TL;DR

• •Дослідження проведено 15 липня 2026 року командой з Інституту штучного інтелекту МГУ.
• •У тесті брали участь чотири моделі: GPT‑5.5, Claude 3 Opus, LLaMA 3 70B та Gemini Ultra 2.0.
• •Кожна модель отримала 0% на найскладніших 20% завдань, які вимагали багатокрокового розуміння та контексту.
• •Загальний бал GPT‑5.5 становить 24% через пропуск найскладніших питань, решта — менше 10%.
• •Тест схожий на реальну співбесіду при наймі: оцінка розв’язку практичних кейсів, а не теоретичних запитань.

Як це змінить ваш ринок?

Фінансові instituції, які планують повністю автоматизувати кредитний скоринг або інвестиційний аналіз, тепер повинні переглянути свої стратегії. Низка помилок у складних кейсах може призвести до регуляторних штрафів і втрати довіри клієнтів. Впровадження обов’язкового людського надзору над ІК‑виходами зменшить ризик на 25‑30% без значного зростання витрат.

Визначення: Job‑interview тест — оцінка моделі на основі розв’язку практичних, багатокрокових завдань, що симулюють реальні сценарії працевлаштування.

Для кого це і за яких умов

• •Фінанси та консалтинг: потрібна доступ до API моделей (GPT‑5.5, Claude тощо) та середовище для запуску скриптів валідації; бюджет ~ $500/міс на токени + $1 000 на інструменти тестування.
• •Мінімальна команда: один аналітик даних та один QA‑інженер; можливо без окремого відділу IT, якщо використовується хмарний сервіс.
• •Мінімальний масштаб: актуально для компаній з 10+ співробітниками, де приймаються рішення на основі аналізу даних.
• •Час на впровадження: 1‑2 тижні для налаштування пайплайну тестування та інтеграції з существуючими системами.

Альтернативи