Inkassobeauftragte
Büro und VerwaltungsunterstützungKI-Exposition
- Datenquelle: BLSVeröffentlicht: 2026-08
Sehr hoch· relativ
NiedrigVier relative BänderSehr hochWert auf Berufsgruppenebene
Skala, Bezugsmenge und Quelle
Vier relative Bänder (Niedrig / Mittel / Hoch / Sehr hoch)
831 detaillierte Berufe in der BLS-Beschäftigungsprojektionstabelle. Der Wert wird je Code der National Employment Matrix (NEM) vergeben, daher erhalten Berufe mit demselben NEM-Code dasselbe Band
- Datenquelle: AnthropicVeröffentlicht: 2026-03
0.299
0.000Spannweite der hier geführten Werte0.745Skala, Bezugsmenge und Quelle
Index der beobachteten Exposition, 0–1 wie veröffentlicht
Auf O*NET-Aufgaben abgebildet
- Datenquelle: ILOVeröffentlicht: 2025
0.43
0.09Spannweite der hier geführten Werte0.70Wert auf Berufsgruppenebene
Skala, Bezugsmenge und Quelle
Index der Exposition gegenüber generativer KI, 0–1 wie veröffentlicht
ISCO-08-Berufsgattung — alle Berufe mit demselben Code erhalten diesen Wert
Von dieser Website berechnet, nicht von der IAO veröffentlicht: Von den 1.012 Berufen, die diese Website mit dem IAO-Datensatz verknüpft, erreichen oder übertreffen 30% diesen Wert.
Welche Art von Wert diese Quelle veröffentlicht
Die Kategorie von BLS ist ein relativer Rang und kein absolutes Niveau, und sie ist keine eigene Messung: Sie fasst die Perzentilränge des Berufs aus mehreren veröffentlichten Studien in vier Bänder zusammen. Sie ist weder eine Beschäftigungs- oder Lohnprognose noch eine Einführungswahrscheinlichkeit und unterscheidet nicht zwischen Automatisierung und Augmentierung.
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.
| Task | βE1 + 0.5 × E2 |
|---|---|
Receive payments and post amounts paid to customer accounts.O*NET Task ID 2472 | 1.0 |
Record information about financial status of customers and status of collection efforts.O*NET Task ID 2474 | 1.0 |
Advise customers of necessary actions and strategies for debt repayment.O*NET Task ID 2477 | 1.0 |
Sort and file correspondence and perform miscellaneous clerical duties, such as answering correspondence and writing reports.O*NET Task ID 2479 | 1.0 |
Perform various administrative functions for assigned accounts, such as recording address changes and purging the records of deceased customers.O*NET Task ID 2480 | 1.0 |
Contact insurance companies to check on status of claims payments and write appeal letters for denial on claims.O*NET Task ID 18560 | 1.0 |
Locate and monitor overdue accounts, using computers and a variety of automated systems.O*NET Task ID 2473 | 0.5 |
Locate and notify customers of delinquent accounts by mail, telephone, or personal visits to solicit payment.O*NET Task ID 2475 | 0.5 |
Confer with customers by telephone or in person to determine reasons for overdue payments and to review the terms of sales, service, or credit contracts.O*NET Task ID 2476 | 0.5 |
Persuade customers to pay amounts due on credit accounts, damage claims, or nonpayable checks, or to return merchandise.O*NET Task ID 2478 | 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