Сбербанк представил Cowork Bench — первый в России открытый бенчмарк для оценки эффективности ИИ-агентов в офисных задачах. Разработкой платформы GigaCowork, на базе которой создан инструмент, занимается компания «Салют для бизнеса», входящая в экосистему Сбербанка.
Бенчмарк включает 475 сквозных сценариев, охватывающих 12 бизнес-функций и 26 корпоративных систем. Инструмент оценивает способность агентов самостоятельно выполнять работу: от анализа бюджета и расчетов до подготовки презентаций, работы с почтой, календарями и документами без участия сотрудников.
Разработчики протестировали девять решений, включая зарубежные Goose, Claude Code, DeepSeek, Pi, Codex CLI, OpenHands, OpenCode, Strands baseline и российскую платформу GigaCowork. Исследование показало, что выбор программной оболочки влияет на результат: доля успешных заданий варьируется от 62% до 80%.
Платформа GigaCowork выполнила 75,2% задач, показав лучшие результаты при работе с таблицами, объемными выгрузками, документами Word и календарем. Бенчмарк открыт для рынка, что позволяет разработчикам использовать его для проверки и улучшения качества работы собственных ИИ-агентов.
