ИИ пришёл за бухгалтерами. Свежее исследование компании Mercor подкинуло пищу для размышлений всем, кто верил, что с творческим хаосом в первичке могут справиться только кожаные эксперты. Двенадцать сертифицированных американских бухгалтеров со средним стажем 5,5 лет соревновались с нейросетями в решении рутинных задач по закрытию месяца: перерыть файлы условной фирмы, выудить нужные цифры, посчитать и свести всё в таблицу. Люди в среднем справились на 37%, хотя сидели над каждым кейсом по два-три часа. А Claude Opus 5 не ошибся ни разу, тратя на задачу меньше 10 минут. И обходился при этом в десятки раз дешевле. Лабораторные условия, конечно, сильно отличаются от реальной жизни. Задания были упрощёнными и проверяли как раз те навыки, в которых нейросети особенно сильны. За рамками эксперимента остались знание специфики клиентского бизнеса и принятие решений в неоднозначных ситуациях. Но впечатляет здесь даже не столько победа ИИ, сколько скорость, с которой он осваивает предметную область. Всего полтора года назад лучшие модели ещё плелись позади рядового специалиста, а сегодня щёлкают те же кейсы со стопроцентной точностью. Означает ли это скорый парад сокращений в финансовых отделах? Не факт. Но в том, что профессию бухгалтера ждут большие изменения, я не сомневаюсь. Скорее всего, рутинные сверки и расчёты постепенно заберут на себя алгоритмы, а людям достанется больше работы, требующей экспертного суждения, общения с клиентами и персональной ответственности. Впрочем, за российских бухгалтеров можно пока быть относительно спокойным. Ни один искусственный интеллект в здравом уме не сможет гарантировать, что он вкурил все хитросплетения постоянно меняющегося налогового законодательства и нюансы серой и чёрной бухгалтерии, которые сопровождают многие бизнесы в РФ.

Стало уже общим местом напоминать при релизе новых моделей, что публикуемые бенчмарки хороши, как показатель динамики, но это малоприменимо к конкретным задачам, которые встречаются даже в разработке проектов. Ну, вот вам подтверждение — Mercor опубликовала Benchmark Map, карту того, насколько AI-бенчмарки покрывают работу в экономике США. За основу взята классификация O*NET Министерства труда: 923 профессии в 22 семействах и 18 797 задач. Из 29 публичных агентных бенчмарков LLM-судья сопоставил промпты с задачами. Задача считается покрытой, если ей соответствуют хотя бы 5 промптов. По этому критерию хотя бы одна покрытая задача есть только у 208 профессий, в 6 семействах таких профессий нет совсем, а около 90% рабочего времени американцев приходится на задачи со слабым покрытием или без него. Задачи, подверженные автоматизации через AI, представлены в бенчмарках примерно в 6 раз чаще остальных, самые важные для профессии — в 6–10 раз. Перекос виден и по фонду оплаты труда: например, задачи юристов покрыты плотно, а задачи судебных секретарей почти не покрыты. В общем, было бы логично после составления такой карты идти и составлять новые бенчмарки, хотя это и выглядит самовозобновляющимся процессом. Так что и к новым бенчмаркам относитесь сдержанно. https://www.mercor.com/research/labor-index/benchmark-map/