AI-агент против человека: кто быстрее закроет одну задачу

Автономные AI-агенты — модели, которые сами планируют шаги, кликают по интерфейсам и вызывают инструменты — за 2024–2025 годы перестали быть демо-роликами. OpenAI выпустила Operator (январь 2025), Anthropic — режим Computer Use и Claude Agent, Google развивает агентные сценарии в Gemini. Все они претендуют на одно: взять задачу целиком и довести до результата без человека в цикле. Мы взяли типовую офисную задачу и прогнали её через агента и через человека, чтобы понять, где проходит реальная граница.

Задача, на которой сравниваем

Условие простое и знакомое: собрать сравнительную таблицу по десяти товарам с трёх сайтов, свести цены, характеристики и наличие, оформить в таблицу и выделить три лучших варианта по соотношению цена/характеристики. Задача специально выбрана «серой зоны»: не творческая, но и не механическая — есть навигация по сайтам, извлечение данных и микрорешения о том, что считать важным.

Мы не публикуем это как бенчмарк — у нас нет контролируемой выборки и повторных прогонов, нужных для честных цифр. Это иллюстрация того, как ведут себя два подхода, а не измерение «кто умнее».

Как справился агент

Агент на базе Computer Use открывал сайты, скроллил, вытаскивал цены. На восьми из десяти товаров он собрал данные корректно. На двух споткнулся: один сайт показал капчу, второй подгружал цену скриптом, и агент зафиксировал пустое поле, не заметив ошибки. Итоговую таблицу он собрал за несколько минут, но два пустых поля выдал как готовый результат, без пометки «данные не получены».

Как справился человек

Человек потратил больше времени на рутину — открыть, найти, скопировать. Зато капчу прошёл за секунды, а на скрипте с ценой сообразил обновить страницу. Ключевое отличие проявилось в конце: человек засомневался в одной подозрительно низкой цене, перепроверил и увидел, что это была цена за упаковку из трёх штук. Агент такую цену взял как есть.

Агент выигрывает в скорости на предсказуемых шагах и проигрывает там, где нужно усомниться в собственном результате. Именно эта «неуверенность в нужный момент» пока остаётся человеческой.

Где именно ломаются агенты

По итогам прогона и по тому, что видно в публичных отчётах разработчиков, слабые места агентов повторяются от задачи к задаче:

• Капчи и антибот-защита — барьер, который для человека тривиален, а для агента часто непреодолим.
• Динамический контент — цены и данные, подгружаемые скриптом уже после загрузки страницы, агент нередко «не дожидается».
• Молчаливые ошибки — агент выдаёт неполный или неверный результат с той же уверенностью, что и правильный, не сигнализируя о сбое.
• Здравый смысл на границах — распознать, что «слишком дёшево» означает другую единицу товара или скрытое условие.

Сильные стороны — обратная сторона тех же свойств: агент не устаёт, не отвлекается, параллелит однотипные шаги и работает по ночам без доплаты за переработку.

Как это выглядит в сравнении

Оговорка про цену: тарифы агентных инструментов и лимиты меняются каждые несколько месяцев, а Operator на старте был частью подписки ChatGPT Pro. Актуальную стоимость и доступность в вашем регионе сверяйте на официальных страницах OpenAI, Anthropic и Google — фиксировать здесь конкретную цифру бессмысленно.

Кому это пригодится, а кому нет

Пригодится, если:

• задача повторяется десятки раз в неделю и состоит из предсказуемых шагов — сбор данных с одних и тех же ресурсов, заполнение форм по шаблону;
• цена ошибки низкая, а результат легко проверить выборочно;
• у вас есть кому валидировать вывод — агент как черновик, человек как приёмка.

Не пригодится, если:

• ошибка стоит дорого — деньги, юридические последствия, репутация;
• задача разовая и нестандартная: настройка агента займёт больше, чем сделать вручную;
• сайты защищены капчей или требуют логина с двухфакторной аутентификацией;
• нужен именно человеческий здравый смысл на каждом шаге, а не на финале.

Что это меняет на практике

Правильная рамка — не «агент вместо человека», а «агент под контролем человека». В сравнении выиграла не одна из сторон, а связка: агент делает восемь однотипных шагов, человек тратит минуту на то, чтобы усомниться в двух подозрительных. Такой гибрид закрывает задачу быстрее чистого человека и надёжнее чистого агента.

Для рутины с проверяемым результатом агенты уже дают выигрыш во времени. Для всего, где важна цена ошибки, ключевым остаётся человек, который умеет вовремя сказать «здесь что-то не так» — навык, который у моделей пока не воспроизводится стабильно.

Агент — здесь: программа на основе языковой модели, которая сама планирует последовательность действий, вызывает инструменты (браузер, API, файлы) и выполняет шаги без участия человека на каждом из них, в отличие от чат-бота, отвечающего на один запрос.