Когда ИИ сможет выполнять целую работу самостоятельно?

ИИ уже может самостоятельно выполнить некоторые ограниченные цифровые задания — например, исправить отдельную ошибку в программе или собрать черновой анализ. Но нет надёжной даты, когда он сможет без постоянного контроля выполнять широкий круг полноценных профессиональных работ.

Что означает «целая работа»

Здесь речь не о профессии целиком, а об одном законченном результате: получить задачу, спланировать действия, использовать нужные программы, исправить ошибки и выдать результат приемлемого качества. Чем дольше и неоднозначнее работа, тем больше мест, где система может ошибиться.

Факт. METR измеряет «временной горизонт» ИИ: задачи какой длительности для человека модель выполняет с заданной вероятностью успеха. В публичном отчёте начала 2026 года оценка для 50% успеха составляла примерно 12 часов 50 минут, а для 80% — около полутора часов. Диапазоны неопределённости широки, а набор в основном состоит из программирования, машинного обучения и кибербезопасности. Это не означает, что модель непрерывно и надёжно работает 13 часов в любой профессии.

В анализе OpenAI Codex 70,2% пользователей хотя бы раз отправляли запрос, который модель оценила как более часа человеческой работы, а 25,6% — более восьми часов. Но это оценка сложности запроса самой моделью, а не доказательство успешного результата.

Где реальность сложнее теста

На OSWorld 2.0 агент должен пользоваться обычными компьютерными программами в 108 сценариях; лучший результат в исходном исследовании — 20,6%. В Odysseys, другом тесте длительной компьютерной работы, лучший показатель составил 44,5%. Это заметный прогресс, но далеко не надёжность сотрудника.

Контрдоказательство. METR обнаружила, что автоматические оценки программных исправлений могут быть на 24,2 процентного пункта выше, чем готовность сопровождающих проекта принять те же изменения. «Тест пройден» и «результат можно безопасно использовать» — разные утверждения.

GDPval охватывает 44 профессии, девять секторов и 1320 задач. Однако модели выполняют задания в один заход, без обычных переговоров, уточнений и изменяющихся требований. Поэтому тест измеряет полезный срез работы, но не замену профессий.

Что из этого следует

Интерпретация AI Futures. Автономия сначала будет распространяться на цифровые задания с ясной целью, доступными данными и дешёвой проверкой результата. Работы, где нужно понимать людей, отвечать за последствия, получать физический доступ или разбираться с неоднозначностью, будут автоматизироваться медленнее.

Сценарий METR, в котором горизонт может вырасти примерно до 200 часов за 12–18 месяцев, — экстраполяция конкретной метрики, а не прогноз о любой офисной работе. Надёжная оценка требует смотреть не только на длительность, но и на вероятность успеха, качество проверки, стоимость ошибок и долю вмешательств человека.