Actuarios

Negocios y Finanzas

Exposición a la IA

  • Fuente de datos: BLSPublicado: 2026-08

    Muy alto· relativa

    BajoCuatro bandas relativasMuy alto

    Valor por grupo ocupacional

    Escala, base y fuente

    Cuatro bandas relativas (Bajo / Moderado / Alto / Muy alto)

    831 ocupaciones detalladas de la tabla de proyecciones de empleo de BLS. El valor se asigna por código de la National Employment Matrix (NEM), de modo que las ocupaciones que comparten un código NEM reciben la misma banda

    Conjunto de datos de origen (descarga XLSX)

  • Fuente de datos: AnthropicPublicado: 2026-03

    0.054

    0.000Rango de los valores aquí recogidos0.745
    Escala, base y fuente

    Índice de exposición observada, 0–1 tal como se publica

    Mapeado sobre tareas de O*NET

    Conjunto de datos de origen

  • Fuente de datos: ILOPublicado: 2025

    0.56

    0.09Rango de los valores aquí recogidos0.70

    Valor por grupo ocupacional

    Escala, base y fuente

    Índice de exposición a la IA generativa, 0–1 tal como se publica

    Grupo primario de la CIUO-08 — todas las ocupaciones con ese código reciben este valor

    Calculado por este sitio, no publicado por la OIT: de las 1012 ocupaciones que este sitio vincula al conjunto de datos de la OIT, un 8% alcanza o supera este valor.

    Conjunto de datos de origen

Qué tipo de cifra publica esta fuente

La categoría de BLS es un rango relativo, no un nivel absoluto, y tampoco es una medición de primera mano: agrupa en cuatro bandas los rangos percentiles de la ocupación en varios estudios publicados. No es una previsión de empleo ni de salarios, no es una probabilidad de adopción y no distingue entre automatización y aumento.

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.

TaskβE1 + 0.5 × E2
Ascertain premium rates required and cash reserves and liabilities necessary to ensure payment of future benefits.

O*NET Task ID 3500

0.5
Analyze statistical information to estimate mortality, accident, sickness, disability, and retirement rates.

O*NET Task ID 3501

0.5
Design, review, and help administer insurance, annuity and pension plans, determining financial soundness and calculating premiums.

O*NET Task ID 3502

0.5
Collaborate with programmers, underwriters, accounts, claims experts, and senior management to help companies develop plans for new lines of business or improvements to existing business.

O*NET Task ID 3503

0.5
Determine, or help determine, company policy, and explain complex technical matters to company executives, government officials, shareholders, policyholders, or the public.

O*NET Task ID 3504

0.5
Testify before public agencies on proposed legislation affecting businesses.

O*NET Task ID 3505

0.5
Provide advice to clients on a contract basis, working as a consultant.

O*NET Task ID 3506

0.5
Testify in court as expert witness or to provide legal evidence on matters such as the value of potential lifetime earnings of a person disabled or killed in an accident.

O*NET Task ID 3507

0.5
Construct probability tables for events such as fires, natural disasters, and unemployment, based on analysis of statistical data and other pertinent information.

O*NET Task ID 3508

0.5
Determine policy contract provisions for each type of insurance.

O*NET Task ID 3509

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

Información ocupacional