Matematicos

Informática y Matemáticas

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

    0.424

    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
Apply mathematical theories and techniques to the solution of practical problems in business, engineering, the sciences, or other fields.

O*NET Task ID 7367

1.0
Develop computational methods for solving problems that occur in areas of science and engineering or that come from applications in business or industry.

O*NET Task ID 7368

1.0
Maintain knowledge in the field by reading professional journals, talking with other mathematicians, and attending professional conferences.

O*NET Task ID 7369

1.0
Perform computations and apply methods of numerical analysis to data.

O*NET Task ID 7370

1.0
Develop mathematical or statistical models of phenomena to be used for analysis or for computational simulation.

O*NET Task ID 7371

1.0
Assemble sets of assumptions, and explore the consequences of each set.

O*NET Task ID 7372

1.0
Address the relationships of quantities, magnitudes, and forms through the use of numbers and symbols.

O*NET Task ID 7373

1.0
Develop new principles and new relationships between existing mathematical principles to advance mathematical science.

O*NET Task ID 7374

1.0
Design, analyze, and decipher encryption systems designed to transmit military, political, financial, or law-enforcement-related information in code.

O*NET Task ID 7375

1.0
Conduct research to extend mathematical knowledge in traditional areas, such as algebra, geometry, probability, and logic.

O*NET Task ID 7376

1.0

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