Riesgo laboral de IA en Ciencia
La ciencia produce enormes cantidades de texto y datos, y la IA ya está cambiando cuánto de eso se procesa a mano. La revisión de literatura, la limpieza de datos y la comparación inicial de modelos o métodos ahora pueden hacerse mucho más rápido que un investigador trabajando solo. La tensión es que generar un resumen de trabajo previo no es lo mismo que saber qué pregunta vale la pena hacer, y ejecutar un análisis no es lo mismo que saber si su resultado realmente significa lo que parece significar. Esas decisiones de criterio recaen en la formación y reputación de un científico, no en la herramienta que produjo el borrador.
Exposición media del sector
76
Empleos Analizados
9
Claves para leer bien esta página
Las notas siguientes explican cómo leer la cifra del sector, dónde llega antes la IA generativa al trabajo y dónde es más probable que se mantenga el trabajo dirigido por personas.
Cómo leer esta página del sector
Lee el efecto de la IA en la ciencia separando el procesamiento de información del criterio científico que lo rodea. Buscar y resumir literatura, limpiar y preprocesar conjuntos de datos, ejecutar comparaciones estadísticas o de modelos estándar, y redactar registros de laboratorio rutinarios avanzan mucho más rápido con las herramientas actuales. Formular una pregunta genuinamente novedosa, diseñar un experimento que realmente la ponga a prueba, e interpretar un resultado ambiguo o sorprendente no avanzan al mismo ritmo, porque dependen de un criterio de dominio que una herramienta no puede originar.
Qué tareas suelen automatizarse primero
La IA avanza primero en la búsqueda y resumen de literatura a través de grandes números de artículos, en las canalizaciones de limpieza y preprocesamiento de datos, en la redacción y el formateo de cuadernos de laboratorio e informes rutinarios, y en la comparación rápida de primera pasada de modelos, parámetros o enfoques de análisis. Algunos flujos de trabajo experimentales ya usan instrumentos automatizados para el procesamiento repetitivo de muestras. Se frena en el núcleo de la investigación: decidir qué pregunta vale la pena perseguir, diseñar un experimento o estudio que aísle la variable correcta, juzgar si un resultado sorprendente refleja la realidad o un artefacto, y asumir la responsabilidad de una afirmación publicada bajo el nombre de un investigador.
Qué sigue dependiendo de personas
Lo que se mantiene duraderamente humano en la ciencia es originar y juzgar, no procesar. Los investigadores principales que enmarcan qué preguntas importan, los experimentalistas que diseñan estudios que controlan las variables correctas, los científicos que interpretan resultados ambiguos o contradictorios en contexto, y los revisores pares y mentores que ejercen criterio sobre qué cuenta como una afirmación válida dependen todos de una experticia de dominio y una responsabilidad que un modelo puede asistir pero no reemplazar.
Cómo usar la diferencia de puntajes
Para los roles científicos, pondera cuánto del trabajo es búsqueda bibliográfica, procesamiento de datos o análisis rutinario frente a plantear preguntas e interpretar resultados. Los roles concentrados en revisión de literatura, limpieza de datos o comparaciones de modelos estándar deben esperar una puntuación más alta, ya que esas tareas ya están siendo comprimidas por las herramientas actuales. Los roles centrados en el planteamiento de preguntas originales, el diseño experimental o la interpretación de hallazgos ambiguos deben leerse con una puntuación más baja como reflejo de un criterio que sigue siendo netamente humano.
Trabajos con Mayor Riesgo por IA
La tabla siguiente muestra una foto actual de los puestos que hoy quedan en el lado de mayor riesgo dentro de esta industria. Conviene leerla junto con la explicación fija de arriba y no como una lista permanente.
| Rango | Empleo | Exposición a la IA generativa |
|---|---|---|
| 1 | Sociólogo | 90 |
| 2 | Meteorólogo | 85 |
| 3 | Físico | 84 |
| 4 | Astrónomo | 81 |
| 5 | Biólogo | 80 |
| 6 | Antropólogo | 80 |
| 7 | Químico | 77 |
| 8 | Asistente de investigación | 71 |
| 9 | Geólogo | 68 |
La exposición va de 0 a 100 y compara las profesiones entre sí, a partir de conjuntos de datos públicos (ver fuentes). No es la probabilidad de que el empleo desaparezca. Metodología
Fuentes
Índice de exposición calculado por ai-job-risk.net a partir de los conjuntos de datos siguientes (datos a 15 de octubre de 2026). Las cifras laborales de EE. UU. proceden del BLS, sin cambios.
- Eloundou, Manning, Mishkin & Rock, "GPTs are GPTs: Labor market impact potential of LLMs", Science (2024); data MIT licence
- Gmyrek, Berg, Kamiński, Konopczyński, Ładna, Nafradi, Rosłaniec, Troszyński. Generative AI and Jobs: A Refined Global Index of Occupational Exposure. ILO Working Paper 140. Geneva: ILO, 2025. © ILO, CC BY 4.0
- Tomlinson, Jaffe, Wang, Counts & Suri, "Working with AI: Measuring the Occupational Implications of Generative AI", Microsoft Research; CC BY 4.0
- Anthropic Economic Index (job_exposure); CC BY
- U.S. Bureau of Labor Statistics, Employment Projections 2025–35 and AI exposure categories
Los editores de los datos no han elaborado, revisado ni respaldado este sitio. Citas completas, licencias y método
Preguntas frecuentes
Q.¿Qué empleos en Ciencia están más expuestos a la IA?
Más expuestas: Sociólogo, Meteorólogo, Físico. La IA avanza primero en la búsqueda y resumen de literatura a través de grandes números de artículos, en las canalizaciones de limpieza y preprocesamiento de datos, en la redacción y el formateo de cuadernos de laboratorio e informes rutinarios, y en la comparación rápida de primera pasada de modelos, parámetros o enfoques de análisis. Algunos flujos de trabajo experimentales ya usan instrumentos automatizados para el procesamiento repetitivo de muestras.
Q.¿Qué empleos de Ciencia están más a salvo de la IA?
Lo que se mantiene duraderamente humano en la ciencia es originar y juzgar, no procesar. Los investigadores principales que enmarcan qué preguntas importan, los experimentalistas que diseñan estudios que controlan las variables correctas, los científicos que interpretan resultados ambiguos o contradictorios en contexto, y los revisores pares y mentores que ejercen criterio sobre qué cuenta como una afirmación válida dependen todos de una experticia de dominio y una responsabilidad que un modelo puede asistir pero no reemplazar.
Q.¿Está Ciencia a salvo de la IA?
Para los roles científicos, pondera cuánto del trabajo es búsqueda bibliográfica, procesamiento de datos o análisis rutinario frente a plantear preguntas e interpretar resultados. Los roles concentrados en revisión de literatura, limpieza de datos o comparaciones de modelos estándar deben esperar una puntuación más alta, ya que esas tareas ya están siendo comprimidas por las herramientas actuales. Los roles centrados en el planteamiento de preguntas originales, el diseño experimental o la interpretación de hallazgos ambiguos deben leerse con una puntuación más baja como reflejo de un criterio que sigue siendo netamente humano.
Q.¿Cómo se calcula la cifra de Ciencia?
Es el índice de exposición medio de las profesiones de Ciencia que analizamos, ponderado por el empleo en EE. UU. cuando hay datos del BLS. Consulta la página de metodología para conocer las fuentes y cómo interpretarlas.