Analistas de Pesquisa Operacional

Computação e Matemática

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

    0.429

    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

    0.56

    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
Formulate mathematical or simulation models of problems, relating constants and variables, restrictions, alternatives, conflicting objectives, and their numerical parameters.

O*NET Task ID 7377

1.0
Break systems into their components, assign numerical values to each component, and examine the mathematical relationships between them.

O*NET Task ID 7385

1.0
Specify manipulative or computational methods to be applied to models.

O*NET Task ID 7386

1.0
Design, conduct, and evaluate experimental operational models in cases where models cannot be developed from existing data.

O*NET Task ID 7388

1.0
Collaborate with others in the organization to ensure successful implementation of chosen problem solutions.

O*NET Task ID 7378

0.5
Analyze information obtained from management to conceptualize and define operational problems.

O*NET Task ID 7379

0.5
Perform validation and testing of models to ensure adequacy, and reformulate models, as necessary.

O*NET Task ID 7380

0.5
Collaborate with senior managers and decision makers to identify and solve a variety of problems and to clarify management objectives.

O*NET Task ID 7381

0.5
Define data requirements, and gather and validate information, applying judgment and statistical tests.

O*NET Task ID 7382

0.5
Study and analyze information about alternative courses of action to determine which plan will offer the best outcomes.

O*NET Task ID 7383

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

mar. de 2026: New blog post analyzing AI impact on operations research analyst careers with 50% exposure and 32% automation risk.

[Fonte: AI Changing Work Blog]