206 நிபுணர் பணிகளிலிருந்து அமைதியாக்கும் ஒரே எண் 12 சதவீதம்: இன்றைய AI முகவர்களின் (agent) உண்மையான எல்லைகளை GDPx அளவுகோல் வெளிப்படுத்துவது என்ன

உண்மையான, ஊதியம் பெறும் நிபுணர் வேலைகளிலிருந்து உருவாக்கப்பட்ட ஒரு புதிய அளவுகோல் இருபது முன்னணி AI மாதிரிகளை மதிப்பிட்டுள்ளது; அவற்றுள் சிறந்தது 12 சதவீதம் பெற்றது.

உங்கள் நிறுவனம் நிபுணர்களுக்கு ஊதியம் தந்து செய்யும் வேலையை ஒரு AI முகவர் (agent) செய்ய முடியுமா? அந்த கூற்றுக்கான நேர்மையான மதிப்பெண் பலகை எப்படி இருக்கும்? ஒப்பந்தத்தில் கையெழுத்திடும் முன் விற்பனையாளரிடம் என்ன கேட்க வேண்டும்?

சிட்னியில் (Sydney) சிறு, நடுத்தர மற்றும் பெரும் (Peru) நிறுவனங்களுடன் பணியாற்றும் தனிப்பட்ட AI மாதிரி உருவாக்குநர் மற்றும் AI பாதுகாப்பு ஆலோசகர் என்ற முறையில், இந்தக் கேள்விகள் ஒவ்வொரு வாரமும் என்னிடம் கேட்கப்படுகின்றன. இந்தப் பதில்கள் பட்ஜெட் (budget), பணியாளர் மற்றும் அபாய (risk) முடிவுகளுக்கு முக்கியமானவை.

GDPx அளவுகோல் எதை அளவிட்டது, அதன் எண்கள் எதை நிலைநிறுத்துகின்றன, எதை நிலைநிறுத்தவில்லை, இந்தக் காலாண்டில் AI முகவர்களை (agent) மதிப்பிடும் ஒவ்வொரு தலைவருக்கும் உள்ள நடைமுறைப் பாடங்கள் யாவை என்பதை இக்கட்டுரை விளக்குகிறது.

இந்த வாரம், SemiAnalysis என்ற ஆராய்ச்சி (research) நிறுவனம் GDPx என்ற அளவுகோலை வெளியிட்டது. மக்கள் அவற்றைச் செய்து வாழ்வாதாரம் நடத்துவதால் தேர்ந்தெடுக்கப்பட்ட 11 துறைகளில் 206 பணிகள் இதில் உள்ளன: சிப் (chip) வடிவமைப்பு, இணையப் (internet) பாதுகாப்பு, சட்டப் பணி, அளவீட்டு வர்த்தகம், உயிரியல், மென்பொருள் (software) பொறியியல் மற்றும் பல.

14 தொழில்துறை கூட்டாளிகள் பணிகளை வழங்கினர்; இருபது முன்னணி மாதிரிகள் மதிப்பிடப்பட்டன. இந்த அளவுகோல் கடினத்திற்காக அல்ல, அதன் மூலப்பொருளுக்காக குறிப்பிடத்தக்கது: மக்கள் ஊதியம் பெற்றுச் செய்யும் வேலைகள்.

முதலிடம் பிடித்த Claude Opus 5.5, 12 சதவீதம் மட்டுமே பெற்றது. Gemini 4 Carbon 10.9 பெற்றது. GPT-6 Astra 9.6 பெற்றது.

எனினும், மதிப்பெண் பலகை ஒரு தொடக்கப் புள்ளியே, தீர்ப்பு அல்ல. இந்த எண்கள் ஒரே நிறுவனத்தின் பணிகளை அதன் சொந்த மதிப்பீட்டு முறையில் அளவிடுகின்றன; அவை அடுத்த ஆண்டின் அல்ல, இன்றைய மாதிரிகளை விவரிக்கின்றன.

GDPx குறைகள் இல்லாததல்ல. அது ஒரே நிறுவனத்தின் பணிகளையும் ஒரே நிறுவனத்தின் மதிப்பீட்டு முறையையும் பயன்படுத்துகிறது; இன்னும் சுயாதீன சரிபார்ப்பு இல்லை; மேலும் அந்த நிறுவனம் தான் மதிப்பிடும் தொழில்துறைக்கே ஆராய்ச்சியை விற்கிறது.

பாடம்: எண்ணை எச்சரிக்கையுடன் கையாளுங்கள். ஆனால் திசை சரியானது, ஏனெனில் இது மாதிரிகளை ஈர்க்கும் தகவல்களில் அல்ல, ஊதியம் தரும் வேலையில் அளவிடுகிறது.

