Investasi industri AI telah menembus 1,6 triliun dolar AS, namun hasil nyata di tempat kerja masih jauh dari harapan.

Sebuah studi baru dari University of California Berkeley mengungkap bahwa model AI tercanggih sekalipun gagal menyelesaikan sebagian besar tugas profesional.

>>> VP Engineering Xbox Mundur Dua Bulan Setelah Ditunjuk CEO Asha Sharma

Penelitian yang dilakukan oleh Center for Responsible, Decentralized Intelligence ini menggunakan tolok ukur bernama "Agents' Last Exam" (ALE).

ALE dirancang untuk menguji kesiapan kerja AI melalui lebih dari 1.500 tugas yang dibuat oleh para ahli, mencakup 55 profesi.

Tugas-tugas tersebut meliputi bidang yang terpapar AI seperti rekayasa perangkat lunak dan desain grafis, serta profesi lain seperti teknik maritim, pertanian, produksi audio, dan operasi kesehatan masyarakat.

Hasil Uji: Skor Tertinggi Hanya 24%

Para peneliti menguji model "tertutup" canggih seperti Fable 5 milik Anthropic, GPT-5.5 milik OpenAI, Composer 2.5 milik Cursor, dan Gemini 3.1 Pro milik Google, serta dua model sumber terbuka dari China.

Hasilnya, semua model menunjukkan performa yang buruk. GPT-5.5 meraih skor tertinggi dengan tingkat keberhasilan hanya 24% secara keseluruhan.

"Agen saat ini dapat menyelesaikan sebagian kecil tugas profesional," tulis para peneliti.

>>> DC Konfirmasi Clayface di Creature Commandos dan Film Horor adalah Karakter yang Sama

"Namun, untuk tugas tersulit yang memerlukan penalaran berkelanjutan, keahlian mendalam, dan eksekusi andal dalam jangka panjang, mereka masih jauh dari level manusia."

Pada tingkat tersulit ALE, semua model yang diuji, termasuk Fable 5, mencapai tingkat keberhasilan 0 persen.

Selain performa, studi ini juga menyoroti biaya.

Fable 5 misalnya, memiliki performa serupa dengan GPT-5.5 dan Composer 2.5, tetapi biayanya 4 hingga 12 kali lebih mahal per tugas yang diselesaikan.

Meskipun hasilnya mengecewakan, para peneliti memperingatkan bahwa teknologi ini tetap berpotensi mengganggu pasar kerja, terutama untuk pekerjaan dengan prosedur rutin.

"Bahkan jika tingkat keberhasilan saat ini masih rendah, pekerjaan yang didominasi prosedur rutin dan terdefinisi dengan baik kemungkinan akan mengalami gangguan lebih dulu," kata Dawn Song, peneliti ilmu komputer Berkeley dan rekan penulis studi.

>>> OVA Minky Momo Terbaru Rilis Video, Visual, dan Cast

"Faktor kuncinya bukanlah industrinya, melainkan sifat pekerjaannya," tambah Song.