Índice de Trabajo Remoto: Medición de la Automatización por IA del Trabajo a Distancia

Remote Labor Index: Measuring AI Automation of Remote Work

October 30, 2025

Autores: Mantas Mazeika, Alice Gatti, Cristina Menghini, Udari Madhushani Sehwag, Shivam Singhal, Yury Orlovskiy, Steven Basart, Manasi Sharma, Denis Peskoff, Elaine Lau, Jaehyuk Lim, Lachlan Carroll, Alice Blair, Vinaya Sivakumar, Sumana Basu, Brad Kenstler, Yuntao Ma, Julian Michael, Xiaoke Li, Oliver Ingebretsen, Aditya Mehta, Jean Mottola, John Teichmann, Kevin Yu, Zaina Shaik, Adam Khoja, Richard Ren, Jason Hausenloy, Long Phan, Ye Htet, Ankit Aich, Tahseen Rabbani, Vivswan Shah, Andriy Novykov, Felix Binder, Kirill Chugunov, Luis Ramirez, Matias Geralnik, Hernán Mesura, Dean Lee, Ed-Yeremai Hernandez Cardona, Annette Diamond, Summer Yue, Alexandr Wang, Bing Liu, Ernesto Hernandez, Dan Hendrycks

cs.AI

Resumen

Las IA han logrado avances rápidos en benchmarks de investigación sobre conocimiento y razonamiento, pero aún no está claro cómo estas mejoras se traducen en valor económico y automatización. Para medir esto, presentamos el Índice de Trabajo Remoto (RLI), un benchmark multisectorial amplio que comprende proyectos del mundo real con valor económico, diseñado para evaluar el desempeño integral de agentes en entornos prácticos. Los agentes de IA obtienen resultados cercanos al mínimo en el RLI, con la agente de mayor rendimiento logrando una tasa de automatización del 2.5%. Estos resultados ayudan a fundamentar las discusiones sobre automatización con IA en evidencia empírica, estableciendo una base común para rastrear sus impactos y permitiendo que los actores involucrados naveguen proactivamente la automatización laboral impulsada por IA.

English

AIs have made rapid progress on research-oriented benchmarks of knowledge and reasoning, but it remains unclear how these gains translate into economic value and automation. To measure this, we introduce the Remote Labor Index (RLI), a broadly multi-sector benchmark comprising real-world, economically valuable projects designed to evaluate end-to-end agent performance in practical settings. AI agents perform near the floor on RLI, with the highest-performing agent achieving an automation rate of 2.5%. These results help ground discussions of AI automation in empirical evidence, setting a common basis for tracking AI impacts and enabling stakeholders to proactively navigate AI-driven labor automation.