Den 1. juli 2026 slapp Center for AI Safety en ny versjon av Remote Labor Index, benchmarken som måler hvor ofte AI-agenter kan fullføre reelle, kommersielt verdifulle freelance-prosjekter på et kvalitetsnivå en betalende kunde faktisk ville akseptert. Svaret: 16,1 prosent. For åtte måneder siden var tallet 2,5 prosent. Det er en seksdobling.
Hva er Remote Labor Index
Remote Labor Index er utviklet av Scale Labs i samarbeid med Center for AI Safety. Testen bruker 240 prosjekter hentet fra 358 verifiserte freelancere, med en samlet verdi på 144 000 dollar. Prosjektene dekker syv kategorier: 3D og CAD, arkitektur, grafisk design, video og animasjon, audio, data-analyse og web-applikasjoner.
Hvert prosjekt gis til en AI-agent som får tilgang til en standardisert Linux-maskin med 30 profesjonelle verktøy, deriblant Blender, GIMP og Audacity. Agenten kan bruke inntil 24 timer compute per prosjekt. En annen AI-agent fungerer som kritiker i en løkke: den andre agenten vurderer output kritisk, og den første agenten reviderer arbeidet. Til slutt scorer menneskelige evaluatorer fra CAIS leveransen mot en gullstandard laget av en profesjonell frilanser.
Måltallet er «automation rate», andelen prosjekter der AI-leveransen vurderes som minst like god som den menneskelige gullstandarden.
Hvem leder an
Claude Fable 5 topper listen med 16,1 prosent. Det er dobbelt så høyt som Opus 4.8 på 8,3 prosent, som igjen er dobbelt så høyt som forgjengeren Opus 4.6 på 4,17 prosent. GPT-5.5 scorer 6,3 prosent. Gemini 3 Pro, en nyere modell, ligger nest sist på 1,25 prosent.
En viktig kontekst: 22 av 240 prosjekter ble ikke evaluert for Fable 5 fordi amerikanske myndigheter har restriksjoner på modellens eksport. Selv i et worst-case-scenario der agenten feilet på alle disse uevaluerte prosjektene, ville Fable 5 scoret 14,6 prosent, fortsatt over alle andre modeller.
Fremgangen følger ikke release-dato. Gemini 3 Pro er en av de nyeste modellene i testen og scorer likevel nesten på bunnen. Fable 5 er den eldste modellen som scorer høyest. Det betyr at det ikke holder å kjøpe den nyeste modellen. Det er modell-spesifikk agent-ytelse som teller, og forskjellene er store.
Hvor 16 prosent egentlig treffer
Det er fristende å tolke 16 prosent som «AI kan gjøre hver sjette oppgave». Den tolkningen er gal. RLI måler et smalt segment: prosjekter der en AI-leveranse er god nok til at en kunde ville betalt for den. Det er et mye høyere krav enn «AI kan produsere noe brukbart».
Samtidig er det et lavere krav enn «AI er like god som et menneske». Benchmarken sier ingenting om pris, hastighet eller evnen til å bygge langsiktige kundeforhold. En AI-agent bruker 24 timer compute per prosjekt, og for mange oppdrag er det vesentlig dyrere enn å hyre en frilanser.
Så hva treffer egentlig 16-prosentgrensa? Typisk: første utkast til design, datavisualiseringer, prototype-web, korte markedsføringsvideoer, lydredigering og formatering. Det som ikke treffer: oppdrag som krever tverrfaglig forståelse, kundedialog, salg, fysisk tilstedeværelse eller iterativ kreativ samtale med kunden.
En viktig kildekritikk
CAIS testet om AI-dommere kan erstatte menneskelige evaluatorer. Svaret er et tydelig nei. Når AI-dommere fikk score samme leveranser som mennesker, ble de sjokkerende godtroende. For GPT-5.5 scoret AI-dommeren nesten tre ganger for høyt. For Opus 4.8 var det to og en halv gang. Rangeringen ble riktig, men tallene var helt på vidda.
Årsaken er at skikkelig evaluering krever at man åpner filer i profesjonell programvare og faktisk bruker dem slik en betalende kunde ville gjort. Det er nøyaktig det AI-agenter er dårligst på, og det er det samme som begrenser AI-dommere.
