Matematicos

Computação e Matemática

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

    0.424

    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

    0.56

    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, 8% 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
Apply mathematical theories and techniques to the solution of practical problems in business, engineering, the sciences, or other fields.

O*NET Task ID 7367

1.0
Develop computational methods for solving problems that occur in areas of science and engineering or that come from applications in business or industry.

O*NET Task ID 7368

1.0
Maintain knowledge in the field by reading professional journals, talking with other mathematicians, and attending professional conferences.

O*NET Task ID 7369

1.0
Perform computations and apply methods of numerical analysis to data.

O*NET Task ID 7370

1.0
Develop mathematical or statistical models of phenomena to be used for analysis or for computational simulation.

O*NET Task ID 7371

1.0
Assemble sets of assumptions, and explore the consequences of each set.

O*NET Task ID 7372

1.0
Address the relationships of quantities, magnitudes, and forms through the use of numbers and symbols.

O*NET Task ID 7373

1.0
Develop new principles and new relationships between existing mathematical principles to advance mathematical science.

O*NET Task ID 7374

1.0
Design, analyze, and decipher encryption systems designed to transmit military, political, financial, or law-enforcement-related information in code.

O*NET Task ID 7375

1.0
Conduct research to extend mathematical knowledge in traditional areas, such as algebra, geometry, probability, and logic.

O*NET Task ID 7376

1.0

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