Subscritores de Seguros

Negócios e Finanças

Exposição à IA

  • Fonte dos dados: BLSPublicado: '26.08

    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: '26.03

    0.063

    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: '25

    0.53

    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, 14% 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
Write to field representatives, medical personnel, or others to obtain further information, quote rates, or explain company underwriting policies.

O*NET Task ID 1262

1.0
Decline excessive risks.

O*NET Task ID 1261

0.5
Evaluate possibility of losses due to catastrophe or excessive insurance.

O*NET Task ID 1263

0.5
Decrease value of policy when risk is substandard and specify applicable endorsements or apply rating to ensure safe, profitable distribution of risks, using reference materials.

O*NET Task ID 1264

0.5
Review company records to determine amount of insurance in force on single risk or group of closely related risks.

O*NET Task ID 1265

0.5
Authorize reinsurance of policy when risk is high.

O*NET Task ID 1266

0.5
Examine documents to determine degree of risk from factors such as applicant health, financial standing and value, and condition of property.

O*NET Task ID 21045

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

Occupation information

Alterações recentes que afetam esta ocupação

abr. de 2026: ATE 0.42 by 2027 in SF Bay Tier 1. Rule-application heavy roles with thin P1 (interpersonal) and P2 (regulatory) penalties show fast agentic exposure climb.

[Fonte: arXiv 2604.00186 (Gupta & Kumar, 2026)]

mar. de 2026: Published evergreen blog analysis: AI exposure 64%, automation risk 62/100 in 2025.

[Fonte: AI Changing Work Blog]