Especialistas en Operaciones de Inteligencia
Servicios de ProtecciónExposición 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
0.037
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
0.23
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 80% 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
Solo tareas expuestasValues 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 |
|---|---|
Design, use, or maintain databases and software applications, such as geographic information systems (GIS) mapping and artificial intelligence tools.O*NET Task ID 17544 | 1.0 |
Study communication code languages or foreign languages to translate intelligence.O*NET Task ID 17559 | 1.0 |
Predict future gang, organized crime, or terrorist activity, using analyses of intelligence data.O*NET Task ID 17542 | 0.5 |
Study activities relating to narcotics, money laundering, gangs, auto theft rings, terrorism, or other national security threats.O*NET Task ID 17543 | 0.5 |
Establish criminal profiles to aid in connecting criminal organizations with their members.O*NET Task ID 17545 | 0.5 |
Evaluate records of communications, such as telephone calls, to plot activity and determine the size and location of criminal groups and members.O*NET Task ID 17546 | 0.5 |
Gather and evaluate information, using tools such as aerial photographs, radar equipment, or sensitive radio equipment.O*NET Task ID 17547 | 0.5 |
Gather intelligence information by field observation, confidential information sources, or public records.O*NET Task ID 17548 | 0.5 |
Gather, analyze, correlate, or evaluate information from a variety of resources, such as law enforcement databases.O*NET Task ID 17549 | 0.5 |
Link or chart suspects to criminal organizations or events to determine activities and interrelationships.O*NET Task ID 17550 | 0.5 |
Interview, interrogate, or interact with witnesses or crime suspects to collect human intelligence.O*NET Task ID 17558 | 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