Especialistas em Gestao de Subsidios
Negócios e FinançasExposição à IA
- Fonte dos dados: BLSPublicado: 2026-08
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: 2026-03
0.220
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: 2025
0.42
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, 33% 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
Apenas tarefas expostasValues 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 |
|---|---|
Prepare written reports of investigation findings.O*NET Task ID 16046 | 1.0 |
Document all investigative activities.O*NET Task ID 16053 | 1.0 |
Maintain knowledge of current events and trends in such areas as money laundering and criminal tools and techniques.O*NET Task ID 16035 | 0.5 |
Train others in fraud detection and prevention techniques.O*NET Task ID 16036 | 0.5 |
Research or evaluate new technologies for use in fraud detection systems.O*NET Task ID 16037 | 0.5 |
Prepare evidence for presentation in court.O*NET Task ID 16038 | 0.5 |
Negotiate with responsible parties to arrange for recovery of losses due to fraud.O*NET Task ID 16040 | 0.5 |
Advise businesses or agencies on ways to improve fraud detection.O*NET Task ID 16044 | 0.5 |
Review reports of suspected fraud to determine need for further investigation.O*NET Task ID 16045 | 0.5 |
Recommend actions in fraud cases.O*NET Task ID 16047 | 0.5 |
Obtain and serve subpoenas.O*NET Task ID 16039 | 0.0 |
Conduct field surveillance to gather case-related information.O*NET Task ID 16041 | 0.0 |
Arrest individuals to be charged with fraud.O*NET Task ID 16042 | 0.0 |
Testify in court regarding investigation findings.O*NET Task ID 16043 | 0.0 |
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