Содержание
Искусственный интеллект осваивает фриланс: уже 16% проектов выполняются на профессиональном уровне
Новое исследование выявило впечатляющий прогресс в области применения ИИ для выполнения коммерческих задач. Современные нейросети демонстрируют способность справляться с более чем 16% реальных фриланс-проектов, достигая качества, приемлемого для оплаты заказчиком. Это свидетельствует о стремительной автоматизации удаленной работы, показывая, как быстро технологии меняют рынок труда.
Согласно индексу дистанционной работы (Remote Labor Index, RLI), разработанному Center for AI Safety (CAIS) совместно с Scale Labs, ведущий ИИ-агент на базе модели Claude Fable 5 успешно выполнил 16,1% коммерческих проектов. Это значительный скачок по сравнению с предыдущими показателями, который подчеркивает ускорение развития технологий искусственного интеллекта. Исследование, опубликованное The Decoder, охватило широкий спектр фриланс-направлений, включая 3D-моделирование, архитектуру, графический дизайн, видеопроизводство, аудиообработку, анализ данных и веб-разработку.
Прогресс и ограничения: где ИИ пока уступает
Индекс RLI отслеживает, насколько часто ИИ-агенты могут выполнить реальные платные задачи фриланса с качеством, за которое клиент готов платить. Бенчмарк включает в себя анализ 240 проектов на общую сумму 144 000 долларов, собранных от 358 верифицированных фрилансеров. Оценка результатов работы ИИ производится экспертами-людьми, которые сравнивают их с эталонными образцами, созданными оплаченными профессионалами. Основной показатель – “уровень автоматизации”, демонстрирующий долю проектов, где работа ИИ была признана не хуже, чем у человека.
За последние восемь месяцев наилучшая модель продемонстрировала рост с 2,5% до 16,1% автоматизации, что является рекордом за все время проведения тестирования. Для сравнения, модель Opus 4.8 показала результат в 8,3%, а GPT-5.5 – 6,3%. Все эти показатели значительно превосходят предыдущие достижения, где лидер Opus 4.6 на платформе Claude Cowork демонстрировал 4,17%. Исследователи отмечают, что возможности ИИ увеличились более чем в четыре раза за короткий промежуток времени.
Тем не менее, даже лучшие модели сталкиваются с ограничениями. Примером служит задание по дизайну кольца, где Fable 5, несмотря на явное превосходство над предыдущими моделями, продемонстрировал результат, который при детальном рассмотрении нельзя назвать полностью профессиональным. В архитектурном проекте GPT-5.5 создал впечатляющий рендер, однако сама 3D-модель содержала дефекты.
Особо стоит отметить попытку заменить дорогостоящую ручную оценку работой ИИ-судей. Исследование показало, что автоматические оценщики значительно завышают баллы новым моделям. Так, GPT-5.5 показал оценку, почти втрое превышающую реальную, а Opus 4.8 – примерно в 2,5 раза. Хотя порядок моделей в таком рейтинге остался верным, сами числовые значения сильно исказились.
Эксперты CAIS объясняют это тем, что для справедливой оценки требуется не только способность генерировать контент, но и умение работать со специализированным профессиональным программным обеспечением, открывать файлы в профильных редакторах и формировать мнение с точки зрения реального заказчика. Именно практическое владение специализированным ПО является слабым местом современных ИИ-агентов, что приводит к тем же ограничениям, что и у исполнителей. Пример с “фейковым” рендером GPT-5.5 наглядно демонстрирует эту проблему: чтобы выявить подмену, необходимо открыть 3D-модель и проверить реальную геометрию объекта.
Тестовая среда: погружение в реальные условия
Для полного раскрытия потенциала моделей исследователи запустили их в тех же инструментах, которые ежедневно используют разработчики. Тестовая среда представляет собой виртуальную Linux-машину с более чем 30 профессиональными приложениями, включая Blender, GIMP и Audacity. На каждый проект отводится до 24 часов вычислительного времени. В процессе работы также используется “цикл критики”: второй ИИ-агент оценивает результат с придирчивостью опытного клиента, после чего первый агент вносит необходимые доработки.
Несмотря на впечатляющий прогресс, ИИ пока не достигает профессионального уровня качества в большинстве проектов. Ни один из результатов Fable 5, представленных в исследовании, не мог бы быть принят как полностью завершенная работа. Тем не менее, авторы исследования подчеркивают, что темпы роста уровня автоматизации за последний год являются экстраординарными и наглядно демонстрируют, насколько стремительно продвигается процесс автоматизации дистанционного труда.
Это исследование следует рассматривать в контексте более широких тенденций. Так, по данным отчета Gartner, к 2028 году расходы на расходные материалы для искусственного интеллекта могут превысить зарплаты разработчиков, что подчеркивает значимость и экономическое влияние новых технологий на рынок труда.
