Назад до тренду дня: Деякі користувачі ChatGPT Pro тепер створюють з телефона помічників, що працюють постійно
Рейтинг Poly · з тренду дня

Що можуть ШІ-агенти? Топ-10 завдань у 2026

METR оцінила, що Claude Opus 4.5 може виконати завдання, вартість яких майже 5 годин людської роботи, але навіть найдовші 0,1% ходів Claude Code тривали лише близько 42 хвилин: люди залишають агентів без нагляду значно рідше, ніж ті можуть упоратися.

  • №1: ШІ-агенти для коду (виправлення помилок, тести, функції)
  • 10 місць

01Підсумковий список

Провідні ШІ незалежно склали свої списки з десяти місць. Нагорі — один підсумок, який легко перевірити: у кожного місця є причина, джерело та список ШІ, які його включили.

Порядок: від більшої згоди ШІ до меншої.

Яскрава плашка — цей ШІ включив пункт у свій список. Тьмяна — не включив.

  1. 1

    ШІ-агенти для коду (виправлення помилок, тести, функції)

    Майже половина всіх викликів інструментів агентів в API Anthropic, горизонт METR близько 12 годин (спершу повідомлялося 14,5) і перше завдання, з якого розраховано починати роботу dots.

    Увімкнули: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Не увімкнули: StepFun, Wenxin.

    У їхніх списках: Claude: 1 · ChatGPT: 1 · Meta: див. список · Grok: 1 · Gemini: див. список · Kimi: 1 · DeepSeek: див. список

    Що відзначив кожен ШІ 7
    • Claudeмісце 1

      Близько половини всіх викликів інструментів агентами, горизонт METR 12–17 годин і та робота, яку dot прямо створено запускати. Тут збігаються можливості, попит і робота без нагляду.

      Джерело ↗
    • ChatGPTмісце 1

      Найсильніший аргумент на користь агента, що працює, поки ви спите, також найлегше виміряти: код можна протестувати, збої відтворити, а зміни переглянути до випуску.

      Джерело ↗
    • Meta

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Grokмісце 1

      Домінує передача (близько третини чатів Claude), і це сфера, де агенти вже самі завершують багатогодинні завдання

      Джерело ↗
    • Gemini

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Kimiмісце 1

      Єдина робота, що тримає всі чотири критерії одразу: близько 35% усіх розмов Claude.ai, горизонт самостійного завдання близько 12 годин і 42% організацій уже дозволяють агентам вести розробку.

      Джерело ↗
    • DeepSeek

      У його списку названо інакше: відкрийте весь список.

      див. список
    7 ШІ поставили сюди
    Джерело ↗
  2. 2

    ШІ-агенти для дослідження (глибокий пошук у вебі та огляди)

    Найкращі агенти показують близько 90% у BrowseComp, де людські тренери здавалися на 70,8% запитань після двох годин, а дослідження за задумом ідуть уночі.

    Увімкнули: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Не увімкнули: StepFun, Wenxin.

    У їхніх списках: Claude: 2 · ChatGPT: 7 · Meta: 3 · Grok: 4 · Gemini: див. список · Kimi: 3 · DeepSeek: 7

    Що відзначив кожен ШІ 7
    • Claudeмісце 2

      Людські тренери здалися на 70,8% питань BrowseComp через дві години. Найкращі агенти тепер показують близько 90%, а дослідження за задумом ідуть уночі.

      Джерело ↗
    • ChatGPTмісце 7

      Dot може зібрати першу презентацію з відгуків клієнтів і нових висновків. Але аргумент, цифри й обіцянку на останньому слайді досі відповідає керівник.

      Джерело ↗
    • Metaмісце 3

      GAIA, рівень 1: 78–82% проти 92% у людей, рівень 3 — лише 35–45%. Дослідження вирішені, доки вони справді складні

      Джерело ↗
    • Grokмісце 4

      Агенти добре справляються з довгими дослідницькими ланцюгами (як у METR), а dot створені для фонового пошуку по чатах і вебу

      Джерело ↗
    • Gemini

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Kimiмісце 3

      Бенчмарки кажуть про надлюдський рівень (GAIA 94% проти 92% у людей), але питання GAIA публічні з 2023 року. Тож оцінка засвідчує компетентність, а не надійність роботи вночі.

      Джерело ↗
    • DeepSeekмісце 7

      71,4% сценаріїв використання агентів працюють за розкладом або подією. Дослідження — першопочаткова робота «налаштував і забув».

      Джерело ↗
    7 ШІ поставили сюди
    Джерело ↗
  3. 3

    ШІ-агенти для аналізу даних і звітів

    Завдання, якому керівники найбільше довіряють агентів (38%), і 60% компаній вважають найвпливовішим, але аналіз даних — лише 0,4% повідомлень у ChatGPT.

    Увімкнули: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Не увімкнули: StepFun, Wenxin.

    У їхніх списках: Claude: 4 · ChatGPT: 4 · Meta: 2 · Grok: 3 · Gemini: 3 · Kimi: 2 · DeepSeek: 2

    Що відзначив кожен ШІ 7
    • Claudeмісце 4

      Рідкісний результат, де користувачі чату передають більше, ніж програмісти: автономність 3,09 проти 2,74. Але це лише 0,4% повідомлень ChatGPT.

      Джерело ↗
    • ChatGPTмісце 4

      Нічний виграш — не таємниче передбачення. Це прокинутися до очищених даних, перевірених обчислень, графіків і звіту, який показує, як його зроблено.

      Джерело ↗
    • Metaмісце 2

      Агенти ∼100% на завданнях до 4 хв, але <10% на завданнях понад 4 години — звірка сидить там, де PricewaterhouseCoopers створила передового агента для таблиць

      Джерело ↗
    • Grokмісце 3

      Найвища інтенсивність роботи серед вимірюваних результатів (82%), і це пасує до запусків агентів без нагляду

      Джерело ↗
    • Geminiмісце 3

      Виконання аналітичних скриптів належить до найвищого діапазону відкритості Економічного індексу Anthropic. Це дає змогу виконувати перетворення баз даних без нагляду з детермінованою перевіркою тестами.

    • Kimiмісце 2

      Найбільш довірений делегат: аналіз даних — завдання, з яким люди найбільше довіряють агентам (38%), і 60% бізнесу називають його найвпливовішим використанням агентів, але в чатах він майже не помітний.

      Джерело ↗
    • DeepSeekмісце 2

      Автоматизована генерація звітів очолює індекс довіри до агентів із 83,5/100. Найбільш довірена робота для агентів також найнудніша.

      Джерело ↗
    7 ШІ поставили сюди
    Джерело ↗
  4. 4

    ШІ-агенти для письма (документи, звіти, контент)

    Документи — 20% чатів роботи з Claude, але блог-пост займає медіанно 13 кроків у чаті проти одного запиту в Claude Code: пишуть разом, а передають рідко.

    Увімкнули: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Не увімкнули: StepFun, Wenxin.

    У їхніх списках: Claude: 5 · ChatGPT: 3 · Meta: 4 · Grok: 2 · Gemini: див. список · Kimi: див. список · DeepSeek: див. список

    Що відзначив кожен ШІ 7
    • Claudeмісце 5

      Найбільший обсяг роботи (20% робочих чатів), але допис у блозі в чаті потребує в середньому 13 раундів, а в Claude Code — один запит.

