OpenAI створює ШІ-агентів для всього. Чи всі ними користуватимуться?

Наскільки сильно ви готові дозволити LLM контролювати ваше цифрове життя? 

Щоб отримати від моделі максимум користі, потрібно дати їй ключі. Для маніяка контролю або людини, яка з осторогою ставиться до ШІ, це здається занадто великим ризиком. Для Ендрю Амбросіно, провідного інженера десктопного застосунку OpenAI, це єдиний спосіб випробувати майбутнє, тому тепер цей застосунок має доступ до його поштової скриньки, акаунта в Slack, телефона, застосунків на кшталт Notion і Figma та багато чого іншого — і може ними керувати.

«Якщо я прошу його написати документ, чи є ймовірність, що він витягне з приватного DM інформацію на цю тему й не зрозуміє, що не має права ділитися певними даними? Так», — сказав Амбросіно TechCrunch. «Я роблю це заради роботи. Якщо доведеться, час від часу особисто йтиму на такий ризик. І поки що не доводилося».

Амбросіно працює над найбільшою ставкою OpenAI — ChatGPT Work, який випустили минулого місяця і який доступний на найнижчому рівні підписки компанії за $20 на місяць. Продукт має дозволити офісним працівникам користуватися ШІ-агентами — підключати LLM до цифрових робочих процесів, якими користуються бухгалтери, інвестори, лікарі та всі інші, чия повсякденна робота зосереджена на комп’ютері. 

Маркетинговий текст OpenAI стисло формулює мету: світ, у якому «[штучний] інтелект виходить за межі відповідей на запитання й допомагає кожному втілювати свої найбільші ідеї в реальність».

Для розробників програмного забезпечення ці зміни вже відбуваються, але до інших відділів вони поширюються повільно. ChatGPT Work — це модифікована версія інструмента компанії для програмування Codex. Він має надати неінженерам ті самі можливості, які програмні інженери вже отримують від агентів: інструмент ШІ, що не просто відповідає на запитання, а самостійно виконує багатокрокові проєкти.

«У цьому новому форматі ChatGPT справді може повністю автономно виконувати за вас дуже складні завдання — у спосіб, який є приємним і безпечним», — сказав TechCrunch Тібо Сотіо, який очолює основну продуктову роботу OpenAI, зокрема над Work. «Це і є сама місія OpenAI — залучити до цього всіх».

З комерційного погляду це дуже важливо. Агенти, які працюють довше, витрачають більше токенів, що робить їх вигіднішими для OpenAI у розрахунку на одного користувача. Вихід на нові професійні сфери має вирішальне значення — не лише для OpenAI, а й для індустрії загалом. Якщо програмування виявилося прибутковою територією для лабораторій ШІ, це все одно лише крихітна частина професійної роботи, яку мають уможливити інструменти ШІ, якщо ці компанії хочуть виправдати свої величезні інвестиції в навчання та обчислення. Поки лабораторії зосереджувалися на програмних інженерах, конкуренти, орієнтовані на конкретні галузі, як-от Harvey (для юристів) і Clay (для продажів), залучали таких клієнтів, не прив’язуючись до конкретної моделі, тобто підключали ту ШІ-модель, яка на той момент працювала найкраще.

Галузеві аналітики вважають це одним із головних викликів для OpenAI та її конкурентів. «Якщо лабораторії не зможуть швидко отримати контроль над ключовими доповнювальними активами, необхідними для масштабування ШІ на ринку, цінність накопичуватиметься в інших місцях», — написав Крістіан Каталіні в блозі a16z Time to Build. 

Щоб застосунки ШІ працювали для людей, які не є програмними інженерами, потрібен детальніший супровід. Працівники OpenAI, які не займаються інженерією, зокрема команди комунікацій і фінансів, почали використовувати Codex «у час, коли він активно відштовхував їх — запитував про код і показував їм: “О, у вас порожній diff для цього”, — сказав Амбросіно, маючи на увазі технічний звіт про зміни в програмному забезпеченні. — Тож від лютого й дотепер ми почали робити його більш універсальним».

Дослідження за підтримки OpenAI показало, що в червні Codex використовували 98% працівників OpenAI, але лише 17% організаційних підписників і менш ніж 1% індивідуальних підписників користувалися агентним інструментом для програмування. Ця різниця між майже повним упровадженням усередині компанії та незначним використанням за її межами є одночасно викликом і можливістю для компанії.

«Що більше цінності й користі ми створюємо для користувачів, то охочіше вони платитимуть за частину цієї користі — і саме так ми завжди сприймали ChatGPT», — сказав Сотіо. «Ви сидите й думаєте: “Звісно, я хочу платити $20 на місяць за це”, бо отримана вами цінність набагато більша».

Як зробити ШІ інтуїтивно зрозумілим 

Щоб зрозуміти цю розбіжність, варто зрозуміти, що саме створюють інженери OpenAI. Кожна LLM потребує того, що інженери називають «оболонкою» (harness), — програмного забезпечення навколо моделі, яке визначає, яку інформацію вона бачить, якими інструментами може користуватися і як подає вам свої відповіді. 

Якщо ви хочете, щоб модель щось робила — тобто стала агентом, — оболонка надає їй інструменти та інструкції щодо їх використання для довготривалих завдань. Для розробників інтерфейсу командного рядка (CLI), який дав LLM змогу програмувати, було достатньо, щоб змінити спосіб створення та розгортання програмного забезпечення. Але більшість людей не користується CLI — не випадково Windows прийшла на зміну DOS. 

