Radiólogos

Salud

Exposición a la IA

  • Fuente de datos: BLSPublicado: '26.08

    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: '26.03

    0.199

    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

    0.27

    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 74% 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 1 tarea oculta

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
Participate in quality improvement activities including discussions of areas where risk of error is high.

O*NET Task ID 17231

0.5
Participate in continuing education activities to maintain and develop expertise.

O*NET Task ID 17234

0.5
Develop treatment plans for radiology patients.

O*NET Task ID 17235

0.5
Establish or enforce standards for protection of patients or personnel.

O*NET Task ID 17236

0.5
Review or transmit images and information using picture archiving or communications systems.

O*NET Task ID 17239

0.5
Recognize or treat complications during and after procedures, including blood pressure problems, pain, oversedation, or bleeding.

O*NET Task ID 17241

0.5
Prepare comprehensive interpretive reports of findings.

O*NET Task ID 17242

0.5
Obtain patients' histories from electronic records, patient interviews, dictated reports, or by communicating with referring clinicians.

O*NET Task ID 17243

0.5
Confer with medical professionals regarding image-based diagnoses.

O*NET Task ID 17245

0.5
Instruct radiologic staff in desired techniques, positions, or projections.

O*NET Task ID 17246

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

Occupation information

Cambios recientes que afectan a esta ocupación

mar 2026: Brookings: radiology identified as theoretically well-suited for AI despite capability advances, actual adoption limited.

[Fuente: Brookings Institution]