في عالم يتطور فيه الذكاء الاصطناعي بسرعة، يأتي 'DAYJOB' (يوميات العمل) ليكون معيارًا جديدًا ومبتكرًا في تقييم كفاءة المحترفين. يتكون هذا المعيار من 130 مهمة تم تطويرها بواسطة محترفين في مجالات الرعاية الصحية والمالية، حيث تشمل 50 مهمة في الرعاية الصحية و80 في المالية. يُقدر متوسط الزمن المطلوب لإنجاز كل مهمة بنحو 13.6 ساعة في الرعاية الصحية و16.6 ساعة في المالية، مما يعكس التعقيد والمعايير العالية المطلوب من المحترفين.

يمثل كل تحدي في 'DAYJOB' بيئة محوسبة تحتوي على معايير تقييم دقيقة تستند إلى نسبة صحيحة من المعايير، حيث يتعين على القاضي الخبير تقييم الملفات المقدمة وفقًا لهذه المعايير. يُظهر البحث أداءً مثيرًا للاهتمام، حيث أن أفضل نموذج، 'Claude Opus 5.5'، يحقق معدل نجاح يبلغ 24.7% في مهام الرعاية الصحية و23.9% في مهام المالية، بينما تحقق النماذج المتوسطة نجاحًا ضئيلًا يصل إلى 0.6% و2.5% فقط.

تتضمن حالة الاستخدام في 'DAYJOB' تقديم معلومات مسبقة تتناقض مع السجلات، مما يؤدي في بعض الأحيان إلى إدخال بيانات خاطئة في تحليلات متسقة، مما يبرز تحديات كبيرة لا زالت موجودة في العمل المهني.

نعلن بكل فخر عن إطلاق جميع مهام الرعاية الصحية، إلى جانب 50 من أصل 80 مهمة مالية، بالإضافة إلى أدوات التقييم واللوحة الرائدة. يهدف 'DAYJOB' إلى تحسين معايير الأداء في قطاعات حيوية، بما يقود إلى تحسين النتائج النهائية.