Назад до тренду дня: Новий ШІ від OpenAI сам робить офісну роботу на комп'ютері — вдвічі дешевше
Рейтинг Poly · з тренду дня

Що можуть ШІ-агенти? 10 офісних завдань за рейтингом (2026)

Кожен п'ятий працівник у США каже, що ШІ повністю взяв на себе принаймні одне його завдання, але лише 25% тих, хто веде записи, використовують для цього ШІ взагалі.

  • №1: Сортування і перейменування файлів
  • 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

    Сортування і перейменування файлів

    Кожен ШІ поставив це на перше місце: неправильну папку видно одразу, а виправити її можна, перетягнувши назад. Жоден тест не публікує показник успішності для цієї категорії.

    Увімкнули: Claude, Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen.

    У їхніх списках: Claude: 1 · Meta: 1 · Grok: 1 · Gemini: 1 · Nova · Kimi: 1 · DeepSeek: 1 · Qwen: 1

    Що відзначив кожен ШІ 8
    • Claudeмісце 1

      Помилка тут зазвичай оборотна і видна одразу. Тому це безпечно навіть при скромному відсотку успіху, бо перевірка займає секунди.

      Джерело ↗
    • Metaмісце 1

      Нульова ціна помилки: агент може бути на 60% точним і все одно заощадити час порівняно з медіанною зарплатою введення даних $41 340

      Джерело ↗
    • Grokмісце 1

      Завдання з керування файлами — серед категорій з найвищою успішністю в OSWorld; низька ціна помилки і легка візуальна перевірка роблять їх безпечними для передачі навіть за скромних показників.

      Джерело ↗
    • Geminiмісце 1

      Успішність 92% за бенчмарком разом з командою відкату без витрат зберігає 85% часу людей на канцелярську роботу.

      Джерело ↗
    • Nova

      У його списку названо інакше: відкрийте весь список.

    • Kimiмісце 1

      Єдиний клас завдань, де помилку можна виправити за секунди: неправильно названі файли і не ті папки видно, їх можна відкотити, а агенти вже виконують файлові завдання OSWorld з одними з найвищих показників серед бенчмарку.

      Джерело ↗
    • DeepSeekмісце 1

      Єдине завдання, де агент з 34% ще може заощаджувати час: неправильна папка — це відкат перетягуванням, а не переписування.

    • Qwenмісце 1

      Високий відсоток успіху і нульовий фінансовий ризик: помилка означає лише повернення файлу в початкову папку.

      Джерело ↗
    8 ШІ поставили сюди
  2. 2

    Очищення таблиць і аналіз даних

    Аналіз даних — завдання, яке найчастіше повністю передають (7,1%). Тести розходяться: до 97,87% у простих завданнях Calc і 16% у повних прогонах MBABench-2.0.

    Увімкнули: Claude, Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen.

    У їхніх списках: Claude: 4 · Meta: 4 · Grok: 5 · Gemini: 5 · Nova · Kimi: 4 · DeepSeek: 6 · Qwen: 2

    Що відзначив кожен ШІ 8
    • Claudeмісце 4

      Аналіз даних — найбільш делегований завдання: його передають 7,1% працівників. Проте старіший тест OfficeWorld показав, що базові моделі мають близько 21-23% на завданнях у Word, Excel і PowerPoint.

      Джерело ↗
    • Metaмісце 4

      30 викликів інструментів на завдання в OSWorld 1.0 проти 318 у 2.0. Короткі правки електронних таблиць тепер близькі до базового показника людей 72,36%

      Джерело ↗
    • Grokмісце 5

      Завдання LibreOffice Calc мають високі бали в OSWorld-Verified у найкращих агентів; все одно потрібні вибіркові перевірки, коли йдеться про формули або логіку з кількох аркушів.

      Джерело ↗
    • Geminiмісце 5

      Автоматизує обрізання рядків і зіставлення заголовків у 81% таблиць, але синтаксичні аномалії все одно потребують перевірки.

      Джерело ↗
    • Nova

      У його списку названо інакше: відкрийте весь список.

    • Kimiмісце 4

      Робота з однією програмою в таблицях — там, де бенчмарки найсильніші: найкращий агент WorkArena-L1 виконує 90,3% атомарних корпоративних завдань.

      Джерело ↗
    • DeepSeekмісце 6

      Найкращий агент для таблиць проходить 16% завдань MBABench-2.0; точність налагодження — 12%, тож кожну клітинку потрібно перевіряти вдруге.

      Джерело ↗
    • Qwenмісце 2

      Агенти добре справляються зі структурним прибиранням, а кнопка «відмінити» в Excel робить людську перевірку безболісною.

      Джерело ↗
    8 ШІ поставили сюди
  3. 3

    Видобування даних з PDF і документів

    5,7% працівників уже повністю передають читання робочих документів, а результат можна звірити з вихідною сторінкою, а не передруковувати.

    Увімкнули: Claude, Meta, Grok, Gemini, Kimi, DeepSeek, Qwen. Не увімкнули: Nova.

    У їхніх списках: Claude: 2 · Meta: 3 · Grok: 6 · Gemini: 2 · Kimi: 3 · DeepSeek: 2 · Qwen: див. список

    Що відзначив кожен ШІ 7
    • Claudeмісце 2

      Читання робочих документів уже входить до найбільш делегованих завдань: його передають 5,7% працівників. Це результат, який можна звірити з першоджерелом.

      Джерело ↗
    • Metaмісце 3

      Структуроване вилучення з виконанням коду: низька вартість відкату, висока економія часу порівняно з ручним копіюванням і вставкою

      Джерело ↗
    • Grokмісце 6

      Завдання з документами часті в OSWorld; вилучення дає високу успішність, коли цільова схема чітка, а результат перевіряють перед подальшим використанням.

    • Geminiмісце 2

      Агенти зору розбирають заплутані багатосторінкові чеки з точністю 89%, потребуючи лише вибіркової перевірки сум.

      Джерело ↗
    • Kimiмісце 3

      Найбезпечніша робота з вилучення даних, бо кожна клітинка опиняється там, де людина може її перевірити. А головна ідея запуску GPT-6.1 Terra була побудована саме на цій рутині з рахунками та формами.

      Джерело ↗
    • DeepSeekмісце 2

      LlamaParse Agentic набирає 84,88 у ParseBench; людська перевірка — дві хвилини вибіркового огляду, а не аудит кожного рядка.

      Джерело ↗
    • Qwen

      У його списку названо інакше: відкрийте весь список.

