Arquitectos Paisajistas

Construcción, Mantenimiento y Reparación

Exposición a la IA

  • Fuente de datos: BLSPublicado: 2026-08

    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

    0.000

    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

    0.37

    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 53% 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

Solo tareas expuestas

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
Prepare graphic representations or drawings of proposed plans or designs.

O*NET Task ID 18470

0.5
Collaborate with architects or related professionals on whole building design to maximize the aesthetic features of structures or surrounding land and to improve energy efficiency.

O*NET Task ID 19597

0.5
Create landscapes that minimize water consumption such as by incorporating drought-resistant grasses or indigenous plants.

O*NET Task ID 19598

0.5
Design and integrate rainwater harvesting or gray and reclaimed water systems to conserve water into building or land designs.

O*NET Task ID 19599

0.5
Identify and select appropriate sustainable materials for use in landscape designs, such as recycled wood or recycled concrete boards for structural elements or recycled tires for playground bedding.

O*NET Task ID 19600

0.5
Prepare site plans, specifications, or cost estimates for land development.

O*NET Task ID 20370

0.5
Analyze data on conditions such as site location, drainage, or structure location for environmental reports or landscaping plans.

O*NET Task ID 20371

0.5
Develop marketing materials, proposals, or presentations to generate new work opportunities.

O*NET Task ID 20372

0.5
Integrate existing land features or landscaping into designs.

O*NET Task ID 20375

0.5
Manage the work of subcontractors to ensure quality control.

O*NET Task ID 20376

0.5
Confer with clients, engineering personnel, or architects on landscape projects.

O*NET Task ID 20369

0.0
Inspect landscape work to ensure compliance with specifications, evaluate quality of materials or work, or advise clients or construction personnel.

O*NET Task ID 20373

0.0
Present project plans or designs to public stakeholders, such as government agencies or community groups.

O*NET Task ID 20374

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

Información ocupacional