Treasury-Analysten
Wirtschaft und FinanzenKI-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
0.220
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
0.62
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 3% 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
37 ausgeblendete Aufgaben anzeigen| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Prepare requirements documentation for use by software developers.13-2099 | 0.080036.4 | 0.020028.6 |
Provide application or analytical support to researchers or traders on issues such as valuations or data.13-2099 | 0.080036.4 | 0.020028.6 |
Define or recommend model specifications or data collection methods.13-2099 | 0.030013.6 | 0.00000.0 |
Interpret results of financial analysis procedures.13-2099 | 0.01004.5 | 0.010014.3 |
Prepare written reports of investigation findings.13-2099 | 0.01004.5 | 0.00000.0 |
Recommend actions in fraud cases.13-2099 | 0.01004.5 | 0.00000.0 |
Evaluate business operations to identify risk areas for fraud.13-2099 | 0.00000.0 | 0.020028.6 |
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 |
|---|---|
Prepare written reports of investigation findings.O*NET Task ID 16046 | 1.0 |
Document all investigative activities.O*NET Task ID 16053 | 1.0 |
Maintain knowledge of current events and trends in such areas as money laundering and criminal tools and techniques.O*NET Task ID 16035 | 0.5 |
Train others in fraud detection and prevention techniques.O*NET Task ID 16036 | 0.5 |
Research or evaluate new technologies for use in fraud detection systems.O*NET Task ID 16037 | 0.5 |
Prepare evidence for presentation in court.O*NET Task ID 16038 | 0.5 |
Negotiate with responsible parties to arrange for recovery of losses due to fraud.O*NET Task ID 16040 | 0.5 |
Advise businesses or agencies on ways to improve fraud detection.O*NET Task ID 16044 | 0.5 |
Review reports of suspected fraud to determine need for further investigation.O*NET Task ID 16045 | 0.5 |
Recommend actions in fraud cases.O*NET Task ID 16047 | 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
Berufsinformationen
Aktuelle Veränderungen mit Bezug zu diesem Beruf
Okt. 2024: Brookings 2024 highlights finance as high-exposure AND low-bargaining-power: union representation in the finance sector is around 1%. Financial analysts face productivity tool-driven task change with minimal institutional counterweight.
[Quelle: Brookings 2024 — Generative AI, the American worker]These summaries were written by AI Changing Work from the source linked with each one, and any figures in them are given as AI Changing Work summarised them; they can differ from the source's own wording and from figures shown elsewhere on this page, so check the source before relying on them. AI Changing Work matched this page's occupation to an O*NET occupation and chose, by its own judgment, case by case, which summaries relate to that O*NET occupation; a summary appearing here does not mean that its source names this occupation.