«Сбер» представил Cowork Bench — открытый русскоязычный бенчмарк, который проверяет, насколько хорошо ИИ-агенты справляются с офисной работой. При этом оцениваются не ответы модели, а сам факт, может ли агент довести задачу до конца без участия сотрудника. Например, как ИИ обработает заявку, подготовит отчёт или сделает расчёт.
Бенчмарк включает 475 задач, 12 бизнес-функций и 26 корпоративных систем. ИИ-агенту при испытаниях приходится работать с таблицами, документами, почтой, календарём, хранилищем данных и базой знаний.
Пример задачи — анализ бюджета. Например, нейросети нужно сопоставить план и факт по четырём подразделениям, рассчитать отклонения, объяснить причины, подготовить отчёт и презентацию, пересмотреть прогноз и разослать письма. Другая задача — организовать командировку, в том числе отобрать сотрудников, подобрать билеты, посчитать бюджет и внести встречи в календарь.
Разработчики платформы GigaCowork сравнили девять программных оболочек для агентов — на одной открытой модели, с одинаковыми задачами и проверкой. Среди них Goose, Claude Code, Codex CLI, OpenHands, OpenCode и другие. Доля выполненных заданий составила от 62% до 80% в зависимости от оболочки. GigaCowork справился с 75,2% задач.
Ранее в GigaPlatform AI Studio появилась возможность без программирования собирать ИИ-агентов из готовых блоков, подключая к ним собственные документы и базу знаний, — именно эти сценарии теперь проверяет новый бенчмарк. Кроме того, представлен «ГигаАгент», который разбивает поручение на этапы, работает с календарём и документами, готовит отчёты и презентации.
Схожую автоматизацию развивают и другие компании: например, Smart Engines представила ИИ-агентов для создания шаблонов документов, которые избавляют от ручной настройки нестандартных форм.
Читайте ещё материалы по теме:
Не пропускайте наши новостиДобавьте сайт в предпочитаемые источники, чтобы видеть нас чащеДобавить в Google
