Los administradores de TransicionEstructural no se responsabilizan de las opiniones vertidas por los usuarios del foro. Cada usuario asume la responsabilidad de los comentarios publicados.
9 Usuarios y 35 Visitantes están viendo este tema.
[ Ya vale... ¿no? ]
Cita de: tomasjos en Ayer a las 10:14:46Interesante artículo sobre el impacto de la IA en la ingeniería del software. El articulista coincide con las apreciaciones de Benzino y Pollo sobre las consecuencias del empleo de la IALlevo años analizando la productividad en Silicon Valley y esto es lo que nos espera con la IA https://share.google/Pcf4TAPybD1vTYgZ3¿QUÉ VAN A HACER LOS NUEVOS INGENIEROS?Llevo años analizando la productividad en Silicon Valley y esto es lo que nos espera con la IAIngenieros pluriempleados, trabajadores "fantasma", una falsa sensación de productividad y un nuevo mercado de trabajo... la inteligencia artificial lo está cambiando todo en la cuna tecnológica y lo he documentado¿Ysi el mayor coste oculto de tu empresa fueran los empleados que no hacen prácticamente nada? ¿Y si, mientras lees esto, uno de tus ingenieros estuviera cobrando dos sueldos a la vez, escribiendo código para dos compañías distintas y sin que ninguna lo sepa? ¿Y si la inteligencia artificial estuviera haciendo que miles de trabajadores produzcan más rápido… pero peor?En el corazón de Silicon Valley, estas preguntas no son hipótesis. Son realidades que he documentado como investigador en la Universidad de Stanford, donde dirijo proyectos sobre productividad laboral e inteligencia artificial. Desde hace tres años, estudiamos datos de empresas tecnológicas, analizamos millones de líneas de código y rastreamos la evolución de cientos de miles de ingenieros. Todo con un objetivo: entender, desde la cuna de la innovación, cómo está cambiando el mercado de trabajo. Lo que encontramos va mucho más allá de Silicon Valley y aplica a muchas más industrias que las puramente técnicas o tecnológicas. Hoy quiero compartir cinco de los hallazgos más reveladores que he descubierto en el curso de estos años de investigación sobre productividad laboral en la era de la IA.La llegada de los trabajadores 'fantasma'Uno de nuestros hallazgos más inquietantes tiene que ver con la existencia de trabajadores que prácticamente no producen nada. En un estudio reciente que hemos realizado sobre productividad en ingeniería de software, detectamos que el 9,5% de los ingenieros son lo que llamamos "trabajadores fantasma": empleados que hacen poco, muy poco, comparado con sus pares profesionales. Según nuestro análisis, se trata de un perfil de empleado con un rendimiento muy inferior, que apenas produce en su día a día y finge estar "muy ocupado" o trabajando en algo "muy importante". Este fenómeno no sigue patrones uniformes, sino que depende del modelo de trabajo. En los casos de trabajo presencial, solo el 6% de los empleados se pueden considerar “fantasma”. En los esquemas híbridos, el porcentaje sube al 9%. Pero entre los ingenieros que trabajan 100% en remoto, el número alcanza el 14%. La distancia física, la menor supervisión y la fragmentación de los equipos crean condiciones idóneas para que algunos se desconecten sin consecuencias visibles.El impacto económico de este fenómeno es inmenso. Hablamos de varios miles de millones de dólares (puede que hasta 90.000 millones) al año en costes improductivos. A esto se suma el efecto sobre la moral de los equipos (que cargan con el trabajo que otros no hacen) y el deterioro de la cultura de responsabilidad. Además, estos casos dañan la imagen del teletrabajo en su conjunto, reforzando prejuicios y dificultando su consolidación como modelo eficaz.La realidad de los pluriempleados encubiertosOtro de los efectos colaterales más sorprendentes que hemos detectado en nuestras investigaciones es el auge de lo que podríamos llamar el "pluriempleo encubierto". Gracias al análisis de datos de más de 100.000 ingenieros de software, hemos detectado que el 4,1% de ellos trabaja simultáneamente para dos (o más) empresas sin que ninguna lo sepa. Cobran dos sueldos, atienden