Rollenbibliothek · aec-roles-v1 · people
AI Exposure Check
Learning-and-Development-Spezialist/in
Illustrative Aufgaben-Exposition aus dem Offline-Stichprobenmodell — nicht eine Marktumfrage.
KI-Exposure 68% mittlere KI-Exposure · CHF 93085 illustrativer Zeitwert · 5 Aufgaben
Aufgaben
Exposure und Begründung
| Aufgabe | Exposure % | Begründung |
|---|---|---|
| Wiederkehrende Statusupdates entwerfen | 73% | Mittlere Exposure: „Wiederkehrende Statusupdates entwerfen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Meeting-Transkripte zusammenfassen | 77% | Hohe generative KI-Exposure: „Meeting-Transkripte zusammenfassen“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Tabellen-Tracker abstimmen | 72% | Mittlere Exposure: „Tabellen-Tracker abstimmen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| FAQ-ähnliche Anfragen beantworten | 78% | Hohe generative KI-Exposure: „FAQ-ähnliche Anfragen beantworten“ ist weitgehend Mustererkennung, Entwurf oder strukturierte Datenarbeit, die Modelle mit menschlicher Prüfung unterstützen können. |
| Teamübergreifende Übergaben koordinieren | 38% | Niedrig-mittlere Exposure: „Teamübergreifende Übergaben koordinieren“ erfordert Koordination oder Domänennuance; KI darf Inputs zusammenfassen, aber nicht das Ergebnis verantworten. |
Beispielaktionen
- Beziehungs- und urteilskritische Aufgaben vor voller Automation schützen.
- Datenklassifizierungsregeln kartieren, bevor interne Systeme an Modelle angebunden werden.
- SOPs so umschreiben, dass KI-unterstützte Schritte einen verantwortlichen Menschen behalten.
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.