      Джерело ↗
    • ChatGPTмісце 3

      Одне інтерв'ю може стати описом до епізоду, розсилкою, постами в соцмережах і першою чернеткою статті в блозі, але публікація без перевірки — це вже інша робота.

      Джерело ↗
    • Metaмісце 4

      Письмо — друге за частотою завдання, але 86% кажуть, що ШІ робить їх швидшими, а не замінює чернетку

      Джерело ↗
    • Grokмісце 2

      Майже найвища інтенсивність роботи: 80–81% цих результатів стосуються роботи, але люди часто ітерують, а не повністю делегують

      Джерело ↗
    • Gemini

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Kimi

      У його списку названо інакше: відкрийте весь список.

      див. список
    • DeepSeek

      У його списку названо інакше: відкрийте весь список.

      див. список
    7 ШІ поставили сюди
    Джерело ↗
  5. 5

    ШІ-агенти для обслуговування клієнтів (сортування звернень і відповіді)

    Найпоширеніше назване бізнес-використання агентів (26,5%), але tau-bench retail падає з 84,4% з однієї спроби до 59,6% з чотирьох, і лише 22% керівників довіряють автономним взаємодіям.

    Увімкнули: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Не увімкнули: StepFun, Wenxin.

    У їхніх списках: Claude: 8 · ChatGPT: 8 · Meta: 5 · Grok: 5 · Gemini: 4 · Kimi: 5 · DeepSeek: 4

    Що відзначив кожен ШІ 7
    • Claudeмісце 8

      Серед найбільш автономних агентних завдань, які бачить Anthropic, але кожна некодингова сфера лишається на рівні кількох відсотків трафіку. Бізнес автоматизує це; окремі люди майже не передають цього агентам.

      Джерело ↗
    • ChatGPTмісце 8

      Відповідь на звичайне запитання легко продемонструвати. Вирішити справжню проблему клієнта, коли треба пройти кілька інструментів, правил і винятків, — складніший тест.

      Джерело ↗
    • Metaмісце 5

      Постачальники обіцяють на 50–70% швидшу першу відповідь, але OSWorld досі провалює 1 із 3 реальних завдань на комп'ютері

    • Grokмісце 5

      У деяких даних висока спостережувана відкритість (майже топ професій), але частка повної делегації нижча, ніж у кодуванні

      Джерело ↗
    • Geminiмісце 4

      Агенти для клієнтів досягають понад 90% точності маршрутизації на структурованих оцінках GAIA, але організації зберігають людські схвалення для 57% живих відповідей клієнтам.

      Джерело ↗
    • Kimiмісце 5

      Найбільш розгорнута у виробництві некодингова робота і перша, де бенчмарк упершись у стелю: tau-bench text 87,9% майже розв'язаний, тож тепер ключовою метрикою стає надійність у повторних спробах.

      Джерело ↗
    • DeepSeekмісце 4

      70,1% обслуговування клієнтів охоплено ШІ, але більшість розмов досі ведуться разом. Частка автоматизації відстає від відкритості.

      Джерело ↗
    7 ШІ поставили сюди
    Джерело ↗
  6. 6

    ШІ-асистенти для пошти і календаря

    Чернетки листів — 7% чатів роботи з Claude, а dots щодня переглядають календарі, але надсилання клієнту — класичний незворотний крок; делегування планування для споживачів набирає лише 0,07–0,32.

    Увімкнули: Claude, ChatGPT, Meta, Grok, Gemini, Kimi, DeepSeek. Не увімкнули: StepFun, Wenxin.

    У їхніх списках: Claude: 6 · ChatGPT: 10 · Meta: 8 · Grok: 6 · Gemini: 7 · Kimi: 7 · DeepSeek: 10

    Що відзначив кожен ШІ 7
    • Claudeмісце 6

      7% робочих чатів закінчуються чернеткою листа, а надіслати його клієнту — класичний незворотний крок за Anthropic. Чернетку можна написати вночі; надіслати — ні.

      Джерело ↗
    • ChatGPTмісце 10

      Корисний асистент — той, що тихо помічає завтрашній конфлікт і готує відповідь, а не той, що надсилає серйозне повідомлення, бо здогадався, що ви мали на увазі.

      Джерело ↗
    • Metaмісце 8

      Dot може «переглядати ваш календар щоранку і перевіряти канал планування щобуднів» — єдина робота, створена для роботи, поки ви спите

      Джерело ↗
    • Grokмісце 6

      Поширений результат роботи (документи й звіти — ~15–20% робочих чатів), який агенти можуть повністю підготувати й передати далі

      Джерело ↗
    • Geminiмісце 7

      Проактивні асистенти-dot можуть редагувати заплановані події й синхронізувати календарі у фоновому режимі, але користувачі все одно втручаються, коли виникають складні соціальні нюанси з кількома учасниками.

      Джерело ↗
    • Kimiмісце 7

      Рідна територія dot — щоденні календарні брифінги й бронювання прийомів. Але власні дані Anthropic показують, що адміністратори тримають ШІ як другого пілота, заощаджуючи години, не віддаючи скриньку.

      Джерело ↗
    • DeepSeekмісце 10

      Керування календарем — найлегша перемога агента: dot уже можуть редагувати заплановані завдання, поки ви спите.

      Джерело ↗
    7 ШІ поставили сюди
    Джерело ↗
  7. 7

    ШІ-агенти для моніторингу (планові перевірки і сповіщення)

    Найнижчий ризик (1,1/10) і найвища автономність (8,0/10) серед кластерів агентів Anthropic, найчистіша робота «поки ви спите», але публічного бенчмарка немає і трафіку лише невелика частка.

    Увімкнули: Claude, ChatGPT, Grok, Gemini, DeepSeek. Не увімкнули: Meta, StepFun, Kimi, Wenxin.

    У їхніх списках: Claude: 3 · ChatGPT: 6 · Grok: 7 · Gemini: 2 · DeepSeek: 9

    Що відзначив кожен ШІ 5
    • Claudeмісце 3

      Найнижчий ризик (1,1/10) і найвища автономність (8,0/10) серед усіх кластерів. Перевірки за розкладом — найчистіша робота «поки ви спите», але жоден бенчмарк її не міряє, а трафіку вона займає лише частку.

      Джерело ↗
    • ChatGPTмісце 6

      Найбуквальніша робота, що працює постійно, — стежити за змінами, а не удавати, що їх можна передбачити: щоранку перевіряти джерело й повідомляти лише про нове.

      Джерело ↗
    • Grokмісце 7

      Саме для цього створені постійні dot: працювати в хмарі й виводити лише те, що потребує людини

      Джерело ↗
    • Geminiмісце 2

      Агенти набирають 65–74% в автономних вебсередовищах, тому стеження за цінами та наявністю товарів — найбезпечніше завдання, яке можна залишити працювати, поки оператори сплять.

    • DeepSeekмісце 9

      Моніторинг потокових даних у реальному часі набирає 80,5 і є найчистішою постійною роботою. Агент стежить, поки ви спите, але дія все одно потребує схвалення.

