revisiones, coordinación y dependencias que la generación de código por sí sola no puede eliminar.
In an experiment with 776 professionals,one professional with AI matched ahuman team without AI.The experiment supports distributed expertise and smaller productive units, but it doesnot establish that firms can remove management layers.Sources: Dell'Acqua, F., Ayoubi, C., Lifshitz-Assaf, H., et al. (2025). The cybernetic teammate: A field experiment on generative AI reshaping teamworkand expertise. Harvard Business School Working Paper.; A Field Experiment on Generative AI Reshaping Teamwork ....
A 776-professional product-development experiment changed the unit of productive capacity. Individuals using AI matched human teams working without AI. AI-enabled teams still performed best, so collaboration did not become obsolete.
En un experimento con 776profesionales, un profesional con IAigualó un equipo humano sin IA.El experimento respalda la experticia distribuida y unidades productivas más pequeñas,pero no establece que las empresas puedan eliminar capas de gestión.Fuentes: Dell'Acqua, F., Ayoubi, C., Lifshitz-Assaf, H., et al. (2025). The cybernetic teammate: A field experiment on generative AI reshaping teamworkand expertise. Harvard Business School Working Paper.; A Field Experiment on Generative AI Reshaping Teamwork ....
Un experimento de desarrollo de productos con 776 profesionales cambió la unidad de capacidad productiva. Individuos usando IA igualaron equipos humanos sin IA. Los equipos habilitados con IA aún tuvieron el mejor desempeño, así que la colaboración no se volvió obsoleta.
Novice support workers increased productivity 34%,versus 14% across all workersCustomer-support productivity gain with a generative-AI assistant, overall and for novice or lower-skilledworkers.Made for Cuentas Entrenadas, by HanademiSources: Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper 31161.Unitpercent productivity gainAll workers14%Novice and lower-skilled34%2.4x
The average productivity gain was about 14%. Novice and lower-skilled workers gained roughly 34%. AI can compress the early learning curve, but employers still need a path from assisted output to independent judgment.
Trabajadores novatos de soporte aumentaron suproductividad 34%, frente al 14% generalGanancia de productividad en soporte al cliente con un asistente de IA generativa, en general y paratrabajadores novatos o de menor calificación.Made for Cuentas Entrenadas, by HanademiFuentes: Brynjolfsson, E., Li, D., & Raymond, L. R. (2023). Generative AI at work. NBER Working Paper 31161.Unidadganancia porcentual de productividadTodos los trabajadores14 %Novatos y menor calificación34 %2,4x
La ganancia de productividad promedio fue aproximadamente 14%. Trabajadores novatos y de menor calificación ganaron aproximadamente 34%. La IA puede comprimir la curva de aprendizaje inicial, pero los empleadores aún necesitan un camino desde la salida asistida hacia el criterio independiente.
AI interactions were collaborative 14percentage points more often than automatedAnthropic classification of sampled Claude interactions as augmentation or automation.Made for Cuentas Entrenadas, by HanademiSources: Anthropic. (2025). The Anthropic Economic Index.Unitpercent of interactionsAugmentation57%Automation43%Difference14%
Anthropic classified 57% of sampled interactions as augmentation and 43% as automation. The difference was only 14 percentage points. The emerging workplace contains both collaboration and substitution.
Las interacciones con IA fueron colaborativas 14puntos porcentuales más que automatizadasClasificación de Anthropic de interacciones muestreadas de Claude como aumento o automatización.Made for Cuentas Entrenadas, by HanademiFuentes: Anthropic. (2025). The Anthropic Economic Index.Unidadporcentaje de interaccionesAumento57 %Automatización43 %Diferencia14 %
Anthropic clasificó el 57% de las interacciones muestreadas como aumentación y el 43% como automatización. La diferencia fue de solo 14 puntos porcentuales. El entorno laboral emergente contiene tanto colaboración como sustitución.
82% of leaders expected AI workers toincrease how much work gets doneMicrosoft's 2025 survey of leaders on digital labor and workflow automation.Made for Cuentas Entrenadas, by HanademiSources: Microsoft. (2025). 2025 Work Trend Index Annual Report: The year the frontier firm is born.Unitpercent of leadersExpect capacity expansion82%Report workflow automation46%
Microsoft reported that 82% of leaders expected digital labor to expand capacity. A smaller 46% reported agents automating workflows. Expectations about capacity are ahead of evidence about organizational redesign.
