Cobradores de Contas

Escritório e Suporte Administrativo

Exposição à IA

  • Fonte dos dados: BLSPublicado: 2026-08

    Muito alto· relativa

    BaixoQuatro faixas relativasMuito alto

    Valor por grupo ocupacional

    Escala, base e fonte

    Quatro faixas relativas (Baixo / Moderado / Alto / Muito alto)

    831 ocupações detalhadas da tabela de projeções de emprego do BLS. O valor é atribuído por código da National Employment Matrix (NEM), pelo que as ocupações que partilham um código NEM recebem a mesma banda

    Conjunto de dados de origem (transferência XLSX)

  • Fonte dos dados: AnthropicPublicado: 2026-03

    0.299

    0.000Intervalo dos valores aqui apresentados0.745
    Escala, base e fonte

    Índice de exposição observada, 0–1 tal como publicado

    Mapeado sobre tarefas O*NET

    Conjunto de dados de origem

  • Fonte dos dados: ILOPublicado: 2025

    0.43

    0.09Intervalo dos valores aqui apresentados0.70

    Valor por grupo ocupacional

    Escala, base e fonte

    Índice de exposição à IA generativa, 0–1 tal como publicado

    Grupo de base CITP-08 — todas as ocupações com o mesmo código recebem este valor

    Calculado por este site, não publicado pela OIT: das 1.012 ocupações que este site liga ao conjunto de dados da OIT, 30% atingem ou superam este valor.

    Conjunto de dados de origem

Que tipo de valor esta fonte publica

A categoria de BLS é uma posição relativa, não um nível absoluto, e também não é uma medição de primeira mão: agrupa em quatro faixas as posições percentis da ocupação em vários estudos publicados. Não é uma previsão de emprego ou de salários, não é uma probabilidade de adoção e não distingue automação de aumento.

Task-level exposure

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
Receive payments and post amounts paid to customer accounts.

O*NET Task ID 2472

1.0
Record information about financial status of customers and status of collection efforts.

O*NET Task ID 2474

1.0
Advise customers of necessary actions and strategies for debt repayment.

O*NET Task ID 2477

1.0
Sort and file correspondence and perform miscellaneous clerical duties, such as answering correspondence and writing reports.

O*NET Task ID 2479

1.0
Perform various administrative functions for assigned accounts, such as recording address changes and purging the records of deceased customers.

O*NET Task ID 2480

1.0
Contact insurance companies to check on status of claims payments and write appeal letters for denial on claims.

O*NET Task ID 18560

1.0
Locate and monitor overdue accounts, using computers and a variety of automated systems.

O*NET Task ID 2473

0.5
Locate and notify customers of delinquent accounts by mail, telephone, or personal visits to solicit payment.

O*NET Task ID 2475

0.5
Confer with customers by telephone or in person to determine reasons for overdue payments and to review the terms of sales, service, or credit contracts.

O*NET Task ID 2476

0.5
Persuade customers to pay amounts due on credit accounts, damage claims, or nonpayable checks, or to return merchandise.

O*NET Task ID 2478

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

Informação ocupacional