dos equipos y reportan a dos jefes distintos. Todo en paralelo.Aunque en nuestra muestra inicial solo detectamos unos pocos casos, al aplicar correcciones estadísticas para ajustar los sesgos en los datos, concluimos que al menos el 4% del total de los ingenieros trabajan para dos empresas a la vez sin que ninguna lo sepa. Se trata de un fenómeno mucho más extendido de lo que parece.Las consecuencias son preocupantes. Para las empresas, implica una pérdida directa de productividad y concentración: ningún profesional puede rendir al 100% si está repartido entre dos empleos a tiempo completo. Además, complica la gestión del rendimiento y crea riesgos legales y reputacionales. Este tipo de comportamientos, aunque minoritarios, tienden a generar una narrativa negativa que afecta a todo el sector.Los otros males de la IAOtro de los descubrimientos más sorprendentes de nuestra investigación tiene que ver con el uso de la inteligencia artificial. Aunque muchos la ven como la gran palanca de productividad del futuro, los datos nos obligan a matizar: sí, es cierto que los modelos de IA permiten escribir código más rápido y con menos fricción. Pero esa velocidad tiene un precio: el aumento del retrabajo. Muchas veces, lo que parecía un avance se convierte en una trampa, al generar errores sutiles o soluciones mal planteadas que después exigen largas sesiones de corrección.En nuestros análisis, el impacto neto de la IA en productividad ronda el 15–20%. No está mal, pero dista mucho de las expectativas más ambiciosas. ¿Por qué no se logra más? Porque una parte importante del código generado requiere revisión, depuración o reescritura. Y ese retrabajo, invisible en un primer momento, consume buena parte del tiempo que la IA pretendía ahorrar. Aún más llamativo es que, en ciertos casos, la productividad no solo no mejora, sino que empeora. En proyectos complejos, ya maduros, o desarrollados en lenguajes menos comunes, hemos visto cómo el uso de IA puede introducir más problemas de los que resuelve. En esos entornos, al menos por ahora, la intervención humana sigue siendo insustituible.El gráfico anterior, extraído de nuestro estudio con 136 equipos de desarrollo, pone cifras a esta realidad. El impacto más positivo de la IA se observa al crear un proyecto desde cero, especialmente en tareas de baja complejidad, donde el aumento medio de la productividad ronda el 30%. Sin embargo, al trabajar sobre un código ya existente y complejo, el escenario cambia drásticamente: la mejora se reduce hasta volverse nula o incluso negativa. Es en estos casos donde la promesa de la IA se desvanece, y el aparente ahorro de tiempo se consume en corregir los problemas que ella misma ha introducido.La caída de los empleados 'junior'Uno de los cambios más relevantes desde la pandemia es la drástica caída en la contratación de ingenieros principiantes o junior. En 2019, representaban un 17% de las nuevas incorporaciones; hoy apenas llegan al 11%. En startups y scaleups, la caída ha sido aún más brusca: de un 14% a un 5%. Es un ajuste silencioso, pero profundo, que está redefiniendo la forma en que las empresas construyen sus equipos técnicos. Este descenso no se debe a una caída de la productividad. De hecho, los ingenieros junior de hoy rinden entre un 15% y un 18% más que antes de la pandemia. Hay dos razones detrás de esta mejora: por un lado, el nivel medio de los juniors contratados ha subido. Por otro, la IA les beneficia más que a los seniors, ayudándoles a escribir código, entender proyectos y ganar autonomía más rápido.Y, sin embargo, se les contrata menos. Esto puede tener consecuencias notables: se estrecha el canal de entrada al sector, se reduce el margen de formación interna y se acelera la escasez futura de talento. Apostar solo por perfiles intermedios y senior puede parecer eficiente en el corto plazo, pero es pan para hoy y hambre para mañana.Hacia un nuevo paradigmaTodas nuestras investigaciones apuntan a una conclusión ineludible: el trabajo del ingeniero de software —y, por las mismas causas, el de otras muchas profesiones— está cambiando de