متعهدو التأمين

الأعمال والمالية

التعرّض للذكاء الاصطناعي

  • مصدر البيانات: BLSتاريخ النشر: '26.08

    مرتفع جدًا· نسبي

    منخفضأربع فئات نسبيةمرتفع جدًا

    قيمة على مستوى المجموعة المهنية

    المقياس والأساس والمصدر

    أربع فئات نسبية (منخفض / متوسط / مرتفع / مرتفع جدًا)

    831 مهنة تفصيلية في جدول توقعات التوظيف لدى BLS. وتُسند القيمة على مستوى رمز مصفوفة التوظيف الوطنية (NEM)، فالمهن التي تشترك في الرمز نفسه تأخذ النطاق نفسه

    مجموعة البيانات المصدر (تنزيل ملف XLSX)

  • مصدر البيانات: Anthropicتاريخ النشر: '26.03

    0.063

    0.000نطاق القيم المعروضة هنا0.745
    المقياس والأساس والمصدر

    مؤشر التعرّض المرصود، 0–1 كما نُشر

    مربوط بمهام O*NET

    مجموعة البيانات المصدر

  • مصدر البيانات: ILOتاريخ النشر: '25

    0.53

    0.09نطاق القيم المعروضة هنا0.70

    قيمة على مستوى المجموعة المهنية

    المقياس والأساس والمصدر

    مؤشر التعرّض للذكاء الاصطناعي التوليدي، 0–1 كما نُشر

    وحدة التصنيف ISCO-08 — تأخذ كل المهن ذات الرمز نفسه هذه القيمة

    محسوب من قِبل هذا الموقع وليس منشورًا من منظمة العمل الدولية: من بين 1,012 مهنة يربطها هذا الموقع بمجموعة بيانات المنظمة، تبلغ نسبة التي تساوي هذه القيمة أو تتجاوزها 14%.

    مجموعة البيانات المصدر

ما نوع القيمة التي ينشرها هذا المصدر

فئة BLS رتبة نسبية لا مستوى مطلق، وليست قياسًا مباشرًا: فهي تجمع الرتب المئينية للمهنة في عدة دراسات منشورة في أربع فئات. وهي ليست توقّعًا للتوظيف أو الأجور، ولا احتمالًا للتبني، ولا تفرّق بين الأتمتة والتعزيز.

Task-level exposure

Values in this tab are predicted labels, not observations. Eloundou et al. (2023) published two rating regimes — human raters and GPT-4 — and the β shown here is derived from the GPT-4 rater basis alone; the same task can take a different value under the other regime. The unit and the meaning differ from the observed shares (%) in the other tabs, so do not place them on the same axis.

TaskβE1 + 0.5 × E2
Write to field representatives, medical personnel, or others to obtain further information, quote rates, or explain company underwriting policies.

O*NET Task ID 1262

1.0
Decline excessive risks.

O*NET Task ID 1261

0.5
Evaluate possibility of losses due to catastrophe or excessive insurance.

O*NET Task ID 1263

0.5
Decrease value of policy when risk is substandard and specify applicable endorsements or apply rating to ensure safe, profitable distribution of risks, using reference materials.

O*NET Task ID 1264

0.5
Review company records to determine amount of insurance in force on single risk or group of closely related risks.

O*NET Task ID 1265

0.5
Authorize reinsurance of policy when risk is high.

O*NET Task ID 1266

0.5
Examine documents to determine degree of risk from factors such as applicant health, financial standing and value, and condition of property.

O*NET Task ID 21045

0.5

β = E1 + 0.5 × E2 · E1 = tasks where direct LLM access alone cuts time by at least 50%, E2 = tasks where software built on top of an LLM cuts time by at least 50%. Values take only 0 / 0.5 / 1.0.

Data sources & licenses — O*NET®, Eloundou et al. (2023): see full notices on the Credits page

Occupation information

تغيّرات حديثة تخصّ هذه المهنة

أبريل 2026: ATE 0.42 by 2027 in SF Bay Tier 1. Rule-application heavy roles with thin P1 (interpersonal) and P2 (regulatory) penalties show fast agentic exposure climb.

[المصدر: arXiv 2604.00186 (Gupta & Kumar, 2026)]

مارس 2026: Published evergreen blog analysis: AI exposure 64%, automation risk 62/100 in 2025.

[المصدر: AI Changing Work Blog]