Representantes de Servicio al Cliente

Oficina y Apoyo Administrativo

Exposición a la IA

  • Fuente de datos: BLSPublicado: '26.08

    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: '26.03

    0.701

    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: '25

    0.58

    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 5% 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

Ver 16 tareas ocultas
TaskClaude.aiRaw / share %
Develop and distribute newsletters, brochures, or other printed materials to share information with patients or medical staff.

43-4051

0.039027.3
Confer with customers by telephone or in person to provide information about products or services, take or enter orders, cancel accounts, or obtain details of complaints.

43-4051

0.031321.9
Review insurance policy terms to determine whether a particular loss is covered by insurance.

43-4051

0.019013.3
Explain policies, procedures, or services to patients using medical or administrative knowledge.

43-4051

0.01429.9
Resolve customers' service or billing complaints by performing activities such as exchanging merchandise, refunding money, or adjusting bills.

43-4051

0.01148.0
Coordinate communication between patients, family members, medical staff, administrative staff, or regulatory agencies.

43-4051

0.00654.5
Identify and share research, recommendations, or other information regarding legal liabilities, risk management, or quality of care.

43-4051

0.00634.4
Refer patients to appropriate health care services or resources.

43-4051

0.00523.7
Provide consultation or training to volunteers or staff on topics such as guest relations, patients' rights, and medical issues.

43-4051

0.00463.2
Contact customers to respond to inquiries or to notify them of claim investigation results or any planned adjustments.

43-4051

0.00201.4

Data sources & licenses — O*NET®, Anthropic Economic Index, Eloundou et al. (2023): see full notices on the Credits page

Occupation information

Cambios recientes que afectan a esta ocupación

jun 2026: Cited by ADP Research as an example of a high-AI-exposure occupation. Group-level payroll data shows employment in high-exposure occupations down 0.2% year over year overall and down 4.3% for workers aged 22-25 (33rd consecutive monthly decline). The percentages are for the high-exposure group, not for this occupation alone.

[Fuente: ADP Research, Canaries Dashboard (June 2026)]

may 2026: Anthropic observed-exposure score: high (zero->observed gap small). High observed exposure due to simpler software pipelines and lower integration cost.

[Fuente: Anthropic Economic Research (Massenkoff & McCrory, 2026)]

abr 2026: NBER survey of 6,000 executives: 69% use AI but 90% report zero employment impact. Executives predict -0.7% employment decline over next 3 years.

[Fuente: NBER Working Paper 34836]