      див. список
    7 ШІ поставили сюди
  4. 4

    Веб-дослідження і перегляд сторінок

    Агент лише читає і нічого не змінює. Але результати коливаються від 78,0% в одному тесті перегляду вебсторінок до 23,5% у повсякденних завданнях, тож джерела все одно доводиться відкривати.

    Увімкнули: Claude, Meta, Grok, Gemini, Kimi, DeepSeek, Qwen. Не увімкнули: Nova.

    У їхніх списках: Claude: 3 · Meta: 2 · Grok: 2 · Gemini: 3 · Kimi: 5 · DeepSeek: 3 · Qwen: 7

    Що відзначив кожен ШІ 7
    • Claudeмісце 3

      Агент лише збирає інформацію і нічого не змінює. У матеріалі про OSWorld 2.0 сказано, що Claude краще працює в динамічних середовищах і при міркуванні між джерелами.

      Джерело ↗
    • Metaмісце 2

      Агенти вже читають сторінки цін і порівнюють постачальників без нагляду: 42,7% до 55% успішності на веб-завданнях WorkArena

    • Grokмісце 2

      Найпоширеніше робоче використання ШІ за даними Microsoft — підтримка рішень і пошук інформації (27,5% і 13%); працівники вже охоче передають їх.

      Джерело ↗
    • Geminiмісце 3

      Агенти для перегляду вебсторінок надійно складають каталоги ринку з кількох сайтів без ризику змінити живі дані.

    • Kimiмісце 5

      Агенти тепер збирають дані з вкладок швидше за людей, але найкращий зафіксований рівень помилок усе одно 4,3%. Це бюджет на вигадки, а не нуль.

      Джерело ↗
    • DeepSeekмісце 3

      Browser Use Cloud досягає 78,0% у перегляді вебсторінок, але повсякденні завдання ClawBench знижують Claude Sonnet 4.6 до 23,5%. Перевірка і є роботою.

      Джерело ↗
    • Qwenмісце 7

      Агенти можуть збирати дані з різних вкладок, але вигадані джерела вимагають перевірки фактів людиною по кожному рядку.

      Джерело ↗
    7 ШІ поставили сюди
  5. 5

    Оновлення записів у CRM

    Лише 25% тих, хто веде записи, використовують для цього ШІ, це найнижчий показник із десяти опитаних завдань. Агенти, що працюють з інструментами, досягають 64–84%, тоді як відкриті агенти, що працюють через екран, набирають менше 5% у Salesforce.

    Увімкнули: Claude, Meta, Grok, Gemini, Kimi, DeepSeek, Qwen. Не увімкнули: Nova.

    У їхніх списках: Claude: 6 · Meta: 7 · Grok: 7 · Gemini: 7 · Kimi: 7 · DeepSeek: 7 · Qwen: 3

    Що відзначив кожен ШІ 7
    • Claudeмісце 6

      Лише 25% працівників, які ведуть записи, використовують для цього ШІ, це найнижчий показник серед усіх виміряних завдань. Вони побоюються тихих помилок у записах.

      Джерело ↗
    • Metaмісце 7

      Завдання CRM у WorkArena мають лише 42,7% успішності; потрібна людська перевірка, бо клієнтські дані важко відкотити

    • Grokмісце 7

      Завдання з кількох застосунків і корпоративні інтерфейси залишаються складнішими (фільтри списків у WorkArena майже 0%); безпечно лише для полів з низькими ставками і швидкою перевіркою людиною.

      Джерело ↗
    • Geminiмісце 7

      74% точності за бенчмарком залишають 1 з 4 полів контактів пошкодженим без перевірки, що ризикує чистотою клієнтських розсилок.

      Джерело ↗
    • Kimiмісце 7

      Атомарні правки CRM проходять на 90,3%, але складні версії тієї самої роботи ServiceNow падають до 2,1%. Цей розрив у 88 пунктів і є місцем, де живе людська перевірка.

      Джерело ↗
    • DeepSeekмісце 7

      Строгий показник успіху CRM-Agent-Bench — від 64,32% до 83,60%, але тест SCUBA на екрані Salesforce дає агентам з відкритим кодом для керування комп'ютером менше 5%. API і екран — різні світи.

      Джерело ↗
    • Qwenмісце 3

      Агенти легко працюють із формами на кількох вкладках, але торгові представники все одно перевіряють ключові оновлення клієнтів перед збереженням.

      Джерело ↗
    7 ШІ поставили сюди
  6. 6

    Записи витрат і внесення рахунків

    Fable 5.1 правильно вносить рахунки-фактури в 72% випадків проти 51% у найкращого людського тестувальника, але 28% його помилок стосуються грошей і журналів аудиту.

    Увімкнули: Claude, Meta, Grok, Gemini, Kimi, DeepSeek, Qwen. Не увімкнули: Nova.

    У їхніх списках: Claude: 9 · Meta: 9 · Grok: див. список · Gemini: 9 · Kimi: 9 · DeepSeek: 8 · Qwen: 5

    Що відзначив кожен ШІ 7
    • Claudeмісце 9

      Це невелике завдання з введення даних, яке стосується відшкодувань і журналів аудиту. Професія введення даних, за прогнозом, скоротиться на 25,9% з 2023 до 2033 року.

      Джерело ↗
    • Metaмісце 9

      Торкається грошей: агент, точний на 90%, якому потрібна перевірка кожного рядка, не заощаджує жодного часу

      Джерело ↗
    • Grok

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Geminiмісце 9

      Помилкові записи витрат тягнуть штрафи під час аудиту; 68% фінансистів наполягають на повній перевірці чеків.

      Джерело ↗
    • Kimiмісце 9

      За канцелярську зарплату близько $21-22 на годину перевірка кожного рядка в записах витрат коштує майже стільки ж, скільки їх набрати. Економія тут і випаровується.

      Джерело ↗
    • DeepSeekмісце 8

      Fable 5.1 проходить 72% завдань з введення рахунків, перевершуючи найкращу людину з 51%, але 28% провалів можуть перевести гроші.

      Джерело ↗
    • Qwenмісце 5

      Агенти легко витягують дати і суми, але людина має схвалити виплати, перш ніж бухгалтерія проведе платіж.

      Джерело ↗
    7 ШІ поставили сюди
  7. 7

    Платежі, банківські перекази і зарплата

    При точності 98% на крок завдання з 20 кроків вдається від початку до кінця лише приблизно в 67% випадків. OpenAI, Anthropic і Google радять погоджувати з людиною все, що стосується грошей.

    Увімкнули: Claude, Meta, Grok, Gemini, Kimi, DeepSeek, Qwen. Не увімкнули: Nova.

