AI Vượt Kế Toán Viên Được Cấp Phép Về Tốc Độ, Nhưng Chưa Thể Khóa Sổ

Nghiên cứu này dùng 12 kế toán viên được cấp phép, trung bình 5,5 năm kinh nghiệm, làm các nhiệm vụ đơn giản lấy từ benchmark kế toán APEX. Mercor nói 18 tháng trước, model tốt nhất vẫn thấp hơn mức trung bình khoảng 37% của nhóm kế toán viên, còn hiện nay chúng giải gần như hoàn hảo các nhiệm vụ đó.

Bộ benchmark APEX đầy đủ lớn hơn nhiều, với 160 nhiệm vụ trên 10 công ty mô phỏng. Bộ này do hơn 40 chuyên gia xây dựng, và nhóm này trung bình có 11 năm kinh nghiệm.

Trong số các model được nêu, Claude Opus 5.5 đang dẫn đầu với 61,8% tiêu chí chấm điểm đạt được. Sau đó là Fable 5.1 với 61,0% và GPT-6 Astra với 57,9%.

Mercor nói vẫn chưa model nào giải trọn vẹn gần 60% số nhiệm vụ. Công ty cũng thừa nhận nghiên cứu này kiểm tra đúng thứ AI làm tốt nhất là tìm chi tiết và làm theo chỉ dẫn chính xác.

Nghiên cứu không tính các phần quan trọng khác của công việc như nói chuyện với khách hàng, trao đổi với đồng nghiệp, và dựa vào bối cảnh tích lũy qua nhiều năm. Mercor nói đó là lý do kế toán viên chưa thể bị thay thế, dù hãng kỳ vọng năng suất sẽ tăng mạnh trong toàn ngành.