El 90% del trabajo en EE. UU. se realiza en tareas que los benchmark de IA no pueden medir

Un mapa de lo que la IA puede y no puede hacer

Mercor publicó un nuevo informe de investigación titulado Benchmark Map, que rastrea qué tan bien cubren los benchmark de IA existentes los empleos reales en Estados Unidos. Los hallazgos son impactantes: alrededor del 90% de las horas laborales en Estados Unidos se dedican a tareas que los benchmark estándar de IA apenas rozan ¹.

Para construir el mapa, Mercor estudió 923 ocupaciones enlistadas por el sistema O*NET del Departamento de Trabajo de EE. UU., el cual describe todos los tipos principales de trabajo en el país. En conjunto, esas ocupaciones, O*NET enumera 18.797 tareas individuales — cosas como «preparar, redactar y revisar documentos legales» o «asesorar a clientes sobre transacciones comerciales» (ejemplos tomados de la fuente). Mercor luego verificó cuántas de esas tareas aparecen en una lista curada de 29 benchmark de IA conocidos por su calidad y relevancia en el mundo real.

Solo 208 de las 923 ocupaciones tenían al menos cinco prompts de benchmark que pudieran vincularse a sus tareas. Seis de las 22 familias principales de empleo no tenían ninguna ocupación con ese nivel de cobertura en absoluto.

El sesgo es evidente

Las brechas no son aleatorias. Los datos muestran que los creadores de benchmark de IA tienden a centrarse primero en las industrias grandes y mejor pagadas. Los empleos en campos como la ingeniería de software y las finanzas dominan los benchmark populares, mientras que los roles igualmente importantes de ingresos medios reciben mucha menor atención.

Tome el ámbito legal, por ejemplo. Los benchmark cubren ampliamente las tareas realizadas por abogados, pero apenas prueban el trabajo de los secretarios legales o auxiliares judiciales, incluso cuando esos roles enfrentan niveles similares de exposición a la IA ¹. El mismo patrón se repite en otros sectores: la «cola larga» de trabajos de conocimiento más pequeños y medianos es en gran medida invisible para los evaluadores de IA.

Por qué importa esto

El problema va más allá de los datos faltantes. Si los benchmark no cubren lo que realmente hacen la mayoría de los estadounidenses en el trabajo, resulta muy difícil saber si los modelos actuales de IA están verdaderamente listos para usar en el mundo real. Un modelo de IA podría obtener buenos resultados en desafíos de programación pero tener dificultades con las tareas cotidianas que conforman la mayor parte de la economía.

Mercor dijo que planea seguir expandiendo su cobertura de benchmark para que los investigadores puedan comprender mejor dónde se encuentra la IA y dónde tiene deficiencias. Por ahora, el Benchmark Map sirve como recordatorio de que los informes de progreso de IA de hoy pueden no contar la historia completa sobre qué tan bien pueden manejar las máquinas la fuerza laboral estadounidense.

Correcciones y actualizaciones

• Corregido el 12 de noviembre de 2026. Una versión anterior citaba tareas de ejemplo que no se encontraban en la fuente; la versión corregida utiliza correctamente descripciones textuales de tareas del O*NET para abogados. En cuanto al ítem 2, ambas versiones transmitían el mismo hallazgo clave respaldado por la fuente.

Los datos clave

• El 90 % de las horas laborales de EE. UU. se destinan a tareas con cobertura mínima o nula en los puntos de referencia
• Solo 208 de las 923 ocupaciones de EE. UU. tienen al menos 5 prompts de referencia vinculados a sus tareas
• Seis de cada 22 grandes familias profesionales carecen de ocupaciones con una cobertura de 5+ puntos de referencia
• Los puntos de referencia sobrerrepresentan industrias de altos salarios, como software y finanzas
• Mercor publicó el Mapa de Referencias para rastrear la cobertura de capacidades de IA en toda la economía

Fuentes

1. A benchmark map of the US economy | Mercor