เกิดอะไรขึ้น
Cohere Labs เปิดตัว Agentic Task Ecosystem ซึ่งเป็นชุดข้อมูลที่สร้างขึ้นจากเครื่องมือ 696,291 รายการที่อยู่ในเซิร์ฟเวอร์ Model Context Protocol สาธารณะ 123,069 เครื่อง การวิเคราะห์ที่ตามมาจะตรวจสอบว่านักพัฒนางานด้านอาชีพใดกำลังสร้างตัวแทน AI เพื่อดำเนินการ และพบว่าเครื่องมือตัวแทนมีความเข้มข้น กระจายอย่างไม่สม่ำเสมอ และยังไม่มีหลักฐานของการนำไปใช้อย่างแพร่หลาย
Cohere Labs กล่าวว่าได้รวบรวมเครื่องมือ 696,291 รายการจากรายการเซิร์ฟเวอร์ MCP สาธารณะ 123,069 รายการในเจ็ดไดเรกทอรีในเดือนพฤษภาคม 2569 และเซิร์ฟเวอร์ที่กรองข้อมูลที่ซ้ำกันซึ่งแสดงอยู่ในหลายแห่ง บริษัทอธิบายถึงผลลัพธ์ของ Agentic Task Ecosystem ว่าเป็นชุดข้อมูลแบบเปิดที่ใหญ่ที่สุดในประเภทเดียวกัน แต่แหล่งที่มาไม่ได้ระบุตำแหน่งการดาวน์โหลด ใบอนุญาต หรือเงื่อนไขการเข้าถึง ราคาไม่ได้จัดทำเป็นเอกสาร
การใช้แบบจำลองภาษาเพื่อจับคู่เครื่องมือกับคำสั่งงาน O*NET นักวิจัยใช้การทดสอบที่เข้มงวด: เครื่องมือต้องดำเนินงานด้านอาชีพที่ได้รับการยอมรับตั้งแต่ต้นจนจบ แทนที่จะให้ข้อมูลหรือดำเนินการเพียงขั้นตอนเดียวที่บุคคลยังคงประสานงานอยู่ ภายใต้การทดสอบนั้น 2.6% ของเครื่องมือผ่านการรับรอง Cohere รายงานว่า 419 จาก 923 อาชีพไม่มีกิจกรรมตัวแทนเครื่องมือ
การวิเคราะห์จะจัดกลุ่มเครื่องมือที่ไม่ตรงกันส่วนใหญ่ออกเป็นงานชิ้นเล็กๆ ที่มีอยู่ การรวมกันของงานที่บันทึกไว้หลายงาน หรือโครงสร้างพื้นฐานที่จำเป็นในการดำเนินการกับตัวแทน Cohere ระบุ 35 หมวดหมู่ (ประมาณ 3% ของหมวดหมู่ที่ตรวจสอบ) ว่าเป็นงานใหม่ที่ไม่มีคู่อาชีพที่น่าเชื่อถือ ซึ่งส่วนใหญ่เกี่ยวข้องกับการจัดการตัวแทน เช่น การเลือกเสียงสังเคราะห์ การสลับบุคลิกของ AI และการประเมินว่าตัวแทนสามารถเชื่อถือได้หรือไม่
Cohere รายงานว่าการตระหนักว่าการใช้เครื่องมือมีความสัมพันธ์กับการสัมผัส AI ตามทฤษฎีใน 178 อาชีพ แต่การสัมผัสไม่ได้คาดการณ์ว่าเครื่องมือจะเข้าถึงงานประจำหรืองานเฉพาะทางหรือไม่ แหล่งข่าวกล่าวว่าเครื่องมือต่างๆ ขยายไปสู่งานเฉพาะทางในด้านการดูแลสุขภาพและคอมพิวเตอร์ ในขณะที่เครื่องมือเหล่านั้นรวมกลุ่มกันไปสู่ขอบงานประจำในด้านกฎหมาย การผลิต และการขาย นี่เป็นข้อค้นพบที่รายงานโดยผู้เขียน แหล่งที่มาไม่ได้สร้างผลกระทบทางเศรษฐกิจขั้นปลาย
ทำไมมันถึงสำคัญ
การวิจัยนำเสนอมุมมองด้านอุปทานในช่วงต้นของระบบอัตโนมัติ AI: สิ่งที่นักพัฒนาได้จัดทำแพ็คเกจเพื่อให้ตัวแทนทำ แทนที่จะเป็นสิ่งที่บริษัทปรับใช้หรือพนักงานใช้อยู่ในปัจจุบัน การวิเคราะห์ของ Cohere ชี้ให้เห็นว่ามาตรการรับสัมผัสโดยรวมไม่ได้เปิดเผยว่าส่วนใดของงานได้รับผลกระทบ ความแตกต่างดังกล่าวอาจมีความสำคัญต่อค่าจ้าง การจ้างงาน การฝึกอบรม และวิธีที่พนักงานได้รับความเชี่ยวชาญ โดยเฉพาะอย่างยิ่งเมื่อ AI เข้าถึงงานที่ใช้ซอฟต์แวร์เฉพาะทาง
