AI-агенти обійшли аутсорсинг: тепер вони дешевші та точніші за людей

Перетин вартості: $6–$8/год за AI проти ~$10/год за аутсорсинг

Дані a16z демонструють чітку ієрархію витрат на комп'ютерну роботу :

• AI-агент: $6–$8 на годину
• Аутсорсинг (Індія, BPO): ~$10 на годину
• Співробітник у США: $30–45 на годину

У публікації a16z зазначається: «математика стає лише кращою — інференція дешевшає, а open-source моделі стають достатньо хорошими для зростаючої частки цих робочих процесів» .

Цей перетин вартості підкріплюється ширшими галузевими даними. AI-агенти підтримки клієнтів тепер вирішують запити за $0.50–$2.00 за рішення, порівняно з $5.00–$12.00 для агентів BPO, забезпечуючи у 3–8 разів кращу окупність інвестицій протягом 12–18 місяців для компаній з понад 5 000 звернень щомісяця . Голосові AI-взаємодії коштують приблизно $2.70 на годину проти $3–$35 для людей на глобальних ринках .

Перетин точності: 85% проти 72% на OSWorld-Verified

Згідно з аналізом a16z та даними llm-stats.com :

• Найкращий AI-агент (Claude Fable 5): 85% успішного виконання завдань на OSWorld-Verified
• Люди-тестувальники: ~72% на тих самих завданнях
• Це вперше, коли агенти перевершили людський рівень на цьому стандартному тесті реальних операцій з робочим столом на Ubuntu, Windows та macOS

Прогрес був стрімким. Два роки тому провідні агенти правильно виконували приблизно 12% завдань; рік тому найкраща модель набрала лише 42% . До червня 2026 року кілька моделей Anthropic перетнули людський базовий рівень: Claude Mythos Preview — 85.4%, Fable 5 — 85.0%, Opus 4.8 — 83.4% . Для порівняння, OpenAI Operator набрав лише 38% на тому самому бенчмарку .

Зсув: від навігації по UI до контекстних ровів

a16z стверджує, що в міру того, як сира навігація по інтерфейсу стає товаром на рівні моделі, стійка конкурентна перевага зміщується вище в стеку . Передовий рубіж переходить від «чи може агент використовувати комп'ютер?» до «чи може він надійно виконувати цю роботу?» . Справжні рови тепер у :

• Знанні контексту та процесів про те, як робота насправді виконується всередині конкретної організації
• Інфраструктурі дозволів, валідації, ескалації та обробки помилок
• Кешуванні, спостережуваності та ретельно вивіреному картографуванні наскрізних робочих процесів

Це узгоджується з ширшою тезою a16z про те, що AI-агенти переходять від чат-інтерфейсів до проактивних автономних систем, які спостерігають за поведінкою користувача та діють . Адресований ринок розширюється з ~$400 млрд витрат на програмне забезпечення до оціночних $13 трлн глобальних витрат на робочу силу .

Виробничі впровадження в масштабі

Аналіз a16z зазначає, що робочі процеси з використанням комп'ютера тепер «починають витримувати навантаження у виробництві в масштабі» для вузьких, повторюваних бек-офісних завдань, таких як оновлення систем обліку, переміщення даних через портали та обробка заявок . Виробничі впровадження наразі зосереджені на стандартизованих, вузьких робочих процесах — не на відкритому, загальному використанні комп'ютера .

Дві компанії ілюструють зростаючу екосистему:

• HappyRobot, який залучив $150 млн у Series C у серпні 2026 року, розгортає AI-агентів через голосові дзвінки, електронну пошту, документи, SMS, WhatsApp та веб-чат, підключаючись до понад 200 корпоративних систем обліку через готові конектори та HTTP API. Один клієнт автоматизує 28 000 годин роботи щомісяця .
• Runta залучив $20 млн seed-раунду під керівництвом a16z з оцінкою в $100 млн для створення «виконавчого шару» для AI-агентів, зосередившись на операційних проблемах у виробничих впровадженнях: витрачених токенах, простої обчислень, незахищених облікових даних та відкритому мережевому виході .

Обмеження та застереження

a16z чітко зазначає кілька важливих обмежень :

• Поточні агенти залишаються «крихкими, коли робота відхиляється від регламенту», а для випадків, де кешування неможливе, «вони достатньо дорогі, щоб математика не працювала всюди»
• Показник 85% відображає найкращу модель (Claude Fable 5), а не середню по всіх агентах; багато моделей показують нижчі результати
• Виробничі впровадження наразі зосереджені на стандартизованих, вузьких робочих процесах
• Ширші прогнози також стримують очікування: Gartner прогнозує, що до 2030 року вартість генеративного AI на одне рішення в обслуговуванні клієнтів може перевищити $3, обійшовши багатьох людей в B2C через зростання витрат на інфраструктуру та обчислення

Що це означає для індустрії BPO

Подвійний переломний момент сигналізує про фундаментальний зсув в економіці аутсорсингової роботи. Як формулює один з аналізів, відбувається зміна «арбітражу робочої сили на арбітраж автоматизації» — компанії більше не питають «де ми можемо знайти дешевших людей?», а «які з цих завдань взагалі потребують людей?» . Індустрія BPO, побудована на географічних відмінностях у зарплатах, тепер стикається зі структурним disruption, оскільки AI-агенти оцінюють стандартизовану роботу за результатом, а не за годинами .