forma acelerada. Las tareas repetitivas, predecibles o de baja complejidad están siendo absorbidas por la inteligencia artificial. Los ingenieros que antes dedicaban horas a escribir funciones estándar o resolver errores simples ahora ven esas tareas resueltas en segundos por modelos generativos. Lo que queda es el trabajo de mayor nivel: definir el problema, diseñar una solución eficaz, alinear el producto con las necesidades del usuario y guiar a la IA en la dirección adecuada. Lo técnico sigue siendo importante, pero deja de ser suficiente. Hacen falta criterio, visión, capacidad de síntesis y pensamiento estratégico. Esta transformación cambia también lo que se debe valorar y desarrollar en los equipos. Las métricas tradicionales de productividad se vuelven obsoletas y, en su lugar, será cada vez más clave evaluar la calidad del diseño, el impacto del producto y la capacidad de los equipos para resolver problemas complejos con inteligencia y autonomía.Estas cinco lecciones que hemos extraído desde el corazón de Silicon Valley no son anécdotas: son señales claras de hacia dónde va el mundo del trabajo. Revelan ineficiencias masivas, nuevas formas de engaño, efectos inesperados de la IA y un cambio profundo en el perfil de talento que aporta verdadero valor. Para las empresas, ignorar estos cambios significa perder dinero, tiempo y ventaja competitiva. Para la economía, en su conjunto, implica millones en costes improductivos, un mercado laboral mal calibrado y una brecha creciente entre tecnología y gestión. Quien no mida, quien no entienda, quien no se adapte, quedará atrás. El trabajo del futuro no será más barato, ni más fácil. Pero sí puede ser más inteligente. Y todo empieza por ver con claridad lo que está ocurriendo ya.*Yegor Denisov-Blanch es ingeniero de software e investigador español de la Universidad de Stanford. Lleva casi una década estudiando cómo evoluciona la productividad en la rama de las ingenierías y ha liderado diversos análisis sobre cómo la inteligencia artificial está impactando en la industria y el empleo.Y todavía quedan por ver los efectos negativos en el aprendizaje de la gente nueva, (aquí incluyo tanto a aprendices de cualquier profesión intelectual como a los niños de hoy día que en unos años acabarán siendo tanto la fuerza laboral como los ciudadanos del futuro)Arpender a hacer software (y cualquier habilidad intelectual compleja y/o difícil) tiene un nivel de fricción altísimo y supone muchas horas de frustración para aprender (muchas veces metiendo la pata en cosas nada obvias a priori) a hacer las cosas metódica y correctamente. Y no solo eso, sino haciéndolo bien, de forma disciplinada y con atención, para "no coger vicios", que es una característica muy presente en muchas tareas.Con la IA, la tentación de saltarse todo este proceso es extrema, haciendo que muchos no acaben adquiriendo nunca habilidades imprescindibles para poder realizar proyectos o tareas que requieren un entendimiento muy completo y detallado de lo que se está haciendo. En una disciplina en la que se requiere una formalidad y exactitud totales. De lo contrario, empiezan a aparecer problemas insesperados y agujeros que poco a poco van haciendo que sea inviable terminar lo que se ha empezado. Cualquiera que haya hecho proyectos de cualquier tipo sabe a qué me refiero.Los promotores de la IA implícitamente vienen a decir que cualquiera es historiador porque tiene acceso a todos los libros de Historia y que por tanto no hace falta estudiar ya que la información está ahí. Como se comprenderá, esto es falso. Al igual que hacer música no es símplemente tocar notas, jugar a fútbol no es sólo dar patadas a un balón, o programar no es aporrear un teclado a toda leche mientras se dicen frases cool como los "hackers" en las películas.Pero vamos, para entender esto, uno tiene que haberse puesto a tocar un instrumento o a componer, intentar ganar a otro equipo, o hacer un programa que cumpla unos criterios de calidad.Yyyyy claro, no podemos pedir que los cuñaos hayan siquiera intentado nada de esto para poder hablar con propiedad.