ชุดข้อมูลจะวัดอุปทาน ไม่ใช่การยอมรับ ความน่าเชื่อถือ หรือผลกระทบทางเศรษฐกิจ เครื่องมือสาธารณะแสดงให้เห็นว่านักพัฒนาพิจารณางานที่เป็นรูปธรรมเพียงพอที่จะจัดทำแพ็คเกจสำหรับตัวแทน แต่ไม่ได้แสดงให้เห็นว่าบริษัทใช้เครื่องมือนี้ ทำงานได้อย่างน่าเชื่อถือในการผลิต หรือคนงานถูกแทนที่
แหล่งที่มาระบุว่าตำแหน่งของระบบอัตโนมัติภายในงานอาจส่งผลมากกว่าส่วนแบ่งของงานทั้งหมดที่เปิดเผย การนำงานประจำออกอาจทำให้พนักงานมีความรับผิดชอบเฉพาะทางมากขึ้น ในขณะที่การทำงานเฉพาะทางโดยอัตโนมัติอาจลดความเชี่ยวชาญที่จำเป็นสำหรับงานที่เหลือ รูปแบบใดรูปแบบหนึ่งอาจส่งผลต่อค่าจ้างและการจ้างงานแตกต่างกัน
Cohere ยังรายงานด้วยว่าการตัดสินของผู้เชี่ยวชาญเกี่ยวกับความเป็นไปได้ทางเทคนิคทำนายว่าอาชีพใดจะได้รับเครื่องมือ ในขณะที่ความชอบที่ระบุของคนงานเกี่ยวกับสิ่งที่พวกเขาต้องการแบบอัตโนมัติไม่ได้รับ การค้นพบดังกล่าวทำให้เกิดคำถามเรื่องการกำกับดูแลเชิงปฏิบัติ: การพัฒนา AI จะเป็นไปตามคุณค่าของคนงานและชุมชนที่ได้รับผลกระทบ หรือโดยหลักแล้วสิ่งที่นักพัฒนาตัดสินว่าสามารถเข้าใจได้ในทางเทคนิค
งานวิจัยนี้มีข้อจำกัดในการมองเห็นที่สำคัญ โดยครอบคลุมไดเร็กทอรีสาธารณะและละเว้นเซิร์ฟเวอร์ MCP ภายในที่ออกแบบเป็นพิเศษ ซึ่ง Cohere กล่าวว่าอาจเน้นไปที่กระบวนการแบ็คออฟฟิศ ผู้เขียนจึงนำเสนอส่วนแบ่ง 2.6% ที่รายงานเป็นเพียงข้อมูลพื้นฐาน ไม่ใช่การวัดผลอัตโนมัติที่สมบูรณ์
กลไกเชิงโต้ตอบ: มันทำงานอย่างไร
สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
จะดูอะไรต่อไป.
นักวิจัย นายจ้าง และผู้กำหนดนโยบายจะต้องเปรียบเทียบชุดข้อมูลกับการปรับใช้ขององค์กรเอกชน การใช้งานจริง การจ้างงาน และค่าจ้าง ปัญหาที่สำคัญที่สุดที่ยังไม่ได้รับการแก้ไขคือ เครื่องมือที่ลบงานระดับเริ่มต้นที่เป็นกิจวัตรจะลดโอกาสสำหรับพนักงานในการพัฒนาความเชี่ยวชาญหรือไม่
ประโยชน์ของชุดข้อมูลจะขึ้นอยู่กับว่านักวิจัยคนอื่นๆ สามารถเข้าถึงและตรวจสอบได้หรือไม่ สร้างการจำแนกประเภทใหม่ และทดสอบว่าภูมิทัศน์ของเครื่องมือสาธารณะเปลี่ยนแปลงเร็วแค่ไหน แหล่งที่มาไม่ได้ระบุใบอนุญาต เอกสารที่นอกเหนือไปจากบทความหรือกำหนดการบำรุงรักษา
หลักฐานในอนาคตควรเชื่อมโยงเครื่องมือสาธารณะเข้ากับการใช้งานส่วนตัว การใช้งานของพนักงาน และผลลัพธ์ของตลาดแรงงานที่วัดได้ หากไม่มีการเชื่อมโยงเหล่านั้น ผลการวิจัยของ ATE ก็ไม่สามารถแสดงให้เห็นว่าอาชีพใดถูกคุกคามทางเศรษฐกิจ หรือเครื่องมือช่วยเพิ่มผลผลิตหรือไม่
แหล่งที่มาเน้นย้ำถึงความเสี่ยงเฉพาะเกี่ยวกับงานระดับเริ่มต้น: หากงานประจำเป็นแบบอัตโนมัติ พนักงานอาจมีโอกาสน้อยลงในการเรียนรู้ผ่านงานเหล่านั้นก่อนที่จะรับหน้าที่พิเศษ ไม่ว่าองค์กรจะออกแบบการฝึกอบรมและเส้นทางอาชีพใหม่หรือไม่นั้นเป็นคำถามเปิด
การวิเคราะห์ยังรับประกันการตรวจสอบอย่างละเอียดเนื่องจากการจับคู่อาชีพและการจัดกลุ่มหมวดหมู่ขึ้นอยู่กับการตัดสินโมเดลภาษาบางส่วน Cohere รายงานการตรวจสอบโดยคนตาบอด 120 หมวดหมู่ที่ชี้ไปในทิศทางเดียวกัน แต่แหล่งที่มาไม่ได้ให้รายละเอียดเพียงพอที่จะประเมินกระบวนการตรวจสอบความถูกต้องทั้งหมดหรืออัตราข้อผิดพลาด