Передовые ИИ-модели пока плохо справляются с реальными рабочими задачами — и это полезно знать до внедрения

Исследователи проверили передовые ИИ-модели на задачах, приближенных к реальной офисной работе, — и результаты отрезвляют: там, где нужно учитывать контекст компании, недосказанные условия и внутренние правила, модели ошибаются заметно чаще, чем на академических тестах. Красивые баллы бенчмарков пока плохо конвертируются в надёжную работу «как сотрудник».

Разрыв объясним: рабочие задачи редко приходят в виде чёткого условия. Люди опираются на то, чего нет в запросе, — историю клиента, негласные договорённости, знание «как у нас принято». Модель без этого контекста выдаёт формально правильный, но бесполезный ответ.

Для бизнеса это не повод отложить ИИ, а инструкция по применению. Работают два правила: сужать задачу и давать контекст. Именно поэтому агент, живущий внутри данных компании, полезнее универсального чата: в 1Cifer у каждой компании, отдела и проекта — своё пространство, и агент отвечает не «в среднем по интернету», а в рамках конкретного контура с его цифрами и правилами. А решения с высокой ценой ошибки в любом случае оставляйте на финальной проверке человеку.