El 82% de líderes esperaba que trabajadores de IAaumentaran el trabajo realizadoEncuesta de Microsoft 2025 a líderes sobre trabajo digital y automatización de flujos de trabajo.Made for Cuentas Entrenadas, by HanademiFuentes: Microsoft. (2025). 2025 Work Trend Index Annual Report: The year the frontier firm is born.Unidadporcentaje de líderesEsperan expansión de capacidad82 %Reportan automatización de flujos de trabajo46 %
Microsoft reportó que el 82% de los líderes esperaba que el trabajo digital expandiera la capacidad. Un porcentaje menor del 46% reportó agentes automatizando flujos de trabajo. Las expectativas sobre capacidad se adelantan a la evidencia sobre rediseño organizacional.
AI could affect some tasks in 25% of jobsand all tasks in 3.3%ILO estimate of global employment with any generative-AI exposure and employment in the highestexposure category.Made for Cuentas Entrenadas, by HanademiSources: International Labour Organization. (2025). Generative AI and jobs: A refined global index of occupationalexposure.Unitpercent of global employmentSome exposure25%Highest exposure3.3%
The ILO estimated that 25% of global employment had some exposure. Only 3.3% occupied the highest category. Most affected jobs are candidates for task transformation rather than complete automation.
La IA podría afectar algunas tareas del25% de empleos y todas del 3,3%Estimación de la OIT del empleo global con alguna exposición a IA generativa y empleo en la categoría deexposición más alta.Made for Cuentas Entrenadas, by HanademiFuentes: International Labour Organization. (2025). Generative AI and jobs: A refined global index of occupationalexposure.Unidadporcentaje del empleo globalAlguna exposición25 %Exposición más alta3,3 %
La OIT estimó que el 25% del empleo global tenía alguna exposición. Solo el 3,3% ocupaba la categoría más alta. La mayoría de los empleos afectados son candidatos a transformación de tareas en lugar de automatización completa.
Rich-country women hold nearly three times men'sshare of jobs where AI affects all tasksShare of women's and men's employment in the highest generative-AI exposure category in high-incomecountries.Made for Cuentas Entrenadas, by HanademiSources: International Labour Organization. (2025). Generative AI and jobs: A refined global index of occupational exposure.Unitpercent of employment9.6%Women3.5%Men
Highest-category exposure covered 9.6% of women's employment in high-income countries. The comparable figure for men was 3.5%. Occupational concentration makes the first wave of exposure gendered.
En países ricos, mujeres tienen casi tripleproporción de empleos donde IA afecta toda tareaParticipación del empleo de mujeres y hombres en la categoría de exposición a IA generativa más alta enpaíses de altos ingresos.Made for Cuentas Entrenadas, by HanademiFuentes: International Labour Organization. (2025). Generative AI and jobs: A refined global index of occupational exposure.Unidadporcentaje del empleo9,6 %Mujeres3,5 %Hombres
La exposición de categoría más alta cubrió el 9,6% del empleo de mujeres en países de altos ingresos. La cifra comparable para los hombres fue del 3,5%. La concentración ocupacional hace que la primera ola de exposición sea de género.
Exposure becomes a labor-market questionA rolled newspaper displays the words “Labor Market Insights.”Sources: By Degree(s): Measuring Employer Demand for AI Skills by Educational Requirements - Federal Reserve Bank of Atlanta. atlantafed.org.
Unequal exposure must be read alongside the job creation, displacement and churn forecasts that follow.
La exposición se vuelve una cuestión laboralUn periódico enrollado muestra las palabras «Labor Market Insights».Fuentes: By Degree(s): Measuring Employer Demand for AI Skills by Educational Requirements - Federal Reserve Bank of Atlanta. atlantafed.org.
La exposición desigual debe interpretarse junto con las previsiones de creación, desplazamiento y rotación laboral que siguen.
Employers expect 78 million more jobs by2030World Economic Forum employer projections for jobs created, displaced and net change by 2030.Made for Cuentas Entrenadas, by HanademiSources: World Economic Forum. (2025). The Future of Jobs Report 2025.The bridge uses the report's stated arithmetic: 170 million created minus 92 million displaced equals 78 million net.Unitmillion jobs050100150170Created-92Displaced78Net change
Employers expected 170 million jobs to be created and 92 million displaced. The stated net gain is 78 million by 2030. A positive total can still hide severe disruption across occupations and workers.
