হোটেল ফ্রন্ট ডেস্ক কর্মী
খাদ্য প্রস্তুতি ও সেবাAI এক্সপোজার
- ডেটার উৎস: BLSপ্রকাশকাল: 2026-08
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: 2026-03
0.172
0.000এখানে থাকা মানগুলোর পরিসর0.745স্কেল, ভিত্তি ও উৎস
- ডেটার উৎস: ILOপ্রকাশকাল: 2025
0.51
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 17% 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
14টি লুকানো কাজ দেখুন| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Answer inquiries pertaining to hotel services, guest registration, and travel directions, or make recommendations regarding shopping, dining, or entertainment.43-4081 | 0.016791.0 | —0 |
Arrange tours, taxis, or restaurant reservations for customers.43-4081 | 0.00179.0 | 0.00286.3 |
Make and confirm reservations. | —0 | 0.028966.6 |
Greet, register, and assign rooms to guests of hotels or motels. | —0 | 0.005713.2 |
Record guest comments or complaints, referring customers to managers as necessary. | —0 | 0.004310.0 |
Keep records of room availability and guests' accounts, manually or using computers. | —0 | 0.00173.9 |
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 |
|---|---|
Post charges, such as those for rooms, food, liquor, or telephone calls, to ledgers, manually or by using computers.O*NET Task ID 2617 | 1.0 |
Transmit and receive messages, using telephones or telephone switchboards.O*NET Task ID 2618 | 1.0 |
Record guest comments or complaints, referring customers to managers as necessary.O*NET Task ID 2622 | 1.0 |
Date-stamp, sort, and rack incoming mail and messages.O*NET Task ID 2626 | 1.0 |
Greet, register, and assign rooms to guests of hotels or motels.O*NET Task ID 2610 | 0.5 |
Verify customers' credit, and establish how the customer will pay for the accommodation.O*NET Task ID 2611 | 0.5 |
Keep records of room availability and guests' accounts, manually or using computers.O*NET Task ID 2612 | 0.5 |
Compute bills, collect payments, and make change for guests.O*NET Task ID 2613 | 0.5 |
Review accounts and charges with guests during the check out process.O*NET Task ID 2616 | 0.5 |
Contact housekeeping or maintenance staff when guests report problems.O*NET Task ID 2619 | 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