随着AI行业标准化的推进，新的评估工具Agent’s Last Exam（ALE）应运而生，旨在衡量AI代理在真实工作中的表现。该工具基于实际职业任务，评估AI在55种职业中的有效性。研究显示，尽管AI在某些任务上表现出色，但在复杂工作中仍未达到人类水平。Song教授指出，评估AI的经济价值是比较进展的重要方式，但并非唯一标准。