রাঁধুনি

খাদ্য প্রস্তুতি ও সেবা

AI এক্সপোজার

  • ডেটার উৎস: BLSপ্রকাশকাল: '26.08

    মাঝারি· আপেক্ষিক

    কমচারটি আপেক্ষিক স্তরঅত্যন্ত উচ্চ

    পেশা-গোষ্ঠী পর্যায়ের মান

    স্কেল, ভিত্তি ও উৎস

    চারটি আপেক্ষিক স্তর (কম / মাঝারি / উচ্চ / অত্যন্ত উচ্চ)

    BLS কর্মসংস্থান পূর্বাভাস সারণির 831টি বিস্তারিত পেশার ভিত্তিতে। মান NEM (ন্যাশনাল এমপ্লয়মেন্ট ম্যাট্রিক্স) কোড অনুযায়ী দেওয়া হয়, তাই একই NEM কোডের পেশাগুলি একই ব্যান্ড পায়

    উৎস ডেটাসেট (XLSX ফাইল ডাউনলোড)

  • ডেটার উৎস: Anthropicপ্রকাশকাল: '26.03

    0.012

    0.000এখানে থাকা মানগুলোর পরিসর0.745
    স্কেল, ভিত্তি ও উৎস

    পর্যবেক্ষিত এক্সপোজার সূচক, প্রকাশিত রূপে 0–1

    O*NET টাস্কে ম্যাপ করা

    উৎস ডেটাসেট

  • ডেটার উৎস: ILOপ্রকাশকাল: '25

    0.18

    0.09এখানে থাকা মানগুলোর পরিসর0.70

    পেশা-গোষ্ঠী পর্যায়ের মান

    স্কেল, ভিত্তি ও উৎস

    জেনারেটিভ AI এক্সপোজার সূচক, প্রকাশিত রূপে 0–1

    ISCO-08 ইউনিট গ্রুপ — একই কোডের সব পেশা এই মানই পায়

    এটি এই সাইটের হিসাব, ILO-এর প্রকাশিত সংখ্যা নয়: এই সাইট ILO ডেটাসেটের সঙ্গে যুক্ত করা ১,০১২টি পেশার মধ্যে 90% এই মানের সমান বা তার বেশি।

    উৎস ডেটাসেট

এই উৎস কী ধরনের মান প্রকাশ করে

BLS-এর শ্রেণিবিভাগ একটি আপেক্ষিক র্যাঙ্ক, পরম মাত্রা নয়, এবং এটি সরাসরি পরিমাপও নয়: এটি কয়েকটি প্রকাশিত গবেষণায় পাওয়া পেশার পার্সেন্টাইল র্যাঙ্কগুলিকে চারটি স্তরে ভাগ করে। এটি কর্মসংস্থান বা মজুরির পূর্বাভাস নয়, গ্রহণের সম্ভাবনাও নয়, এবং এটি স্বয়ংক্রিয়তা ও সম্প্রসারণের মধ্যে পার্থক্য করে না।

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
Keep records and accounts.

O*NET Task ID 2185

1.0
Estimate expected food consumption, requisition or purchase supplies, or procure food from storage.

O*NET Task ID 2178

0.5
Consult with supervisory staff to plan menus, taking into consideration factors such as costs and special event needs.

O*NET Task ID 2181

0.5
Plan and price menu items.

O*NET Task ID 2186

0.5
Turn or stir foods to ensure even cooking.

O*NET Task ID 2169

0.0
Season and cook food according to recipes or personal judgment and experience.

O*NET Task ID 2170

0.0
Observe and test foods to determine if they have been cooked sufficiently, using methods such as tasting, smelling, or piercing them with utensils.

O*NET Task ID 2171

0.0
Weigh, measure, and mix ingredients according to recipes or personal judgment, using various kitchen utensils and equipment.

O*NET Task ID 2172

0.0
Portion, arrange, and garnish food, and serve food to waiters or patrons.

O*NET Task ID 2173

0.0
Substitute for or assist other cooks during emergencies or rush periods.

O*NET Task ID 2175

0.0
Bake, roast, broil, and steam meats, fish, vegetables, and other foods.

O*NET Task ID 2176

0.0
Wash, peel, cut, and seed fruits and vegetables to prepare them for consumption.

O*NET Task ID 2177

0.0
Carve and trim meats such as beef, veal, ham, pork, and lamb for hot or cold service, or for sandwiches.

O*NET Task ID 2179

0.0
Coordinate and supervise work of kitchen staff.

O*NET Task ID 2180

0.0
Butcher and dress animals, fowl, or shellfish, or cut and bone meat prior to cooking.

O*NET Task ID 2182

0.0
Bake breads, rolls, cakes, and pastries.

O*NET Task ID 2183

0.0
Prepare relishes and hors d'oeuvres.

O*NET Task ID 2184

0.0
Inspect and clean food preparation areas, such as equipment, work surfaces, and serving areas, to ensure safe and sanitary food-handling practices.

O*NET Task ID 18722

0.0
Ensure food is stored and cooked at correct temperature by regulating temperature of ovens, broilers, grills, and roasters.

O*NET Task ID 18723

0.0
Ensure freshness of food and ingredients by checking for quality, keeping track of old and new items, and rotating stock.

O*NET Task ID 18724

0.0

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

এই পেশা সংক্রান্ত সাম্প্রতিক পরিবর্তন

মে ২০২৬: Anthropic observed-exposure score: 0% (physical/in-person). Zero observed exposure. Physical/in-person work — AI deployment effectively absent.

[সূত্র: Anthropic Economic Research (Massenkoff & McCrory, 2026)]