Pharma-Vertriebsmitarbeiter
Vertrieb und MarketingKI-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
0.271
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
0.50
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 17% 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
Nur exponierte AufgabenValues 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 |
|---|---|
Generate solar energy customer leads to develop new accounts.O*NET Task ID 17654 | 0.5 |
Prepare proposals, quotes, contracts, or presentations for potential solar customers.O*NET Task ID 17655 | 0.5 |
Select solar energy products, systems, or services for customers based on electrical energy requirements, site conditions, price, or other factors.O*NET Task ID 17656 | 0.5 |
Assess sites to determine suitability for solar equipment, using equipment such as tape measures, compasses, and computer software.O*NET Task ID 17657 | 0.5 |
Calculate potential solar resources or solar array production for a particular site considering issues such as climate, shading, and roof orientation.O*NET Task ID 17658 | 0.5 |
Create customized energy management packages to satisfy customer needs.O*NET Task ID 17659 | 0.5 |
Develop marketing or strategic plans for sales territories.O*NET Task ID 17660 | 0.5 |
Gather information from prospective customers to identify their solar energy needs.O*NET Task ID 17661 | 0.5 |
Prepare or review detailed design drawings, specifications, or lists related to solar installations.O*NET Task ID 17662 | 0.5 |
Provide customers with information, such as quotes, orders, sales, shipping, warranties, credit, funding options, incentives, or tax rebates.O*NET Task ID 17663 | 0.5 |
Demonstrate use of solar and related equipment to customers or dealers.O*NET Task ID 17666 | 0.0 |
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