Aquest treball construeix una mesura de l’exposici\u00f3 potencial a la IA generativa tasca a tasca, en tres capes niuades. Per a cada tasca, llegida en el context de la seva ocupaci\u00f3, preguntem primer si la IA pot substituir-ne el resultat amb la qualitat d’un treballador t\u00edpic (Re). Si no pot, preguntem si pot augmentar el treballador prou per reduir a la meitat el temps que porta la tasca o portar-ne la qualitat al quartil superior (Au) i, si tampoc, si encara pot donar suport a la tasca amb alguna aportaci\u00f3 aprofitable (Su).<\/p>\n
Tres models de llenguatge de frontera puntuen els 24.087 parells tasca-activitat d’O*NET 31.0 (923 ocupacions) a partir d’un inventari datat de 33 benchmarks de capacitats, i una ronda Delphi resol els seus desacords. Ponderant pel temps, l’ocupaci\u00f3 mitjana t\u00e9 un 37,8 % del seu temps de treball substitu\u00efble, un 48,4 % augmentable i un 79,2 % amb possibilitat de suport.<\/strong> Els avaluadors coincideixen m\u00e9s en la substituci\u00f3 i menys en els llindars d’augment.<\/p>\n Mesurem tamb\u00e9 tres factors de vinculaci\u00f3 (nexe relacional, responsabilitat organitzativa i autoria) que mantenen les tasques d’un lloc de treball lligades a la persona que les fa, aix\u00ed com la part del temps de treball en qu\u00e8 la IA ajuda un expert sense substituir-lo. Tot es trasllada a les classificacions europees mitjan\u00e7ant taules de correspond\u00e8ncia oficials, amb la CNO-11 espanyola com a aplicaci\u00f3.<\/p>\n","protected":false},"excerpt":{"rendered":" Aquest treball construeix una mesura de l’exposici\u00f3 potencial a la IA generativa tasca a tasca, en tres capes niuades. Per a cada tasca, llegida en el context de la seva ocupaci\u00f3, preguntem primer si la IA pot substituir-ne el resultat amb la qualitat d’un treballador t\u00edpic (Re). Si no pot, preguntem si pot augmentar el […]<\/p>\n","protected":false},"featured_media":14643,"template":"","acf":[],"yoast_head":"\n