Rollenbibliothek · aec-roles-v1 · public-sector
AI Exposure Check
Buerger-Support-Agent/in
Illustrative Aufgaben-Exposition aus dem Offline-Stichprobenmodell — nicht eine Marktumfrage.
KI-Exposure 69% mittlere KI-Exposure · CHF 65274 illustrativer Zeitwert · 5 Aufgaben
Aufgaben
Exposure und Begründung
| Aufgabe | Exposure % | Begründung |
|---|---|---|
| Eingehende Tickets triageieren | 83% | Hohe generative KI-Exposure: „Eingehende Tickets triageieren“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Erste Antworten entwerfen | 89% | Hohe generative KI-Exposure: „Erste Antworten entwerfen“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Knowledge-Base-Artikel aktualisieren | 78% | Hohe generative KI-Exposure: „Knowledge-Base-Artikel aktualisieren“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Komplexe Fälle eskalieren | 29% | Niedrige Exposure: „Komplexe Fälle eskalieren“ ist beziehungs-, sicherheits- oder urteilskritisch; behalten Sie einen menschlichen Owner und nutzen Sie KI nur als eng begrenzte Hilfe. |
| CRM-Notizen erfassen | 66% | Mittlere Exposure: „CRM-Notizen erfassen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
Beispielaktionen
- Das Team an Prompt-Bibliotheken schulen, die an bestehende Vorlagen gebunden sind.
- Generatives Entwerfen bei den zwei höchsten Exposure-Aufgaben mit menschlicher Prüfung pilotieren.
- Ähnliche Aufgaben mit geringer Urteilskraft in eine unterstützte Workflow-Warteschlange bündeln.
Was diese Zahlen nicht sind
- Illustrative Rollenbibliothek aus dem Offline-AEC-Stichprobenmodell (aec-ai-v1), keine erhobene Berufszählung.
- Aufgabenpakete und Exposure-Werte sind deterministische Stichproben für Self-Serve-Triage — Faethm-ähnliche Ontologie-Breite, keine proprietären Pearson-Daten.
- CHF-Zeitwertschätzungen nutzen illustrative Schweizer Mid-Market-Sätze und Jahresstunden.