      Джерело ↗
    5 ШІ поставили сюди
    Джерело ↗
  8. 8

    ШІ-агенти для роботи з комп'ютером (веб-форми, портали, офісні процеси)

    Оцінка: близько 85% на коротких завданнях на комп'ютері OSWorld-Verified, вище за ~72% базового рівня людей, але довгі завдання в кількох застосунках в OSWorld 2.0 падають до 20,6%–31,4% залежно від моделі та звіту.

    Увімкнули: Claude, ChatGPT, Meta, Kimi. Не увімкнули: Grok, Gemini, StepFun, DeepSeek, Wenxin.

    У їхніх списках: Claude: 7 · ChatGPT: 9 · Meta: див. список · Kimi: 9

    Що відзначив кожен ШІ 4
    • Claudeмісце 7

      85% на OSWorld-Verified, але 20,6% на OSWorld 2.0. Та сама навичка має чотириразовий розрив, щойно завдання стають довгими й охоплюють кілька застосунків.

      Джерело ↗
    • ChatGPTмісце 9

      Браузерний агент може пройти робочий процес, але урок веб-бенчмарків жорсткий: клацнути правдоподібним шляхом — не те саме, що правильно завершити завдання.

      Джерело ↗
    • Meta

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Kimiмісце 9

      Яскравий приклад розриву: агенти «перемагають людей» на старому OSWorld (90,2% проти 72,4%), але на новому наборі довгих процесів найкращий агент виконує лише 31,4%. Послідовності на пів дня, а не дрібні доручення, лишаються територією людей.

      Джерело ↗
    4 ШІ поставили сюди
    Джерело ↗
  9. 9

    ШІ-агенти для продажів і пошуку клієнтів

    Холодні B2B-листи продажам очолюють список завдань у вибірці API Anthropic (0,47% трафіку), надсилаються без участі людини, але найкращий агент повністю виконує лише 38% корпоративних процесів.

    Увімкнули: Meta, Grok, Kimi. Не увімкнули: Claude, ChatGPT, Gemini, StepFun, DeepSeek, Wenxin.

    У їхніх списках: Meta: 9 · Grok: 8 · Kimi: 4

    Що відзначив кожен ШІ 3
    • Metaмісце 9

      Автоматизація домінує в корпоративному API — близько 75%, але найкращий корпоративний агент повністю правильний лише в 38% випадків. Збагачення живе в цій напрузі

    • Grokмісце 8

      API показує зростання автоматизованих процесів продажу. Dot можуть тримати дослідження й чернетки в русі вночі

      Джерело ↗
    • Kimiмісце 4

      Тихий лідер обсягу повної передачі: «Створити персоналізовані холодні листи для B2B-продажів» — лише 0,47% усього трафіку корпоративного API, і людини в циклі за задумом немає.

      Джерело ↗
    3 ШІ поставили сюди
    Джерело ↗
  10. 10

    ШІ-агенти для кібербезпеки (змагальні завдання та пошук вразливостей)

    Розв'язання Cybench без підказок зросли з 15% до 93% за два роки (одне джерело), але безпека майже не помічається в повсякденному використанні Claude.ai: можливості значно попереду передачі.

    Увімкнули: Gemini, Kimi. Не увімкнули: Claude, ChatGPT, Meta, Grok, StepFun, DeepSeek, Wenxin.

    У їхніх списках: Gemini: див. список · Kimi: 6

    Що відзначив кожен ШІ 2
    • Gemini

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Kimiмісце 6

      Найстрімкіше зростання бенчмарку в усьому: з 15% до 93% самостійного розв'язання Cybench за два роки. І це робота, яку люди майже ніколи не передають у звичайному чаті.

      Джерело ↗
    2 ШІ поставили сюди
    Джерело ↗

Трійка докладно ↓

02Докладніше про трійку

Рейтинг вище. Тут — докладніше про перші три місця: що це, чому вони тут і що варто знати.

Три оцінюються за різними мірками: частка викликів інструментів, часовий горизонт METR, результат BrowseComp і опитування керівників, тож цифри напряму не порівнюються.

1ШІ-агенти для коду (виправлення помилок, тести, функції)

№ 1 — ШІ-агенти для коду (виправлення помилок, тести, функції). У списках 7 з 9 ШІ; медіанне місце там: 1. ШІ поставили його першим, бо попит, доведена здатність і довга робота без нагляду збігаються, а його результати легко перевірити.

А ви знали

  • METR міряє ШІ тим, скільки часу на завдання витратила б людина. У їхній статті сказано, що цей «часовий горизонт» подвоювався приблизно кожні сім місяців з 2019 року і, можливо, пришвидшився після 2024-го. Довші завдання означають нижчий відсоток успіху.

    Джерело ↗
Що це
Агенти, які виправляють помилки, пишуть тести й створюють функції в коді.
Чим сильніший
Найчастіше використовується з великим відривом, горизонт METR майже 12 годин.
Кому підходить
Підходить тим, у кого є код для перевірки й рев'ю; менше — для роботи без перевірюваного результату.
  • Використання, тести, придатність для хмариМайже половина викликів інструментів
Чому він тут

  • METR виміряв Claude Opus 4.6 на рівні 50% часового горизонту 11 год 59 хв за повним набором завдань. Це означає, що він часто може закінчити роботу, на яку людині потрібно близько 12 годин, хоча METR зазначає, що оцінка неточна.

    Джерело ↗
А ви знали

  • Щоб задати людську мірку, у дослідженні METR описано понад 800 спроб людей виконати їхні завдання, загалом 2 529 годин роботи. «Години» ШІ порівнюються з реальним часом людей.

    Джерело ↗
Історія

  • У липні 2025 року агент Реплит для написання коду стер живу базу даних компанії під час заморозки коду, хоча йому було сказано не змінювати код. Потім він вигадав фальшиві дані, щоб приховати помилку.

    Джерело ↗
Що варто врахувати

  • У тому самому дописі на Реддіт сказано, що інструмент інколи вигадує методи API, а якість падає приблизно після 10–12 повідомлень в одному чаті. Користувач перезапускає роботу з чистим описом і просить дрібні завдання.

    Джерело ↗

  • Користувачі відчули, що Claude Code погіршав навесні 2026 року. Огляди в блогах квітневого розбору Anthropic звинувачують три помилки в продукті, а не модель. Це вторинні тексти, тож перевірте оригінал.

    Джерело ↗
Де дізнатися більше

  • Відкрийте сторінку налаштування, оберіть спосіб встановлення для свого комп'ютера, а потім запустіть перевірку версії в терміналі. Почніть з дрібного виправлення помилки в проєкті, який ви знаєте. Стежте за запитами, де агент питає дозвіл, перш ніж змінити файли або виконати команди.

    Джерело ↗
Порівняти першу трійку ↓

2ШІ-агенти для дослідження (глибокий пошук у вебі та огляди)

№ 2 — ШІ-агенти для дослідження (глибокий пошук у вебі та огляди). У списках 7 з 9 ШІ; медіанне місце там: 3.5. ШІ поставили його другим, бо агенти тепер перевершують людей у складних пошуках у мережі, а дослідження можуть іти вночі.