Los empleadores esperan 78 millones deempleos más para 2030Proyecciones del Foro Económico Mundial de empleadores para empleos creados, desplazados y cambioneto para 2030.Made for Cuentas Entrenadas, by HanademiFuentes: World Economic Forum. (2025). The Future of Jobs Report 2025.El análisis utiliza la aritmética del informe: 170 millones creados menos 92 millones desplazados equivalen a 78 millones netos.Unidadmillones de empleos050100150170Creados-92Desplazados78Cambio neto
Los empleadores esperaban que se crearían 170 millones de empleos y se desplazarían 92 millones. La ganancia neta declarada es de 78 millones para 2030. Un total positivo aún puede ocultar disrupciones graves entre ocupaciones y trabajadores.
Only 37% of US jobs were estimated to befully feasible from home.Home-work feasibility is a proxy for physical constraints, not a direct estimate of AIautomation.Sources: Dingel, J. I., & Neiman, B. (2020). How many jobs can be done at home? Journal of Public Economics, 189, 104235.; How Many Jobs Can beDone at Home?.
Only 37% of US jobs were estimated to be fully feasible from home. Feasibility was much lower in physical industries. Software can change planning and information work faster than it can replace work in the physical world.
Se estimó que solo el 37% de losempleos estadounidenses eracompletamente viable desde casa.La viabilidad del trabajo desde casa es un indicador de limitaciones físicas, no unaestimación directa de la automatización por IA.Fuentes: Dingel, J. I., & Neiman, B. (2020). How many jobs can be done at home? Journal of Public Economics, 189, 104235.; How Many Jobs Can beDone at Home?.
Se estimó que solo el 37% de los empleos estadounidenses era completamente viable desde casa. La viabilidad fue mucho menor en las industrias físicas. El software puede transformar el trabajo de planificación e información más rápido de lo que puede reemplazar el trabajo en el mundo físico.
Industrial employment grew in China versusshrinking in four advanced economiesIndustry employment as a share of total employment, modeled ILO estimates, 1991 to 2025.Made for Cuentas Entrenadas, by HanademiSources: World Bank. (n.d.). Employment in industry (% of total employment) (modeled ILO estimate) [SL.IND.EMPL.ZS].World Bank Open Data.Unitpercent of employment0%10%20%30%1991199620012006201120162021UnitedStatesChinaGermanyJapanKoreaChina reached 31.8% in 2025.The US fell to 18.9% in 2025.
China's industrial employment share rose from 21.4% in 1991 to 31.8% in 2025. The United States, Germany, Japan and Korea moved downward over the same broad period. Technology changes the geography and task mix of industry rather than producing one universal path.
El empleo industrial creció en China frentea caídas en cuatro economías avanzadasEmpleo industrial como proporción del empleo total, estimaciones ILO modeladas, 1991 a 2025.Made for Cuentas Entrenadas, by HanademiFuentes: World Bank. (n.d.). Employment in industry (% of total employment) (modeled ILO estimate) [SL.IND.EMPL.ZS]. WorldBank Open Data.Unidadporcentaje del empleo0 %10 %20 %30 %1991199620012006201120162021EstadosUnidosChinaAlemaniaJapónCoreaChina alcanzó el 31,8% en 2025.Estados Unidos cayó al 18,9% en2025.
La proporción de empleo industrial de China subió del 21,4% en 1991 al 31,8% en 2025. Estados Unidos, Alemania, Japón y Corea se movieron hacia abajo en el mismo período general. La tecnología cambia la geografía y la mezcla de tareas de la industria en lugar de producir un único camino universal.
Korea’s manufacturing share of output was1.17 times industry’s job share in 2025Korea is the only one of the three economies where the manufacturing GDP share exceeds the broaderindustry employment share.Made for Cuentas Entrenadas, by HanademiSources: World Bank. (n.d.). Manufacturing, value added (% of GDP) [NV.IND.MANF.ZS]. World Bank Open Data.;World Bank. (n.d.). Employment in industry (% of total employment) (modeled ILO estimate) [SL.IND.EMPL.ZS].World Bank Open Data.UnitManufacturing share of GDP divided by industry share of employmentEqual sharesGermany0.68×China0.78×Korea1.17×0.5×1.2×
Korea is the only one of the three economies where the manufacturing GDP share exceeds the broader industry employment share.
