Cartografos

Ciências da Vida, Físicas e Sociais

Exposição à IA

  • Fonte dos dados: BLSPublicado: 2026-08

    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

    0.080

    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

    0.44

    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, 28% 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
Determine guidelines that specify which source material is acceptable for use.

O*NET Task ID 3525

1.0
Identify, scale, and orient geodetic points, elevations, and other planimetric or topographic features, applying standard mathematical formulas.

O*NET Task ID 3514

0.5
Collect information about specific features of the Earth, using aerial photography and other digital remote sensing techniques.

O*NET Task ID 3515

0.5
Revise existing maps and charts, making all necessary corrections and adjustments.

O*NET Task ID 3516

0.5
Compile data required for map preparation, including aerial photographs, survey notes, records, reports, and original maps.

O*NET Task ID 3517

0.5
Inspect final compositions to ensure completeness and accuracy.

O*NET Task ID 3518

0.5
Determine map content and layout, as well as production specifications such as scale, size, projection, and colors, and direct production to ensure that specifications are followed.

O*NET Task ID 3519

0.5
Examine and analyze data from ground surveys, reports, aerial photographs, and satellite images to prepare topographic maps, aerial-photograph mosaics, and related charts.

O*NET Task ID 3520

0.5
Select aerial photographic and remote sensing techniques and plotting equipment needed to meet required standards of accuracy.

O*NET Task ID 3521

0.5
Delineate aerial photographic detail, such as control points, hydrography, topography, and cultural features, using precision stereoplotting apparatus or drafting instruments.

O*NET Task ID 3522

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