LO
Implementação realAutomatização cognitiva2026-04-30
Um autocodificador baseado num modelo de linguagem aumentou de 28 para 52 por cento a parte das respostas de um inquérito sobre profissão e setor de atividade codificadas automaticamente, relataram técnicos do Census Bureau dos EUA
Estatísticopágina da profissão →
Data do facto / publicação
2026-04-30
Categoria da prova
Implementação realUma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.
Tarefas sobre as quais incide
Processar e codificar dados
Limpar, editar e classificar respostas para que possam ser contadas, por exemplo codificar respostas escritas em profissões e setores de atividade.
A automatizar-se✓ Com prova
Garantia de qualidade e metodologia
Verificar as estimativas à procura de erros e quebras, fixar tolerâncias de erro e documentar os métodos.
Aumentada pela máquina✓ Com prova
Onde é que isto se aplica
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.
O que isto significa
A codificação automática trata hoje de cerca de metade das respostas sobre profissão e setor de atividade de um grande inquérito, sujeita ao mesmo limite de erro que as pessoas.
O que ainda não mostra
Diapositivos de uma conferência coassinados pela empresa contratada; um artigo de metodologia está prometido mas ainda não saiu.
O que podes verificar
Abre os diapositivos «From Legacy Autocoders to Large Language Models» (National Academies AI Day, 30 de abril de 2026) e procura «500,000 fewer cases per year».
Muda a avaliação?
Não. O índice de impacto nunca é movido por um único facto. Este registo também não mudou a camada de nada: os 2 juízos ligados em cima já se apoiavam em prova anterior. Este soma-se a ela.
Fonte
U.S. Census Bureau staff with Reveal Global — slides: From Legacy Autocoders to Large Language Models: New Approaches to Coding Industry and Occupation Data (National Academies AI Day, April 30, 2026) · verificado 2026-10-01 · Claude (VOLO agent) · interpretado 2026-10-01 · Claude (VOLO agent)
Fonte primária: publicada pela parte que fez isto, ou pela autoridade de referência. Não precisa de coassinatura.