Entuzjazm wokół agentów AI zderza się z rzeczywistością. W nowym teście APEX-Agents nawet najlepsze modele rzadko przekraczają jedną czwartą poprawnych odpowiedzi.
Agenci AI mieli przejąć biurową robotę. Nowy test studzi entuzjazm
Od głośnych zapowiedzi zastąpienia pracy umysłowej minęły prawie dwa lata, a zmiana w biurach wciąż jest minimalna. Nowy benchmark APEX-Agents sprawdza agentów AI na prawdziwych zadaniach z konsultingu, bankowości inwestycyjnej i prawa.
Zadania przygotowali praktycy z tych branż, a ich odpowiedzi stały się wzorcem oceny. Kluczowym wyzwaniem okazało się zbieranie informacji z wielu źródeł i narzędzi, co w pracy ludzi jest standardem.
Najlepszy wynik zanotował Gemini 3 Flash, który osiągnął 24 procent trafień w pierwszym podejściu. GPT-5.2 uzyskał 23 procent, a Opus 4.5, Gemini 3 Pro i GPT-5 oscylowały wokół 18 procent.
Tempo postępu jest jednak szybkie. Agenci AI robią się coraz lepsi
Autorzy podkreślają, że rok temu skuteczność przypominała 5 do 10 procent, dziś najlepsi zbliżają się do 25 procent. Publiczny benchmark stanie się wyzwaniem dla laboratoriów i powinien przyspieszyć poprawki.
Na dziś agenci AI nie są gotowi na samodzielne role w biurach, ale rosną w siłę z kwartału na kwartał. Delikatny wniosek redakcyjny, lepiej planować wdrożenia jako systemy wspierające niż zastępujące, przynajmniej w pracy o wysokiej odpowiedzialności.