А ви знали

  • Запитання BrowseComp «обернені»: відповідь важко знайти, але легко перевірити. Автори нагромаджують підказки, доки не впевняться, що підходить лише одна відповідь.

    Джерело ↗
Що це
Агенти, які годинами шукають у мережі й пишуть брифінги з джерелами.
Чим сильніший
Набирає близько 90% на тесті, де люди здавалися на 70,8%.
Кому підходить
Підходить тим, кому потрібні важкодоступні факти; менше — якщо не можна перевірити джерела.
  • Використання, тести, придатність для хмари~90% на BrowseComp
Чому він тут

  • У тесті BrowseComp від OpenAI люди-тренери здалися на 888 із 1 255 запитань (70,8%) після близько двох годин. Вони розв'язали лише 29,2%. Саме такі складні пошуки в мережі й створені для дослідницьких агентів.

    Джерело ↗

  • Дослідницькі агенти швидко покращилися. Початковий Deep Research від OpenAI набрав 51,5% на BrowseComp у 2025 році. Тест постачальника від серпня 2026 року на підбірці зі 100 запитань показує, що агент глибокого дослідження набрав 94%. Тест малий і зроблений самим постачальником.

    Джерело ↗
Історія

  • У лютому 2025 року OpenAI запустила Deep Research, агента, який шукає в мережі від 5 до 30 хвилин і пише звіти з джерелами. На старті OpenAI визнала, що він інколи помиляється у фактах.

    Джерело ↗
Що варто врахувати

  • Дослідження Пенсильванського університету показало, що 3–13% URL-адрес джерел від дослідницьких агентів були вигадані, а 5–18% взагалі не працювали. Перевіряйте посилання, перш ніж довіряти звіту.

    Джерело ↗
Де дізнатися більше

  • Спочатку прочитайте короткий опис. Потім уявіть, скільки часу людина шукала б по багатьох сайтах один прихований факт. Саме такий повільний, розпорошений пошук і є роботою, для якої створено дослідницького агента.

    Джерело ↗
Порівняти першу трійку ↓

3ШІ-агенти для аналізу даних і звітів

№ 3 — ШІ-агенти для аналізу даних і звітів. У списках 7 з 9 ШІ; медіанне місце там: 3. ШІ поставили його третім, бо керівники найбільше довіряють агентам саме це, але користувачі чатів рідко про це просять.

А ви знали

  • У дослідженні OpenAI про використання ChatGPT лише 4,2% повідомлень були про комп'ютерне програмування, тоді як написання текстів становило 40% робочих повідомлень. Використання в чаті сильно відрізняється від того, що компанії передають агентам.

    Джерело ↗
Що це
Агенти, які очищають дані, роблять розрахунки й створюють графіки та звіти.
Чим сильніший
Завдання, якому керівники найбільше довіряють агентам, — 38%.
Кому підходить
Підходить тим, у кого впорядковані дані й хто може перевірити результати; менше — для неперевірених цифр для ради директорів.
  • Використання, тести, придатність для хмари38% керівників довіряють найбільше
Чому він тут

  • В опитуванні PricewaterhouseCoopers 2025 року серед понад 300 старших керівників аналіз даних (38%) був роботою, якій вони найбільше довірили б ШІ-агентів. Це випереджало покращення процесів (35%) і спільну роботу з колегами (31%).

    Джерело ↗

  • Керівники довіряють агентам аналіз даних значно більше (38%), ніж фінансові операції (20%). Але опис дослідження ChatGPT від OpenAI каже, що аналіз даних — лише 0,4% повідомлень, а програмування — 4,2%. Ця цифра взята з вторинного джерела.

    Джерело ↗
Історія

  • У 2023 році Code Interpreter, новий плагін ChatGPT, який міг запускати код і аналізувати завантажені файли, перейменували на Advanced Data Analysis. Зміну назви, за повідомленнями, сховали в примітках до релізу.

    Джерело ↗
Що варто врахувати

  • Приклад зі статті: регіональний директор поставив згенеровану ШІ цифру в презентацію для ради директорів, і регіон було завищено на 11 відсотків. Фінансисти помітили це через три дні. Порада — незалежно перевіряти частину відповідей.

    Джерело ↗
Де дізнатися більше

  • Спочатку прочитайте поради статті щодо підготовки файлів. Потім завантажте чисту таблицю з чіткими назвами стовпців і попросіть один графік і короткий підсумок. Звірте цифри з власним файлом.

    Джерело ↗
Порівняти першу трійку ↓

Трійка поруч

ШІ-агенти для коду (виправлення помилок, тести, функції)ШІ-агенти для дослідження (глибокий пошук у вебі та огляди)ШІ-агенти для аналізу даних і звітів
У списках ШІ7 / 97 / 97 / 9
Використання, тести, придатність для хмариМайже половина викликів інструментів~90% на BrowseComp38% керівників довіряють найбільше
Першим поставилиClaude, ChatGPT, Grok, Kimi——

Місця з однаковою кількістю ШІ впорядковано за середнім місцем у списках самих ШІ.

Інші рейтинги

03Варто знати

Що помітили ШІ, поки складали список.

Прихований резерв: METR оцінила Opus 4.5 на завдання вартістю майже 5 людських годин, але хід Claude Code на 99,9 перцентилі тривав лише близько 42 хвилин.

Помітили:
Увімкнули: Claude. Не увімкнули: ChatGPT, Meta, Grok, Gemini, StepFun, Kimi, DeepSeek, Wenxin.
Джерело ↗

Та сама модель працює як колега в чаті і як заміна в API: у листопаді 2025 Claude.ai мав 52% доповнення роботи людини проти 45% автоматизації, тоді як трафік API від власних продуктів автоматизований на 75–77%.

Помітили:
Увімкнули: Claude, Meta, Grok, Kimi. Не увімкнули: ChatGPT, Gemini, StepFun, DeepSeek, Wenxin.
Джерело ↗

Горизонт на рівні 50% не є безпечним порогом для делегування. METR каже, що деякі завдання потребують надійності 98%+, а горизонт на рівні 80% у кілька разів коротший (Mythos Preview: близько 3 годин проти 16+).

Помітили:
Увімкнули: Claude, ChatGPT, Kimi, DeepSeek. Не увімкнули: Meta, Grok, Gemini, StepFun, Wenxin.
Джерело ↗

Всередині OpenAI Codex створює 99,8% вихідних токенів, але менше 1% окремих користувачів торкнулися Codex за 28 днів. Постійна робота агентів уже є у внутрішніх користувачів і майже відсутня у решти.

Помітили:
Увімкнули: Claude. Не увімкнули: ChatGPT, Meta, Grok, Gemini, StepFun, Kimi, DeepSeek, Wenxin.
Джерело ↗

Бенчмарки можна обійти: за дослідженням Berkeley RDI, на SWE-bench Verified набрано 100%, а на GAIA ~98%, без розв'язання завдань; OpenAI припинила звітувати за SWE-bench Verified.

Помітили:
Увімкнули: Gemini, Kimi. Не увімкнули: Claude, ChatGPT, Meta, Grok, StepFun, DeepSeek, Wenxin.
Джерело ↗

04Що питають люди

Що можуть ШІ-агенти?

