Az OpenAI szerint a GPT-6 Astra gyorsabban kezeli az Ironclad munkafolyamatait

Valós üzleti folyamatokra tanítják a modelleket

Az OpenAI október 6-i közlése szerint a GPT-6 Astra bemutatásakor már azt vizsgálták, hogyan használják a modellek a számítógépet professzionális munkára, például dokumentumok előkészítésére és weboldalak tesztelésére. A következő cél az, hogy az ügynökök hatékonyabban dolgozzanak speciális szoftverekben, és összetett üzleti problémákat oldjanak meg.

A kutatás középpontjában az áll, hogy a modellek megértsék egy vállalat üzleti szabályait, több lépésből álló munkafolyamatokat hajtsanak végre, majd ellenőrizzék, hogy az eredmény megfelel-e az eredeti követelményeknek. Az OpenAI ehhez kis számú, ilyen folyamatokat jól ismerő szoftvercéggel működik együtt. A partnerekkel együtt nehéz, nagy értékű feladatokat választanak ki, majd ezeket a modellek betanítására és értékelésére használják.

Az első partner az AI-alapú szerződéskezeléssel foglalkozó Ironclad. A két vállalat olyan feladatokat dolgozott ki, amelyekben az ügynökök megállapodásokat, jóváhagyási folyamatokat és újrahasználható jogi feltételeket állítanak be.

Tizenegy feladaton mérték a teljesítményt

Az Ironclad munkatársai és az OpenAI-nál Ironcladot használó dolgozók 11, jogi, kereskedelmi és beszerzési munkához kapcsolódó feladatot segítettek meghatározni. Ezek között szerepelt titoktartási megállapodások beállítása, beszerzési jóváhagyási folyamatok létrehozása, valamint egy újrahasználható jogi záradék módosítása úgy, hogy az megfeleljen a kérelmező által kiválasztott joghatóságnak.

Az OpenAI becslése szerint egy tapasztalt felhasználónak átlagosan 30 és 40 perc közötti időre lenne szüksége egy feladathoz. A kutatók minden feladatot 8 és 50 közötti számú szempont alapján értékeltek, a feladat összetettségétől függően. Így azt is mérni tudták, mely részeket oldotta meg helyesen a modell, és hol hibázott.

Az Ironclad a termékéhez tartozó, üzemeltetett szoftverkörnyezeteket biztosított a gyakorláshoz. A kutatók reprezentatív munkafolyamatokra épülő szintetikus betanítási feladatokat hoztak létre, majd megerősítéses tanulással fejlesztették a modelleket a gyakorlás és a visszajelzés segítségével.

Astra magasabb pontszámot ért el, rövidebb idő alatt

Az OpenAI a GPT-6 Astrát és a GPT-5.6 Solt hasonlította össze a 11 kutatási feladaton. Az Astránál a Max, a Solnál a High következtetési beállítást használták, ezekkel érte el mindkét modell a saját legjobb eredményét.

A GPT-6 Astra átlagos pontszáma 55,0 százalék volt, míg a GPT-5.6 Sol 41,6 százalékot ért el. A próbálkozásonkénti becsült átlagos idő az OpenAI szerint a Sol 37,0 percéről az Astra 19,2 percére csökkent. A bejelentés elején közölt összevetés szerint ez átlagosan 32 százalékkal magasabb pontszámot és 48 százalékkal rövidebb becsült időt jelent.

Az OpenAI belső, az Astra fejlesztésében használt modellje ezeken a feladatokon 63,7 százalékos eredményt ért el. A vállalat azt írja, hogy ezt a további javulást a jövőbeli modellekbe szeretné eljuttatni.

Egy bemutatott feladatban az Astra a kritériumok körülbelül 94 százalékát teljesítette becsült 20 perc alatt. A GPT-5.6 Sol ugyanitt körülbelül 85 százalékot ért el, becsült 32 perc alatt.

Az emberi ellenőrzés továbbra is szükséges

Az OpenAI szerint a szerződéskezelésben az egyik legfontosabb kihívás az, hogy a folyamatoknak a kivételeket is kezelniük kell, miközben megőrzik a vállalat üzleti szabályait. Ha egy ügynök a feladat közben szem elől téveszti valamelyik szabályt, az korlátozza, milyen munkát lehet rá biztonsággal bízni.

Az együttműködés ezért az OpenAI megfogalmazása szerint azt is mutatja, hogy a komplex szerződéskezelési feladatokban továbbra is fontos az emberi felügyelet, és szükség van teljes szerződéskezelési platformra. Az Ironclad számára a közös kutatás lehetőséget ad arra, hogy ügyfelei problémáit közvetlenül az alapul szolgáló modell fejlesztésébe vigye be.

Az OpenAI szerint a fejlettebb modellek az Ironclad további termékeiben is használhatók lehetnek. Ez a jogi és üzleti csapatok számára azt jelentheti, hogy az AI több munkát vehet át az összetett szerződéskezelésből, miközben megmaradnak az általuk használt ellenőrzési lehetőségek. Az OpenAI hasonló együttműködésre további szoftvercégeket is meghívott, olyan konkrét szakmai feladatokkal, amelyeket a jelenlegi ügynökök még nem tudnak megbízhatóan elvégezni.