முதலிடம் பெற்றது ஒரு முடிக்கப்பட்ட பணிக்கு சராசரியாக சுமார் $51 செலவிட்டது. இரண்டாம் இடம் பெற்றது, ஒரு புள்ளி வித்தியாசத்திற்குள் இருந்த மதிப்பெணுக்கு சராசரியாக சுமார் $16 மட்டுமே செலவிட்டது.

திறனும் செலவும் ஒன்றாக நகரும் என்று உங்கள் முகவர் (agent) உத்தி கருதினால், இந்த அட்டவணை அது இல்லை என்கிறது. முடிவுக்கான மலிவான பாதை இப்போது முடிவைப் போலவே மூலோபாயமானது; அந்த பகுப்பாய்வு சந்தைப்படுத்தல் (marketing) பக்கத்தில் அல்ல, கொள்முதல் துறையிடம் இருக்க வேண்டும்.

இந்தக் காலாண்டில் நீங்கள் காணும் ஆர்ப்பாட்டங்கள் அனைத்தும் நிபுணர் வேலைக்குத் தயார் என்று கூறும். ஒரு பொது, பெயரிடப்பட்ட அளவுகோல் உச்சவரம்பை 12 சதவீதமாக வைத்துவிட்டது.

இது முகவர்களைப் (agent) பயனற்றவர்களாக்காது. இன்றைய நேர்மையான வருவாய் (revenue) பரப்பு குறுகலான, நன்கு கண்காணிக்கப்படும், மனித மதிப்பாய்வுடன் கூடிய பணிகள் என்பதே இதன் பொருள்; மேடையில் விற்கப்படும் தன்னியக்க துறைகள் அல்ல.

முதலில், ஆர்ப்பாட்ட சகாப்தம் முடிந்தது. ஒரு தொழில்துறை மதிப்பெண் பலகைகளைப் பற்றி விவாதிக்கத் தொடங்கும்போது, ஆர்ப்பாட்டங்கள் வாதங்களை முடிப்பதை நிறுத்திவிட்டன.

இரண்டாவது, செலவும் திறனும் ஒன்றாக நகரா. முடிக்கப்பட்ட பணிக்கான செலவை மதிப்பெண்ணுடன் சேர்த்து கொள்முதலில் சேருங்கள்.

மூன்றாவது, ஒவ்வொரு முகவர் (agent) விற்பனை முன்வைப்பையும் ஒரு பொது எண்ணுடன் ஒப்பிட்டுப் படியுங்கள். இன்றைய நேர்மையான வருவாய் (revenue) பரப்பு குறுகலானது, நன்கு கண்காணிக்கப்படுவது, மனித மதிப்பாய்வுடன் கூடியது.

இறுதியாக, இந்தக் காலாண்டில் ஒவ்வொரு AI வழங்குநரிடமும் (provider) ஒரே ஒரு கேள்வி கேளுங்கள்: என் வேலையைப் போன்ற பணிகளுக்கான சுயாதீன, பணி அடிப்படையிலான அளவுகோலில் உங்கள் மதிப்பெண்ணையும், முடிக்கப்பட்ட பணிக்கான செலவையும் காட்டுங்கள். பதில் சொல்ல முடியவில்லை என்றால், ஆர்ப்பாட்டத்தை விட மதிப்பான ஒன்றை நீங்கள் கற்றுக்கொண்டிருக்கிறீர்கள்.

12 சதவீத உச்சவரம்பு AI முகவர்களிலிருந்து (agent) விலகிச் செல்ல காரணமல்ல. உற்சாகத்துக்குப் பதிலாக சான்றுகளுடன் அவற்றை வாங்குவதற்கான காரணம்.

செயற்கை நுண்ணறிவு (artificial intelligence) மேடைத் திறமையால் அல்ல, அளவிடக்கூடிய முடிவுகளால் தன் இடத்தைப் பெறும். இறுதியில், முடிக்கப்பட்ட பணிக்கான செலவின் கணிதம், நேர்மையாகக் கணக்கிடப்பட்டு, இந்தத் தொழில்நுட்பம் (technology) எங்கு உண்மையாகச் சேர்ந்தது என்பதைத் தீர்மானிக்கும்.

SemiAnalysis, “GDPx: The General Agentic Benchmark” – https://gdpx.semianalysis.com

SemiAnalysis, ஆராய்ச்சி குறிப்புகள் மற்றும் தொழில்துறை பகுப்பாய்வு – https://semianalysis.com