Representantes de Atendimento ao Cliente
Escritório e Suporte AdministrativoExposição à IA
- Fonte dos dados: BLSPublicado: '26.08
Muito alto· relativa
BaixoQuatro faixas relativasMuito altoValor 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
- Fonte dos dados: AnthropicPublicado: '26.03
0.701
0.000Intervalo dos valores aqui apresentados0.745Escala, base e fonte
Índice de exposição observada, 0–1 tal como publicado
Mapeado sobre tarefas O*NET
- Fonte dos dados: ILOPublicado: '25
0.58
0.09Intervalo dos valores aqui apresentados0.70Valor 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, 5% atingem ou superam este valor.
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
Ver 9 tarefas ocultas| Task | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Confer with customers by telephone or in person to provide information about products or services, take or enter orders, cancel accounts, or obtain details of complaints.43-4051 | 0.060085.7 | 0.020028.6 |
Contact customers to respond to inquiries or to notify them of claim investigation results or any planned adjustments.43-4051 | 0.010014.3 | 0.030042.9 |
Solicit sales of new or additional services or products.43-4051 | 0.00000.0 | 0.010014.3 |
Refer unresolved customer grievances to designated departments for further investigation. | —0 | 0.010014.3 |
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 |
|---|---|
Complete contract forms, prepare change of address records, or issue service discontinuance orders, using computers.O*NET Task ID 2584 | 1.0 |
Compare disputed merchandise with original requisitions and information from invoices and prepare invoices for returned goods.O*NET Task ID 2589 | 1.0 |
Keep records of customer interactions or transactions, recording details of inquiries, complaints, or comments, as well as actions taken.O*NET Task ID 2578 | 0.5 |
Resolve customers' service or billing complaints by performing activities such as exchanging merchandise, refunding money, or adjusting bills.O*NET Task ID 2579 | 0.5 |
Check to ensure that appropriate changes were made to resolve customers' problems.O*NET Task ID 2580 | 0.5 |
Contact customers to respond to inquiries or to notify them of claim investigation results or any planned adjustments.O*NET Task ID 2581 | 0.5 |
Refer unresolved customer grievances to designated departments for further investigation.O*NET Task ID 2582 | 0.5 |
Determine charges for services requested, collect deposits or payments, or arrange for billing.O*NET Task ID 2583 | 0.5 |
Obtain and examine all relevant information to assess validity of complaints and to determine possible causes, such as extreme weather conditions that could increase utility bills.O*NET Task ID 2585 | 0.5 |
Solicit sales of new or additional services or products.O*NET Task ID 2586 | 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
Occupation information
Alterações recentes que afetam esta ocupação
jun. de 2026: Cited by ADP Research as an example of a high-AI-exposure occupation. Group-level payroll data shows employment in high-exposure occupations down 0.2% year over year overall and down 4.3% for workers aged 22-25 (33rd consecutive monthly decline). The percentages are for the high-exposure group, not for this occupation alone.
[Fonte: ADP Research, Canaries Dashboard (June 2026)]mai. de 2026: Anthropic observed-exposure score: high (zero->observed gap small). High observed exposure due to simpler software pipelines and lower integration cost.
[Fonte: Anthropic Economic Research (Massenkoff & McCrory, 2026)]abr. de 2026: NBER survey of 6,000 executives: 69% use AI but 90% report zero employment impact. Executives predict -0.7% employment decline over next 3 years.
[Fonte: NBER Working Paper 34836]