Professeur · L'érudit payé pour professer une discipline en public — vingt-cinq siècles d'enseignement et de découverte, du bosquet de Platon à la titularisation et au tuteur IA.
El producto más visible del professeur —la cours magistral— es precisamente la parte del trabajo que las máquinas copian mejor. Un curso grabado escala a millones, un tutor de IA responde a las 3 de la madrugada sin horario de oficina, y los calificadores automáticos ya puntúan código y respuestas cortas en muchas université. Si el trabajo fuera solo impartir contenido, estaría en serios problemas.
Pero las université no pagan a los professeures principalmente para impartir contenido; les pagan para producir conocimiento, certificar competencia y reproducir la profesión formando chercheur. Esas funciones descansan en el criterio sobre qué es verdadero y qué importa: exactamente donde la IA actual, que sintetiza la literatura existente en lugar de extenderla, sigue siendo una herramienta en manos de la persona responsable de la respuesta.
Aproximadamente la capa de impartición de contenido y evaluación de primera pasada del trabajo es automatizable ahora o pronto: instrucción grabada y asistida por IA, calificación rutinaria, cribado bibliográfico, informes administrativos. El núcleo —elegir preguntas de recherche, supervisar a chercheur en formación, arbitrar qué entra en el canon, y responder por la certificación de los étudiant— requiere un criterio experto responsable que ningún sistema actual puede llevar. El futuro realista a corto plazo es menos puestos puramente enseignant y más apalancamiento de máquina por professeur, no la desaparición de la cátedra.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Decidir qué preguntas valen años de trabajo —antes de que exista evidencia sobre la cual entrenar— es el acto definitorio de la profesión, y los sistemas generativos construidos sobre la literatura existente son estructuralmente más débiles justo ahí.
Formar a un chercheur requiere años de desafío, aliento y corrección honesta calibrados individualmente dentro de una relación de confianza; es aprendizaje de oficio, y el aprendizaje de oficio nunca ha sido entregable por una herramienta.
Los títulos se confían porque humanos nombrados y acreditados responden por lo que atestiguan. Delegar ese criterio en bloque a sistemas que pueden manipularse gastaría precisamente la confianza que venden las université.
Leer una sala, presionar al étudiant que va sobre seguro, sacar al que se esconde: el oficio improvisado y social de la enseignement en vivo resiste la automatización mucho después de que caiga la impartición de contenido.
Editar revistas, arbitrar disputas, fijar currículos y estándares: la profesión se gobierna a sí misma, y la autogobernanza requiere miembros cuyo criterio sus pares acepten como legítimo.
Los cursos grabados, los MOOC y los tutores de IA ya llevan la instrucción introductoria a escala; una vez estandarizado el contenido, la clase marginal es la hora más reemplazable de la semana de un professeur.
Los sistemas de IA ya redactan revisiones bibliográficas, cribán miles de resúmenes y marcan citas relevantes en minutos: trabajo que consumía semanas de cada proyecto de recherche y la mayor parte del primer año de cada étudiant de doctorat.
Los calificadores automáticos han puntuado tareas de programación durante una década; los sistemas de puntuación de ensayos y retroalimentación manejan cada vez más la evaluación rutinaria, dejando a los enseignant los casos disputados y de alto riesgo.
"Jill Watson" de Georgia Tech respondió preguntas rutinarias de foro de étudiant en 2016 sin que la mayoría notara que era software; la programación, las consultas de programa y la logística de plazos son exactamente este tipo de tráfico automatizable.
Con la impartición de contenido barata —video, tutores adaptativos, explicadores de IA— el tiempo de clase se desplaza hacia lo que solo la presencia ofrece: discusión, resolución de problemas, instrucción entre pares. La cours magistral sobrevive, pero como una herramienta entre varias en lugar de la definición del trabajo.
Siguiendo el experimento de Jill Watson de Georgia Tech en 2016, las université ya despliegan asistentes de IA para preguntas rutinarias, redacción de retroalimentación y tutoría, mientras la nueva tarea del professeur es el control de calidad: auditar las respuestas de la máquina y enseñar a los étudiant a interrogar en lugar de confiar en el texto generado.
Los grandes proveedores en línea ya dividen el paquete del professeur —diseño de curso, impartición, evaluación, mentoría— entre especialistas y software. La cátedra de recherche persiste en un extremo mientras una familia creciente de roles de docencia, diseño y verificación emerge de las piezas.
AlphaFold, de DeepMind, resolvió en la práctica la predicción de estructura de proteínas en 2020, colapsando un programa de recherche de décadas y redirigiendo de la noche a la mañana a los professeures de todo un campo. A medida que la IA absorbe más análisis rutinario, la habilidad escasa del professeurado se convierte en plantear la siguiente pregunta, y verificar las respuestas generadas por máquina.
