Cohere mapovalo téměř 700 tisíc agentních nástrojů. Jen 2,6 procenta zvládá pracovní úkol od začátku do konce

Výzkum Cohere poskytuje užitečnou protiváhu k obecným tvrzením o rychlé automatizaci práce. Tým shromáždil 696 291 nástrojů ze 123 069 veřejných serverových záznamů založených na protokolu MCP a pokusil se je přiřadit ke konkrétním pracovním činnostem v americké databázi O\*NET. Za skutečnou automatizaci uznal jen nástroj, který danou činnost provede od začátku do konce, nikoli systém, který člověku pouze poskytne informaci nebo provede jeden dílčí krok. Pod touto přísnou definicí vyšlo, že existující pracovní úlohu samostatně vykonává přibližně 2,6 procenta nástrojů, tedy zhruba jeden ze čtyřiceti. Shoda se navíc silně soustřeďuje do digitálních profesí. U 419 z 923 sledovaných povolání výzkumníci nenašli žádnou veřejnou aktivitu agentních nástrojů. Cohere proto upozorňuje, že „budoucnost práce nebude určena pouze schopností AI“. Stejně důležitá je nabídka použitelných nástrojů a jejich napojení na reálné procesy. Číslo 2,6 procenta však nelze vykládat jako podíl práce, kterou lze automatizovat. Studie sleduje nabídku ve veřejných adresářích, nikoli všechny interní podnikové systémy. Cohere výslovně připouští, že neveřejné servery mohou obsahovat více automatizace administrativních a provozních činností. Autoři proto chápou výsledek spíše jako spodní hranici viditelné nabídky. Navíc velký počet podobných nástrojů může pokrývat jedinou úlohu a vůbec nic neříká o jejich skutečném používání. Pro vedení firem je užitečný především rozdíl mezi „umí pomoci“ a „umí převzít proces“. Asistent, který vytvoří návrh, může ušetřit minuty, ale stále nechává člověka koordinovat celý postup. Agentní automatizace začíná tam, kde systém přebírá několik navazujících kroků, pracuje se systémy firmy a má jasnou podmínku dokončení. Právě tam vzniká větší produktivní přínos, ale také větší potřeba přístupových práv, kontroly a odpovědnosti. Pro veřejnou politiku studie varuje před jednoduchými prognózami zániku povolání založenými jen na schopnosti modelů. Přechod od technické schopnosti k ekonomicky použitelné automatizaci závisí na integraci, ceně, odpovědnosti, datech a ochotě organizací měnit procesy. Pro zaměstnavatele je proto přesnější mapovat jednotlivé činnosti a jejich návaznosti než označovat celé profese za „automatizovatelné“. Tím se také lépe pozná, kde má smysl investovat do přeškolení a kde do technické integrace. Studie navíc naznačuje, proč se firemní zkušenost s AI tak liší mezi odděleními. Tam, kde je práce od počátku digitální, standardizovaná a dobře popsaná, vznikají agentní nástroje rychleji. Ve fyzických, vztahových nebo silně regulovaných profesích je integrace pomalejší. Rozdíl tedy nemusí vypovídat o „inteligenci“ modelu, ale o tom, jak snadno lze pracovní postup převést do rozhraní, dat a strojově ověřitelného výsledku. KLÍČOVÉ POJMY MCP: Protokol umožňující modelům standardizovaně komunikovat s externími nástroji a datovými zdroji. O\*NET: Americká databáze povolání, pracovních činností, dovedností a požadavků. Automatizace od začátku do konce: Převzetí celé vymezené činnosti, nikoli pouze pomoc s jedním krokem.

Cohere mapovalo téměř 700 tisíc agentních nástrojů. Jen 2,6 procenta zvládá pracovní úkol od začátku do konce

Celé znění článku máte k dispozici po registraci na Abravito