TheAgentCompany: Benchmarking van LLM-agents voor realistische bedrijfstaken
TheAgentCompany benchmarkt 175 bedrijfstaken in een gesimuleerd intranet, en het beste model, Gemini-2.5-Pro, voltooit slechts 30% voor $4 per stuk.
#enterprise-software
Bedrijfssoftware
Onderzoek naar enterprise-softwareautomatisering, webagenten en kenniswerktaken
WorkArena++: De kloof van 93% tussen menselijke en AI-agentprestaties bij compositionele bedrijfstaken
GPT-4o lost 2,1% van WorkArena++'s 682 compositionele bedrijfstaken op; mensen lossen 93,9% op, wat toont waarom agents vastlopen op impliciet accountingwerk.
WorkArena: Hoe LLM-webagents presteren op echt zakelijk kenniswerk
WorkArena's 33 ServiceNow-taken tonen GPT-4o op 42,7% overall maar 0% op lijstfilters, een muur die gestructureerde UI-interactie moet slechten.