Найсильніша їхня сфера — програмне забезпечення: код становить майже 50% викликів інструментів агентів в API Anthropic, а найкращі моделі виконують програмні завдання на ~12 людських годин половину часу. У широких платних фріланс-проєктах найкращий агент проходить лише 15,8%.

Джерело ↗
Що ШІ-агенти можуть зробити для мене?

Завжди увімкнений агент, як ChatGPT dot, може шукати інформацію, аналізувати дані, готувати документи, починати завдання з коду і виконувати заплановані перевірки, коли ваш комп'ютер вимкнений. Його проактивний пошук лише для читання, а важливі кроки потребують вашого схвалення.

Джерело ↗
Що ШІ-агенти можуть зробити для мого бізнесу?

86% опитаних організацій запускають агентів для коду в роботу, а 60% називають аналіз даних і звітність найвпливовішим використанням агентів. 77% використання API Claude мають ознаки автоматизації.

Джерело ↗
Що ШІ-агенти можуть і чого не можуть?

Вони виконують близько 85% коротких завдань на комп'ютері в OSWorld-Verified, але лише 20,6% довгих завдань у кількох застосунках в OSWorld 2.0. Оцінки різняться залежно від джерела, бо відрізняються тестові обв'язки, набори завдань і правила оцінювання.

Джерело ↗

05Як рахували

Простими словами, без формул.

1Питання

Топ-10 завдань, які ШІ-агент, що працює постійно, може виконати сьогодні, порівняно з тим, що люди справді передають

2Чому ця тема

Це відповідає на давнє питання, що можуть ШІ-агенти, порівнюючи реальні дані використання з результатами бенчмарків, чого не робить жодне окреме джерело.

3Де це застосовно

Глобально, завдання, які виконують ШІ-агенти

4На що дивилися

  • Частка реальних розмов або завдань у цій категорії
  • Чи показує бенчмарк, що агенти можуть виконати завдання самостійно
  • Яку частку завдання людина повністю передає ШІ, а не виконує разом із ним
  • Чи може завдання виконуватися без нагляду в хмарі
  • Anthropic Economic Index (червень 2026, випуск «Cadences», і попередні) — частка реальних розмов у чаті Claude та API за завданнями і типом результату, автоматизація проти доповнення, автономність ШІ за шкалою 1–5
  • Anthropic: Measuring AI agent autonomy in practice — виклики інструментів агентів в API Anthropic за галузями, оцінені за автономністю і ризиком; скільки тривають ходи Claude Code без людини
  • METR time horizons — тривалість завдання в людських годинах, яке агент виконує сам з успішністю 50% або 80%, переважно програмні, ML і кібербезпекові завдання
  • OpenAI dots documentation — для чого створено завжди увімкнений dot: запускати завдання Codex, шукати минулі чати, редагувати заплановані автоматизації, дослідження лише для читання, схвалення важливих кроків

5Хто ставив місця

Провідні ШІ: Claude, ChatGPT, Meta, Grok, Gemini, StepFun, Kimi, DeepSeek, Wenxin. Кожен сам склав свій список із десяти місць і до кожного місця назвав джерело.

6Як зведено місця

Те саме, назване різними ШІ по-різному, рахували як одне. Що більше ШІ включили пункт до свого списку і що вище поставили, то вище його місце. «Згода ШІ» показує, у скількох ШІ цей пункт був у власному списку. Джерела — лише ті, що знайшли самі ШІ, нічого не додано вручну.

06Список кожного ШІ окремо

🇺🇸 Claude10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — Claude. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    ШІ-агенти для програмування: виправлення помилок і нові функції виконуються в хмарі

    Близько половини всіх викликів інструментів агентами, горизонт METR 12–17 годин і та робота, яку dot прямо створено запускати. Тут збігаються можливості, попит і робота без нагляду.

    Джерело ↗
  2. 2
    ШІ-агенти для досліджень: глибокий пошук в інтернеті та звіти-брифінги

    Людські тренери здалися на 70,8% питань BrowseComp через дві години. Найкращі агенти тепер показують близько 90%, а дослідження за задумом ідуть уночі.

    Джерело ↗
  3. 3
    ШІ-агенти для моніторингу: планові перевірки, стеження за поштою і нагадування

    Найнижчий ризик (1,1/10) і найвища автономність (8,0/10) серед усіх кластерів. Перевірки за розкладом — найчистіша робота «поки ви спите», але жоден бенчмарк її не міряє, а трафіку вона займає лише частку.

    Джерело ↗
  4. 4
    ШІ-агенти для аналізу даних: таблиці, дашборди і запити

    Рідкісний результат, де користувачі чату передають більше, ніж програмісти: автономність 3,09 проти 2,74. Але це лише 0,4% повідомлень ChatGPT.

    Джерело ↗
  5. 5
    ШІ-агенти для письма: документи, звіти і службові записки

    Найбільший обсяг роботи (20% робочих чатів), але допис у блозі в чаті потребує в середньому 13 раундів, а в Claude Code — один запит.

    Джерело ↗
  6. 6
    ШІ-агенти для пошти: складання відповідей і сортування вхідних

    7% робочих чатів закінчуються чернеткою листа, а надіслати його клієнту — класичний незворотний крок за Anthropic. Чернетку можна написати вночі; надіслати — ні.

    Джерело ↗
  7. 7
    ШІ-агенти для роботи з комп'ютером: веб-форми, портали і адміністративні завдання

    85% на OSWorld-Verified, але 20,6% на OSWorld 2.0. Та сама навичка має чотириразовий розрив, щойно завдання стають довгими й охоплюють кілька застосунків.

    Джерело ↗
  8. 8
    ШІ-агенти для служби підтримки: сортування звернень і відповіді

    Серед найбільш автономних агентних завдань, які бачить Anthropic, але кожна некодингова сфера лишається на рівні кількох відсотків трафіку. Бізнес автоматизує це; окремі люди майже не передають цього агентам.

    Джерело ↗
  9. 9
    ШІ-агенти для дизайну: графіка, відео і 3D для фрилансу

    Найкращий агент проходить 15,8% реальних фриланс-замовлень, проти 2,5% на старті. Він досі провалює приблизно п'ять із шести.

    Джерело ↗
  10. 10
    ШІ-поради й репетиторство: практичні рекомендації

    Найбільша частка ChatGPT (28,3%) і найгірше пасує для агента без нагляду, бо тут потрібна ваша присутність.

    Джерело ↗

Що помітив Claude

Всередині OpenAI Codex становить 99,8% вихідних токенів у Codex і ChatGPT разом. Серед окремих користувачів частка 16,5%, а менш ніж 1% окремих користувачів торкнулися Codex за 28 днів. Майбутнє з постійною роботою для інсайдерів уже тут, але для всіх інших його майже немає.

Джерело ↗

Anthropic називає це «надлишком розгортання». METR оцінював завдання на майже 5 годин людської роботи для Opus 4.5, але 99,9-й перцентиль ходу Claude Code тривав лише близько 42 хвилин. Люди залишають агентів без нагляду значно рідше, ніж ті могли б упоратися.

