ঋণ সাক্ষাৎকারকারী

অফিস ও প্রশাসনিক সহায়তা

AI এক্সপোজার

  • ডেটার উৎস: BLSপ্রকাশকাল: 2026-08

    অত্যন্ত উচ্চ· 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: 2026-03

    0.202

    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: 2025

    0.64

    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 1% 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।

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
Record applications for loan and credit, loan information, and disbursements of funds, using computers.

O*NET Task ID 11296

1.0
Prepare and type loan applications, closing documents, legal documents, letters, forms, government notices, and checks, using computers.

O*NET Task ID 11297

1.0
Calculate, review, and correct errors on interest, principal, payment, and closing costs, using computers or calculators.

O*NET Task ID 11299

1.0
Verify and examine information and accuracy of loan application and closing documents.

O*NET Task ID 11291

0.5
Interview loan applicants to obtain personal and financial data and to assist in completing applications.

O*NET Task ID 11292

0.5
Assemble and compile documents for loan closings, such as title abstracts, insurance forms, loan forms, and tax receipts.

O*NET Task ID 11293

0.5
Answer questions and advise customers regarding loans and transactions.

O*NET Task ID 11294

0.5
Contact customers by mail, telephone, or in person concerning acceptance or rejection of applications.

O*NET Task ID 11295

0.5
Present loan and repayment schedules to customers.

O*NET Task ID 11298

0.5
Check value of customer collateral to be held as loan security.

O*NET Task ID 11300

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

পেশাগত তথ্য