Medicos de Emergencia

Saúde

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: ILOPublicado: 2025

    0.27

    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, 74% atingem ou superam este valor.

    Conjunto de dados de origem

  • Fonte dos dados: OpenAIPublicado: 2023

    0.353

    0.000Intervalo dos valores aqui apresentados0.844
    Escala, base e fonte

    β de avaliadores humanos, 0–1 tal como publicado

    Mapeado sobre tarefas O*NET

    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

Ver 3 tarefas ocultas

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
Collect and record patient information, such as medical history or examination results, in electronic or handwritten medical records.

O*NET Task ID 22717

1.0
Analyze records, examination information, or test results to diagnose medical conditions.

O*NET Task ID 22715

0.5
Assess patients' pain levels or sedation requirements.

O*NET Task ID 22716

0.5
Communicate likely outcomes of medical diseases or traumatic conditions to patients or their representatives.

O*NET Task ID 22718

0.5
Conduct primary patient assessments that include information from prior medical care.

O*NET Task ID 22719

0.5
Consult with hospitalists and other professionals, such as social workers, regarding patients' hospital admission, continued observation, transition of care, or discharge.

O*NET Task ID 22720

0.5
Direct and coordinate activities of nurses, assistants, specialists, residents, and other medical staff.

O*NET Task ID 22721

0.5
Discuss patients' treatment plans with physicians and other medical professionals.

O*NET Task ID 22722

0.5
Evaluate patients' vital signs or laboratory data to determine emergency intervention needs and priority of treatment.

O*NET Task ID 22723

0.5
Identify factors that may affect patient management, such as age, gender, barriers to communication, and underlying disease.

O*NET Task ID 22724

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