En 2025, la cuota manufacturera de producción fue1,17 veces la cuota industrial de empleosCorea es la única de las tres economías donde la proporción manufacturera del PIB supera la proporciónmás amplia del empleo industrial.Made for Cuentas Entrenadas, by HanademiFuentes: World Bank. (n.d.). Manufacturing, value added (% of GDP) [NV.IND.MANF.ZS]. World Bank Open Data.;World Bank. (n.d.). Employment in industry (% of total employment) (modeled ILO estimate) [SL.IND.EMPL.ZS].World Bank Open Data.UnidadProporción manufacturera del PIB dividida por la proporción del empleo industrialProporciones igualesAlemania0.68×China0.78×Corea1.17×0.5×1.2×
Corea es la única de las tres economías donde la proporción manufacturera del PIB supera la proporción más amplia del empleo industrial.
From 100 in 2013, robot installations reached 304versus 94–104 for industry’s job sharePhysical automation accelerated without a comparable collapse in the industry share of employment acrossfive major economies.Made for Cuentas Entrenadas, by HanademiSources: International Federation of Robotics. (2024). World Robotics 2024: Industrial robots.; World Bank. (n.d.). Employmentin industry (% of total employment) (modeled ILO estimate) [SL.IND.EMPL.ZS]. World Bank Open Data.UnitIndex, 2013 = 100Industrial robot installations100304Industry employment, United States97.6100Industry employment, China104.4100Industry employment, Germany95.2100Industry employment, Japan94.1100Industry employment, Korea93.810020132023
Physical automation accelerated without a comparable collapse in the industry share of employment across five major economies.
Desde 100 en 2013, instalaciones de robots llegarona 304 frente a 94–104 del empleo industrialLa automatización física se aceleró sin un desplome comparable de la proporción del empleo industrial encinco grandes economías.Made for Cuentas Entrenadas, by HanademiFuentes: International Federation of Robotics. (2024). World Robotics 2024: Industrial robots.; World Bank. (n.d.). Employmentin industry (% of total employment) (modeled ILO estimate) [SL.IND.EMPL.ZS]. World Bank Open Data.UnidadÍndice, 2013 = 100Instalaciones de robots industriales100304Empleo industrial, Estados Unidos97.6100Empleo industrial, China104.4100Empleo industrial, Alemania95.2100Empleo industrial, Japón94.1100Empleo industrial, Corea93.810020132023
La automatización física se aceleró sin un desplome comparable de la proporción del empleo industrial en cinco grandes economías.
Jobs for wind energy technicians areprojected to grow 60%Projected US employment growth for selected installation and maintenance occupations, 2023 to 2033.Made for Cuentas Entrenadas, by HanademiSources: Bureau of Labor Statistics. (2024). Employment projections: 2023-2033. U.S. Department of Labor.Unitpercent employment growthWind technicians60%Solar installers48%Machinery mechanics17%
The fastest projected growth sits in work tied to physical systems. Wind technicians lead at 60%, followed by solar installers at 48% and machinery mechanics at 17%. Blue-collar demand is changing direction, not simply disappearing.
Los empleos para técnicos de energíaeólica crecerán un 60%Proyección de crecimiento del empleo estadounidense para ocupaciones seleccionadas de instalación ymantenimiento, 2023 a 2033.Made for Cuentas Entrenadas, by HanademiFuentes: Bureau of Labor Statistics. (2024). Employment projections: 2023-2033. U.S. Department of Labor.Unidadporcentaje de crecimiento del empleoTécnicos en energía eólica60 %Instaladores de paneles solares48 %Mecánicos de maquinaria17 %
El crecimiento proyectado más rápido se sitúa en trabajo vinculado a sistemas físicos. Los técnicos en energía eólica lideran con el 60%, seguidos por instaladores de paneles solares con el 48% y mecánicos de maquinaria con el 17%. La demanda de trabajo manual está cambiando de dirección, no simplemente desapareciendo.
Annual robot installations roughly tripled ina decadeGlobal annual industrial robot installations in 2013 and 2023.Made for Cuentas Entrenadas, by HanademiSources: International Federation of Robotics. (2024). World Robotics 2024: Industrial robots.Unitrobot installations2013178K2023541K
Annual industrial robot installations rose from about 178,000 to 541,000. Physical work is not immune to technological change. The difference is that substitution requires machines, integration and capital in the workplace.
