LO
Avisa-me quando chegar um registo verificado a esta profissão → · Marcar quais destas tarefas são suas (VOLO Pro, gratuito durante o lançamento) →
Estatístico
Desenha inquéritos, amostras e ensaios, analisa dados com métodos estatísticos e verifica se os números publicados são sólidos. A IA chegou primeiro ao processamento à volta das estatísticas: o autocodificador baseado num modelo de linguagem do Census Bureau dos EUA aumentou de 28 para 52 por cento a parte das respostas sobre profissão e setor de atividade codificadas automaticamente, e a Statistics Canada introduziu a codificação por aprendizagem automática no seu inquérito à população ativa em 2021. Nos dois casos, foram estatísticos que fixaram os limiares de erro e verificaram as estimativas publicadas à procura de quebras. O regulador britânico das estatísticas diz que a IA nas estatísticas oficiais ainda é sobretudo investigação, testes e apoio administrativo, e não produção corrente, e a agência europeia do medicamento trata a IA usada para analisar dados de ensaios como parte da análise estatística, a congelar no plano de análise. Os Estados Unidos projetam que os empregos de estatístico cresçam 11 por cento até 2035, sem mencionar a IA.
Descobre que etapas da produção da tua equipa usam hoje aprendizagem automática ou modelos de linguagem, e quem verifica o que produzem.
Isto não é uma probabilidade de perder o emprego. Combina que parte da carga de tarefas do posto está exposta à automatização com até onde a adoção chegou de facto: serve para comparar profissões sobre uma base constante, e para mais nada.
Escrito para estatísticos de institutos nacionais de estatística, da administração pública, da investigação em saúde e dos ensaios clínicos, e para bioestatísticos. Os cientistas de dados, os analistas de dados e os atuários têm as suas próprias páginas. A evidência é uma projeção de emprego dos Estados Unidos, institutos de estatística dos Estados Unidos, do Canadá e do Reino Unido a descrever a codificação automática nos seus inquéritos, o regulador britânico das estatísticas sobre até onde a IA chegou nas estatísticas oficiais, e a agência europeia do medicamento sobre a IA na análise de ensaios; estabelece onde o processamento à volta das estatísticas está automatizado e que regras regem a IA na análise, não como mudaram os números ou a carga de trabalho dos estatísticos.
O que está mesmo a mudar#
A unidade de análise é a tarefa, não o nome do posto. Um posto não é substituído: é a mistura de tarefas dele que se move.
Cada quadrado é uma tarefa. O tamanho é o peso que tem no trabalho; a cor, para onde a tarefa está a ir. Clique num quadrado para ver o que esse juízo não estabelece.
A ausência de um registo e as orientações de um único regulador; não mede se as ferramentas de IA ajudam a redigir desenhos ou planos.
Os relatos de dois organismos sobre a codificação; não mostram como mudou o tempo que os próprios estatísticos dedicam ao processamento.
A observação de um regulador para um único país e as orientações de um único organismo; não medem quanta análise as ferramentas de IA já redigem.
Os relatos de dois organismos; não mostram se o trabalho de garantia de qualidade cresceu no seu conjunto.
A ausência de um registo; não mede como está a mudar o tempo que os estatísticos dedicam à comunicação.
É este o teu trabalho? Di-lo e esta página estreita-se à tua parte dele.
O nome de um posto é um pacote de tarefas compradas em conjunto, e não há duas pessoas com o mesmo pacote. Não é enviado nada para lado nenhum: fica neste navegador.
Mudanças recentes#
Estados Unidos. O gabinete de estatística projeta que o emprego de estatísticos cresça 11 por cento de 2025 a 2035, de 31.300 para 34.700, invocando o uso mais generalizado da análise estatística para fundamentar decisões empresariais, de saúde e de políticas públicas e o volume crescente de dados armazenados digitalmente. A página não menciona a inteligência artificial, a aprendizagem automática nem a automação.
Uma pessoa com nome e com posição reconhecida previu algo publicamente, numa data, numa declaração atribuível. É registado para que fique verificável quem disse o quê e quando, e nunca move a avaliação de uma tarefa, porque uma previsão não é uma observação. O seu valor chega depois: o registo fica na mesma página que a prova sobre essa profissão, portanto quem lê a previsão lê ao lado o registo do que aconteceu a seguir. É essa a prestação de contas; este sítio não publica veredicto nenhum sobre se uma previsão se cumpriu.