    У їхніх списках: Claude: 10 · Meta: див. список · Grok: див. список · Gemini: 10 · Kimi: 10 · DeepSeek: 10 · Qwen: 10

    Що відзначив кожен ШІ 7
    • Claudeмісце 10

      Навіть при 98% на крок за 20 кроків наскрізна успішність лише близько 67%. Для незворотних платежів це дуже далеко від безпечного.

    • Meta

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Grok

      У його списку названо інакше: відкрийте весь список.

      див. список
    • Geminiмісце 10

      Навіть при 88% точності незворотна ціна помилкового банківського реквізиту вимагає підпису людини за кожним рядком.

      Джерело ↗
    • Kimiмісце 10

      Завдання, де 90% точності нічого не варті: ті 10%, що потраплять у банківський переказ, — єдина частина, яку хтось запам'ятає.

      Джерело ↗
    • DeepSeekмісце 10

      Жодного бенчмарку не треба: OpenAI, Anthropic і Google всі радять залишати людське схвалення для грошей, умов і облікових даних.

      Джерело ↗
    • Qwenмісце 10

      Найвищою мірою завдання з людиною в контурі: одне неточне натискання агента може миттєво витратити кошти компанії.

      Джерело ↗
    7 ШІ поставили сюди
  8. 8

    Заповнення форм (без платежів)

    Це головне застосування нової моделі, але наскрізний тест форм дає 43,31 на формах із кількох файлів і 15,5 на формах лише з інструкцією. Кожне поле все одно треба перевірити.

    Увімкнули: Claude, Meta, Gemini, Nova, Kimi, DeepSeek. Не увімкнули: Grok, Qwen.

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

    Що відзначив кожен ШІ 6
    • Claudeмісце 8

      Людина з агентом, точним на 90%, все одно має перевіряти кожне поле. За медіанної зарплати в роботі з введенням даних близько $19,88 на годину ця перевірка може звести нанівець економію.

      Джерело ↗
    • Metaмісце 8

      GPT-6.1 Terra створена для заповнення форм: на 15 пунктів вище за попередника, але помилок досі 38%

      Джерело ↗
    • Geminiмісце 4

      Досягає 84,8% виконання в ServiceNow WorkArena, скорочуючи повторне ручне введення на 70%.

      Джерело ↗
    • Nova

      У його списку названо інакше: відкрийте весь список.

    • Kimiмісце 8

      Форми — головна продажна ідея Terra: «заповнення форм» — приклад самої OpenAI. Проте наскрізні корпоративні робочі процеси з формами залишаються найслабшою категорією бенчмарків.

      Джерело ↗
    • DeepSeekмісце 5

      CRAFT досягає 43,31 E2E на багатофайлових формах, але 15,5 на формах лише з інструкціями. Сама форма проста, а інструкції ні.

      Джерело ↗
    6 ШІ поставили сюди
  9. 9

    Заявки і запити в порталі ІТ-служби

    Одноетапні завдання ServiceNow досягають 79,1–90,3% на агрегованих дошках (знімки різні), а форми каталогу послуг сягнули 77,8% навіть з GPT-4o.

    Увімкнули: Claude, Grok, Gemini, Qwen. Не увімкнули: Meta, Nova, Kimi, DeepSeek.

    У їхніх списках: Claude: 5 · Grok: 4 · Gemini: 6 · Qwen: 6

    Що відзначив кожен ШІ 4
    • Claudeмісце 5

      На WorkArena-L1 агрегатор показує, що найкращий агент має близько 79,1%, а найкращий результат L2 у тому самому знімку — близько 69,4%. Усі старіші моделі набрали 0% на фільтрації списків.

      Джерело ↗
    • Grokмісце 4

      Завдання каталогу послуг WorkArena досягли ~78% з моделями рівня GPT-4o; інтерфейс звичайний, а помилки легко помітити.

      Джерело ↗
    • Geminiмісце 6

      Результати WorkArena показують 79,5% точності в маршрутизації внутрішніх інцидентів без показу клієнтам.

      Джерело ↗
    • Qwenмісце 6

      Наскрізна успішність WorkArena стабільна для скидання паролів, але запити на обладнання все ще потребують схвалення людиною.

    4 ШІ поставили сюди
  10. 10

    Робочі процеси в кількох застосунках

    Найскладніший випадок: найкраще строге повне завершення в OSWorld 2.0 становить 48,7% за самозвітом Anthropic, тоді як найкращий офіційний прогін у статті завершив 20,6%.

    Увімкнули: Claude, Meta, DeepSeek, Qwen. Не увімкнули: Grok, Gemini, Nova, Kimi.

    У їхніх списках: Claude: 7 · Meta: 10 · DeepSeek: 9 · Qwen: див. список

    Що відзначив кожен ШІ 4
    • Claudeмісце 7

      Матеріал про OSWorld 2.0 називає роботу з кількома застосунками найскладнішим випадком: до п'яти застосунків в одному завданні. Найкраще повне виконання — 48,7% (за даними Anthropic).

      Джерело ↗
    • Metaмісце 10

      Медіана OSWorld 2.0 — 1,6 години і 318 викликів інструментів: 20-24% бінарного виконання на коротких завданнях, на довгих — обвалюється

      Джерело ↗
    • DeepSeekмісце 9

      Найкращий агент OSWorld 2.0 повністю виконує 20,6% з 108 багатододаткових робочих процесів, які в середньому мають 318 викликів інструментів. Чотири з п'яти все ще потребують людини.

      Джерело ↗
    • Qwen

      У його списку названо інакше: відкрийте весь список.

      див. список
    4 ШІ поставили сюди

Трійка докладно ↓

02Докладніше про трійку

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

Три порівнюються різними мірками: жоден бенчмарк не вимірює сортування файлів, а два інші спираються на різні опитування й тести з різною базою.

1Сортування і перейменування файлів

№ 1 — Сортування і перейменування файлів. У списках 8 з 8 ШІ; медіанне місце там: 1. Помилки видно одразу, а виправити можна, перетягнувши файл назад, тож перевірка займає лише секунди.

А ви знали

  • У лютому 2026 року венчурний інвестор розповів, що ШІ-агент, якого попросили впорядкувати робочий стіл його дружини, видалив папку з приблизно 15 роками сімейних фото. За його словами, служба підтримки Apple відновила їх через iCloud. База даних вважає це лише твердженням.

