بنچمارک تازه معرفیشده Mercor با هدف ارزیابی عملکرد عوامل هوش مصنوعی در وظایف حرفهای پیچیده طراحی شده است؛ وظایفی که پیشتر تصور میشد تنها از عهده متخصصان انسانی مانند وکلا و تحلیلگران مالی برمیآید. نتایج اولیه این آزمونها چندان امیدوارکننده نبود و تقریباً همه مدلهای بزرگ هوش مصنوعی امتیازی کمتر از ۲۵ درصد کسب کردند؛ موضوعی که این تصور را تقویت میکرد که حرفههایی مانند وکالت فعلاً از تهدید جایگزینی توسط هوش مصنوعی در امان هستند.
جهش ناگهانی با Opus 4.6 آنتروپیک
اما این وضعیت خیلی دوام نیاورد. با انتشار Opus 4.6 از شرکت آنتروپیک، جدول ردهبندی Mercor دستخوش تغییر شد. این مدل جدید در آزمونهای یکمرحلهای موفق به کسب ۳۰ درصد امتیاز شد و زمانی که فرصتهای بیشتری برای حل مسائل در اختیار آن قرار گرفت، میانگین عملکردش به ۴۵ درصد رسید. نکته مهم اینکه Opus 4.6 از مجموعهای از قابلیتهای عاملمحور (Agentic Features) بهره میبرد که به آن امکان برنامهریزی، تصمیمگیری چندمرحلهای و تطبیق بهتر با وظایف پیچیده را میدهد.
آینده مشاغل تخصصی؛ هشدار نه وحشت
برندان فودی، مدیرعامل Mercor، این پیشرفت را «جهشی دیوانهکننده در عرض چند ماه» توصیف کرده است. هرچند فاصله زیادی تا امتیاز کامل ۱۰۰ درصد وجود دارد و جایگزینی کامل وکلا یا تحلیلگران در آینده نزدیک مطرح نیست، اما این نتایج نشان میدهد که اطمینان حرفههای تخصصی نسبت به ماههای گذشته بهمراتب کمتر شده است. سرعت پیشرفت مدلهای پایه هوش مصنوعی اکنون به عاملی تعیینکننده در آینده بازار کار تبدیل شده است.
نظرات کاربران