Reino Unido. O regulador diz que ferramentas como o Survey Assist do instituto de estatística podem ajudar a reduzir o tempo gasto em processamento repetitivo e permitir que os estatísticos se concentrem mais na garantia de qualidade e na resposta às necessidades dos utilizadores, mas que a sua experiência reguladora sugere que o uso de IA nas estatísticas oficiais continua centrado sobretudo na investigação e desenvolvimento, nos testes e no apoio administrativo, e não na produção estatística corrente. Uma avaliação de um regulador para um único país; não apresenta contagens.
Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
Estados Unidos. Técnicos do Census Bureau relatam que um autocodificador baseado num modelo de linguagem para as respostas sobre setor de atividade e profissão do American Community Survey aumentou a taxa de codificação conjunta de 28 para 52 por cento, enviando para codificação manual menos 32 por cento de casos por mês, ou menos 500.000 por ano; o limiar de probabilidade foi escolhido de modo a que a taxa de erro fique em cerca de 6 por cento, o limite que os codificadores manuais têm de cumprir. Os diapositivos dizem que as opiniões são dos autores e não do Bureau, e uma empresa contratada que construiu o modelo está entre os autores. A codificação era trabalho administrativo; os estatísticos fixaram o limiar.
Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
Grã-Bretanha. O registo de transparência, com a fase indicada como pré-implementação, diz que a ferramenta faz perguntas de seguimento a partir do que o inquirido escreve para esclarecer a sua profissão e o seu setor de atividade e depois determina os códigos SIC e SOC; há uma análise humana atenta durante a investigação e desenvolvimento, mas nenhuma intervenção humana direta nas perguntas que o modelo faz nem nos resultados que fornece, com revisão manual da exatidão durante as fases de investigação. Um piloto; não são relatados resultados.
Ensaio em pequena escala num contexto real. Diz-nos que as condições de implementação estão a ser testadas, não que se verificam, por isso um piloto nunca chega sozinho; dois independentes chegam.
União Europeia. O documento de reflexão diz que, quando modelos de IA ou de aprendizagem automática são usados para transformar, analisar ou interpretar dados num ensaio clínico, fazem parte da análise estatística e deveriam seguir as orientações aplicáveis sobre princípios estatísticos; nos ensaios principais, o circuito de dados e os modelos deveriam ser especificados previamente, congelados e documentados no plano de análise estatística, as abordagens de aprendizagem incremental não são aceites, e qualquer alteração durante o ensaio exige uma interação com o regulador para emendar o plano. Um documento de reflexão, não juridicamente vinculativo; vincula o promotor, não uma pessoa com nome.
Uma falha, um recuo, uma regulação ou um custo estão a travar a adoção. Pode baixar uma avaliação ou alargar a sua incerteza.
Um teste de referência académico de 411 perguntas com folhas de dados tiradas de manuais, materiais de aprendizagem em linha e artigos científicos, que avalia o raciocínio estatístico e causal. O modelo mais forte, o GPT-4, atingiu 58 por cento de exatidão; os modelos tiveram dificuldade com a análise de dados e o raciocínio causal e com usar em conjunto o conhecimento causal e os dados fornecidos. Testa modelos da geração de 2024 em perguntas ao estilo de manual, não o trabalho de estatísticos.
Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.
Canadá. Técnicos do organismo relatam que a codificação por aprendizagem automática do setor de atividade, da profissão e da situação na profissão foi implementada com êxito no processo de produção do Labour Force Survey em outubro de 2021; ao comparar 13.665 estimativas publicadas produzidas com e sem ela, não observaram quebras, e esperam que a aprendizagem automática mude a natureza do trabalho de codificação manual. Uma comunicação do próprio organismo num simpósio.
Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
O que isto significa para ti#
Se estás a começar, conta que a codificação de rotina e a limpeza de dados sejam feitas por modelos, cabendo-te a ti verificá-los. Desenvolve o que os modelos não fazem: o desenho de estudos, o juízo sobre o que os dados permitem sustentar e a garantia de qualidade dos processos automatizados.