Що це
Дати ШІ-агенту розкладати файли по папках і перейменовувати їх.
Чим сильніший
Його помилки найлегше побачити й виправити з трьох.
Кому корисно знати
Корисно тим, хто має завалену папку: видно, де перша передача ШІ найменш ризикована.
  • Найбезпечніше віддати ШІСкасовується перетягуванням назад
Чому він тут
  • Жоден бенчмарк не вимірює лише сортування файлів. Найближчий орієнтир — тест OSWorld на завдання з цілим комп'ютером, який включає роботу з файлами: люди виконали понад 72,36% завдань, а найкращий ШІ в тому ранньому тесті — лише 12,24%.

  • В опитуванні 2026 року 20% працюючих дорослих сказали, що ШІ вже виконує принаймні одне завдання, яке вони колись доручали колезі чи підрядникові. В опитуванні немає цифри для сортування файлів, але помилки там легко побачити й виправити.

Історія
  • У 1981 році Xerox випустила Star, комп'ютер, який показував робочий стіл як офіс. Він коштував 16 595 $, тож був розрахований на великі компанії. Усе ж його продано «десятки тисяч» примірників.

Що варто врахувати
  • Перше місце тримається на легкому скасуванні, але в одному огляді сказано, що читання можна відкотити, а перейменування, переміщення й видалення — ні. Там додано, що тестова акуратна папка працює добре; справжні облікові записи — саме там починаються проблеми.

  • Той самий текст попереджає, що неправильний агент може помилково перейменувати сорок файлів або надіслати клієнтові не той документ. Там сказано, що для руйнівних дій потрібен ремінь безпеки: перед запуском перевірте попередній перегляд.

Де дізнатися більше
  • Спробуйте пакетне перейменування у Finder на копії заваленої папки. Виділіть файли, натисніть правою кнопкою, оберіть «Перейменувати», а потім «Формат», щоб додати лічильник. Якщо результат не той, скасуйте комбінацією Command-Z.

Порівняти першу трійку ↓

2Очищення таблиць і аналіз даних

№ 2 — Очищення таблиць і аналіз даних. У списках 8 з 8 ШІ; медіанне місце там: 4. Це завдання, яке люди найчастіше віддають ШІ повністю, але бенчмарки сильно розходяться, тож результати треба перевіряти.

А ви знали

  • У грудні 2025 року компанія Сімулар заявила, що її Agent S досягла 72,6% успішності на OSWorld, трохи вище за базовий показник людей — 72,36%. Це оголошення самої компанії, а показник людей виміряли за початковими умовами.

Що це
Дати ШІ-агенту наводити лад у таблицях і аналізувати дані в них.
Чим сильніший
Повністю передають його більше працівників, ніж будь-яке з двох інших завдань.
Кому корисно знати
Корисно тим, хто працює з цифрами: видно, що великі таблиці досі часто провалюються.
  • Найбезпечніше віддати ШІ7,1% передали повністю
Чому він тут
  • Аналіз даних — завдання, яке працівники найчастіше передають ШІ повністю: 7,1% опитаних. Це більше, ніж читання робочих документів — 5,7%. Серед тих, хто аналізує дані, 46% використовують для цього ШІ.

  • Великі таблиці з розрахунками значно складніші. На MBABench 2.0, 101 завданні для фінансових фахівців, найкраща ШІ-система виконала 15,8% (16 із 101). Більшість інших систем набрали 8% або менше.

Історія
  • У 1978 році Ден Бріклін спостерігав, як гарвардський професор стирає цифри з дошки, і подумав, що комп'ютер це може. За повідомленнями, VisiCalc, випущена 1979 року, того року була на понад 25% проданих Apple II.

Що варто врахувати
  • У тому самому тесті ChatGPT здався і попросив автора виконати аналіз самостійно. Навіть коли агент закінчив, звіряйте його підсумки з вихідними даними, перш ніж ними користуватися.

Що кажуть люди
  • And to my surprise, I discovered that not a single partner mention count done by ChatGPT was right. — Rolf Mistelbacher

Де дізнатися більше
  • Прочитайте, як панель Explore у Google Таблицях відповідає на прості запитання зведеними таблицями. Почніть з невеликої тестової таблиці й перевіряйте кожну відповідь за вихідними рядками, перш ніж їй довіряти.

Порівняти першу трійку ↓

3Видобування даних з PDF і документів

№ 3 — Видобування даних з PDF і документів. У списках 7 з 8 ШІ; медіанне місце там: 2.5. Багато працівників уже передають це ШІ, а результат можна звірити з вихідною сторінкою, а не перепечатувати.

А ви знали

  • Рада директорів самої Adobe колись намагалася припинити розробку формату PDF. Спочатку його поширювали повільно. Adobe Acrobat коштував грошей, хоча читач був безкоштовним з версії 2.0.

Що це
Дати ШІ-агенту витягувати дані з PDF, форм і рахунків.
Чим сильніший
Кожен результат можна порівняти з вихідною сторінкою, тож перевірка швидка.
Кому корисно знати
Корисно тим, хто має справу з паперовою роботою: видно, які частини, як-от таблиці, потребують уважнішого погляду.
  • Найбезпечніше віддати ШІ5,7% передали повністю
Чому він тут
  • Серед працівників, які читають робочі документи, 39% використовують для цього ШІ, проти 46% для аналізу даних. Повна передача — 5,7%, нижче за аналіз даних із 7,1%, тож люди досі самі перевіряють цю роботу.

  • В одному незалежному тесті AWS Textract правильно прочитав поля рахунків у 91,3% випадків. Розпізнавання таблиць було слабше: GPT-4o і Google Document AI отримали по 38,5%, тож таблиці варто звіряти зі сторінкою.

Історія
  • У 1990 році співзасновник Adobe Джон Ворнок написав документ «Camelot» — план перетворити паперові сторінки на цифрові файли. Так з'явився PDF, офіційно представлений 15 червня 1993 року.

Що варто врахувати
  • Один користувач UiPath знайшов рахунок, де інструмент вигадував значення, і підозрював, що він узяв ставку й години з попередніх рядків. Звіряйте кожне число з вихідною сторінкою, а не лише кілька.

    Джерело ↗ ✓ підтверджено кількома ШІ
  • Тест п'яти ШІ-моделей на рахунках і таблицях показав, що одні моделі вражають, а інші вигадують підсумки або ігнорують заголовки. Результати сильно залежать від інструменту.

Порівняти першу трійку ↓

Трійка поруч

Сортування і перейменування файлівОчищення таблиць і аналіз данихВидобування даних з PDF і документів
У списках ШІ8 / 88 / 87 / 8
Найбезпечніше віддати ШІСкасовується перетягуванням назад7,1% передали повністю5,7% передали повністю
Першим поставилиClaude, Meta, Grok, Gemini, Kimi, DeepSeek, Qwen——

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

03Варто знати

Що помітили ШІ, поки складали список.

