Rollenbibliothek · aec-roles-v1 · legal
AI Exposure Check
Rechtsberater/in
Illustrative Aufgaben-Exposition aus dem Offline-Stichprobenmodell — nicht eine Marktumfrage.
KI-Exposure 51% mittlere KI-Exposure · CHF 107520 illustrativer Zeitwert · 5 Aufgaben
Aufgaben
Exposure und Begründung
| Aufgabe | Exposure % | Begründung |
|---|---|---|
| Standard-NDAs redigieren | 68% | Mittlere Exposure: „Standard-NDAs redigieren“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Klausel-Risikozusammenfassungen extrahieren | 64% | Mittlere Exposure: „Klausel-Risikozusammenfassungen extrahieren“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Datenschutzhinweis-Updates entwerfen | 55% | Mittlere Exposure: „Datenschutzhinweis-Updates entwerfen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Regulatorische Änderungsdigests verfolgen | 55% | Mittlere Exposure: „Regulatorische Änderungsdigests verfolgen“ mischt vorlagenfähige Schritte mit Kontexturteil; KI kann entwerfen oder triageieren, aber ein verantwortlicher Mensch soll entscheiden. |
| Bei strittigen Auseinandersetzungen beraten | 14% | Niedrige Exposure: „Bei strittigen Auseinandersetzungen beraten“ ist beziehungs-, sicherheits- oder urteilskritisch; behalten Sie einen menschlichen Owner und nutzen Sie KI nur als eng begrenzte Hilfe. |
Beispielaktionen
- Zeitersparnis 30 Tage lang messen, bevor der Automationsumfang erweitert wird.
- Beziehungs- und urteilskritische Aufgaben vor voller Automation schützen.
- Datenklassifizierungsregeln kartieren, bevor interne Systeme an Modelle angebunden werden.
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.