Джерело ↗

Найактивніші делегатори найоптимістичніші. Користувачі з найбільшою кількістю автоматизованих сесій Claude очікують кращої оплати й кар'єрних перспектив, і вони повідомляють, що вчаться з такою ж швидкістю, як і всі інші.

Джерело ↗

Людський ритм досі визначає використання ШІ. Запити про поради зі сну піку сягають близько 5 ранку, а запити про податки в США 14 квітня були у вісім разів вищими за звичайний рівень.

Джерело ↗
🇺🇸 ChatGPT10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — ChatGPT. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    ШІ-агент для виправлення помилок, тестів і невеликих програмних функцій

    Найсильніший аргумент на користь агента, що працює, поки ви спите, також найлегше виміряти: код можна протестувати, збої відтворити, а зміни переглянути до випуску.

    Джерело ↗
  2. 2
    ШІ-агент для дослідження ринку, конкурентів і технічних питань

    Добрий нічний дослідник може ранком повернути короткий огляд із посиланнями на джерела. Його справжня цінність — знайти й упорядкувати докази, а не зробити кожен висновок правильним.

    Джерело ↗
  3. 3
    ШІ-агент для письма і перероблення контенту

    Одне інтерв'ю може стати описом до епізоду, розсилкою, постами в соцмережах і першою чернеткою статті в блозі, але публікація без перевірки — це вже інша робота.

    Джерело ↗
  4. 4
    ШІ-агент для аналізу даних і звітності

    Нічний виграш — не таємниче передбачення. Це прокинутися до очищених даних, перевірених обчислень, графіків і звіту, який показує, як його зроблено.

    Джерело ↗
  5. 5
    ШІ-агент для документів і управління знаннями

    Пошук по вчорашніх розмовах і папці старих документів може заощадити години, але результат залежить від доступу, контексту і доказів, які повертаються.

    Джерело ↗
  6. 6
    ШІ-агент для регулярного моніторингу і сповіщень

    Найбуквальніша робота, що працює постійно, — стежити за змінами, а не удавати, що їх можна передбачити: щоранку перевіряти джерело й повідомляти лише про нове.

    Джерело ↗
  7. 7
    ШІ-агент для презентацій і брифінгів

    Dot може зібрати першу презентацію з відгуків клієнтів і нових висновків. Але аргумент, цифри й обіцянку на останньому слайді досі відповідає керівник.

    Джерело ↗
  8. 8
    ШІ-агент для підтримки клієнтів і сортування звернень

    Відповідь на звичайне запитання легко продемонструвати. Вирішити справжню проблему клієнта, коли треба пройти кілька інструментів, правил і винятків, — складніший тест.

    Джерело ↗
  9. 9
    ШІ-агент для браузера і адміністративних процесів

    Браузерний агент може пройти робочий процес, але урок веб-бенчмарків жорсткий: клацнути правдоподібним шляхом — не те саме, що правильно завершити завдання.

    Джерело ↗
  10. 10
    ШІ-агент для пошти, календаря і особистих завдань

    Корисний асистент — той, що тихо помічає завтрашній конфлікт і готує відповідь, а не той, що надсилає серйозне повідомлення, бо здогадався, що ви мали на увазі.

    Джерело ↗

Що помітив ChatGPT

Найкраще завдання для агента — не обов'язково те, що він може виконати найефектніше. Кодування тут на першому місці, бо результат можна протестувати й переглянути, а помилки легше виявити до того, як вони дійдуть до користувачів.

Джерело ↗

Початковий Економічний індекс Anthropic оцінював розподіл 57% доповнення проти 43% автоматизації. Люди, які використовують ШІ, щоб допомогти з роботою, і люди, які делегують цілі завдання, — це не та сама поведінкова група.

Джерело ↗

Горизонт часу — це не годинник для роботи без нагляду. METR оцінює тривалість завдань, які агент виконає з певною надійністю, за мірками людського експерта. Це не означає, що агент надійно працюватиме стільки годин без нагляду.

Джерело ↗

Постійна робота змінює модель планування, а не гарантію надійності. Хмарний агент може працювати між розмовами, але його інструкції, дозволи й потреба в людському схваленні досі визначають, що він має робити.

Джерело ↗
🇺🇸 Meta10 місць · нотаток: 3

Те саме питання, відповідь одного ШІ — Meta. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Виправлення помилок у програмах і супровід коду

    37,2% запитів до Claude — комп'ютерні та математичні, а передова модель має 80,9% на SWE-Bench Verified проти 33% вісімнадцять місяців тому

  2. 2
    Аналіз даних і звірка таблиць

    Агенти ∼100% на завданнях до 4 хв, але <10% на завданнях понад 4 години — звірка сидить там, де PricewaterhouseCoopers створила передового агента для таблиць

    Джерело ↗
  3. 3
    Пошук інформації в інтернеті і написання звітів

    GAIA, рівень 1: 78–82% проти 92% у людей, рівень 3 — лише 35–45%. Дослідження вирішені, доки вони справді складні

    Джерело ↗
  4. 4
    Складання документів і ділове листування

    Письмо — друге за частотою завдання, але 86% кажуть, що ШІ робить їх швидшими, а не замінює чернетку

    Джерело ↗
  5. 5
    Сортування звернень у службі підтримки

    Постачальники обіцяють на 50–70% швидшу першу відповідь, але OSWorld досі провалює 1 із 3 реальних завдань на комп'ютері

  6. 6
    Тестування якості і автоматизація браузера

    OSWorld 66,3% близько до людських 72%, але OSWorld 2.0 у суворому наскрізному режимі — 20,6%, з частковим прогресом 54,8%

  7. 7
    Перевірка коду і створення тестів

    70%+ на Verified, 45–57% на Pro — розрив у 15–30 пунктів між рекламованими й складнішими невідомими задачами

  8. 8
    Стеження за календарем і підготовка до зустрічей

    Dot може «переглядати ваш календар щоранку і перевіряти канал планування щобуднів» — єдина робота, створена для роботи, поки ви спите

    Джерело ↗
  9. 9
    Поповнення CRM і операції з продажу

    Автоматизація домінує в корпоративному API — близько 75%, але найкращий корпоративний агент повністю правильний лише в 38% випадків. Збагачення живе в цій напрузі

  10. 10
    Створення контенту і текстів для SEO

    Висока частка, низька довіра: найкращі агенти проходять лише 2,6% найскладніших професійних процесів, попри 75% у GAIA загалом

    Джерело ↗

Що помітив Meta

Обчислювальна та математична сфера — 37,2% використання Claude, але 4% зайнятості в США. Це у 9 разів більше використання, ніж передбачає частка робочих місць, і найяскравіший розрив між тим, що люди передають, і тим, на що здатна модель

Джерело ↗

OSWorld зріс на 12% до 66,3% за рік, а горизонт METR з 4 хвилин на початку 2024 року дійшов до 14,5 години до лютого 2026-го. 2025–2026 був переломом, а не поступовим зростанням

Джерело ↗

Корпоративний API — 75% автоматизації, споживчі продукти — 45%. Бізнес дозволяє агентам працювати без нагляду в хмарі, а споживачі ітерують разом із ними

Джерело ↗
🇺🇸 Grok10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — Grok. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Програмування і розробка програмного забезпечення

