बेकर
खाद्य तैयारी और सेवाAI एक्सपोजर
- डेटा स्रोत: BLSप्रकाशन: 2026-08
मध्यम· सापेक्ष
कमचार सापेक्ष श्रेणियाँबहुत उच्चव्यवसाय-समूह स्तर का मान
मापक्रम, आधार और स्रोत
चार सापेक्ष बैंड (कम / मध्यम / उच्च / बहुत उच्च)
BLS रोज़गार पूर्वानुमान तालिका के 831 विस्तृत व्यवसायों के आधार पर। मान NEM (नेशनल एम्प्लॉयमेंट मैट्रिक्स) कोड के स्तर पर दिया जाता है, इसलिए एक ही NEM कोड वाले व्यवसायों को वही बैंड मिलता है
- डेटा स्रोत: Anthropicप्रकाशन: 2026-03
0.000
0.000यहाँ दिए गए मानों की सीमा0.745मापक्रम, आधार और स्रोत
- डेटा स्रोत: ILOप्रकाशन: 2025
0.17
0.09यहाँ दिए गए मानों की सीमा0.70व्यवसाय-समूह स्तर का मान
मापक्रम, आधार और स्रोत
जेनरेटिव AI एक्सपोजर सूचकांक, प्रकाशित रूप में 0–1
ISCO-08 यूनिट समूह — समान कोड वाले सभी व्यवसायों को यही मान मिलता है
यह इस साइट की गणना है, ILO द्वारा प्रकाशित आँकड़ा नहीं: इस साइट द्वारा ILO डेटासेट से जोड़े गए 1,012 व्यवसायों में से 91% इस मान के बराबर या उससे अधिक हैं।
यह स्रोत किस प्रकार का आँकड़ा प्रकाशित करता है
BLS की श्रेणी सापेक्ष रैंक है, निरपेक्ष स्तर नहीं, और यह प्रथम-हस्त माप भी नहीं है: यह कई प्रकाशित अध्ययनों में व्यवसाय की पर्सेंटाइल रैंकों को चार बैंडों में बांटती है। यह रोज़गार या वेतन का पूर्वानुमान नहीं है, न अपनाए जाने की संभावना, और यह स्वचालन और संवर्धन में अंतर नहीं करती।
Task-level exposure
12 छिपे कार्य दिखाएँ| Task | Claude.aiRaw / share % |
|---|---|
Adapt the quantity of ingredients to match the amount of items to be baked.51-3011 | 0.020239.2 |
Develop new recipes for baked goods.51-3011 | 0.013726.6 |
Measure or weigh flour or other ingredients to prepare batters, doughs, fillings, or icings, using scales or graduated containers.51-3011 | 0.008616.7 |
Set time and speed controls for mixing machines, blending machines, or steam kettles so that ingredients will be mixed or cooked according to instructions.51-3011 | 0.00428.1 |
Observe color of products being baked and adjust oven temperatures, humidity, or conveyor speeds accordingly.51-3011 | 0.00275.3 |
Apply glazes, icings, or other toppings to baked goods, using spatulas or brushes.51-3011 | 0.00214.1 |
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 |
|---|---|
Adapt the quantity of ingredients to match the amount of items to be baked.O*NET Task ID 11922 | 1.0 |
Prepare or maintain inventory or production records.O*NET Task ID 11927 | 1.0 |
Develop new recipes for baked goods.O*NET Task ID 11931 | 1.0 |
Decorate baked goods, such as cakes or pastries.O*NET Task ID 11925 | 0.5 |
Direct or coordinate bakery deliveries.O*NET Task ID 11928 | 0.5 |
Order or receive supplies or equipment.O*NET Task ID 11929 | 0.5 |
Check products for quality, and identify damaged or expired goods.O*NET Task ID 20819 | 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