ШІ обганяє бухгалтерів на простих задачах, але не на всіх

Mercor протестувала 12 ліцензованих CPA з середнім досвідом 5,5 років на спрощених задачах APEX Accounting. Півтора року тому найкращі моделі відставали від середнього результату бухгалтерів (37%), зараз розв'язують ті самі задачі майже без помилок.

На повному бенчмарку — 160 завдань, 10 компаній — лідирує Claude Opus 5.5 (61,8% критеріїв), далі Fable 5.1 (61,0%) і GPT-6 Astra (57,9%). Жодна модель повністю не розв'язала майже 60% завдань: тести не враховують спілкування з клієнтами і багаторічний досвід. Mercor очікує зростання продуктивності, але не заміну бухгалтерів.