AI Occupational Exposure measure (AIOE)

Kurz gesagt

Ein öffentlicher Wert dafür, wie stark jeder Beruf auf Fähigkeiten beruht, bei denen KI Fortschritte gemacht hat. Passende Werte gibt es für Branchen und Regionen. Nutzen Sie ihn, um Rollen auf einen Blick zu vergleichen, und sehen Sie sich dann die echten Aufgaben an.

Für die Person, die die Diagnose durchführt: eine Leitung aus Personal oder Betrieb, ein internes Projektteam oder eine externe Beratung.

Was es misst

Jeder Beruf braucht eine Mischung von Fähigkeiten. Bei einigen davon hat KI Fortschritte gemacht, bei anderen nicht. Das Maß verknüpft beides und gibt jedem Beruf einen Wert für die KI-Exposition, also dafür, wie stark KI die Aufgaben eines Berufs übernehmen oder unterstützen könnte. Die Autoren bildeten auch Werte für Branchen und Regionen und zeigen, wie man aus der Mischung der Berufe in einem einzelnen Unternehmen einen Wert für dieses Unternehmen bildet.

Die Studie ist auf einer eigenen Seite beschrieben.

Wie Sie es nutzen

1. Ordnen Sie Ihre Rollen den Berufscodes zu.
2. Nutzen Sie die Werte, um eine Reihenfolge der Rollen für einen genaueren Blick festzulegen.
3. Erfassen Sie die Aufgaben in den obersten Rollen gemeinsam mit den Menschen, die sie erledigen. Siehe Erfassen Sie die Aufgaben, bevor Sie entscheiden, was automatisiert wird.
4. Stellen Sie die Werte den Beschäftigten nicht als Prognose vor.

Was es nicht misst

• Ob KI die Arbeit ersetzen, unterstützen oder unberührt lassen wird. Es gibt eine Zahl für die Exposition und trennt diese Fälle nicht.
• Aufgaben. Es bewertet ganze Berufe. Zwei Menschen mit derselben Berufsbezeichnung können verschiedene Arbeit machen.
• Nutzung. Es zeigt, was KI berühren könnte, nicht, wofür sie genutzt wird.
• Die Berufsliste Ihres Landes. Es verwendet US-amerikanische Codes.

Wie es geprüft wurde

• Die Autoren entwickelten das Maß und prüften es in einer fachlich begutachteten Studie.
• Ein anderes Team wandte es in 23 Ländern an. Stärker exponierte Berufe verloren insgesamt keine Beschäftigung. Wo viel am Computer gearbeitet wurde, ging höhere Exposition mit schnellerem Beschäftigungswachstum einher.
• Die Autoren erweiterten es später in einem Arbeitspapier auf KI-Sprachwerkzeuge. Dieses Papier ist nicht fachlich begutachtet.

Der Wert ist also gut dokumentiert, und die bekannteste Prüfung ist eine Warnung davor, ihn als Prognose von Arbeitsplatzverlusten zu lesen.

Lizenz und Zugang

Der Artikel ist frei zugänglich unter CC BY 4.0. Die Autoren stellen die Daten zur Verfügung. Wo sie liegen und unter welcher Lizenz, ist nicht geklärt.

Alternativen

Andere Diagnoseinstrumente mit ähnlicher Aufgabe, und wann Sie welches vorziehen sollten.

• In welchen Rollen könnte generative KI Aufgaben übernehmen, und in welchen könnte sie unterstützen? ILO index of occupational exposure to generative AI Nehmen Sie es, wenn Sie mit internationalen Berufscodes arbeiten oder Automatisierung und Unterstützung unterscheiden wollen. Niemand wird befragt · Sie ordnen Ihre Berufsbezeichnungen einer Standardliste von Berufen zu Frei nutzbar und anpassbar Prüfung: Vorläufig Aufgaben- und Berufsprofile
• Welche unserer eigenen Aufgaben könnte KI übernehmen oder unterstützen? TPAH task analysis Ziehen Sie es in Betracht, wenn Sie die Aufgaben Ihres eigenen Unternehmens bewertet haben wollen, nicht einen typischen Beruf. Niemand wird befragt. Die prozessverantwortlichen Personen prüfen die Ergebnisse · Eine Analyse auf Grundlage einer Beschreibung des Unternehmens und seiner Rollen Kostenpflichtiger Dienst Prüfung: Vorläufig Aufgaben- und Berufsprofile

Praktiken, die es nutzen

• Erfassen Sie die Aufgaben, bevor Sie entscheiden, was Sie automatisieren Zerlegen Sie Berufe in Aufgaben und betrachten Sie jede einzeln. Veröffentlichte Werte schätzen, wie viel eines Berufs KI übernehmen könnte, die „Exposition“. Behandeln Sie einen hohen Wert als Hinweis, wo Sie genauer hinsehen, nicht als Entscheidung zum Automatisieren. Zuerst · Aufwand: gering (Tage, eine Person) Evidenz: Mittel Umstritten Prozesse neu gestalten · Erkunden

Die Einzelheiten

Prüfung

Mittel Von den Autoren in einer fachlich begutachteten Studie entwickelt und geprüft. Ein anderes Team wandte es in 23 Ländern an und fand, dass die Exposition keine Arbeitsplatzverluste vorhersagte. Als Entscheidungshilfe innerhalb eines Unternehmens wurde es nicht geprüft.

Betrachtet

Beruf und seine Aufgaben

Wie die Antworten erhoben werden

Vorhandene Daten dazu, welche Fähigkeiten jeder Beruf braucht, verknüpft mit den Bereichen, in denen KI Fortschritte gemacht hat.

Länge

Keine Umfrage. Sie ordnen Ihre Berufsbezeichnungen US-amerikanischen Berufscodes zu.

Kosten

Kostenlos

Lizenz

CC BY 4.0 (Artikel)Der Artikel steht unter einer offenen Lizenz. Die Bedingungen für den Datensatz sind nicht geklärt.

Sprachen

Englisch. Beruht auf US-amerikanischen Berufsklassifikationen; andere Länder brauchen eine Zuordnung.

Von

Felten, Raj and Seamans, 2021

Quellen

1. Felten, Raj and Seamans (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal. doi:10.1002/smj.3286
2. Felten, Raj and Seamans (2023). How will Language Modelers like ChatGPT Affect Occupations and Industries? Working paper, not peer-reviewed. doi:10.2139/ssrn.4375268
3. Georgieff and Hyee (2022). Artificial Intelligence and Employment: New Cross-Country Evidence. Frontiers in Artificial Intelligence. doi:10.3389/frai.2022.832736

Verwandte Studien auf dieser Website

• Ein Maß dafür, wie stark KI jeden Beruf betrifft Felten, Raj and Seamans (2021). Occupational, industry, and geographic exposure to artificial intelligence: A novel dataset and its potential uses. Strategic Management Journal, 42(12), 2195–2217.
• KI-Exposition und Beschäftigung in 23 Ländern Georgieff and Hyee (2022). Artificial Intelligence and Employment: New Cross-Country Evidence. Frontiers in Artificial Intelligence, 5, 832736.
• Exposition ist nicht Nutzung: was KI tun könnte und wofür sie genutzt wird Sedai (2026). Exposure Is Not Adoption: Measuring Generative AI and Labor Demand. SSRN working paper.