Gewerbekreditbeauftragte
Wirtschaft und FinanzenKI-Exposition
- Datenquelle: BLSVeröffentlicht: '26.08
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: '26.03
0.186
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: '25
0.60
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 4% 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
26 ausgeblendete Aufgaben anzeigen| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Maintain and review account records, updating and recategorizing them according to status changes.13-2072 | 0.040050.0 | 0.050083.3 |
Work with clients to identify their financial goals and to find ways of reaching those goals.13-2072 | 0.020025.0 | 0.00000.0 |
Counsel clients on personal and family financial problems, such as excessive spending or borrowing of funds.13-2072 | 0.020025.0 | 0.00000.0 |
Review billing for accuracy.13-2072 | 0.00000.0 | 0.010016.7 |
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 |
|---|---|
Explain to customers the different types of loans and credit options that are available, as well as the terms of those services.O*NET Task ID 3410 | 1.0 |
Review loan agreements to ensure that they are complete and accurate according to policy.O*NET Task ID 3413 | 1.0 |
Compute payment schedules.O*NET Task ID 3414 | 1.0 |
Prepare reports to send to customers whose accounts are delinquent, and forward irreconcilable accounts for collector action.O*NET Task ID 3426 | 1.0 |
Authorize or sign mail collection letters.O*NET Task ID 21636 | 1.0 |
Review billing for accuracy.O*NET Task ID 21647 | 1.0 |
Approve loans within specified limits, and refer loan applications outside those limits to management for approval.O*NET Task ID 3407 | 0.5 |
Meet with applicants to obtain information for loan applications and to answer questions about the process.O*NET Task ID 3408 | 0.5 |
Analyze applicants' financial status, credit, and property evaluations to determine feasibility of granting loans.O*NET Task ID 3409 | 0.5 |
Obtain and compile copies of loan applicants' credit histories, corporate financial statements, and other financial information.O*NET Task ID 3411 | 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