    Домінує передача (близько третини чатів Claude), і це сфера, де агенти вже самі завершують багатогодинні завдання

    Джерело ↗
  2. 2
    Письмо і створення контенту (блоги, маркетинг, статті)

    Майже найвища інтенсивність роботи: 80–81% цих результатів стосуються роботи, але люди часто ітерують, а не повністю делегують

    Джерело ↗
  3. 3
    Аналіз даних і запити до баз даних

    Найвища інтенсивність роботи серед вимірюваних результатів (82%), і це пасує до запусків агентів без нагляду

    Джерело ↗
  4. 4
    Дослідження і збір інформації

    Агенти добре справляються з довгими дослідницькими ланцюгами (як у METR), а dot створені для фонового пошуку по чатах і вебу

    Джерело ↗
  5. 5
    Підтримка клієнтів і обробка звернень

    У деяких даних висока спостережувана відкритість (майже топ професій), але частка повної делегації нижча, ніж у кодуванні

    Джерело ↗
  6. 6
    Складання листів і документів

    Поширений результат роботи (документи й звіти — ~15–20% робочих чатів), який агенти можуть повністю підготувати й передати далі

    Джерело ↗
  7. 7
    Моніторинг, сповіщення і планові перевірки

    Саме для цього створені постійні dot: працювати в хмарі й виводити лише те, що потребує людини

    Джерело ↗
  8. 8
    Продажі: холодні контакти і пошук клієнтів

    API показує зростання автоматизованих процесів продажу. Dot можуть тримати дослідження й чернетки в русі вночі

    Джерело ↗
  9. 9
    Підготовка звітів і презентацій

    Цінний результат інтелектуальної праці, що споживає більше токенів і пасує до повної делегації, щойно визначено обсяг

    Джерело ↗
  10. 10
    Планування завдань і керування процесами

    Dot прямо редагують заплановані завдання й тримають поточні обов'язки в русі. Люди досі вважають за краще керувати, а не повністю віддавати

    Джерело ↗

Що помітив Grok

Обчислювальні та математичні завдання (переважно кодування) досі становлять близько третини розмов Claude.ai, навіть коли використання різноманітніє, а фізична праця й сервісні професії лишаються майже на нулі.

Джерело ↗

50-відсотковий горизонт часу METR для програмних завдань подвоюється приблизно кожні кілька місяців і зараз сягає багатогодинного діапазону для передових моделей, але більшість реальних розмов лишаються коротшими спільними кроками.

Джерело ↗

Половина з ~9 700 опитаних користувачів Claude вже вважає, що ШІ може виконати 50% або більше їхніх робочих завдань. Лише 4% кажуть, що сьогодні він може виконати всю роботу.

Джерело ↗

API і агентні продукти (Claude Code, dot) показують значно вищу частку автоматизації, ніж споживчий чат. Це розрив між тим, що люди передають інтерактивно, і тим, що може працювати без нагляду.

Джерело ↗
🇺🇸 Gemini10 місць · нотаток: 1

Те саме питання, відповідь одного ШІ — Gemini. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Автоматичне виправлення помилок і юніт-тестування

    Передові агенти вирішують до 79,2% перевірених issue на GitHub, але без допомоги результат падає до 23%, коли вони стикаються з багатогодинними закритими кодовими базами на SWE-bench Pro.

  2. 2
    Моніторинг конкурентів і збір даних з вебсайтів

    Агенти набирають 65–74% в автономних вебсередовищах, тому стеження за цінами та наявністю товарів — найбезпечніше завдання, яке можна залишити працювати, поки оператори сплять.

  3. 3
    Пакетне очищення даних і SQL-конвеєри обробки (ETL)

    Виконання аналітичних скриптів належить до найвищого діапазону відкритості Економічного індексу Anthropic. Це дає змогу виконувати перетворення баз даних без нагляду з детермінованою перевіркою тестами.

  4. 4
    Сортування і розподіл звернень служби підтримки

    Агенти для клієнтів досягають понад 90% точності маршрутизації на структурованих оцінках GAIA, але організації зберігають людські схвалення для 57% живих відповідей клієнтам.

    Джерело ↗
  5. 5
    Автоматичні щоденні брифінги і огляд літератури

    Постійні телефонні помічники вночі зводять дані з різних джерел і до початку робочого дня дають структуровані дайджести, не ризикуючи збоєм виробничих систем.

    Джерело ↗
  6. 6
    Рефакторинг коду і міграція залежностей

    Оцінки METR показують, що агенти надійно проходять багатокрокові програмні завдання в межах 30–60 хвилин людської роботи, а потім накопичувані помилки спричиняють дрейф.

  7. 7
    Планування календаря і координація зустрічей

    Проактивні асистенти-dot можуть редагувати заплановані події й синхронізувати календарі у фоновому режимі, але користувачі все одно втручаються, коли виникають складні соціальні нюанси з кількома учасниками.

    Джерело ↗
  8. 8
    Створення текстів і маркетингових матеріалів

    Попри найбільший обсяг розмов у чат-інтерфейсах, понад 55% усіх чернеткових взаємодій і досі редагуються разом, поруч, а не публікуються без нагляду.

  9. 9
    Аудит вразливостей і статичний пошук загроз у коді

    Передові агенти самостійно знаходять недоліки в репозиторіях в ізольованих оцінках METR, але корпоративні команди відмовляються від віддаленого виправлення без нагляду через ризик простоїв від хибних спрацювань.

  10. 10
    Наскрізне автономне прототипування застосунків

    Хоча демо «vibe coding» захоплюють публіку, автономні агенти досягають менше чверті надійності в складних системах з нуля без людського нагляду.

Що помітив Gemini

Постійна хмарна інфраструктура, як dot від OpenAI на виділених віддалених браузерах, дає змогу виконувати пакетні завдання вночі без нагляду. Корисність агента переходить із чату в реальному часі до асинхронної доставки.

Джерело ↗
🇨🇳 Kimi10 місць · нотаток: 4

Те саме питання, відповідь одного ШІ — Kimi. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Розробка програмного забезпечення: виправлення помилок, рефакторинг, запити на злиття коду (ШІ-агенти для коду, 2026)

    Єдина робота, що тримає всі чотири критерії одразу: близько 35% усіх розмов Claude.ai, горизонт самостійного завдання близько 12 годин і 42% організацій уже дозволяють агентам вести розробку.

    Джерело ↗
  2. 2
    Аналіз даних і створення звітів (2026)

    Найбільш довірений делегат: аналіз даних — завдання, з яким люди найбільше довіряють агентам (38%), і 60% бізнесу називають його найвпливовішим використанням агентів, але в чатах він майже не помітний.

    Джерело ↗
  3. 3
    Глибокі дослідження і самостійний пошук в інтернеті (2026)

    Бенчмарки кажуть про надлюдський рівень (GAIA 94% проти 92% у людей), але питання GAIA публічні з 2023 року. Тож оцінка засвідчує компетентність, а не надійність роботи вночі.

    Джерело ↗
  4. 4
    Письмо, редагування і ділове листування (2026)

    Тихий лідер обсягу повної передачі: «Створити персоналізовані холодні листи для B2B-продажів» — лише 0,47% усього трафіку корпоративного API, і людини в циклі за задумом немає.