Las instalaciones anuales de robots setriplicaron aproximadamente en una décadaInstalaciones anuales globales de robots industriales en 2013 y 2023.Made for Cuentas Entrenadas, by HanademiFuentes: International Federation of Robotics. (2024). World Robotics 2024: Industrial robots.Unidadinstalaciones de robots2013178K2023541K
Las instalaciones anuales de robots industriales subieron de aproximadamente 178.000 a 541.000. El trabajo físico no es inmune al cambio tecnológico. La diferencia es que la sustitución requiere máquinas, integración y capital en el lugar de trabajo.
Manufacturing’s economy share shrank in fourcountries versus staying stable in KoreaManufacturing value added as a share of GDP in China, Germany, Japan, Korea and the United States, throughthe latest supplied year.Made for Cuentas Entrenadas, by HanademiSources: World Bank. (n.d.). Manufacturing, value added (% of GDP) [NV.IND.MANF.ZS]. World Bank Open Data.Unitpercent of GDP0%10%20%30%199019962002200820142020ChinaGermanyJapanKoreaUnited StatesKorea ended at 27.4% in 2025.China remained at 24.7% in 2025.
Manufacturing's GDP share declined in China, Germany, Japan and the United States. Korea remained close to its 1990 level and ended at 27.4% in 2025. Industrial geography persists even as technology changes what happens inside the factory.
La cuota económica manufacturera cayó encuatro países frente a estabilidad en CoreaValor agregado de manufactura como proporción del PIB en China, Alemania, Japón, Corea y EstadosUnidos, hasta el año más reciente proporcionado.Made for Cuentas Entrenadas, by HanademiFuentes: World Bank. (n.d.). Manufacturing, value added (% of GDP) [NV.IND.MANF.ZS]. World Bank Open Data.Unidadporcentaje del PIB0 %10 %20 %30 %199019962002200820142020ChinaAlemaniaJapónCoreaEstados UnidosCorea terminó en 27,4% en 2025.China se mantuvo en 24,7% en2025.
La participación del manufacturero en el PIB declinó en China, Alemania, Japón y Estados Unidos. Corea se mantuvo cercana a su nivel de 1990 y terminó en 27,4% en 2025. La geografía industrial persiste aunque la tecnología transforme lo que ocurre dentro de la fábrica.
Robot adoption across 17 countries added0.36 percentage points to annuallabor-productivity growth.The result covers 1993 to 2007 and does not rule out losses in particular occupations,firms or local labor markets.Sources: Graetz, G., & Michaels, G. (2018). Robots at work. Review of Economics and Statistics.; Robots at Work.
Across 17 countries from 1993 to 2007, robot adoption added about 0.36 percentage points to annual labor-productivity growth. The study did not find a significant reduction in total employment. Automation can raise output while reallocating tasks and jobs within the economy.
La adopción de robots en 17 países agregó0,36 puntos porcentuales al crecimientoanual de la productividad laboral.El resultado cubre 1993 a 2007 y no descarta pérdidas en ocupaciones, empresas omercados laborales locales específicos.Fuentes: Graetz, G., & Michaels, G. (2018). Robots at work. Review of Economics and Statistics.; Robots at Work.
En 17 países, entre 1993 y 2007, la adopción de robots agregó aproximadamente 0,36 puntos porcentuales al crecimiento anual de la productividad laboral. El estudio no encontró una reducción significativa del empleo total. La automatización puede aumentar la producción mientras reasigna tareas y empleos dentro de la economía.
Employers expect 39% of existing skills tochange by 2030World Economic Forum employer expectations for skills and training between 2025 and 2030.Made for Cuentas Entrenadas, by HanademiSources: World Economic Forum. (2025). The Future of Jobs Report 2025.Unitpercent61%Skills remaining stable59%Workers needing training39%Skills changing
Employers expected 39% of existing skills to be transformed or outdated by 2030. They also expected 59% of workers to require training. The main transition is a redesign of work inside jobs, not only movement between job titles.
Los empleadores esperan que el 39% de lashabilidades existentes cambien para 2030Expectativas de empleadores del Foro Económico Mundial sobre habilidades y capacitación entre 2025 y2030.Made for Cuentas Entrenadas, by HanademiFuentes: World Economic Forum. (2025). The Future of Jobs Report 2025.Unidadpor ciento61 %Habilidades que se mantienen estables59 %Trabajadores que necesitan capacitación39 %Habilidades que cambian
Los empleadores esperaban que el 39% de las habilidades existentes se transformaran u quedaran obsoletas para 2030. También esperaban que el 59% de los trabajadores requiriera capacitación. La transición principal es un rediseño del trabajo dentro de los empleos, no solo movimiento entre puestos.
