গ্রাহক সেবা প্রতিনিধি
অফিস ও প্রশাসনিক সহায়তাAI এক্সপোজার
- ডেটার উৎস: BLSপ্রকাশকাল: '26.08
অত্যন্ত উচ্চ· আপেক্ষিক
কমচারটি আপেক্ষিক স্তরঅত্যন্ত উচ্চপেশা-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
- ডেটার উৎস: Anthropicপ্রকাশকাল: '26.03
0.701
0.000এখানে থাকা মানগুলোর পরিসর0.745স্কেল, ভিত্তি ও উৎস
- ডেটার উৎস: ILOপ্রকাশকাল: '25
0.58
0.09এখানে থাকা মানগুলোর পরিসর0.70পেশা-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 5% এই মানের সমান বা তার বেশি।
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।
Task-level exposure
9টি লুকানো কাজ দেখুন| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Confer with customers by telephone or in person to provide information about products or services, take or enter orders, cancel accounts, or obtain details of complaints.43-4051 | 0.060085.7 | 0.020028.6 |
Contact customers to respond to inquiries or to notify them of claim investigation results or any planned adjustments.43-4051 | 0.010014.3 | 0.030042.9 |
Solicit sales of new or additional services or products.43-4051 | 0.00000.0 | 0.010014.3 |
Refer unresolved customer grievances to designated departments for further investigation. | —0 | 0.010014.3 |
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.
| Task | βE1 + 0.5 × E2 |
|---|---|
Complete contract forms, prepare change of address records, or issue service discontinuance orders, using computers.O*NET Task ID 2584 | 1.0 |
Compare disputed merchandise with original requisitions and information from invoices and prepare invoices for returned goods.O*NET Task ID 2589 | 1.0 |
Keep records of customer interactions or transactions, recording details of inquiries, complaints, or comments, as well as actions taken.O*NET Task ID 2578 | 0.5 |
Resolve customers' service or billing complaints by performing activities such as exchanging merchandise, refunding money, or adjusting bills.O*NET Task ID 2579 | 0.5 |
Check to ensure that appropriate changes were made to resolve customers' problems.O*NET Task ID 2580 | 0.5 |
Contact customers to respond to inquiries or to notify them of claim investigation results or any planned adjustments.O*NET Task ID 2581 | 0.5 |
Refer unresolved customer grievances to designated departments for further investigation.O*NET Task ID 2582 | 0.5 |
Determine charges for services requested, collect deposits or payments, or arrange for billing.O*NET Task ID 2583 | 0.5 |
Obtain and examine all relevant information to assess validity of complaints and to determine possible causes, such as extreme weather conditions that could increase utility bills.O*NET Task ID 2585 | 0.5 |
Solicit sales of new or additional services or products.O*NET Task ID 2586 | 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®, Anthropic Economic Index, Eloundou et al. (2023): see full notices on the Credits page
Occupation information
এই পেশা সংক্রান্ত সাম্প্রতিক পরিবর্তন
জুন ২০২৬: Cited by ADP Research as an example of a high-AI-exposure occupation. Group-level payroll data shows employment in high-exposure occupations down 0.2% year over year overall and down 4.3% for workers aged 22-25 (33rd consecutive monthly decline). The percentages are for the high-exposure group, not for this occupation alone.
[সূত্র: ADP Research, Canaries Dashboard (June 2026)]মে ২০২৬: Anthropic observed-exposure score: high (zero->observed gap small). High observed exposure due to simpler software pipelines and lower integration cost.
[সূত্র: Anthropic Economic Research (Massenkoff & McCrory, 2026)]এপ্রি ২০২৬: NBER survey of 6,000 executives: 69% use AI but 90% report zero employment impact. Executives predict -0.7% employment decline over next 3 years.
[সূত্র: NBER Working Paper 34836]