Značenje GAIA rezultata — koliko su AI agenti napredovali
Kada je GAIA benchmark prvi put javno predstavljen, čak je i GPT-4, tadašnji vrhunski model, ostvario rezultat od svega oko 30%. To znači da je AI u to vrijeme, zbog karakteristika GAIA-e koja zahtijeva složeno zaključivanje, korištenje alata i višestepeno rješavanje problema izvan jednostavnog odgovaranja na upite, još uvijek bio u ranoj fazi kada je riječ o sposobnosti da „razmišlja i djeluje“.
Međutim, danas su vodeći agenti dostigli 92,36%.
Ova promjena nije samo poboljšanje performansi. Ona pokazuje da je AI sada prešao izvan nivoa odgovaranja na pitanja i ušao u fazu „Agentic AI“, u kojoj tumači situaciju, bira potrebne alate te samostalno planira i izvršava više koraka.
Za samo nekoliko godina AI je evoluirao od „alata za generisanje znanja“ u „izvršnog aktera koji obavlja poslove“.
📌 A među tih najviših 2,5% nalazi se i Clevi
U ovom globalnom konkurentskom okruženju, činjenica da je Clevijev agent, razvijen u Južnoj Koreji, uvršten među najviših 2,5% na GAIA leaderboardu predstavlja dokaz tehnološke samostalnosti i primjer koji potvrđuje da AI agent razvijen u Koreji može biti uspješan i prema globalnim standardima. Ovo ima značenje koje nadilazi samu brojku. To znači da je riječ o tehnološkoj sposobnosti objektivno potvrđenoj kroz konkurenciju s hiljadama modela na globalnom, javno dostupnom benchmarku, a ne u specifičnom demo okruženju.
Još je važnije to što ovaj rezultat nije slučajan ishod jednog modela, već činjenica da su agenti različitih dizajna na istoj Agent Stack platformi više puta ostvarili rezultate u samom vrhu.
Drugim riječima, Clevijeva tehnologija nije „rezultat koji je jednom dobro prošao“, već ponovljiva, strukturna konkurentska prednost i sposobnost na nivou platforme koja se može proširiti na različite industrije i scenarije.
Šta onda ovaj pokazatelj znači?
Iz perspektive korisnika, najveća prepreka uvođenju AI-ja jeste pitanje: "Može li mu se zaista vjerovati i povjeriti mu posao?"
Performanse koje su više puta dokazane na pozornici globalnih javnih rang-lista, kao treće strane, a ne kroz blistave demonstracije ili interne prezentacijske materijale, predstavljaju najobjektivniji odgovor na to pitanje. Konkretno, značajne su u tri aspekta.
Prvo, smanjenje rizika uvođenja
Povezivanje neprovjerene umjetne inteligencije s internim poslovanjem predstavlja značajan teret za kompanije.
Rezultati na vjerodostojnim referentnim testovima poput GAIA-e mogu se direktno koristiti kao osnova povjerenja u fazi tehničke procjene.
Drugo, ostvarivanje automatizacije složenih poslovnih procesa
Rezultat među najboljih 2,5% ne označava samo obavljanje jednostavnih ponavljajućih zadataka, već nivo inteligencije koji podrazumijeva razumijevanje konteksta, samostalno donošenje odluka kroz više koraka i dovršavanje zadataka.
Oblasti poslovanja za koje se dosad smatralo da ih je „teško povjeriti AI-ju“ mogu postati stvarni ciljevi automatizacije.
Treće, istovremeno osiguravanje sigurnosti podataka i performansi
Vlastita struktura Agent Stack znači da tok podataka ne izlazi van sistema.
Možete se osloboditi postojeće dileme prema kojoj je, radi korištenja visokoučinkovite umjetne inteligencije, bilo potrebno praviti kompromis sa sigurnošću.
Ova struktura predstavlja odlučujuću konkurentsku prednost, posebno u industrijama s visokom osjetljivošću podataka, poput finansija, zdravstva i pravnih usluga.
Mogućnost reprodukcije ove strukture već je počela biti dokazana.
A rezultati svakog agenta izgrađenog na toj strukturi uskoro će se pretvoriti u stvarne promjene na terenu.
„Na kraju, dovršenost tehnologije upotpunjuje se 'povjerenjem' na terenu.“
Clevi ne pruža samo visokoučinkovitu umjetnu inteligenciju. Naša suština je izgradnja „izvršne infrastrukture“ koja ruši sigurnosne barijere s kojima se kompanije suočavaju i omogućava stvarno dovršavanje složenih poslovnih zadataka.
Sada izađite iz faze razmatranja uvođenja i zajedno s Clevijem započnite sigurno i moćno radno okruženje zasnovano na umjetnoj inteligenciji.
Kao pouzdan partner kojem možete povjeriti svoj posao, zajedno ćemo stvarati stvarne inovacije u vašem poslovnom okruženju.