El 90% de tu trabajo NO está en los exámenes de IA — y la verdad es incómoda

Cada vez que alguien te dice "la IA te va a reemplazar", está mirando el 10% de tu trabajo. Literalmente.

Un estudio de Mercor —plataforma de hiring con IA— hizo algo que nadie más estaba haciendo: midieron qué tan bien los exámenes de IA cubren el trabajo humano real. Analizaron 923 ocupaciones del Departamento de Trabajo de EE.UU., 18,797 tareas distintas y 924 benchmarks existentes.

El resultado: el 90% de las horas de trabajo de los estadounidenses se gastan en tareas que los benchmarks de IA no cubren, o cubren apenas.

📊 Lo que los datos realmente dicen

Solo 208 de 923 ocupaciones tienen al menos una tarea evaluada con 5 o más prompts de benchmark. Seis de las 22 familias laborales —incluyendo salud, educación y servicio comunitario— no tienen ninguna ocupación bien cubierta.

La ironía: los benchmarks actuales evalúan tareas de abogados (que son altamente expuestos a IA) pero aparecen secretarios judiciales y auxiliares legales, que hacen el trabajo cotidiano que mantiene el sistema funcionando.

Es como si evaluáramos a un médico solo por su capacidad de recetar medicamentos, pero nunca por diagnosticar pacientes.

🧠 ¿Por qué esto importa?

La narrativa dominante dice: "GPT-5 aprueba el examen de abogacía, los abogados están muertos". Pero ese examen evalúa memorización de leyes, no persuasión en un juicio ni empatía con un cliente.

Los benchmarks miden lo que es fácil de automatizar: responder preguntas, generar texto, resolver problemas con respuesta única. No miden lo que los humanos hacen mejor: negociar, liderar, convivir, improvisar, sentir.

Como dice el estudio: "Es muy difícil saber qué tan buenos son los modelos de IA en el trabajo que los estadounidenses realmente hacen."

💼 Lo que esto significa para ti

Primero: respira. Si tu trabajo involucra tomar decisiones ambiguas, manejar personas o resolver problemas sin manual, la IA todavía no tiene un examen que demuestre que puede reemplazarte.

Pero ojo: esto no significa que estés a salvo. Significa que nadie sabe —ni los investigadores, ni las empresas, ni los políticos— cuándo la IA va a poder hacer tu trabajo. Y esa incertidumbre es peligrosa, porque las decisiones se toman con datos incompletos.

Los benchmarks están sesgados hacia trabajos de altos ingresos y alta exposición a IA. El trabajo de la clase media —ese que no genera tanto ruido— queda invisible en los datos.

🔮 El futuro de la evaluación

Mercor está construyendo sus propios benchmarks (APEX) para intentar llenar estos vacíos. Pero el problema de fondo persiste: ¿cómo evalúas lo que no tiene respuesta correcta?

La próxima vez que veas un titular como "la IA ya puede hacer el trabajo de un médico", pregúntate: ¿qué médico? ¿en qué contexto? ¿con qué paciente?

Porque la respuesta honesta es: todavía no lo sabemos. Y mientras tanto, los artículos sensacionalistas van a seguir vendiendo miedo con datos del 10% de la historia.

Comparte esto con alguien que todavía cree que la IA ya puede hacer su trabajo tan bien como ellos. Los datos dicen otra cosa.