Працівники не передають те, що агенти найкраще роблять на тестах: аналіз даних (7,1%) і читання документів (5,7%) лідирують серед повної передачі завдань, тоді як лише 25% тих, хто веде записи, використовують ШІ взагалі.

Помітили:
Увімкнули: Claude. Не увімкнули: Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen.
Джерело ↗

Одноетапні й багатоетапні результати взято від різних агентів і з різних років: близько 79–90% на дошках WorkArena-L1 проти 2,1% у GPT-4o на завданнях WorkArena++ 2024 року, які люди виконують у 93,9% випадків.

Помітили:
Увімкнули: Claude, Grok, Kimi, DeepSeek, Qwen. Не увімкнули: Meta, Gemini, Nova.
Джерело ↗

Довіра відстає від використання: лише 27% працівників повністю погоджуються, що їм зручно передавати завдання ШІ-агентам.

Помітили:
Увімкнули: Kimi. Не увімкнули: Claude, Meta, Grok, Gemini, Nova, DeepSeek, Qwen.
Джерело ↗

Опитування розходяться щодо того, скільки роботи ШІ треба виправляти: Epoch/Іпсос виявляє, що 66% результатів використовують без змін або з невеликим редагуванням, а Асана каже, що 54% працівників їх переробляють або виправляють.

Помітили:
Увімкнули: Claude. Не увімкнули: Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen.
Джерело ↗

Очікування теж коштує: в одному дослідженні агент витратив 12 хвилин, щоб змінити міжрядковий інтервал, а це завдання, яке людина робить за кілька хвилин.

Помітили:
Увімкнули: Claude. Не увімкнули: Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen.
Джерело ↗

04Що питають люди

Що можуть робити ШІ-агенти?

Вони вміють сортувати файли, видобувати дані з PDF, шукати інформацію в мережі та виконувати одноетапні завдання в ІТ-порталах з показником 79–90% у зведених рейтингах. Найкращий строгий результат у довгих роботах у кількох застосунках — усе ще 48,7%.

Джерело ↗
Які офісні завдання можна передати ШІ-агенту?

Почніть із тих, які легко відкотити, наприклад сортування файлів і читання документів: їх уже повністю делегують 5,7% працівників. Залишайте людську перевірку для записів у CRM, витрат і платежів.

Джерело ↗
Як створити автоматизоване завдання з ШІ?

Оберіть вузьке завдання, яке можна перевірити, візьміть модель для роботи з комп’ютером, наприклад GPT-6.1 Terra за $1/$5 за мільйон токенів, обмежте кількість кроків і витрати та вимагайте підтвердження для всього, що стосується грошей.

Джерело ↗
Чому оцінки ШІ-агентів для офісної роботи так сильно відрізняються?

Вони тестують різні інтерфейси й довжину завдань: агенти для CRM набирають 64–84% через API, але менше 5%, коли працюють із Salesforce на екрані.

Джерело ↗

05Як рахували

Простими словами, без формул.

1Питання

Топ-10 офісних завдань, які ШІ-агенти вже можуть виконувати, і тих, що досі потребують перевірки людиною

2Чому ця тема

Порівняння успішності в лабораторних тестах з тим, чому працівники справді довіряють агентам, і скільки часу займає перевірка, показує, які щоденні завдання читач може передати вже зараз. Жодне окреме тестування чи опитування цього не показує.

3Де це застосовно

Глобальна офісна і знаннева робота: заповнення форм, таблиці, оновлення CRM, видобування даних з PDF, сортування файлів, записи витрат, перегляд сторінок і робочі процеси в кількох застосунках

4На що дивилися

  • Успішність агента на такому типі завдань у тестах (категорії OSWorld, WorkArena)
  • Частка працівників, які вже передають таке завдання ШІ, або відмовляються від цього
  • Час, який людина витрачає на перевірку й виправлення роботи агента, порівняно з тим, щоб зробити завдання вручну
  • Ціна помилки: чи стосується завдання грошей, даних клієнтів або записів, які важко відкотити
  • OSWorld 2.0 (XLang Lab, опис Сноркел) — успіхи і типові збої в довгих роботах на комп’ютері та в кількох застосунках; відсотки за категоріями не опубліковані
  • WorkArena (ServiceNow Research, оригінальна стаття) — наскрізний успіх у корпоративних веб-процесах: GPT-4o близько 42,7%, 0% на фільтрації списків
  • Знімок таблиці WorkArena-L1 (агрегатор) — одноетапні завдання ServiceNow зі сторонніх імпортів BrowserGym; не перевірено за першоджерелом
  • Опитування Epoch AI / Іпсос (липень 2026) — частка з 1 106 працівників США, які повністю передають ШІ кожне з десяти завдань

5Хто ставив місця

Провідні ШІ: Claude, Meta, Grok, Gemini, Nova, Kimi, DeepSeek, Qwen. 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
    Сортування, перейменування та архівування документів

    Помилка тут зазвичай оборотна і видна одразу. Тому це безпечно навіть при скромному відсотку успіху, бо перевірка займає секунди.

    Джерело ↗
  2. 2
    Читання документів і видобування даних з PDF

    Читання робочих документів уже входить до найбільш делегованих завдань: його передають 5,7% працівників. Це результат, який можна звірити з першоджерелом.

    Джерело ↗
  3. 3
    Веб-дослідження і перегляд сторінок

    Агент лише збирає інформацію і нічого не змінює. У матеріалі про OSWorld 2.0 сказано, що Claude краще працює в динамічних середовищах і при міркуванні між джерелами.

    Джерело ↗
  4. 4
    Аналіз і очищення таблиць (чернетки, формули)

    Аналіз даних — найбільш делегований завдання: його передають 7,1% працівників. Проте старіший тест OfficeWorld показав, що базові моделі мають близько 21-23% на завданнях у Word, Excel і PowerPoint.

    Джерело ↗
  5. 5
    Рутинні завдання в ІТ-порталі та заявки

    На WorkArena-L1 агрегатор показує, що найкращий агент має близько 79,1%, а найкращий результат L2 у тому самому знімку — близько 69,4%. Усі старіші моделі набрали 0% на фільтрації списків.

    Джерело ↗
  6. 6
    Оновлення записів у CRM (нефінансові поля)

    Лише 25% працівників, які ведуть записи, використовують для цього ШІ, це найнижчий показник серед усіх виміряних завдань. Вони побоюються тихих помилок у записах.

    Джерело ↗
  7. 7
    Робочі процеси в кількох застосунках (копіювання даних між інструментами)

    Матеріал про OSWorld 2.0 називає роботу з кількома застосунками найскладнішим випадком: до п'яти застосунків в одному завданні. Найкраще повне виконання — 48,7% (за даними Anthropic).

