A Cohere szerint az AI-eszközöknek csak 2,6 százaléka végez el teljes munkafeladatot

Mit mér az ATE adatkészlet?

A Cohere Labs új adatkészlete hét nyilvános AI-eszközkatalógusból épül fel. A kutatók 2026 májusában 696 291 eszközt gyűjtöttek össze 123 069 nyilvános MCP-szerverlistából, majd kiszűrték az ismétlődéseket, hogy egy több helyen újrapublikált szerver csak egyszer szerepeljen.

Az MCP, vagyis Model Context Protocol a Cohere leírása szerint nyílt szabvány, amely AI-rendszereket köt össze külső szoftverekkel és adatokkal. Egy szerver például hozzáférést adhat GitHubhoz, naptárhoz, táblázathoz, fizetési rendszerhez vagy céges dokumentumokhoz. Egy ilyen szerver több eszközből áll, ezek mindegyikéhez rövid leírás tartozik arról, mire képes.

A Cohere szerint az ATE azért ad másfajta képet az AI és a munka kapcsolatáról, mert nem azt méri, hogy elméletben mire lehetne képes egy AI-rendszer, és nem is azt, hogy a felhasználók mit kérnek egy chatbottól. Az adatkészlet kínálati oldali jelzés: azt mutatja meg, milyen feladatokra építettek már fejlesztők nyilvánosan elérhető, ügynökszerű működésre szánt eszközöket.

Szigorú teszten csak minden negyvenedik eszköz ment át

A kutatók minden eszközhöz megkeresték a legközelebbi O*NET-feladatleírást, majd egy nyelvi modellel vizsgálták, hogy az adott eszköz ténylegesen végrehajtja-e ezt a feladatot. A protokoll kiszűrte azokat az eszközöket, amelyek csak információt adnak a felhasználónak, vagy egy olyan folyamat egy részlépését kezelik, amelyet továbbra is ember koordinál.

Ennek alapján az eszközök 2,6 százaléka teljesítette a feltételt, vagyis nagyjából minden negyvenedik eszköz végzett el egy rögzített munkafeladatot elejétől végéig. A Cohere megfogalmazása szerint az elismert munka automatizálása csak kis szelete egy nagyon nagy ökoszisztémának.

A vállalat azt is korlátnak nevezi, hogy a kutatás csak nyilvános könyvtárakat lát. A cégek saját rendszereikhez is építhetnek MCP-szervereket anélkül, hogy ezeket publikálnák. A Cohere szerint ez a hiányzó belső réteg valószínűleg olyan háttérirodai folyamatok felé tolódik, amelyeket a foglalkozási adatbázisok leírnak, ezért a 2,6 százalékot alsó becslésként érdemes olvasni.

A lefedettség egyenetlen, sok foglalkozásnál nincs aktivitás

Azok az eszközök, amelyek meglévő munkafeladatokhoz illeszkednek, 1 380 különböző feladatleíráshoz kapcsolódnak. Ez az O*NET-ben szereplő, szoftverrel elvégezhető munka körülbelül 15 százaléka. A Cohere szerint a legnagyobb lefedettség azoknál a foglalkozásoknál látszik, ahol a munka jelentős része már eleve szoftveren keresztül zajlik.

A kutatás példaként említi a grafikusokat: náluk az eszközök a 15 szoftverrel elvégezhető feladatból 11-hez illeszkednek. Ugyanakkor a lefedettség foglalkozáson belül is koncentrált. Több mint ezer, grafikai tervezéshez kapcsolt eszköz egyetlen feladatleíráshoz kapcsolódott: számítógépes szoftver használata új képek létrehozására.

A teljes kép ennél jóval töredezettebb. Az O*NET-ben szereplő 923 foglalkozásból 419-nél a Cohere nem talált semmilyen ügynökszerű eszközaktivitást. A kutatás szerint kínálati oldalról sok munkakör esetében még nem látszik, hogy bárki eszközöket építene a feladatok automatizálására.

A legtöbb eszköz más szemcsézettségben írja le a munkát

A fennmaradó, O*NET-feladathoz nem illeszkedő eszközöket a Cohere hasonlóság alapján 1 136 kategóriába rendezte. Ezek között a kutatók három fő mintát azonosítottak: meglévő munka finomabb bontásban, az ügynökök futtatásához szükséges infrastruktúra, valamint kis mennyiségű valóban új munka, amelynek nagy része az ügynökök menedzseléséhez kapcsolódik.

A Cohere 693 kategóriát nevezett szubatominak, vagyis olyan felismerhető munkának, amely kisebb egységekre bomlik, mint ahogyan azt a foglalkozási adatbázisok rögzítik. A forrás példája szerint ahol egy feladatleírás konfigurációkezelés fenntartásáról beszél, ott az ATE sok olyan eszközt tartalmaz, amely ennek egyes alkotóelemeit kezeli.

A másik irányban 411 kategória több rögzített feladatot fog össze, vagy olyan munkafolyamatot csomagol egybe, amelyet egyetlen O*NET-feladatleírás sem nevez meg külön. A Cohere szerint ez azt jelzi, hogy a nyilvánosan publikált MCP-eszközök jelentős része nem illeszkedik tisztán a meglévő foglalkozási adatbázisok felbontásához.

Mit jelent ez a munkaerőpiac szempontjából?

A Cohere kutatása szerint nem az a döntő kérdés, hogy egy foglalkozás mekkora része van kitéve automatizációnak, hanem az, hogy pontosan mely részei. A kutatók 178 foglalkozásban rangsorolták a szükséges munkafeladatokat a legrutinszerűbbtől a legspecializáltabbig.

Az eredmények foglalkozási területenként eltérnek. Az egészségügyben és a számítástechnikában a Cohere szerint az ügynökszerű eszközök inkább a specializáltabb feladatoknál jelennek meg, így az embereknél a rutinszerűbb feladatok maradnak. A jogi, termelési és értékesítési foglalkozásoknál ezzel szemben az eszközök a rutinszerű széleken maradnak, miközben a specializált mag emberi kézben van.

A kutatás szerint az is számít, milyen jellegű a specializált munka. A fizikai vagy személyközi specializált feladatok ellenállóbbnak látszanak az automatizálással szemben, míg azok a specializált feladatok könnyebben átadhatók, amelyek már most is szoftveren keresztül zajlanak. A Cohere egyik fő következtetése, hogy a fejlesztők eszközépítése jobban követi a technikai megvalósíthatóságot, mint azt, hogy a dolgozók mit szeretnének automatizálni.