El especialista que convierte la experiencia en una materia en cursos en línea y mixtos estructurados: uno de los roles de más rápido crecimiento en educación, cubierto en gran parte por doctores que eligieron el diseño en lugar de la lotería de la titularisation.
Construir y ajustar las plataformas adaptativas, los tutores de IA y las canalizaciones de analítica con las que las université enseñan cada vez más; un híbrido de pedagogía e ingeniería de software que apenas existía en 2010.
Explicadores con formación académica llegan hoy a audiencias que ningún auditorio jamás alcanzó —canales de matemáticas y ciencia dirigidos por exacadémicos cuentan suscriptores en las decenas de millones—, convirtiendo el oficio de explicar del professeur en una carrera independiente.
Los laboratoire corporativos de IA y biotecnología reclutan a professeures y a sus étudiant de doctorat a múltiplos del salario académico —Uber contrató a unos cuarenta chercheur del centro de robótica de Carnegie Mellon en una sola incursión de 2015—, convirtiendo la recherche de la industria en el mayor empleador adyacente de la profesión.
Las tareas más expuestas son las que pueden especificarse por completo de antemano: la clase estandarizada, la calificación rutinaria, el resumen bibliográfico. Las tareas más protegidas son las que no pueden: la pregunta de recherche aún no formulada, el étudiant de doctorat en apuros, la decisión de criterio sobre lo que un campo debe considerar verdadero.
La disrupción más probable es económica más que tecnológica: la automatización le da a las université nuevas razones para dividir el paquete del professeur en partes más baratas, acelerando un desplazamiento hacia contratos de solo docencia y facilitador de curso que empezó décadas antes de la IA. La cátedra de recherche perdura; la pregunta es cuántos de los roles circundantes conservan el título.
Toda tecnología anterior dirigida a esta profesión —la imprenta, la radiodifusión, el MOOC— se anunció como su fin y se absorbió como su herramienta. La IA es la más capaz hasta ahora, y la primera en llegar a la evaluación y la síntesis. Pero mientras las sociedades quieran que se produzca conocimiento nuevo y credenciales dignas de confianza, alguien responsable debe profesar, y responder por ello.
Voisins les plus proches sur le profil à six scores — pas seulement le même champ.
Des scribes babyloniens aux lauréats Fields et à la démonstration assistée par IA : la profession qui transforme les questions difficiles en certitude permanente, théorème après théorème.
AI-resistant 70 🔭Le scientifique qui mesure l'univers, des tablettes d'argile babyloniennes aux télescopes spatiaux, et qui décide encore aujourd'hui quelle fluctuation dans les données est une découverte.
AI-resistant 70 🎬Transforme un scénario en film achevé en décidant de chaque plan, de chaque jeu d'acteur et de chaque coupe, puis convainc producteur, studio et public que la vision valait le budget.
AI-resistant 73 ⚛️Établit et teste les lois mathématiques qui régissent la matière, l'énergie, l'espace et le temps, d'un tableau noir solitaire à un article de collisionneur signé par 3 000 auteurs.
AI-resistant 65 ⚖️La personne à laquelle les sociétés font confiance pour décider : de la stèle d'Hammourabi aux audiences de libération sous caution notées par l'IA, les différends les plus difficiles se terminent toujours devant un être humain responsable.
AI-resistant 90 🧬Le scientifique qui étudie la vie elle-même, de Linnaeus nommant les espèces à la main à l'édition de génomes avec CRISPR, testant encore chaque idée sur un organisme vivant.
AI-resistant 64La plus grande profession du monde : des maisons de tablettes sumériennes aux salles de classe de l'ère de l'IA, un adulte chargé de transformer trente inconnus en une classe qui apprend.
AI-resistant 78 📜L'enquêteur formé du passé — d'Hérodote et Sima Qian aux archives numériques, transformant des documents fragiles en récits vérifiables de ce qui s'est passé.
AI-resistant 70 🧩Le scientifique de l'esprit et du comportement, du laboratoire de Wundt à Leipzig en 1879 à la salle de thérapie — formé pour entendre ce qu'une personne ne peut pas encore se dire elle-même.
AI-resistant 82 🌐Le métier qui transporte le sens d'une langue à l'autre — de la Septante et de la Vulgate de Jérôme à Tolède, les cabines de Nuremberg et l'ère de la traduction automatique.
AI-resistant 28 📖Gardien et guide du savoir enregistré, des tablettes d'argile de Ninive à la bataille du prêt numérique — organiser ce que l'humanité sait pour que chacun puisse le trouver.
AI-resistant 55