Analistas de Crédito

Negócios e Finanças

Exposição à IA

  • Fonte dos dados: BLSPublicado: 2026-08

    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: 2026-03

    0.186

    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

    0.60

    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, 4% 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

Apenas tarefas expostas

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
Explain to customers the different types of loans and credit options that are available, as well as the terms of those services.

O*NET Task ID 3410

1.0
Review loan agreements to ensure that they are complete and accurate according to policy.

O*NET Task ID 3413

1.0
Compute payment schedules.

O*NET Task ID 3414

1.0
Prepare reports to send to customers whose accounts are delinquent, and forward irreconcilable accounts for collector action.

O*NET Task ID 3426

1.0
Authorize or sign mail collection letters.

O*NET Task ID 21636

1.0
Review billing for accuracy.

O*NET Task ID 21647

1.0
Approve loans within specified limits, and refer loan applications outside those limits to management for approval.

O*NET Task ID 3407

0.5
Meet with applicants to obtain information for loan applications and to answer questions about the process.

O*NET Task ID 3408

0.5
Analyze applicants' financial status, credit, and property evaluations to determine feasibility of granting loans.

O*NET Task ID 3409

0.5
Obtain and compile copies of loan applicants' credit histories, corporate financial statements, and other financial information.

O*NET Task ID 3411

0.5
Supervise loan personnel.

O*NET Task ID 3422

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

Informação ocupacional