Indice del Lavoro Remoto: Misurare l'Automazione IA del Lavoro a Distanza

Remote Labor Index: Measuring AI Automation of Remote Work

October 30, 2025

Autori: Mantas Mazeika, Alice Gatti, Cristina Menghini, Udari Madhushani Sehwag, Shivam Singhal, Yury Orlovskiy, Steven Basart, Manasi Sharma, Denis Peskoff, Elaine Lau, Jaehyuk Lim, Lachlan Carroll, Alice Blair, Vinaya Sivakumar, Sumana Basu, Brad Kenstler, Yuntao Ma, Julian Michael, Xiaoke Li, Oliver Ingebretsen, Aditya Mehta, Jean Mottola, John Teichmann, Kevin Yu, Zaina Shaik, Adam Khoja, Richard Ren, Jason Hausenloy, Long Phan, Ye Htet, Ankit Aich, Tahseen Rabbani, Vivswan Shah, Andriy Novykov, Felix Binder, Kirill Chugunov, Luis Ramirez, Matias Geralnik, Hernán Mesura, Dean Lee, Ed-Yeremai Hernandez Cardona, Annette Diamond, Summer Yue, Alexandr Wang, Bing Liu, Ernesto Hernandez, Dan Hendrycks

cs.AI

Abstract

Le IA hanno compiuto rapidi progressi nei benchmark di ricerca su conoscenza e ragionamento, ma rimane poco chiaro come questi progressi si traducano in valore economico e automazione. Per misurare ciò, introduciamo il Remote Labor Index (RLI), un benchmark ampio e multisettoriale che comprende progetti reali di valore economico, progettato per valutare le prestazioni end-to-end degli agenti in contesti pratici. Gli agenti di IA ottengono prestazioni prossime al minimo sull'RLI, con l'agente più performante che raggiunge un tasso di automazione del 2,5%. Questi risultati contribuiscono a fondare le discussioni sull'automazione IA su evidenze empiriche, stabilendo una base comune per monitorare gli impatti dell'IA e consentendo alle parti interessate di navigare proattivamente l'automazione del lavoro guidata dall'IA.

English

AIs have made rapid progress on research-oriented benchmarks of knowledge and reasoning, but it remains unclear how these gains translate into economic value and automation. To measure this, we introduce the Remote Labor Index (RLI), a broadly multi-sector benchmark comprising real-world, economically valuable projects designed to evaluate end-to-end agent performance in practical settings. AI agents perform near the floor on RLI, with the highest-performing agent achieving an automation rate of 2.5%. These results help ground discussions of AI automation in empirical evidence, setting a common basis for tracking AI impacts and enabling stakeholders to proactively navigate AI-driven labor automation.