Interesante artículo sobre el impacto de la IA en la ingeniería del software. El articulista coincide con las apreciaciones de Benzino y Pollo sobre las consecuencias del empleo de la IALlevo años analizando la productividad en Silicon Valley y esto es lo que nos espera con la IA https://share.google/Pcf4TAPybD1vTYgZ3¿QUÉ VAN A HACER LOS NUEVOS INGENIEROS?Llevo años analizando la productividad en Silicon Valley y esto es lo que nos espera con la IAIngenieros pluriempleados, trabajadores "fantasma", una falsa sensación de productividad y un nuevo mercado de trabajo... la inteligencia artificial lo está cambiando todo en la cuna tecnológica y lo he documentado¿Ysi el mayor coste oculto de tu empresa fueran los empleados que no hacen prácticamente nada? ¿Y si, mientras lees esto, uno de tus ingenieros estuviera cobrando dos sueldos a la vez, escribiendo código para dos compañías distintas y sin que ninguna lo sepa? ¿Y si la inteligencia artificial estuviera haciendo que miles de trabajadores produzcan más rápido… pero peor?En el corazón de Silicon Valley, estas preguntas no son hipótesis. Son realidades que he documentado como investigador en la Universidad de Stanford, donde dirijo proyectos sobre productividad laboral e inteligencia artificial. Desde hace tres años, estudiamos datos de empresas tecnológicas, analizamos millones de líneas de código y rastreamos la evolución de cientos de miles de ingenieros. Todo con un objetivo: entender, desde la cuna de la innovación, cómo está cambiando el mercado de trabajo. Lo que encontramos va mucho más allá de Silicon Valley y aplica a muchas más industrias que las puramente técnicas o tecnológicas. Hoy quiero compartir cinco de los hallazgos más reveladores que he descubierto en el curso de estos años de investigación sobre productividad laboral en la era de la IA.La llegada de los trabajadores 'fantasma'Uno de nuestros hallazgos más inquietantes tiene que ver con la existencia de trabajadores que prácticamente no producen nada. En un estudio reciente que hemos realizado sobre productividad en ingeniería de software, detectamos que el 9,5% de los ingenieros son lo que llamamos "trabajadores fantasma": empleados que hacen poco, muy poco, comparado con sus pares profesionales. Según nuestro análisis, se trata de un perfil de empleado con un rendimiento muy inferior, que apenas produce en su día a día y finge estar "muy ocupado" o trabajando en algo "muy importante". Este fenómeno no sigue patrones uniformes, sino que depende del modelo de trabajo. En los casos de trabajo presencial, solo el 6% de los empleados se pueden considerar “fantasma”. En los esquemas híbridos, el porcentaje sube al 9%. Pero entre los ingenieros que trabajan 100% en remoto, el número alcanza el 14%. La distancia física, la menor supervisión y la fragmentación de los equipos crean condiciones idóneas para que algunos se desconecten sin consecuencias visibles.El impacto económico de este fenómeno es inmenso. Hablamos de varios miles de millones de dólares (puede que hasta 90.000 millones) al año en costes improductivos. A esto se suma el efecto sobre la moral de los equipos (que cargan con el trabajo que otros no hacen) y el deterioro de la cultura de responsabilidad. Además, estos casos dañan la imagen del teletrabajo en su conjunto, reforzando prejuicios y dificultando su consolidación como modelo eficaz.La realidad de los pluriempleados encubiertosOtro de los efectos colaterales más sorprendentes que hemos detectado en nuestras investigaciones es el auge de lo que podríamos llamar el "pluriempleo encubierto". Gracias al análisis de datos de más de 100.000 ingenieros de software, hemos detectado que el 4,1% de ellos trabaja simultáneamente para dos (o más) empresas sin que ninguna lo sepa. Cobran dos sueldos, atienden dos equipos y reportan a dos jefes distintos. Todo en paralelo.Aunque en nuestra muestra inicial solo detectamos unos pocos casos, al aplicar correcciones estadísticas para ajustar los sesgos en los datos, concluimos que al menos el 4% del total de los ingenieros trabajan para dos empresas a la vez sin que ninguna lo sepa. Se trata de un fenómeno mucho más extendido de lo que parece.Las consecuencias son preocupantes. Para las empresas, implica una pérdida directa de productividad y concentración: ningún profesional puede rendir al 100% si está repartido entre dos empleos a tiempo completo. Además, complica la gestión del rendimiento y crea riesgos legales y reputacionales. Este tipo de comportamientos, aunque minoritarios, tienden a generar una narrativa negativa que afecta a todo el sector.Los otros males de la IAOtro de los descubrimientos más sorprendentes de nuestra investigación tiene que ver con el uso de la inteligencia artificial. Aunque muchos la ven como la gran palanca de productividad del futuro, los datos nos obligan a matizar: sí, es cierto que los modelos de IA permiten escribir código más rápido y con menos fricción. Pero esa velocidad tiene un precio: el aumento del retrabajo. Muchas veces, lo que parecía un avance se convierte en una trampa, al generar errores sutiles o soluciones mal planteadas que después exigen largas sesiones de corrección.En nuestros análisis, el impacto neto de la IA en productividad ronda el 15–20%. No está mal, pero dista mucho de las expectativas más ambiciosas. ¿Por qué no se logra más? Porque una parte importante del código generado requiere revisión, depuración o reescritura. Y ese retrabajo, invisible en un primer momento, consume buena parte del tiempo que la IA pretendía ahorrar. Aún más llamativo es que, en ciertos casos, la productividad no solo no mejora, sino que empeora. En proyectos complejos, ya maduros, o desarrollados en lenguajes menos comunes, hemos visto cómo el uso de IA puede introducir más problemas de los que resuelve. En esos entornos, al menos por ahora, la intervención humana sigue siendo insustituible.El gráfico anterior, extraído de nuestro estudio con 136 equipos de desarrollo, pone cifras a esta realidad. El impacto más positivo de la IA se observa al crear un proyecto desde cero, especialmente en tareas de baja complejidad, donde el aumento medio de la productividad ronda el 30%. Sin embargo, al trabajar sobre un código ya existente y complejo, el escenario cambia drásticamente: la mejora se reduce hasta volverse nula o incluso negativa. Es en estos casos donde la promesa de la IA se desvanece, y el aparente ahorro de tiempo se consume en corregir los problemas que ella misma ha introducido.La caída de los empleados 'junior'Uno de los cambios más relevantes desde la pandemia es la drástica caída en la contratación de ingenieros principiantes o junior. En 2019, representaban un 17% de las nuevas incorporaciones; hoy apenas llegan al 11%. En startups y scaleups, la caída ha sido aún más brusca: de un 14% a un 5%. Es un ajuste silencioso, pero profundo, que está redefiniendo la forma en que las empresas construyen sus equipos técnicos. Este descenso no se debe a una caída de la productividad. De hecho, los ingenieros junior de hoy rinden entre un 15% y un 18% más que antes de la pandemia. Hay dos razones detrás de esta mejora: por un lado, el nivel medio de los juniors contratados ha subido. Por otro, la IA les beneficia más que a los seniors, ayudándoles a escribir código, entender proyectos y ganar autonomía más rápido.Y, sin embargo, se les contrata menos. Esto puede tener consecuencias notables: se estrecha el canal de entrada al sector, se reduce el margen de formación interna y se acelera la escasez futura de talento. Apostar solo por perfiles intermedios y senior puede parecer eficiente en el corto plazo, pero es pan para hoy y hambre para mañana.Hacia un nuevo paradigmaTodas nuestras investigaciones apuntan a una conclusión ineludible: el trabajo del ingeniero de software —y, por las mismas causas, el de otras muchas profesiones— está cambiando de forma acelerada. Las tareas repetitivas, predecibles o de baja complejidad están siendo absorbidas por la inteligencia artificial. Los ingenieros que antes dedicaban horas a escribir funciones estándar o resolver errores simples ahora ven esas tareas resueltas en segundos por modelos generativos. Lo que queda es el trabajo de mayor nivel: definir el problema, diseñar una solución eficaz, alinear el producto con las necesidades del usuario y guiar a la IA en la dirección adecuada. Lo técnico sigue siendo importante, pero deja de ser suficiente. Hacen falta criterio, visión, capacidad de síntesis y pensamiento estratégico. Esta transformación cambia también lo que se debe valorar y desarrollar en los equipos. Las métricas tradicionales de productividad se vuelven obsoletas y, en su lugar, será cada vez más clave evaluar la calidad del diseño, el impacto del producto y la capacidad de los equipos para resolver problemas complejos con inteligencia y autonomía.Estas cinco lecciones que hemos extraído desde el corazón de Silicon Valley no son anécdotas: son señales claras de hacia dónde va el mundo del trabajo. Revelan ineficiencias masivas, nuevas formas de engaño, efectos inesperados de la IA y un cambio profundo en el perfil de talento que aporta verdadero valor. Para las empresas, ignorar estos cambios significa perder dinero, tiempo y ventaja competitiva. Para la economía, en su conjunto, implica millones en costes improductivos, un mercado laboral mal calibrado y una brecha creciente entre tecnología y gestión. Quien no mida, quien no entienda, quien no se adapte, quedará atrás. El trabajo del futuro no será más barato, ni más fácil. Pero sí puede ser más inteligente. Y todo empieza por ver con claridad lo que está ocurriendo ya.*Yegor Denisov-Blanch es ingeniero de software e investigador español de la Universidad de Stanford. Lleva casi una década estudiando cómo evoluciona la productividad en la rama de las ingenierías y ha liderado diversos análisis sobre cómo la inteligencia artificial está impactando en la industria y el empleo.
