„a16z“: dirbtinio intelekto agentai jau pigesni už pigiausią samdomą darbo jėgą užsienyje

Kompiuterius valdyti gebantys DI agentai pasiekė lūžio tašką tiek sąnaudų, tiek tikslumo atžvilgiu, rodo naujas „Andreessen Horowitz“ partnerio Fabrizio Serafini paskelbtas tyrimas. Šios išvados žymi lūžio tašką verslo procesų užsakomųjų paslaugų (BPO) sektoriuje: pilna DI agento darbo valandos kaina dabar svyruoja nuo 6 iki 8 JAV dolerių ir yra mažesnė už maždaug 10 dolerių valandinį įkainį, mokamą už pigią BPO darbo jėgą Indijoje, o standartiniuose kompiuterio užduočių testuose DI jau lenkia žmones.a16z

Tikslumas lenkia žmones testuotojus

Remiantis „llm-stats.com“ lyderių lentelės duomenimis, kuriuos savo tyrime cituoja „a16z“, geriausiai pasirodantis DI modelis „Claude Fable 5“ dabar pasiekia 85 % užduočių atlikimo rodiklį „OSWorld-Verified“ teste, kuriame imituojama reali darbalaukio aplinka „Ubuntu“, „Windows“ ir „macOS“ operacinėse sistemose. Žmonės testuotojai tose pačiose užduotyse pasiekia maždaug 72 % tikslumą. Prieš metus geriausias modelis įveikdavo vos 42 % užduočių.news.futunn+1

Šiame teste vertinama, ar agentas gali savarankiškai atlikti tokias užduotis kaip naršymas internete, formų pildymas ir mygtukų spaudymas. Realiame darbe įmonės naudoja ne vartotojams skirtus produktus, o tiesiogines API sąsajas, apgaubdamos modelio galimybes izoliuotomis virtualiomis mašinomis su pritaikyta valdymo ir pakartotinių bandymų logika. „Modeliai nebuvo pakankamai geri, kad juos būtų galima naudoti gamyboje savarankiškai, iki pat „Opus 4.6“ pasirodymo 2026 m. vasarį“, – „a16z“ komandai teigė vienas iš įkūrėjų.a16z

Vis dėlto 85 % sėkmės rodiklis reiškia 15 klaidų 100 užduočių, o administraciniai procesai reikalauja sėkmės kiekviename žingsnyje. F. Serafini pabrėžė, kad lemiami veiksniai slypi už paties modelio ribų: tai patvirtinimo mechanizmai, pranešimai apie anomalijas, klaidų valdymas ir prisitaikymas, pavyzdžiui, kai mažmenininko portalas per naktį pakeičia savo dizainą.news.futunn+1

Ekonominis pagrindimas

Kainų palyginimas remiasi keliais šaltiniais. DI agento užklausų vykdymas brangiausiu režimu (apdorojant ekrano nuotraukas kadras po kadro su pažangiausiais modeliais) kainuoja maždaug nuo 6 iki 8 JAV dolerių per valandą. Praktinis rėžis svyruoja nuo 3 iki 15 dolerių, priklausomai nuo ekrano nuotraukų dažnumo, konteksto ilgio ir to, kiek darbo deleguojama deterministiniam kodui. Pigios BPO darbo jėgos valanda Indijoje kainuoja maždaug nuo 8 iki 15 dolerių, remiantis 2026 m. „Globalify“, „HiveDesk“ ir „1840 & Co.“ kainų duomenimis. JAV administracijos darbuotojų valanda, įskaičiavus socialines garantijas ir pridėtines išlaidas, kainuoja nuo 30 iki 45 dolerių.news.futunn+1

F. Serafini įspėjo, kad šiuos skaičius reikėtų vertinti kaip apytikslius. Gerai suprojektuotos sistemos brangius modelio iškvietimus naudoja tik toms užduotims, kurioms reikia priimti sprendimus, o pasikartojančius žingsnius patiki pigiam deterministiniam kodui, taip dar labiau sumažindamos bendras išlaidas per visą darbo eigos ciklą.a16z

Konkurencinis pranašumas persikelia į kontekstą

Praktinis pritaikymas jau vyksta dideliu mastu. Vartojimo prekių duomenų platforma kas mėnesį apdoroja nuo 15 iki 20 milijonų automatizuotų portalo sąveikų, naudodama agentus kaip savarankiškai klaidą ištaisantį atsarginį variantą, o tai leido perpus sumažinti duomenų rinkimo (angl. scraper) priežiūros inžinierių komandą. Pasaulinis sistemų integratorius kasdien vykdo 27 aktyvias darbo eigas, apdorojančias nuo 1500 iki 2100 IT užklausų.a16z

Kadase bazinis naršymas vartotojo sąsajoje modelio lygmeniu tampa standartine paslauga, F. Serafini teigia, kad ilgalaikis konkurencinis pranašumas persikėlė į taikomųjų programų ir konteksto lygmenis: įmonės vidinės terminijos, pageidaujamų formatų, eskalavimo kelių ir klaidų valdymo protokolų supratimą. Vienas operatorius, per mėnesį atliekantis milijonus automatizuotų užduočių, „a16z“ komandai sakė net nežinantis, koks modelis valdo jo sistemą: tiekėjas keičia modelius jam nematant, o jo pasitikėjimas remiasi nuosekliu sistemos gebėjimu patikimai atlikti užduotis.news.futunn+1