Зміст
Штучний інтелект освоює фріланс: вже 16% проєктів виконуються на професійному рівні
Нове дослідження виявило вражаючий прогрес у застосуванні ШІ для виконання комерційних завдань. Сучасні нейромережі демонструють здатність справлятися з більш ніж 16% реальних фріланс-проєктів, досягаючи якості, прийнятної для оплати замовником. Це свідчить про стрімку автоматизацію віддаленої роботи, показуючи, як швидко технології змінюють ринок праці.
Згідно з індексом дистанційної роботи (Remote Labor Index, RLI), розробленим Center for AI Safety (CAIS) спільно з Scale Labs, провідний ШІ-агент на базі моделі Claude Fable 5 успішно виконав 16,1% комерційних проєктів. Це значний стрибок у порівнянні з попередніми показниками, який підкреслює прискорення розвитку технологій штучного інтелекту. Дослідження, опубліковане The Decoder, охопило широкий спектр фріланс-напрямків, включаючи 3D-моделювання, архітектуру, графічний дизайн, відеовиробництво, обробку аудіо, аналіз даних та веб-розробку.
Прогрес і обмеження: де ШІ поки поступається
Індекс RLI відстежує, наскільки часто ШІ-агенти можуть виконати реальні платні завдання фрілансу з якістю, за яку клієнт готовий платити. Бенчмарк включає в себе аналіз 240 проєктів на загальну суму 144 000 доларів, зібраних від 358 верифікованих фрілансерів. Оцінка результатів роботи ШІ проводиться експертами-людьми, які порівнюють їх з еталонними зразками, створеними оплачуваними професіоналами. Основний показник – “рівень автоматизації”, що демонструє частку проєктів, де робота ШІ була визнана не гіршою, ніж у людини.
За останні вісім місяців найкраща модель продемонструвала зростання з 2,5% до 16,1% автоматизації, що є рекордом за весь час проведення тестування. Для порівняння, модель Opus 4.8 показала результат у 8,3%, а GPT-5.5 – 6,3%. Усі ці показники значно перевершують попередні досягнення, де лідер Opus 4.6 на платформі Claude Cowork демонстрував 4,17%. Дослідники зазначають, що можливості ШІ збільшилися більш ніж у чотири рази за короткий проміжок часу.
Проте навіть найкращі моделі стикаються з обмеженнями. Прикладом служить завдання з дизайну кільця, де Fable 5, незважаючи на явне перевагу над попередніми моделями, продемонстрував результат, який при детальному розгляді не можна назвати повністю професійним. В архітектурному проєкті GPT-5.5 створив вражаючий рендер, однак сама 3D-модель містила дефекти.
Особливо варто відзначити спробу замінити дороговартісну ручну оцінку роботою ШІ-суддів. Дослідження показало, що автоматичні оцінювачі значно завищують бали новим моделям. Так, GPT-5.5 показав оцінку, майже втричі перевищуючу реальну, а Opus 4.8 – приблизно в 2,5 рази. Хоча порядок моделей у такому рейтингу залишився вірним, самі числові значення сильно спотворилися.
Експерти CAIS пояснюють це тим, що для справедливої оцінки потрібні не лише здатність генерувати контент, але й уміння працювати зі спеціалізованим професійним програмним забезпеченням, відкривати файли в профільних редакторах і формувати думку з точки зору реального замовника. Саме практичне володіння спеціалізованим ПЗ є слабким місцем сучасних ШІ-агентів, що призводить до тих же обмежень, що й у виконавців. Приклад з “фейковим” рендером GPT-5.5 наочно демонструє цю проблему: щоб виявити підміну, необхідно відкрити 3D-модель і перевірити реальну геометрію об’єкта.
Тестове середовище: занурення в реальні умови
Для повного розкриття потенціалу моделей дослідники запустили їх у тих же інструментах, які щодня використовують розробники. Тестове середовище являє собою віртуальну Linux-машину з більш ніж 30 професійними додатками, включаючи Blender, GIMP та Audacity. На кожен проєкт відводиться до 24 годин обчислювального часу. У процесі роботи також використовується “цикл критики”: другий ШІ-агент оцінює результат з прискіпливістю досвідченого клієнта, після чого перший агент вносить необхідні доопрацювання.
Незважаючи на вражаючий прогрес, ШІ поки не досягає професійного рівня якості в більшості проєктів. Жоден з результатів Fable 5, представлених у дослідженні, не міг би бути прийнятий як повністю завершена робота. Тим не менш, автори дослідження підкреслюють, що темпи зростання рівня автоматизації за останній рік є екстраординарними і наочно демонструють, наскільки стрімко просувається процес автоматизації дистанційної праці.
Це дослідження слід розглядати в контексті більш широких тенденцій. Так, за даними звіту Gartner, до 2028 року витрати на витратні матеріали для штучного інтелекту можуть перевищити зарплати розробників, що підкреслює значимість і економічний вплив нових технологій на ринок праці.