    Джерело ↗
  8. 8
    Заповнення форм (нефінансових: реєстрація, опитування, запити)

    Людина з агентом, точним на 90%, все одно має перевіряти кожне поле. За медіанної зарплати в роботі з введенням даних близько $19,88 на годину ця перевірка може звести нанівець економію.

    Джерело ↗
  9. 9
    Записи і звіти про витрати

    Це невелике завдання з введення даних, яке стосується відшкодувань і журналів аудиту. Професія введення даних, за прогнозом, скоротиться на 25,9% з 2023 до 2033 року.

    Джерело ↗
  10. 10
    Форми, що переказують гроші (платежі, рахунки, зарплата, банківські перекази)

    Навіть при 98% на крок за 20 кроків наскрізна успішність лише близько 67%. Для незворотних платежів це дуже далеко від безпечного.

Що помітив Claude

Найчастіше делеговані завдання — не ті, в яких агенти найкращі за бенчмарками. Працівники передають аналіз даних (7,1%), читання документів (5,7%) і ведення записів (5,3%), а з тих, хто веде записи, ШІ для цього використовує лише 25%.

Надійність на кожному кроці накопичується: 98% на крок за 20 кроків дає близько 67% наскрізно, а завдання OSWorld 2.0 в середньому мають понад 300 кроків.

Запуск агента на 12 хвилин для зміни міжрядкового інтервалу показує іншу сторону економії. Час, який ви заощаджуєте, може піти на очікування агента і перевірку його роботи.

Практична аргументація, що циркулює в цьому дослідженні, така: адміністративна робота не дає поблажок. Якщо людина перевіряє кожен результат, жодної праці не зекономлено.

🇺🇸 Meta10 місць · нотаток: 2

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

  1. 1
    Сортування і впорядкування файлів

    Нульова ціна помилки: агент може бути на 60% точним і все одно заощадити час порівняно з медіанною зарплатою введення даних $41 340

    Джерело ↗
  2. 2
    Перегляд веб-сторінок і збір матеріалів для досліджень

    Агенти вже читають сторінки цін і порівнюють постачальників без нагляду: 42,7% до 55% успішності на веб-завданнях WorkArena

  3. 3
    Видобування даних з PDF

    Структуроване вилучення з виконанням коду: низька вартість відкату, висока економія часу порівняно з ручним копіюванням і вставкою

    Джерело ↗
  4. 4
    Форматування таблиць і формули

    30 викликів інструментів на завдання в OSWorld 1.0 проти 318 у 2.0. Короткі правки електронних таблиць тепер близькі до базового показника людей 72,36%

    Джерело ↗
  5. 5
    Редагування і конвертація документів

    GPT-6.1 Terra добре працює з технічною комунікацією: складанням пропозицій і читанням креслень, за словами OpenAI

    Джерело ↗
  6. 6
    Складання і підсумування листів

    38% працюючих дорослих використовують чат-боти для роботи: це найвища частка передачі завдань, низька ціна помилки

    Джерело ↗
  7. 7
    Введення і оновлення даних у CRM

    Завдання CRM у WorkArena мають лише 42,7% успішності; потрібна людська перевірка, бо клієнтські дані важко відкотити

  8. 8
    Заповнення форм (нефінансових)

    GPT-6.1 Terra створена для заповнення форм: на 15 пунктів вище за попередника, але помилок досі 38%

    Джерело ↗
  9. 9
    Звіти про витрати і введення рахунків

    Торкається грошей: агент, точний на 90%, якому потрібна перевірка кожного рядка, не заощаджує жодного часу

    Джерело ↗
  10. 10
    Робочі процеси в кількох застосунках із грошима або даними клієнтів

    Медіана OSWorld 2.0 — 1,6 години і 318 викликів інструментів: 20-24% бінарного виконання на коротких завданнях, на довгих — обвалюється

    Джерело ↗

Що помітив Meta

Сортування файлів може стояти вище за заповнення форм: помірні 60% успішності, але нульова ціна відкату, проти форми з переказом грошей на 90% точності, яку людина мусить перевіряти повністю.

Дані Бюро статистики праці США (BLS, OEWS): введення даних — медіана $41 340, ~$20 на годину. Запуск агента за $0,31 з кешем означає, що цінність визначає час перевірки, а не ціна токена.

🇺🇸 Grok10 місць · нотаток: 3

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

  1. 1
    Сортування і впорядкування файлів (2026)

    Завдання з керування файлами — серед категорій з найвищою успішністю в OSWorld; низька ціна помилки і легка візуальна перевірка роблять їх безпечними для передачі навіть за скромних показників.

    Джерело ↗
  2. 2
    Збір інформації і дослідження (2026)

    Найпоширеніше робоче використання ШІ за даними Microsoft — підтримка рішень і пошук інформації (27,5% і 13%); працівники вже охоче передають їх.

    Джерело ↗
  3. 3
    Некритичне складання і підсумування (2026)

    Написання тексту і резюме — серед найпоширеніших завдань ШІ; перевірка швидка, а ціна помилки низька для внутрішніх чернеток.

    Джерело ↗
  4. 4
    Прості заявки з каталогу послуг і типові форми (2026)

    Завдання каталогу послуг WorkArena досягли ~78% з моделями рівня GPT-4o; інтерфейс звичайний, а помилки легко помітити.

    Джерело ↗
  5. 5
    Введення даних у таблиці зі структурованих джерел (2026)

    Завдання LibreOffice Calc мають високі бали в OSWorld-Verified у найкращих агентів; все одно потрібні вибіркові перевірки, коли йдеться про формули або логіку з кількох аркушів.

    Джерело ↗
  6. 6
    Видобування з PDF і документів для нефінансових записів (2026)

    Завдання з документами часті в OSWorld; вилучення дає високу успішність, коли цільова схема чітка, а результат перевіряють перед подальшим використанням.

  7. 7
    Некритичні оновлення полів CRM (2026)

    Завдання з кількох застосунків і корпоративні інтерфейси залишаються складнішими (фільтри списків у WorkArena майже 0%); безпечно лише для полів з низькими ставками і швидкою перевіркою людиною.

    Джерело ↗
  8. 8
    Базове сортування пошти і типові відповіді (2026)

    Завдання в стилі Thunderbird добре оцінюються в перевірених таблицях; працівники вже використовують ШІ для чернеток, але особисту або чутливу пошту все одно має глянути людина.

