Analistas de Inteligencia
Serviços de ProteçãoExposição 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
0.037
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
0.23
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, 80% 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 1 tarefa ocultaValues 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 |
|---|---|
Design, use, or maintain databases and software applications, such as geographic information systems (GIS) mapping and artificial intelligence tools.O*NET Task ID 17544 | 1.0 |
Study communication code languages or foreign languages to translate intelligence.O*NET Task ID 17559 | 1.0 |
Predict future gang, organized crime, or terrorist activity, using analyses of intelligence data.O*NET Task ID 17542 | 0.5 |
Study activities relating to narcotics, money laundering, gangs, auto theft rings, terrorism, or other national security threats.O*NET Task ID 17543 | 0.5 |
Establish criminal profiles to aid in connecting criminal organizations with their members.O*NET Task ID 17545 | 0.5 |
Evaluate records of communications, such as telephone calls, to plot activity and determine the size and location of criminal groups and members.O*NET Task ID 17546 | 0.5 |
Gather and evaluate information, using tools such as aerial photographs, radar equipment, or sensitive radio equipment.O*NET Task ID 17547 | 0.5 |
Gather intelligence information by field observation, confidential information sources, or public records.O*NET Task ID 17548 | 0.5 |
Gather, analyze, correlate, or evaluate information from a variety of resources, such as law enforcement databases.O*NET Task ID 17549 | 0.5 |
Link or chart suspects to criminal organizations or events to determine activities and interrelationships.O*NET Task ID 17550 | 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