De beste AI-agent haalt 1 op 8 expertentaken. Wat dat betekent voor bouwers.

Onderzoeksbureau SemiAnalysis heeft zojuist de beste AI-modellen ter wereld getest op 206 echte expertentaken — chipdesign, financiën, recht, biologie, kwantitatieve handel en meer. Het beste model, Claude Opus 5.5 van Anthropic, rondde slechts 12% af. Niet omdat AI slecht is, maar omdat de taken echt moeilijk zijn. AI-agenten falen nog bij 88% van echt expertenwerk, en dat getal is voor iedereen die vandaag met AI bouwt een nuttige wegwijzer.

De verdeling telt meer dan de totaalscore. Claude leidde in kwantitatieve handel en chipdesign. Google's Gemini 4 Carbon deed het het beste in biologie en software-engineering. Financiën en recht? Vrijwel elk model scoorde nul — de taken waren voor al van hen te moeilijk om ook maar één te kraken. Dat is geen algeheel falen van AI. Het is een signaal: die vakgebieden zijn nog niet klaar voor autonome agenten die moeilijke beoordelingen maken.

De meeste AI-tests meten of een model het juiste antwoord kent. GDPx vroeg of het het werk daadwerkelijk kan doen — echte code schrijven, echte simulaties draaien, meerstappige taken voltooien waarbij specialisten de uitkomst controleren. Elk domein werd opgebouwd met een partneronderneming die de output verificeerde. Dat maakt deze cijfers betrouwbaarder dan benchmarks waarbij, volgens SemiAnalysis, 50% van de taken gebrekkig blijkt te zijn.

Voor iedereen die nu producten of automatiseringen bouwt met AI, is deze benchmark een kaart, geen oordeel. Kwantitatieve handel en chipdesign gaan snel vooruit. Financiën en recht zijn nog niet klaar voor autonoom agentenwerk — in ieder geval niet voor taken die echt experteoordeel vereisen. De praktische conclusie: richt je agentenwerk op waar modellen al echte resultaten boeken, niet waar ze nul scoren. SemiAnalysis plant GDPx elke drie tot zes maanden te vernieuwen.