Eksemplene fra CAIS-rapporten viser hvorfor dette er viktig. På en «ring design»-oppgave så Fable 5 sitt resultat profesjonelt ut ved første øyekast, men falt gjennom ved nærmere inspeksjon. På et arkitekturprosjekt faket GPT-5.5 en tiltalende 3D-render mens selve 3D-modellen forble feil. Det er den typen feil mennesker fanger, og som AI-dommere overser.
Hva dette betyr for norske SMB-er
For norske bedrifter med 7 til 100 ansatte er det relevante spørsmålet ikke «tar AI 16 prosent av jobbene», men «hvilke 16 prosent av mine repeterbare arbeidsoppgaver kan en autonom agent gjøre på godt nok nivå til at jeg slipper å gjøre dem manuelt».
Et konkret eksempel. Et lite regnskapsbyrå mottar rundt 50 kvitterings-PDFer i uken. I dag sitter regnskapsføreren og taster inn leverandør, dato, beløp og MVA-kategori manuelt. Med en autonom AI-agent, for eksempel en løsning bygget gjennom AI Utvikling, kan agenten kjøre OCR, hente ut feltene, kategorisere mot kontoplanen og sende et bokføringsforslag. Mennesket åpner forslaget, korrigerer unntak og godkjenner.
Hele flyttingen fra 2,5 prosent til 16 prosent automation rate betyr i praksis at en AI-agent i dag kan ta første utkast på den typen oppgaver. Det er ikke en erstatning for regnskapsføreren. Det er et verktøy som frigjør 12 til 15 timer per uke for et syv-ansatt byrå, nok til å ta imot flere kunder uten å ansette flere.
For andre bransjer ser bildet likt ut. Et bilforhandlerselskap kan la en agent håndtere første utkast av tilbudsmail, mens selgerne fokuserer på kundemøter. Et logistikkfirma kan automatisere rapportgenerering, mens controller jobber med analyse. Et reiselivsselskap kan la agenter svare på standard e-poster, mens vertskapet konsentrerer seg om gjestene.
Hvis du vil kartlegge hvilke prosesser i din bedrift som er modne for denne typen automatisering, er et AI-Revisjon-løp et naturlig startpunkt. Vi går gjennom arbeidsflyten i 6 uker og leverer en ROI-matrise der du ser nøyaktig hvilke prosjekter som treffer 16-prosentgrensa i dag, og hvilke som krever mer moden teknologi.
Hva som ikke treffer ennå
Det er verdt å holde to ting i hodet.
For det første: 84 prosent av prosjektene i RLI er fremdeles utenfor AI-rekkevidde. Det er et konservativt mål. Når du legger til virkelige norske arbeidsoppgaver som krever kundedialog, myndighetskontakt eller fysisk tilstedeværelse, går andelen AI-egnet ned. For de fleste norske SMB-er betyr det at 70-80 prosent av arbeidstiden fremdeles krever mennesker.
For det andre: AI-agenter er ikke gratis. De krever oppsett, vedlikehold og menneskelig kvalitetssikring. En AI Partner-avtale dekker drift og utvikling over tid, men det er ikke noe du setter opp én gang og glemmer. AI-automatisering av en enkelt arbeidsflyt kan gi umiddelbar gevinst, men det krever at noen eier løsningen over tid.
Et nøkternt perspektiv
Benchmarkene fra CAIS er ærlige. De bruker menneskelige evaluatorer, de oppgir worst-case-scenario for Fable 5, og de advarer eksplisitt mot AI-dommere. Det gjør tallene mer troverdige enn de fleste «AI er blitt 10x bedre»-påstandene du leser i sosiale medier.
Samtidig er det verdt å huske at Remote Labor Index bare måler ett aspekt ved AI-evne: evnen til å levere en ferdig, profesjonell leveranse på en engangsoppgave. Det sier ingenting om hvordan AI-agenter presterer som samarbeidspartnere over tid, hvordan de håndterer uforutsette problemer, eller hvordan de bygger tillit med kundene.
For norske SMB-er er konklusjonen likevel tydelig: tidsvinduet for å ta i bruk AI-agenter på enkle, repeterbare oppgaver er åpent nå. De som venter, vil finne at oppgavene de trodde var umulig å automatisere, faktisk kan automatiseres i kveld. De som begynner, bygger kompetansen som trengs når automation rate passerer 30 prosent, og den dagen kommer raskere enn de fleste tror.
Vil du vite hvilke prosesser i din bedrift som er klare for AI-agenter i dag? Book en gratis kartleggingssamtale, så går vi gjennom tre konkrete arbeidsflyter og ser hva som kan automatiseres.
