Aquest treball proposa un m\u00e8tode per mesurar l’exposici\u00f3 potencial a la IA generativa de cada tasca d’O*NET, la base de dades ocupacional dels Estats Units. El resultat s\u00f3n tres nivells d’exposici\u00f3 niuats, que es poden fer servir en treball aplicat sobre el mercat laboral. Cada tasca es llegeix 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 del cat\u00e0leg 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><\/p>\n Mesurem tamb\u00e9 tres factors d’ancoratge hum\u00e0 (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.<\/p>\n","protected":false},"excerpt":{"rendered":" Aquest treball proposa un m\u00e8tode per mesurar l’exposici\u00f3 potencial a la IA generativa de cada tasca d’O*NET, la base de dades ocupacional dels Estats Units. El resultat s\u00f3n tres nivells d’exposici\u00f3 niuats, que es poden fer servir en treball aplicat sobre el mercat laboral. Cada tasca es llegeix en el context de la seva ocupaci\u00f3. […]<\/p>\n","protected":false},"featured_media":14644,"template":"","acf":[],"yoast_head":"\n