ИИ начал выполнять реальную работу экспертов — и почти догнал людей
OpenAI протестировала новые модели на задачах, которые занимают у экспертов с 14-летним опытом 4–7 часов. ИИ почти сравнялся с людьми, проигрывая в основном из-за форматирования, а не из-за ошибок по сути. Claude Sonnet 4.5 самостоятельно воспроизвёл результаты сложного экономического исследования — задача, которая у человека заняла бы часы и могла бы решить кризис воспроизводимости в науке.
Это первое убедительное свидетельство, что ИИ готов выполнять реальную экспертную работу, а не просто помогать. Изменится не рынок труда в целом, но содержание профессий — с непредсказуемыми последствиями для карьер, образования и науки.
ИИ начал выполнять реальную работу
OpenAI провела необычный тест: вместо математики и викторин новые модели проверяли на задачах, которые занимают у экспертов с 14-летним стажем 4–7 часов. Эксперты из финансов, права, ритейла придумали реалистичные кейсы, затем другие специалисты выполнили их вместе с ИИ, а третья группа слепо оценила результаты.
Люди выиграли, но с минимальным отрывом. Главная причина проигрыша ИИ — не галлюцинации, а неточное форматирование и следование инструкциям. Новые модели показывают резкий рост: если тренд сохранится, следующее поколение обойдёт экспертов.
От задач к революции в науке
Автор проверил Claude Sonnet 4.5 на воспроизведении сложного экономического исследования. Просто загрузил статью и датасет с единственной инструкцией: «воспроизведи результаты сам». ИИ самостоятельно:
- прочёл статью
- разобрал архив с данными
- конвертировал код из STATA в Python
- методично проверил все выводы
Процесс, который занял бы у человека многие часы, выполнен автоматически. Перепроверка другой моделью (GPT-5 Pro) подтвердила результаты.
Масштаб важнее экономии времени. Кризис воспроизводимости в науке — когда исследования невозможно повторить — десятилетиями сотрясает академию. Ручная проверка слишком дорога для массового применения. Теперь ИИ может проверять публикации в промышленных масштабах.
Почему это работает: агенты взрослеют
Новое исследование объясняет прорыв: даже небольшой рост точности резко увеличивает количество задач, которые ИИ может решить. «Думающие» модели научились самокоррекции — ошибки больше не останавливают выполнение длинных цепочек действий.
Размер задач, которые может автономно решить ИИ-агент, вырос с нескольких шагов до десятков. С доступом к инструментам (код, поиск, всё, что умеет компьютер) агенты работают почти без участия человека.
Задачи ≠ профессии. Работа профессора — не одна задача, а десятки: преподавание, исследования, отчёты, поддержка студентов. ИИ автоматизирует отдельные куски, меняя содержание работы, но не заменяя её целиком. По крайней мере, пока модели остаются «рваными» в способностях и не справляются со сложным человеческим взаимодействием.
Ключевые выводы
- ИИ почти сравнялся с людьми в задачах экспертного уровня, проигрывая не по сути, а из-за форматирования — область быстрого улучшения
- Современные модели могут автономно воспроизводить научные исследования, что может решить кризис воспроизводимости в академии
- ИИ-агенты достигли качественного скачка: самокоррекция и рост точности позволяют выполнять длинные цепочки действий без вмешательства человека
- Автоматизация касается задач, а не профессий целиком — работа трансформируется, но не исчезает
- Экономическая ценность отдельных задач (например, проверка исследований) может быть огромной, даже если это не замена всей работы
Автор: Артём Ковалёв · Источник: oneusefulthing.org
Это тот редкий момент, когда хайп совпал с реальностью. OpenAI наконец показала не бенчмарк на абстрактных задачках, а настоящий тест на работе экспертов — и ИИ почти дотянулся. Самое крутое здесь — не сам результат, а *как* он проиграл: не из-за глупостей или галлюцинаций, а из-за кривого форматирования. Это технический баг, а не фундаментальное ограничение.
Но главное — пример с воспроизведением исследований. Автор просто скинул ИИ статью и данные, и тот *сам* разобрался, переписал код, проверил. Это не "помог ускориться", это "сделал за тебя то, на что ты бы убил день". Для науки это потенциально землетрясение: кризис воспроизводимости мучает академию десятилетиями, а тут вдруг появляется способ проверять тысячи статей автоматом. Конечно, есть нюансы (точность, честность, доступ к данным), но сам факт, что это *возможно* — уже переворот. И да, это всё ещё задачи, а не профессии. Но когда ИИ съедает самые ценные куски твоей работы, разница начинает размываться.
Комментарии