Workers needing training were 7.4 timesthe 8% of jobs expected to disappearAdjustment extends well beyond workers whose jobs disappear: the expected training reach is more thantwice the total job-churn multiple.Made for Cuentas Entrenadas, by HanademiSources: World Economic Forum. (2025). The Future of Jobs Report 2025.; 2. Jobs outlook - The Future of JobsReport 2025 | World Economic Forum.UnitMultiple of the projected 8% job displacement shareJobs created1.75×Total job churn2.75×Workers requiring training7.4×07.4×
Adjustment extends well beyond workers whose jobs disappear: the expected training reach is more than twice the total job-churn multiple.
Los trabajadores que necesitarían formación eran7,4 veces el 8% de empleos que desapareceríanEl ajuste va mucho más allá de los trabajadores cuyos empleos desaparecen: el alcance previsto de laformación supera en más del doble el múltiplo de la rotación laboral total.Made for Cuentas Entrenadas, by HanademiFuentes: World Economic Forum. (2025). The Future of Jobs Report 2025.; 2. Jobs outlook - The Future of JobsReport 2025 | World Economic Forum.UnidadMúltiplo de la proporción prevista del 8% de empleos desplazadosEmpleos creados1.75×Rotación laboral total2.75×Trabajadores que requerirán formación7.4×07.4×
El ajuste va mucho más allá de los trabajadores cuyos empleos desaparecen: el alcance previsto de la formación supera en más del doble el múltiplo de la rotación laboral total.
Employers expect jobs created or eliminated to equal22% of today’s jobs by 2030Projected job creation, displacement and total churn as shares of current employment by 2030.Made for Cuentas Entrenadas, by HanademiSources: World Economic Forum. (2025). The Future of Jobs Report 2025.Unitpercent of current jobsCreated14%Displaced8%Total churn22%
Employers expected job creation equal to 14% of current employment and displacement equal to 8%. Together, that is churn equal to 22% of jobs. Aggregate growth does not remove the need for worker transitions.
Empleadores esperan que empleos creadoso eliminados equivalgan al 22% para 2030Creación, desplazamiento y rotación total de empleos proyectados como participación del empleo actual para2030.Made for Cuentas Entrenadas, by HanademiFuentes: World Economic Forum. (2025). The Future of Jobs Report 2025.Unidadpor ciento del empleo actualCreados14 %Desplazados8 %Rotación total22 %
Los empleadores esperaban creación de empleos equivalente al 14% del empleo actual y desplazamiento equivalente al 8%. En conjunto, eso es rotación equivalente al 22% de empleos. El crecimiento agregado no elimina la necesidad de transiciones laborales.
Across 25,000 Danish workers, workplaceAI saved only 2.8% of time.The study measured early labor-market effects across several occupations and does notimply that every worker saved exactly 2.8%.Sources: Humlum, A., & Vestergaard, E. (2025). Large language models, small labor market effects. National Bureau of Economic Research WorkingPaper.
Large gains in controlled tasks did not translate cleanly into the labor market. Across roughly 25,000 Danish workers, reported time savings were only 2.8%, with no detectable earnings or hours effect. Organizations need workflow redesign and training, not just tool access.
Entre aproximadamente 25.000trabajadores daneses, la IA en el lugar detrabajo ahorró solo el 2,8% del tiempo.El estudio midió efectos tempranos del mercado laboral en varias ocupaciones y noimplica que cada trabajador haya ahorrado exactamente el 2,8%.Fuentes: Humlum, A., & Vestergaard, E. (2025). Large language models, small labor market effects. National Bureau of Economic Research WorkingPaper.
Las ganancias significativas en tareas controladas no se tradujeron directamente al mercado laboral. Entre aproximadamente 25.000 trabajadores daneses, el ahorro de tiempo reportado fue solo del 2,8%, sin efectos detectables en ingresos u horas. Las organizaciones necesitan rediseño de flujos de trabajo y capacitación, no solo acceso a herramientas.