    Джерело ↗
  9. 9
    Введення витрат і компенсацій (2026)

    Часті в довгих робочих процесах OSWorld 2.0; часткового прогресу багато, але повне виконання низьке, а одна помилка може перевести гроші або створити проблеми з аудитом.

    Джерело ↗
  10. 10
    Форми, що переказують гроші або змінюють офіційні записи (2026)

    Навіть 90% точності можуть вимагати перевірки кожного рядка, що зводить нанівець економію часу. Ціна помилки висока і в багатьох системах не відкочується.

    Джерело ↗

Що помітив Grok

Дані Microsoft Work Trend Index показують, що переважають ухвалення рішень і пошук інформації, а просте автоматизоване виконання завдань — менше. Працівники й далі сприймають результат ШІ як відправну точку.

Складні корпоративні завдання WorkArena++ майже не розв'язані (GPT-4o ~2,1% проти 93,9% у людей), тож багатокрокові робочі процеси CRM чи ІТ досі потребують сильного людського контролю.

Середні працівники знання витрачають багато часу на «ботонагляд» (перевірку й виправлення). Для завдань з високими ставками час на перевірку може звести нанівець виграш у швидкості.

🇺🇸 Gemini10 місць · нотаток: 3

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

  1. 1
    Локальне сортування файлів і архівація папок

    Успішність 92% за бенчмарком разом з командою відкату без витрат зберігає 85% часу людей на канцелярську роботу.

    Джерело ↗
  2. 2
    Видобування даних з PDF і рахунків у таблиці

    Агенти зору розбирають заплутані багатосторінкові чеки з точністю 89%, потребуючи лише вибіркової перевірки сум.

    Джерело ↗
  3. 3
    Веб-дослідження і порівняння цін

    Агенти для перегляду вебсторінок надійно складають каталоги ринку з кількох сайтів без ризику змінити живі дані.

  4. 4
    Заповнення типових веб-форм за чернетками документів

    Досягає 84,8% виконання в ServiceNow WorkArena, скорочуючи повторне ручне введення на 70%.

    Джерело ↗
  5. 5
    Очищення таблиць і стандартизація формул

    Автоматизує обрізання рядків і зіставлення заголовків у 81% таблиць, але синтаксичні аномалії все одно потребують перевірки.

    Джерело ↗
  6. 6
    Маршрутизація і категоризація заявок в ІТ-службу

    Результати WorkArena показують 79,5% точності в маршрутизації внутрішніх інцидентів без показу клієнтам.

    Джерело ↗
  7. 7
    Збагачення лідів у CRM і оновлення контактів

    74% точності за бенчмарком залишають 1 з 4 полів контактів пошкодженим без перевірки, що ризикує чистотою клієнтських розсилок.

    Джерело ↗
  8. 8
    Планування зустрічей у кількох календарях із зовнішніми клієнтами

    Міркування між календарями провалюються в 32% крайніх випадків (часові пояси, запрошення), тож потрібна обережна людська перевірка.

  9. 9
    Подання на відшкодування корпоративних витрат

    Помилкові записи витрат тягнуть штрафи під час аудиту; 68% фінансистів наполягають на повній перевірці чеків.

    Джерело ↗
  10. 10
    Пряме внесення рахунків до оплати і банківських переказів

    Навіть при 88% точності незворотна ціна помилкового банківського реквізиту вимагає підпису людини за кожним рядком.

    Джерело ↗

Що помітив Gemini

Завдання з миттєвим «Відмінити» або ізольованим радіусом впливу заощаджують в середньому 14 хвилин на випадок. Бухгалтерські процеси з високою відповідальністю не дають жодної чистої економії хвилин через необхідний аудит.

За даними Microsoft Work Trend Index, 85% працівників охоче делегують підготовку даних і сортування, але понад 80% відмовляються від автономного виконання, коли йдеться про переказ грошей.

За медіанною канцелярською зарплатою BLS у $21,40 на годину агент, що коштує $0,18 за запуск, дає 95% зниження витрат на обробку файлів і документів.

🇨🇳 Kimi10 місць · нотаток: 4

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

  1. 1
    Сортування файлів і впорядкування папок

    Єдиний клас завдань, де помилку можна виправити за секунди: неправильно названі файли і не ті папки видно, їх можна відкотити, а агенти вже виконують файлові завдання OSWorld з одними з найвищих показників серед бенчмарку.

    Джерело ↗
  2. 2
    Перші чернетки документів, листів і пропозицій

    58% користувачів ШІ вже кажуть, що створюють роботу, якої рік тому не змогли б зробити. А складання чернеток — завдання, яке, за індексом Microsoft, делегують найбільше.

    Джерело ↗
  3. 3
    Видобування даних з PDF у таблиці

    Найбезпечніша робота з вилучення даних, бо кожна клітинка опиняється там, де людина може її перевірити. А головна ідея запуску GPT-6.1 Terra була побудована саме на цій рутині з рахунками та формами.

    Джерело ↗
  4. 4
    Очищення таблиць (форматування, дублікати, заповнення формул)

    Робота з однією програмою в таблицях — там, де бенчмарки найсильніші: найкращий агент WorkArena-L1 виконує 90,3% атомарних корпоративних завдань.

    Джерело ↗
  5. 5
    Веб-дослідження і підсумки за кількома вкладками

    Агенти тепер збирають дані з вкладок швидше за людей, але найкращий зафіксований рівень помилок усе одно 4,3%. Це бюджет на вигадки, а не нуль.

    Джерело ↗
  6. 6
    Сортування пошти і чернетки відповідей

    Сортування вхідних — перший крок до делегування, але чверть працівників усе одно повністю відмовляється від ШІ. Тож вузьке місце — довіра, а не можливості.

    Джерело ↗
  7. 7
    Оновлення записів у CRM і ІТ-порталі

    Атомарні правки CRM проходять на 90,3%, але складні версії тієї самої роботи ServiceNow падають до 2,1%. Цей розрив у 88 пунктів і є місцем, де живе людська перевірка.

    Джерело ↗
  8. 8
    Заповнення внутрішніх форм (нефінансових)

    Форми — головна продажна ідея Terra: «заповнення форм» — приклад самої OpenAI. Проте наскрізні корпоративні робочі процеси з формами залишаються найслабшою категорією бенчмарків.

    Джерело ↗
  9. 9
    Записи звітів про витрати

    За канцелярську зарплату близько $21-22 на годину перевірка кожного рядка в записах витрат коштує майже стільки ж, скільки їх набрати. Економія тут і випаровується.

    Джерело ↗
  10. 10
    Погодження рахунків і проведення платежів

    Завдання, де 90% точності нічого не варті: ті 10%, що потраплять у банківський переказ, — єдина частина, яку хтось запам'ятає.

