คะแนน 41.3% คือสัญญาณก้าวหน้า ไม่ใช่ใบรับรองว่าทำงานแทนคนได้
ดัชนี Remote Labor คือการประเมินว่าเอเจนต์ปัญญาประดิษฐ์ทำโครงการฟรีแลนซ์จริงได้บ่อยเพียงใด โดยนับว่าสำเร็จเมื่อผู้ว่าจ้างยอมรับคุณภาพผลงานได้ Claude Fable 5.2 ทำคะแนนสูงสุด 41.3% ในการทดสอบนี้ ซึ่งเป็นข่าวสำคัญเพราะวัดงานที่ต้องส่งมอบ ไม่ใช่แค่ตอบคำถามให้ดูคล่อง[ ] ตัวเลขดังกล่าวทำให้โมเดลนี้นำ Opus 5.5 ที่ 21.25% และ GPT 6 Astra ที่ 20.83% เกือบสองเท่า[ ] แต่ความหมายที่ควรอ่านคือเอไอทำงานบางประเภทได้ถึงเกณฑ์มืออาชีพในสัดส่วนที่สูงขึ้น ไม่ใช่ทำได้ทุกงานหรือทำได้โดยไม่ต้องมีคนดูแล การเรียกผลนี้ว่าจุดเปลี่ยนของงานฟรีแลนซ์จึงพอเข้าใจได้ แต่การสรุปว่าอาชีพเหล่านี้ถูกแทนที่แล้วนั้นไกลเกินหลักฐาน
การทดสอบใกล้งานจริง แต่คะแนนยังมีขอบเขต
ดัชนี Remote Labor จัดทำโดย Scale Labs และ Center for AI Safety โดยใช้โครงการที่เสร็จสิ้นแล้ว 240 งานจากผู้เชี่ยวชาญ 358 คนบนแพลตฟอร์ม Upwork ครอบคลุมงานหลากหลาย ตั้งแต่วิดีโอและการวิเคราะห์ข้อมูลไปจนถึงการออกแบบด้วยซอฟต์แวร์ระดับมืออาชีพ[ ] จุดแข็งของวิธีนี้คือผู้เชี่ยวชาญที่เป็นมนุษย์เปิดไฟล์ในโปรแกรมที่เกี่ยวข้อง แล้วเทียบผลงานเอไอกับงานของฟรีแลนซ์จริง ไม่ได้ตัดสินจากคำตอบที่ดูดีเพียงอย่างเดียว[ ] อย่างไรก็ดี คะแนน 41.3% ไม่ใช่สัดส่วนงานทั้งหมดในตลาดที่โมเดลจะรับทำได้ และไม่ได้รับประกันว่าผลงานทุกชิ้นจะผ่านการใช้งานในบริบทของลูกค้ารายอื่น ที่สำคัญ ยังมีงานออกแบบผลิตภัณฑ์อุตสาหกรรมและแอนิเมชันที่ให้ผลระดับสมัครเล่น ไฟล์เสียหาย หรือมีองค์ประกอบขัดแย้งกัน[ ]
ความก้าวหน้าที่เร็วขึ้น และโมเดลที่มุ่งงานซับซ้อน
ผลทดสอบยิ่งน่าสนใจเมื่อเทียบกับเส้นทางที่ผ่านมา: ราวหนึ่งปีก่อน ระบบชั้นนำบนดัชนีนี้ทำงานสำเร็จเพียง 2.5% ส่วน Fable รุ่นก่อนหน้าเคยอยู่ที่ประมาณ 16% ในการวัดผลเดือนกรกฎาคม ก่อนที่ Fable 5.2 จะขึ้นมาถึง 41.3%[ ] เมื่อวันที่ 9 พฤศจิกายน Anthropic เปิดตัว Claude Fable 5.2 และ Anthropic Mythos 5.2 โดยวางตำแหน่งสำหรับงานวิศวกรรมและการเขียนโปรแกรมที่ซับซ้อน พร้อมรายงานว่าทั้งคู่ทำได้ดีกว่า Opus 5.5 ในการประเมินด้านการเขียนโปรแกรม การให้เหตุผล และการวิจัยทางวิทยาศาสตร์ส่วนใหญ่[ ] Fable เน้นจัดการโครงการซอฟต์แวร์ขนาดใหญ่และเปิดให้ใช้งานผ่านแพลตฟอร์มนักพัฒนา ส่วน Mythos ออกแบบสำหรับองค์กรที่ผ่านการตรวจสอบในด้านความปลอดภัยหรือการวิจัยชีวการแพทย์ และต้องยืนยันตัวตนเพื่อเข้าถึง[ ]
ประโยชน์จริงอยู่ที่การแบ่งงาน ไม่ใช่การฝากทุกอย่างไว้กับเอไอ
สำหรับคนทำงาน ตัวเลขนี้เป็นเหตุผลให้ทดลองใช้ AI ทำงานฟรีแลนซ์ในงานที่มีเกณฑ์ตรวจรับชัด เช่น การช่วยทำต้นแบบโค้ดหรือจัดการขั้นตอนซ้ำ ๆ มากกว่าจะมอบหมายโครงการทั้งชิ้นแล้วปล่อยโดยไม่ตรวจ จุดอ่อนด้านไฟล์และคุณภาพแสดงว่าผู้ใช้ยังต้องตรวจผลลัพธ์ เปิดงานในซอฟต์แวร์จริง และรับผิดชอบการส่งมอบเอง Anthropic ระบุว่า Fable 5.2 ใช้งานได้ผ่านแพลตฟอร์มของบริษัทและผู้ให้บริการคลาวด์รายใหญ่ ขณะที่คำแนะนำสำหรับผู้ใช้ทั่วไปยังให้เลือก Opus 5.5 สำหรับงานประจำวันส่วนใหญ่[ ] นี่เป็นข้อเตือนที่ควรฟัง: โมเดลที่ชนะการทดสอบเฉพาะด้านไม่ได้แปลว่าเหมาะที่สุดกับงานทุกประเภท ข้อสรุปที่สมเหตุผลจึงไม่ใช่การแทนที่ฟรีแลนซ์ แต่คือการเพิ่มเครื่องมือที่ช่วยเร่งงาน โดยมีมนุษย์กำหนดโจทย์ ตรวจคุณภาพ และตัดสินใจขั้นสุดท้าย