Measure AI by task, because gainsin one workflow can coexist withlosses in another.AI's effect depends on the task and the level of measurement: complex coding was 19.0%slower despite a predicted 24.0% improvement, while professional writing took 40.0%less time with 18.0% higher quality. Broader evidence ranges from 0.36 percentagepoints of annual productivity growth from robots to 2.8% reported time savings in Danishworkplaces.Sources: METR. (2025). Measuring the impact of early-2025 AI on experienced open-source developer productivity.; Measuring the Impact of Early-2025 AI on Experienced ....; Noy, S., & Zhang, W. (2023).Experimental evidence on the productivity effects of generative artificial intelligence. Science.; Experimental evidence on the productivity effects of generative ....; Graetz, G., & Michaels, G. (2018). Robots at work.Review of Economics and Statistics.; Robots at Work.; Humlum, A., & Vestergaard, E. (2025). Large language models, small labor market effects. National Bureau of Economic Research Working Paper.; Generative AI…
AI creates large gains when the task fits and can create losses when it does not. Skills and workflows change before whole jobs disappear. The operating response is task-level measurement, deliberate training and continued investment in human judgment.
Mide la IA por tarea, porque lasganancias en un flujo pueden coexistircon pérdidas en otro.El efecto de la IA depende de la tarea y del nivel de medición: la codificación compleja fue19,0% más lenta pese a una mejora prevista del 24,0%, mientras que la redacciónprofesional requirió 40,0% menos tiempo con una calidad 18,0% mayor. La evidencia másamplia va desde 0,36 puntos porcentuales de crecimiento anual de la productividad porlos robots hasta un ahorro de tiempo declarado de 2,8% en lugares de trabajo daneses.Fuentes: METR. (2025). Measuring the impact of early-2025 AI on experienced open-source developer productivity.; Measuring the Impact of Early-2025 AI on Experienced ....; Noy, S., & Zhang, W. (2023).Experimental evidence on the productivity effects of generative artificial intelligence. Science.; Experimental evidence on the productivity effects of generative ....; Graetz, G., & Michaels, G. (2018). Robots at work.Review of Economics and Statistics.; Robots at Work.; Humlum, A., & Vestergaard, E. (2025). Large language models, small labor market effects. National Bureau of Economic Research Working Paper.; Generative AI…
La IA crea ganancias significativas cuando la tarea es apropiada y puede crear pérdidas cuando no lo es. Las habilidades y flujos de trabajo cambian antes de que empleos completos desaparezcan. La respuesta operativa es medición a nivel de tareas, capacitación deliberada e inversión continua en juicio humano.
In summaryMade for Cuentas Entrenadas, by HanademiSources: camo.hku.hk.; International Labour Organization. (2025). Generative AI and jobs: A refined global index of occupational exposure.; oecd.org.At Decathlon China, AI raised coding efficiency by 20–40% but overall delivery speed by only 10–15%.In high-income countries, highest-category exposure covered 9.6% of women's employment and 3.5% of men's employment.Forty percent of manufacturing and finance employers cite skills as their main AI-adoption barrier.
The value of the research is not only what each source knew, but what became visible when their evidence was combined.
En resumenMade for Cuentas Entrenadas, by HanademiFuentes: camo.hku.hk.; International Labour Organization. (2025). Generative AI and jobs: A refined global index of occupational exposure.; oecd.org.En Decathlon China, la IA elevó la eficiencia de programación entre 20% y 40%, pero la velocidad total de entrega solo entre 10% y 15%.In high-income countries, highest-category exposure covered 9.6% of women's employment and 3.5% of men's employment.El 40% de los empleadores de manufactura y finanzas cita las habilidades como su principal barrera para adoptar IA.
El valor de la investigación no está solo en cada fuente, sino en lo que apareció al combinar sus evidencias.

The research behind this deck

Measured outcomes ranged from 19% slower to 55.8% faster, while workplace time savings in Denmark were just 2.8%. The task and workflow, not the job title alone, determine the result. AI speed in a clean task did not survive complex repository work.

Key findings

The argument

This research is published in English and Spanish. Ver en español

La investigación detrás de esta presentación

Los resultados medidos fueron desde un 19% más lento hasta un 55,8% más rápido, mientras que el ahorro de tiempo laboral en Dinamarca fue de solo un 2,8%. La tarea y el flujo de trabajo, no solo el puesto, determinan el resultado. La velocidad de IA en una tarea limpia no sobrevivió al trabajo complejo de repositorios.

Hallazgos clave

El argumento

Esta investigación se publica en inglés y español. Read in English

Related researchInvestigación relacionada