    Джерело ↗

Що помітив Kimi

Парадокс делегування: 58% користувачів ШІ кажуть, що створюють роботу, якої рік тому не змогли б зробити, але лише 27% повністю погоджуються, що їм зручно передавати завдання агентам. Можливості випередили довіру, а 26% працівників зізнаються, що таємно уникають ШІ зовсім.

Обрив на 88 пунктів на одній платформі: агенти проходять 90,3% атомарних завдань WorkArena-L1 з ServiceNow, але лише 2,1% (GPT-4o) складних процесів WorkArena++, які люди виконують на 93,9%. «Агент може вести мій CRM» — правда для одного поля, а не для одного робочого процесу.

Перевірка має ринкову ціну: за медіанною зарплатою операторів введення даних BLS близько $43 310-$45 930 на рік будь-яке завдання, перевірка якого займає стільки ж часу, що й саме виконання (витрати, рахунки, фінансові форми), при поточній точності агентів нічого не заощаджує.

Заповнення форм, головний приклад найновішої моделі, також найменш доведене: GPT-6.1 Terra запущено сьогодні з формами як головною ідеєю, тоді як найсильніші опубліковані корпоративні дані (WorkArena++) показують, що багатовкладкові робочі процеси з формами — найслабша категорія для кожного протестованого агента.

🇨🇳 DeepSeek10 місць · нотаток: 1

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

  1. 1
    Сортування і перейменування файлів

    Єдине завдання, де агент з 34% ще може заощаджувати час: неправильна папка — це відкат перетягуванням, а не переписування.

  2. 2
    Видобування даних з PDF

    LlamaParse Agentic набирає 84,88 у ParseBench; людська перевірка — дві хвилини вибіркового огляду, а не аудит кожного рядка.

    Джерело ↗
  3. 3
    Перегляд веб-сторінок і дослідження

    Browser Use Cloud досягає 78,0% у перегляді вебсторінок, але повсякденні завдання ClawBench знижують Claude Sonnet 4.6 до 23,5%. Перевірка і є роботою.

    Джерело ↗
  4. 4
    Планування календаря

    Лише 0,4% чатів Copilot стосуються календаря, а агент для розкладу все ще має 35% помилок: низькі ставки, низька довіра.

    Джерело ↗
  5. 5
    Заповнення форм (без платежів)

    CRAFT досягає 43,31 E2E на багатофайлових формах, але 15,5 на формах лише з інструкціями. Сама форма проста, а інструкції ні.

    Джерело ↗
  6. 6
    Введення і очищення даних у таблицях

    Найкращий агент для таблиць проходить 16% завдань MBABench-2.0; точність налагодження — 12%, тож кожну клітинку потрібно перевіряти вдруге.

    Джерело ↗
  7. 7
    Оновлення CRM

    Строгий показник успіху CRM-Agent-Bench — від 64,32% до 83,60%, але тест SCUBA на екрані Salesforce дає агентам з відкритим кодом для керування комп'ютером менше 5%. API і екран — різні світи.

    Джерело ↗
  8. 8
    Записи витрат і внесення рахунків

    Fable 5.1 проходить 72% завдань з введення рахунків, перевершуючи найкращу людину з 51%, але 28% провалів можуть перевести гроші.

    Джерело ↗
  9. 9
    Робочі процеси в кількох застосунках

    Найкращий агент OSWorld 2.0 повністю виконує 20,6% з 108 багатододаткових робочих процесів, які в середньому мають 318 викликів інструментів. Чотири з п'яти все ще потребують людини.

    Джерело ↗
  10. 10
    Погодження платежів, банківські перекази і прийняття умов

    Жодного бенчмарку не треба: OpenAI, Anthropic і Google всі радять залишати людське схвалення для грошей, умов і облікових даних.

    Джерело ↗

Що помітив DeepSeek

Найкращий агент для таблиць проходить 16% завдань MBABench-2.0, а точність налагодження — 12%. Агент для таблиць, який потребує перевірки кожного рядка, узагалі не заощаджує часу.

🇨🇳 Qwen10 місць · нотаток: 2

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

  1. 1
    Сортування і перейменування файлів

    Високий відсоток успіху і нульовий фінансовий ризик: помилка означає лише повернення файлу в початкову папку.

    Джерело ↗
  2. 2
    Форматування таблиць

    Агенти добре справляються зі структурним прибиранням, а кнопка «відмінити» в Excel робить людську перевірку безболісною.

    Джерело ↗
  3. 3
    Рутинне введення даних у CRM

    Агенти легко працюють із формами на кількох вкладках, але торгові представники все одно перевіряють ключові оновлення клієнтів перед збереженням.

    Джерело ↗
  4. 4
    Підсумування стенограм нарад

    Низький ризик незворотної шкоди, і працівники охоче передають це, щоб зекономити години на прослуховуванні.

    Джерело ↗
  5. 5
    Видобування чеків про витрати з PDF

    Агенти легко витягують дати і суми, але людина має схвалити виплати, перш ніж бухгалтерія проведе платіж.

    Джерело ↗
  6. 6
    Ведення заявок у порталі ІТ-служби

    Наскрізна успішність WorkArena стабільна для скидання паролів, але запити на обладнання все ще потребують схвалення людиною.

  7. 7
    Робочі процеси з дослідженнями в кількох застосунках і перегляд сторінок

    Агенти можуть збирати дані з різних вкладок, але вигадані джерела вимагають перевірки фактів людиною по кожному рядку.

    Джерело ↗
  8. 8
    Складання листів підтримки клієнтів

    Агенти пишуть ввічливі відповіді, але недоречна відповідь розлюченому клієнтові може коштувати великого рахунку.

    Джерело ↗
  9. 9
    Оновлення зарплати і соціальних пільг

    Навіть агент з 90% точності занадто ризикований: одна неправильна цифра означає штрафи податкової служби США (IRS) і розлючених співробітників.

    Джерело ↗
  10. 10
    Банківські перекази і платежі постачальникам

    Найвищою мірою завдання з людиною в контурі: одне неточне натискання агента може миттєво витратити кошти компанії.

    Джерело ↗

Що помітив Qwen

Індекс Microsoft Work Trend Index 2026 показує, що хоч працівники охоче передають узагальнення й форматування, вони активно не дозволяють ШІ торкатися завдань з грошима або чутливими кадровими записами.

WorkArena++ перевіряє 682 корпоративні робочі процеси і показує, що агенти добре справляються з введенням даних в одному застосунку, але сильно відстають, коли завдання потребує переходу між CRM, поштовим клієнтом і таблицею.