Технічний контекст
Я люблю такі новини не за заголовок, а за метрику, яку можна помацати. Тут не «модель стала розумнішою», а RLI повторно прогнав 240 реальних фриланс-проєктів і отримав 16,1% завдань, закритих AI-агентом на рівні client-ready. Для AI implementation це вже не іграшка, а ранній, але цілком вимірюваний ринок праці для софту.
Базова точка була в жовтні 2025 року: тоді стеля була 2,5%. Зараз, за липневим оновленням 2026-го, лідером став Anthropic Fable 5 з 16,1%, Opus 4.8 вийшов на 8,3%, GPT-5.5 на 6,3%. Мене тут чіпляє не просто зростання, а те, що пробито стару «скляну стелю» в районі 2-3%.
Сам бенчмарк теж адекватний. Це не тест на вибір правильної літери, а багатокрокові, неструктуровані завдання з реальних майданчиків на кшталт Upwork: код, дизайн, копірайтинг, веб, аналітика, аудіо, відео, CAD. Оцінка проста й жорстка: чи взяв би це клієнт, який платить.
І отут я б не поспішав кричати, що фриланс помер. 16% означає, що агент усе ще провалює більшість завдань, особливо там, де потрібен смак, переговори, доменна експертиза або розрулювання неоднозначності. Але якщо вісім місяців тому це був гарний прототип, то зараз це вже шар роботи, який можна реально віддавати в automation with AI.
Вплив на бізнес та автоматизацію
Для бізнесу висновок дуже приземлений: спочатку автоматизуються не професії, а шматки пайплайну. Чорновий лендінг, ресайз креативів, проста аналітика, базові правки коду, first-draft тексти, збирання досліджень. Це вже можна рахувати в годинах і в маржі.
Виграють команди, які вміють збирати AI integration навколо контролю якості, маршрутизації завдань і людини на останній милі. Програють ті, хто купить модель і чекатиме дива без нормальної AI architecture.
Я це бачу і в клієнтських проєктах: головна проблема вже не «чи вміє модель», а як вбудувати агента в процес так, щоб він не створював дорожчих помилок, ніж економить часу. У Nahornyi AI Lab ми якраз вирішуємо ці стики на практиці: де агенту дати автономність, де поставити валідацію, а де залишити людину.
Якщо ваша команда тоне в повторюваних цифрових завданнях, є сенс спокійно розібрати ваш процес по шарах. Іноді достатньо одного точного AI solution development проєкту, щоб зняти рутину, прискорити випуск і не роздувати штат. Якщо хочете, я в Nahornyi AI Lab допоможу подивитися, де тут справді спрацює AI automation, а де поки краще не ламати те, що й так приносить гроші.