フェンス設置工

建設・メンテナンス・修理

AI露出度

  • データ出典: BLS公表時点: '26.08

    低い· 相対

    低い4段階の相対区分非常に高い

    職業群単位の値

    尺度・母数・出典

    4段階の相対区分（低い / 中程度 / 高い / 非常に高い）

    BLS雇用見通し表の詳細職業831件が母数。値は NEM(全国雇用マトリクス)コード単位で付与されるため、同じ NEM コードの職業は同じバンドになります

    出典データセット（XLSX ファイルのダウンロード）

  • データ出典: Anthropic公表時点: '26.03

    0.000

    0.000ここに掲載された値の範囲0.745
    尺度・母数・出典

    観測エクスポージャー指数、公開されたまま0–1

    O*NETタスクへの対応づけが基準

    出典データセット

  • データ出典: ILO公表時点: '25

    0.09

    0.09ここに掲載された値の範囲0.70

    職業群単位の値

    尺度・母数・出典

    生成AI露出度指数、公開されたまま0–1

    ISCO-08の職業小分類単位 — 同じコードの職業はすべて同じ値

    当サイトの算出であり、ILOが公表した数値ではありません。当サイトがILOデータセットに結び付けた職業1,012件のうち、この値以上のものは100%です。

    出典データセット

この出典がどのような性格の値か

BLSの区分は絶対水準ではなく相対順位であり、一次測定でもありません。複数の既存研究が付けた職業別パーセンタイル順位を4段階にまとめた値です。雇用や賃金の予測でもなく、導入確率でもなく、自動化と増強を区別しません。

Task-level exposure

非表示の作業 19 件を表示

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.

TaskβE1 + 0.5 × E2
Discuss fencing needs with customers, and estimate and quote prices.

O*NET Task ID 13628

1.0

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

職業情報