Examinateurs de Fraude
Services de ProtectionExposition à l'IA
- Source des données: BLSPublié: 2026-08
Très élevée· relative
FaibleQuatre bandes relativesTrès élevéeValeur 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
- Source des données: AnthropicPublié: 2026-03
0.220
0.000Étendue des valeurs présentées ici0.745Échelle, base et source
- Source des données: ILOPublié: 2025
0.44
0.09Étendue des valeurs présentées ici0.70Valeur par groupe professionnel
Échelle, base et source
Indice d'exposition à l'IA générative, 0–1 tel que publié
Groupe de base CITP-08 — tous les métiers partageant le code reçoivent cette valeur
Calculé par ce site, non publié par l'OIT : sur les 1 012 professions que ce site relie au jeu de données de l'OIT, 28% atteignent ou dépassent cette valeur.
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 37 tâches masquées| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Prepare requirements documentation for use by software developers.13-2099 | 0.080036.4 | 0.020028.6 |
Provide application or analytical support to researchers or traders on issues such as valuations or data.13-2099 | 0.080036.4 | 0.020028.6 |
Define or recommend model specifications or data collection methods.13-2099 | 0.030013.6 | 0.00000.0 |
Interpret results of financial analysis procedures.13-2099 | 0.01004.5 | 0.010014.3 |
Prepare written reports of investigation findings.13-2099 | 0.01004.5 | 0.00000.0 |
Recommend actions in fraud cases.13-2099 | 0.01004.5 | 0.00000.0 |
Evaluate business operations to identify risk areas for fraud.13-2099 | 0.00000.0 | 0.020028.6 |
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.
| Task | βE1 + 0.5 × E2 |
|---|---|
Prepare written reports of investigation findings.O*NET Task ID 16046 | 1.0 |
Document all investigative activities.O*NET Task ID 16053 | 1.0 |
Maintain knowledge of current events and trends in such areas as money laundering and criminal tools and techniques.O*NET Task ID 16035 | 0.5 |
Train others in fraud detection and prevention techniques.O*NET Task ID 16036 | 0.5 |
Research or evaluate new technologies for use in fraud detection systems.O*NET Task ID 16037 | 0.5 |
Prepare evidence for presentation in court.O*NET Task ID 16038 | 0.5 |
Negotiate with responsible parties to arrange for recovery of losses due to fraud.O*NET Task ID 16040 | 0.5 |
Advise businesses or agencies on ways to improve fraud detection.O*NET Task ID 16044 | 0.5 |
Review reports of suspected fraud to determine need for further investigation.O*NET Task ID 16045 | 0.5 |
Recommend actions in fraud cases.O*NET Task ID 16047 | 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®, Anthropic Economic Index, Eloundou et al. (2023): see full notices on the Credits page