Geofisicos
Ciencias de la Vida, Físicas y SocialesExposición a la IA
- Fuente de datos: BLSPublicado: 2026-08
Alto· relativa
BajoCuatro bandas relativasMuy altoValor 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
- Fuente de datos: AnthropicPublicado: 2026-03
0.043
0.000Rango de los valores aquí recogidos0.745Escala, base y fuente
Índice de exposición observada, 0–1 tal como se publica
Mapeado sobre tareas de O*NET
- Fuente de datos: ILOPublicado: 2025
0.36
0.09Rango de los valores aquí recogidos0.70Valor 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 60% alcanza o supera este valor.
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 5 tareas ocultasValues 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 |
|---|---|
Communicate geological findings by writing research papers, participating in conferences, or teaching geological science at universities.O*NET Task ID 3712 | 1.0 |
Develop applied software for the analysis and interpretation of geological data.O*NET Task ID 3716 | 1.0 |
Review environmental, historical, or technical reports and publications for accuracy.O*NET Task ID 21176 | 1.0 |
Analyze and interpret geological, geochemical, or geophysical information from sources, such as survey data, well logs, bore holes, or aerial photos.O*NET Task ID 3702 | 0.5 |
Prepare geological maps, cross-sectional diagrams, charts, or reports concerning mineral extraction, land use, or resource management, using results of fieldwork or laboratory research.O*NET Task ID 3705 | 0.5 |
Locate and estimate probable natural gas, oil, or mineral ore deposits or underground water resources, using aerial photographs, charts, or research or survey results.O*NET Task ID 3706 | 0.5 |
Assess ground or surface water movement to provide advice on issues, such as waste management, route and site selection, or the restoration of contaminated sites.O*NET Task ID 3707 | 0.5 |
Conduct geological or geophysical studies to provide information for use in regional development, site selection, or development of public works projects.O*NET Task ID 3709 | 0.5 |
Advise construction firms or government agencies on dam or road construction, foundation design, land use, or resource management.O*NET Task ID 3711 | 0.5 |
Analyze and interpret geological data, using computer software.O*NET Task ID 15224 | 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