Code O*NET-SOC
17-2199.08

Research, design, develop, or test robotic applications.

Exposition à l'IA

  • Source des données: BLSPublié: 2026-08

    Très élevée· relative

    FaibleQuatre bandes relativesTrès élevée

    Valeur par groupe professionnel

    Échelle, base et source

    Quatre bandes relatives (Faible / Modérée / Élevée / Très élevée)

    831 métiers détaillés du tableau des projections d'emploi du BLS. La valeur est attribuée par code de la National Employment Matrix (NEM), si bien que les métiers partageant un code NEM reçoivent la même bande

    Jeu de données source (téléchargement XLSX)

  • Source des données: AnthropicPublié: 2026-03

    0.066

    0.000Étendue des valeurs présentées ici0.745

    Valeur par groupe professionnel

    Échelle, base et source

    Indice d'exposition observée, 0–1 tel que publié

    Rapporté aux tâches O*NET

    Publié par profession SOC 2018 ; chaque profession O*NET ayant le même code SOC 2018 reçoit cette valeur

    Jeu de données source (téléchargement CSV)

  • Source des données: ILOPublié: 2025

    0.30

    0.09Étendue des valeurs présentées ici0.70

    Valeur par groupe professionnel

    Échelle, base et source

    Indice d'exposition à l'IA générative, 0–1 tel que publié

    Publié par groupe de base ISCO-08. Relié à ce métier, en tout ou en partie, en appliquant tels que publiés les tableaux de correspondance du U.S. Bureau of Labor Statistics (ISCO-08 vers SOC 2010, SOC 2010 vers SOC 2018)

    Jeu de données source (téléchargement PDF)

Quelle est la nature de la valeur publiée par cette source

La catégorie BLS est un rang relatif et non un niveau absolu, et ce n'est pas une mesure de première main : elle regroupe en quatre bandes les rangs centiles du métier dans plusieurs études publiées. Ce n'est ni une prévision d'emploi ou de salaire, ni une probabilité d'adoption, et elle ne distingue pas automatisation et augmentation.

Task-level exposure

Afficher 5 tâches masquées

24 tâches évaluées · 19 tâches avec β ≥ 0,5 (79.2%)

β = exposition directe (E1) + 0,5 × exposition lorsque des outils sont disponibles (E2), selon la définition du dépôt source.

  • Unité source : tâches O*NET 27.2 → code de métier O*NET 31.0
  • Toutes les tâches notées figurent dans la liste des tâches O*NET 31.0.
Source
OpenAI "GPTs are GPTs" exposure rubric
Version
gh-main-0471612
Licence
MIT License, Copyright (c) 2024 OpenAI

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
Review or approve designs, calculations, or cost estimates.

O*NET Task ID 16512

1.0
Make system device lists or event timing charts.

O*NET Task ID 16513

1.0
Document robotic application development, maintenance, or changes.

O*NET Task ID 16514

1.0
Write algorithms or programming code for ad hoc robotic applications.

O*NET Task ID 16515

1.0
Create back-ups of robot programs or parameters.

O*NET Task ID 16516

1.0
Debug robotics programs.

O*NET Task ID 16521

1.0
Conduct research into the feasibility, design, operation, or performance of robotic mechanisms, components, or systems, such as planetary rovers, multiple mobile robots, reconfigurable robots, or man-machine interactions.

O*NET Task ID 16525

1.0
Design software to control robotic systems for applications, such as military defense or manufacturing.

O*NET Task ID 16528

1.0
Design robotic systems, such as automatic vehicle control, autonomous vehicles, advanced displays, advanced sensing, robotic platforms, computer vision, or telematics systems.

O*NET Task ID 16530

1.0
Provide technical support for robotic systems.

O*NET Task ID 16511

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

Toutes les tâches O*NET 31.0 (24)

Toutes les tâches O*NET 31.0 de ce métier (en anglais, telles que publiées ; type de tâche principale ou complémentaire). Les valeurs d'exposition ne figurent pas dans cette liste ; elles sont dans le tableau ci-dessus, à côté de chaque tâche dans la formulation de la version O*NET utilisée par chaque source.

TâcheType
Supervise technologists, technicians, or other engineers.Principale
Integrate robotics with peripherals, such as welders, controllers, or other equipment.Principale
Provide technical support for robotic systems.Principale
Review or approve designs, calculations, or cost estimates.Principale
Make system device lists or event timing charts.Principale
Document robotic application development, maintenance, or changes.Principale
Write algorithms or programming code for ad hoc robotic applications.Principale
Create back-ups of robot programs or parameters.Principale
Process or interpret signals or sensor data.Principale
Investigate mechanical failures or unexpected maintenance problems.Principale
Install, calibrate, operate, or maintain robots.Principale
Debug robotics programs.Principale
Design end-of-arm tooling.Principale
Conduct research on robotic technology to create new robotic systems or system capabilities.Principale
Conduct research into the feasibility, design, operation, or performance of robotic mechanisms, components, or systems, such as planetary rovers, multiple mobile robots, reconfigurable robots, or man-machine interactions.Principale
Design automated robotic systems to increase production volume or precision in high-throughput operations, such as automated ribonucleic acid (RNA) analysis or sorting, moving, or stacking production materials.Principale
Design software to control robotic systems for applications, such as military defense or manufacturing.Principale
Design robotic systems, such as automatic vehicle control, autonomous vehicles, advanced displays, advanced sensing, robotic platforms, computer vision, or telematics systems.Principale
Build, configure, or test robots or robotic applications.Principale
Evaluate robotic systems or prototypes.Principale
Plan mobile robot paths and teach path plans to robots.Complémentaire
Automate assays on laboratory robotics.Complémentaire
Design or program robotics systems for environmental clean-up applications to minimize human exposure to toxic or hazardous materials or to improve the quality or speed of clean-up operations.Complémentaire
Design robotics applications for manufacturers of green products, such as wind turbines or solar panels, to increase production time, eliminate waste, or reduce costs.Complémentaire

Indice d’exposition aux robots

Anthropic, « What work can robots do? » (2026)

0,01/ 3

0 aucun3 environnements non structurés

Chaque tâche physique parmi les tâches O*NET 29.3 de ce métier reçoit une note de 0 à 3 selon l’environnement dans lequel des robots déjà déployés, vendus ou présentés en démonstration pourraient l’accomplir (0 aucun · 1 environnements conçus pour les robots, comme une cellule robotisée grillagée ou une ligne d’embouteillage · 2 installations structurées, comme une pharmacie hospitalière ou un port à conteneurs · 3 environnements non structurés, comme un domicile privé ou un chantier de construction), puis les notes sont moyennées selon la part du temps de travail. Anthropic a estimé les notes et les parts de temps avec Claude Opus 5 à l’aide de la recherche web (situation en 2026). L’indice ne mesure ni l’adoption réelle ni le coût, et 0 couvre aussi les métiers sans tâche physique. C’est une mesure différente des chiffres d’exposition à l’IA de ce site : elle ne peut ni s’y ajouter ni leur être comparée.

Note de chaque tâche physique (énoncés des tâches tels que formulés dans O*NET 29.3)
  • 0 aucunIntegrate robotics with peripherals, such as welders, controllers, or other equipment.
  • 0 aucunInvestigate mechanical failures or unexpected maintenance problems.
  • 0 aucunInstall, calibrate, operate, or maintain robots.
  • 0 aucunBuild, configure, or test robots or robotic applications.
  • 1 environnements conçus pour les robotsAutomate assays on laboratory robotics.

Informations professionnelles

Sources des données et licences de cette page, et avis de modification et de traduction d'AI Changing Work : Crédits et sources