Juízes

Jurídico

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: AnthropicPublicado: 2026-03

    0.311

    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: 2025

    0.31

    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, 65% 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

Ver 4 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
Sentence defendants in criminal cases, on conviction by jury, according to applicable government statutes.

O*NET Task ID 5644

0.5
Rule on admissibility of evidence and methods of conducting testimony.

O*NET Task ID 5645

0.5
Preside over hearings and listen to allegations made by plaintiffs to determine whether the evidence supports the charges.

O*NET Task ID 5646

0.5
Read documents on pleadings and motions to ascertain facts and issues.

O*NET Task ID 5647

0.5
Interpret and enforce rules of procedure or establish new rules in situations where there are no procedures already established by law.

O*NET Task ID 5648

0.5
Monitor proceedings to ensure that all applicable rules and procedures are followed.

O*NET Task ID 5649

0.5
Advise attorneys, juries, litigants, and court personnel regarding conduct, issues, and proceedings.

O*NET Task ID 5650

0.5
Research legal issues and write opinions on the issues.

O*NET Task ID 5651

0.5
Conduct preliminary hearings to decide issues, such as whether there is reasonable and probable cause to hold defendants in felony cases.

O*NET Task ID 5652

0.5
Write decisions on cases.

O*NET Task ID 5653

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

Alterações recentes relacionadas com esta ocupação

mar. de 2026: Same paper assigns ATE 0.43 by 2027 in SF Bay Tier 1. 100% of legal occupations in scope cross moderate-risk threshold by 2027 in Tier 1; only 14.3% cross in Tier 3 (New York) by 2030.

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

mar. de 2026: ATE framework identifies judges among highest-risk occupations (ATE 0.43-0.47) for agentic AI displacement — AI systems increasingly capable of end-to-end legal reasoning workflows.

[Fonte: Gupta & Kumar (2026) Agentic AI and Occupational Displacement]

These summaries were written by AI Changing Work from the source linked with each one, and any figures in them are given as AI Changing Work summarised them; they can differ from the source's own wording and from figures shown elsewhere on this page, so check the source before relying on them. AI Changing Work matched this page's occupation to an O*NET occupation and chose, by its own judgment, case by case, which summaries relate to that O*NET occupation; a summary appearing here does not mean that its source names this occupation.