Gewerbekreditbeauftragte

Wirtschaft und Finanzen

KI-Exposition

  • Datenquelle: BLSVeröffentlicht: 2026-08

    Sehr hoch· relativ

    NiedrigVier relative BänderSehr hoch

    Wert 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

    Quelldatensatz (XLSX-Download)

  • Datenquelle: AnthropicVeröffentlicht: 2026-03

    0.186

    0.000Spannweite der hier geführten Werte0.745
    Skala, Bezugsmenge und Quelle

    Index der beobachteten Exposition, 0–1 wie veröffentlicht

    Auf O*NET-Aufgaben abgebildet

    Quelldatensatz

  • Datenquelle: ILOVeröffentlicht: 2025

    0.60

    0.09Spannweite der hier geführten Werte0.70

    Wert 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.

    Quelldatensatz

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

1 ausgeblendete Aufgabe anzeigen

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
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®, Eloundou et al. (2023): see full notices on the Credits page

Berufsinformationen