खाद्य सेवा प्रबंधक
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
0.36
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 60% 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
23 छिपे कार्य दिखाएँ| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Assess staffing needs and recruit staff, using methods such as newspaper advertisements or attendance at job fairs.11-9051 | 0.003528.9 | 0.001612.4 |
Investigate and resolve complaints regarding food quality, service, or accommodations.11-9051 | 0.002924.0 | 0.009170.5 |
Estimate food, liquor, wine, and other beverage consumption to anticipate amounts to be purchased or requisitioned.11-9051 | 0.002016.5 | —0 |
Maintain food and equipment inventories, and keep inventory records.11-9051 | 0.001915.7 | 0.002217.1 |
Review menus and analyze recipes to determine labor and overhead costs, and assign prices to menu items.11-9051 | 0.001814.9 | —0 |
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 |
|---|---|
Keep records required by government agencies regarding sanitation or food subsidies.O*NET Task ID 1085 | 1.0 |
Create specialty dishes and develop recipes to be used in dining facilities.O*NET Task ID 1101 | 1.0 |
Investigate and resolve complaints regarding food quality, service, or accommodations.O*NET Task ID 1078 | 0.5 |
Schedule and receive food and beverage deliveries, checking delivery contents to verify product quality and quantity.O*NET Task ID 1079 | 0.5 |
Monitor budgets and payroll records, and review financial transactions to ensure that expenditures are authorized and budgeted.O*NET Task ID 1081 | 0.5 |
Schedule staff hours and assign duties.O*NET Task ID 1082 | 0.5 |
Monitor compliance with health and fire regulations regarding food preparation and serving, and building maintenance in lodging and dining facilities.O*NET Task ID 1083 | 0.5 |
Coordinate assignments of cooking personnel to ensure economical use of food and timely preparation.O*NET Task ID 1084 | 0.5 |
Establish standards for personnel performance and customer service.O*NET Task ID 1086 | 0.5 |
Estimate food, liquor, wine, and other beverage consumption to anticipate amounts to be purchased or requisitioned.O*NET Task ID 1087 | 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
व्यावसायिक जानकारी
इस व्यवसाय से जुड़े हालिया बदलाव
मार्च 2026: Restaurant managers पर AI impact analysis blog publish। Exposure 35%, automation risk 25%।
[स्रोत: AI Changing Work Blog]