Working with AI: Measuring the Occupational Implications of Generative AIKiran Tomlinson, Sonia Jaffe, Will Wang, Scott Counts, Siddharth SuriGiven the rapid adoption of generative AI and its potential to impact a wide range of tasks, understanding the effects of AI on the economy is one of society's most important questions. In this work, we take a step toward that goal by analyzing the work activities people do with AI, how successfully and broadly those activities are done, and combine that with data on what occupations do those activities. We analyze a dataset of 200k anonymized and privacy-scrubbed conversations between users and Microsoft Bing Copilot, a publicly available generative AI system. We find the most common work activities people seek AI assistance for involve gathering information and writing, while the most common activities that AI itself is performing are providing information and assistance, writing, teaching, and advising. Combining these activity classifications with measurements of task success and scope of impact, we compute an AI applicability score for each occupation. We find the highest AI applicability scores for knowledge work occupation groups such as computer and mathematical, and office and administrative support, as well as occupations such as sales whose work activities involve providing and communicating information. Additionally, we characterize the types of work activities performed most successfully, how wage and education correlate with AI applicability, and how real-world usage compares to predictions of occupational AI impact.
American Consumers Are Getting Thrifty AgainGeneric brands and bulk buying are on the rise and fewer fancy burritos are being sold; ‘The ‘what the heck’ purchase is completely gone’Daisy Korpics/WSJ; iStockAmericans are back on the hunt for a good deal.Consumer spending stagnated in the first half of this year, according to federal data issued last week, and the CEOs of Chipotle Mexican Grill, Kroger and Procter & Gamble, among others, are telling investors that their customers are more strapped—or appear to feel that way.“There’s a lot of consumer anxiety,” said Dirk Van de Put, chief executive of Mondelez International, which makes Oreo cookies, Ritz crackers and Cadbury chocolate. Global sales of snacks rose last quarter, but U.S. sales fell a lot.After spending lavishly through the postpandemic years on everything from home improvement to travel, U.S. consumers find themselves in a summer of economic uncertainty. Beef prices are the highest on record. Daily latte habits now face as much as an additional 50% tariff on coffee.Ford Motor, which makes the most popular vehicle in the U.S.—the F-150 truck—said the Trump administration’s flurry of trade deals have heaped a punishing level of duties on the automaker. It has already raised prices on some cars and trucks to help cover the added costs.Shoppers, wary about inflation, job expectations and their personal finances, are dialing down their spending to focus on the essentials and forego the extras, executives said. The company behind Invisalign said patients are putting off orthodontic treatment and choosing metal braces over pricier clear alternatives.P&G, which sells daily-use items such as Tide, Charmin and Pantene, said it is noticing signs of slower spending across essential products, too.Consumers on both ends of the spectrum—low income and higher income—are reacting to the current volatility they are experiencing, P&G Chief Financial Officer Andre Schulten said, “We see consumption trends consistently decelerating.”Even though people still need to do laundry, wash their hair and put diapers on their babies, Americans are using up the goods in their pantry and seeking value by buying in bulk to economize or purchasing smaller packs to spend less. This new behavior is driven by worries about the future, whether over immigration policies, inflation or how tariffs will filter down to consumers, said P&G Chief Executive Jon Moeller.“People are frustrated, and I would say understandably frustrated, with the lack of certainty,” he told investors. (...)Kiara Carniewski, 31, is expecting her second child later this month and has worked hard to take her expenses down by a range of 60% to 70%. From her weekly grocery bill to luxury skincare products, she has been ruthless, she said. “If it’s not necessary, it’s no longer purchased.”A few weeks ago she found herself racked with guilt after splurging on a $5 coffee. That expense is nothing compared to her former guilty pleasure of perusing the aisles at T.J. Maxx and HomeGoods. “Back then, I was like, ‘Life is short. Treat yourself!’ ” she said.Now, she is keenly aware of how much is on the line for her family’s finances.“I really believe that the American economy has a massive math problem: Everything is getting more expensive but wages have not.”