    Джерело ↗
  5. 5
    Обслуговування клієнтів і вирішення звернень (2026)

    Найбільш розгорнута у виробництві некодингова робота і перша, де бенчмарк упершись у стелю: tau-bench text 87,9% майже розв'язаний, тож тепер ключовою метрикою стає надійність у повторних спробах.

    Джерело ↗
  6. 6
    Завдання з кібербезпеки та розслідування в стилі змагань CTF (2026)

    Найстрімкіше зростання бенчмарку в усьому: з 15% до 93% самостійного розв'язання Cybench за два роки. І це робота, яку люди майже ніколи не передають у звичайному чаті.

    Джерело ↗
  7. 7
    Сортування пошти, планування і адміністративна координація (2026)

    Рідна територія dot — щоденні календарні брифінги й бронювання прийомів. Але власні дані Anthropic показують, що адміністратори тримають ШІ як другого пілота, заощаджуючи години, не віддаючи скриньку.

    Джерело ↗
  8. 8
    Допомога в навчанні: курсові, репетиторство, підготовка до занять (2026)

    П'ята частина всіх споживчих розмов, але найменш «постійна» робота в списку. Студенти приходять учитися, а не делегувати, тож тут платить доповнення, а не автоматизація.

    Джерело ↗
  9. 9
    Робота з комп'ютером і довгі офісні процеси (OSWorld 2.0, 2026)

    Яскравий приклад розриву: агенти «перемагають людей» на старому OSWorld (90,2% проти 72,4%), але на новому наборі довгих процесів найкращий агент виконує лише 31,4%. Послідовності на пів дня, а не дрібні доручення, лишаються територією людей.

    Джерело ↗
  10. 10
    Фінансова адміністрація, рахунки-фактури і введення даних (2026)

    Парадокс втрати навичок в одній роботі: оператори введення даних піднімаються в таблиці «ефективного покриття ШІ», бо ШІ блискуче справляється з їхнім головним завданням. Тоді як лише 20% керівників довіряють агентові щось близьке до грошей.

    Джерело ↗

Що помітив Kimi

Три списки справді розходяться: агенти вимірюються на кодуванні й безпеці (METR, SWE-bench), споживачі делегують дослідження й письмо (38% «автоматизаторів веб-браузингу»), а працювати безпечно, поки ви спите, можуть лише обмежені, перевірювані завдання. Користувачі Codex Cloud повідомляють, що фонові процеси мовчки губляться посеред роботи, тому рейтинг автономності не збігається з рейтингом можливостей.

Джерело ↗

Автоматизація — історія платформи, а не історія можливостей. У Claude.ai доповнення перемогло автоматизацію 52% проти 45% (листопад 2025), тоді як трафік корпоративного API на 75–77% — це повна передача з автоматизацією. Та сама модель є колегою в чаті й заміною в API.

Джерело ↗

50-відсотковий горизонт часу (~12 годин) завищує здатність працювати без нагляду: 80-відсотковий горизонт METR, число, важливе для роботи, яку ви не перевіряєте, — приблизно в 4–10 разів коротший. А оцінки продуктивності падають з 1,8 до 1,0 відсоткового пункту на рік, коли враховують рівень успіху.

Джерело ↗

Усі бояться за молодших, але передають власні завдання: понад третина опитаних працівників оцінює шанс втрати роботи молодшим колегою вище 60%, це утричі більше, ніж для себе. Тим часом Anthropic виявляє, що ШІ вже виконує завдання вищої освіти, залишаючи чисту втрату навичок у рештою ролей.

Джерело ↗
🇨🇳 DeepSeek10 місць · нотаток: 3

Те саме питання, відповідь одного ШІ — DeepSeek. Підсумковий список вище об'єднує всі ШІ.

  1. 1
    Інженер-програміст (шаблонний код і супровід коду)

    Найбільший парадокс ШІ: розробники використовують агентів приблизно в 60% своєї роботи, але повністю делегують лише 0–20% завдань.

    Джерело ↗
  2. 2
    Бізнес-аналітик (автоматичне створення звітів)

    Автоматизована генерація звітів очолює індекс довіри до агентів із 83,5/100. Найбільш довірена робота для агентів також найнудніша.

    Джерело ↗
  3. 3
    Аналітик якості даних (моніторинг і пошук аномалій)

    Моніторинг якості даних набирає 82,0 і є рідкісною роботою, де «постійна» дія — головне: агент ніколи не моргає.

    Джерело ↗
  4. 4
    Представник служби підтримки (сортування звернень і відповіді)

    70,1% обслуговування клієнтів охоплено ШІ, але більшість розмов досі ведуться разом. Частка автоматизації відстає від відкритості.

    Джерело ↗
  5. 5
    Технічний автор (примітки до релізів і документація)

    Примітки до релізів набирають 79,5, бо агент може читати історію комітів і писати журнал змін: структуровано, перевірювано, без драми.

    Джерело ↗
  6. 6
    Оператор введення даних (перетворення формату і стандартизація)

    67,1% введення даних охоплено ШІ, але параноя щодо точності змушує людей перевіряти кожне поле. Повна делегація рідкісна.

    Джерело ↗
  7. 7
    Дослідник-аналітик (планові дослідження і стеження за сайтами)

    71,4% сценаріїв використання агентів працюють за розкладом або подією. Дослідження — першопочаткова робота «налаштував і забув».

    Джерело ↗
  8. 8
    Керівний асистент (сортування пошти і керування вхідними)

    ШІ може автоматично розподілити 50–65% вашої скриньки, але сам не може натиснути «надіслати». Сортування пошти лише для читання, поки ви спите.

    Джерело ↗
  9. 9
    Інженер надійності сервісів (моніторинг потоків у реальному часі і сповіщення)

    Моніторинг потокових даних у реальному часі набирає 80,5 і є найчистішою постійною роботою. Агент стежить, поки ви спите, але дія все одно потребує схвалення.

    Джерело ↗
  10. 10
    Адміністративний асистент (календар і повторювані завдання)

    Керування календарем — найлегша перемога агента: dot уже можуть редагувати заплановані завдання, поки ви спите.

    Джерело ↗

Що помітив DeepSeek

Розробка програмного забезпечення — найбільший реальний сценарій використання ШІ (35–37% розмов Claude). Вона має найдовший виміряний автономний горизонт (~14,5 години), але одну з найнижчих часток повної делегації (0–20%). Вузьке місце не в можливостях, а в перевірці.

Джерело ↗

71,4% реальних сценаріїв використання агентів уже працюють за розкладом або подією, а не чекають на клік. Але лише 5% американських працівників кажуть, що повністю делегували ШІ хоча б одне завдання. Інфраструктура для роботи без нагляду є, а довіри немає.

Джерело ↗

Дані Anthropic за червень 2026 показують, що частка автоматизації найвища в охоронних службах (75%) і будівництві (67%), а не в інтелектуальній праці. Коли завдання дискретні й самодостатні, люди передають їх повністю. Коли йдеться про професійне судження та відповідальність (право: 35%), вони співпрацюють.

Джерело ↗