Conta que mais do teu trabalho passe a ser fixar limiares e verificar o que as máquinas produzem, e menos processamento à mão. O desenho, a metodologia e o aconselhamento ficam contigo.
As tuas opções#
Quatro direções, cada uma com as suas restrições reais e com uma coisa que podes testar esta semana. Continuar como estás é uma opção legítima; só tem de ser uma opção escolhida.
Assume a garantia de qualidade dos processos automatizados
Onde os institutos de estatística automatizaram a codificação, foram os estatísticos que fixaram os limiares de erro e verificaram as estimativas publicadas à procura de quebras.
Exige familiaridade com o funcionamento dos modelos e com as normas de qualidade do organismo.
Descobre que etapas da produção da tua equipa usam hoje aprendizagem automática ou modelos de linguagem, e quem verifica o que produzem.
Fica no desenho e na metodologia
Nenhum registo mostra a IA a desenhar amostras ou ensaios em produção, e as regras dos ensaios exigem que as análises com IA sejam fixadas antecipadamente no plano de análise.
As funções de desenho e metodologia costumam pedir anos de experiência ou uma pós-graduação.
Faz a lista de quais das tuas tarefas do mês passado foram de desenho ou metodologia e quais foram processamento de rotina.
Passa para a estatística de ensaios clínicos
Os reguladores do medicamento tratam a IA na análise de ensaios como parte da análise estatística, o que exige estatísticos que compreendam as duas coisas.
Exige conhecimento do desenho de ensaios e das orientações regulamentares, e muitas vezes formação específica.
Procura anúncios de emprego para estatísticos de ensaios clínicos perto de ti e anota o que pedem sobre IA ou aprendizagem automática.
Perguntas frequentes#
Não, pela evidência atual. Os institutos de estatística automatizaram grande parte da codificação das respostas aos inquéritos, mas são os estatísticos que fixam os limiares e verificam os resultados, os reguladores dizem que a IA ainda não está na produção corrente das estatísticas oficiais, e os Estados Unidos projetam que os empregos de estatístico cresçam 11 por cento de 2025 a 2035.
Não respondemos a isso com um número de anos. Repara se os institutos de estatística levam a IA da codificação para a estimação e a análise, e no que os reguladores dos ensaios aceitam. Isso diz-te mais do que qualquer data.
Sim, em produção em alguns institutos de estatística: o autocodificador baseado num modelo de linguagem do Census Bureau dos EUA aumentou de 28 para 52 por cento a parte das respostas sobre profissão e setor de atividade codificadas automaticamente, com um limiar fixado para corresponder ao limite de erro de 6 por cento dos codificadores manuais.
A agência europeia do medicamento diz que, quando modelos de IA são usados para analisar dados de ensaios, fazem parte da análise estatística, têm de seguir os princípios estatísticos e, nos ensaios principais, têm de ser congelados no plano de análise; os modelos que continuam a aprender durante o ensaio não são aceites.
Em que assentam estes juízos#
Dos 5 juízos de tarefa desta página, 5 apoiam-se num evento verificado e 0 são inferência da plataforma, cada um etiquetado onde aparece. Por detrás há 1 dimensões tecnológicas, uma trajectória reconstruída desde que os modelos de linguagem chegaram ao público e 7 eventos verificados.
Ver que tecnologias, como chegou aqui e o método →
Onde se situa na classificação oficial: competências, conhecimentos e profissões afins →
Outros cargos na mesma função#
Uma empresa divide o seu trabalho em funções antes de o dividir em cargos. Estes estão em Tecnologia e dados ao lado deste — um facto sobre organigramas, não um juízo de que sejam parecidos ou de que estejam a mudar na mesma direcção.
Programador de software júnior · Engenheiro de software experiente · Programador frontend · Programador backend · Engenheiro de dados · Engenheiro de aprendizagem automática · Investigador de IA · Testador de software / engenheiro de QA · Analista de dados · Cientista de dados · Analista de negócio · Responsável de sistemas de negócio · Técnico de suporte informático / helpdesk · Analista de segurança (SOC) · Engenheiro de DevOps / engenheiro de plataforma / SRE · Engenheiro de redes · Redator técnico / engenheiro de documentação · Gestor de candidaturas a financiamento