Агентний продукт, що виходить за межі програмної інженерії, «має працювати з безладним світом вашого життя, вашими інструментами та вебсайтами, створеними у 1995 році й відтоді не оновлюваними», — сказав TechCrunch Амбросіно, пояснюючи, що досвід, який створює його команда, є життєво важливим для розширення доступу до корисного ШІ.

Розгляньмо такі застосунки, як Claude Code і Codex: вони започаткували «вайбкодинг», абстрагувавши все власне написання програмного забезпечення та дозволивши користувачам просто повідомляти моделі, яку програму вони хочуть отримати. Тепер OpenAI хоче зробити функціональність таких інструментів, як OpenClaw, які програмісти використовують для роботи LLM, такою ж простою, як написання запиту. 

«Без цих продуктів перед моделлю експерти знали б, як отримати ті самі результати, але не було б мільярда людей, які користуються цим», — сказав Амбросіно. Цей компроміс між потребами досвідчених користувачів і вимогами масового поширення обговорюють усередині OpenAI, де деякі працівники вважають, що кнопка непотрібна, якщо користувачі можуть просто попросити модель безпосередньо.

«Ми заперечуємо це, бо зараз дуже ранній етап», — сказав Амбросіно. «На цій фазі важливо, щоб функції можна було знаходити, а згодом кнопки не буде». 

У Work є ще кілька кнопок для вибору проєктів і плагінів, але він прагне того самого інтерфейсу «чарівної скриньки», що й інші продукти OpenAI. Він порівнює це зі скевоморфізмом — практикою, що поступово зникає, коли цифрові інструменти роблять схожими на фізичні об’єкти, які вони замінили, наприклад застосунок-калькулятор, оформлений під кишеньковий калькулятор. «Це був не просто незграбний дизайн. Він справді допоміг залучити людей до цього [і] здійснити перехід», — сказав Амбросіно.

 OpenAI не повідомила, скільки людей користувалися Work порівняно з Codex, але спільним застосунком користуються лише 20 мільйонів людей, тоді як, за словами компанії, ChatGPT онлайн використовує понад мільярд користувачів. 

Надання ChatGPT дозволу на опанування навичок

Наразі OpenAI позиціонує цей інструмент як найкращий для рутинних завдань із координації, що передбачають роботу з великими обсягами даних. Наприклад, її працівники налаштовують щотижневі звіти з метриками і перетворюють електронні таблиці на інструменти планування.

Я спілкувався з венчурними капіталістами, які використовують агентів для збирання відповідних комунікацій та аналізу компаній в інвестиційні меморандуми, а також з операційними командами, які створюють спеціалізовані панелі моніторингу й візуалізації даних. Сем Альтман використовує його, щоб планувати відпустки. Один з інженерів OpenAI розповів, що просив програму переглянути розмову в Slack про інженерну проблему й «побудувати кілька графіків», після чого отримав серію змістовних діаграм.

«Для пересічного працівника або співробітника будь-якої з цих компаній, зокрема для мене, існує справжній потік інформації, — сказав Акшай Натан, який очолює команду продуктової інженерії в OpenAI. — Наші можливості насправді обмежені здатністю опрацювати все доступне нам, а потім діяти на основі цього. Ця інформація зберігається в усіх цих системних інструментах [як-от Salesforce… цінність ChatGPT у тому, що ви вже маєте до цього доступ, але тепер ви справді маєте до цього доступ».

Отже, це може бути тим цифровим персональним асистентом, про якого мріють євангелісти ШІ. Як і Claude Cowork або агент перегляду Perplexity AI, ChatGPT Work під’єднує агентів до вашого наявного робочого простору — електронної пошти, веббраузера, безлічі SaaS-платформ — і використовує цей контекст для вас.

Коли система працює, це може вражати: я попросив ChatGPT Work витягти з моєї електронної пошти дивно відформатований календар дошкільного закладу мого сина й додати його до Google Calendar — і він це зробив, заощадивши мені багато повторюваного введення даних. Сподіваюся, тепер я не забуду про шкільну спільну вечерю й не забуду організувати догляд за дитиною під час канікул.

Я не довірив OpenAI доступ до своєї поштової скриньки, інтерв’ю для матеріалів або чернеток статей (не хвилюйтеся, противники ШІ) і не дозволив би їй отримати доступ до мого банківського рахунку, але вважаю, що це було б корисніше, якби я мав достатньо довіри. Я доручив йому провести фінансовий аналіз публічних компаній, за якими стежу, і він створив для мене панель метрик, що автоматично оновлюється; він зробив базу даних космічних запусків — завдання, яке раніше мені доводилося виконувати, пишучи скрипти на Python. Він також надсилає мені щотижневий лист про нові дослідження ШІ, опубліковані в академічних репозитаріях. Я продовжу експериментувати з ним.

Хоча попросити модель про щось інтуїтивно зрозуміло, надати їй усе необхідне для виконання дії не так просто. Налаштування дозволів для агентів на доступ, скажімо, до хмарного диска було заплутаним і циклічним — я кілька разів намагався надати їй лише доступ для «читання» й отримував повідомлення про помилку. Сама модель не надто допомогла, але зрештою в мобільному застосунку з’явилося діалогове вікно, яке повідомило, що для роботи потрібен повний доступ. 

Багато важливих налаштувань доступні лише у вебзастосунку, тому я часто опинявся в ситуації, коли працював в обох одночасно. Іноді обмеження ChatGPT Work спантеличують: під’єднайте його до свого календаря Google — і він зможе створювати події, але не нові календарі. І не намагайтеся щось робити, якщо не встановите високий рівень зусиль, інакше отримаєте найгіршого стажера, з яким вам коли-небудь доводилося працювати.

Це поширена порада від перших користувачів ШІ, які побоюються, що розчаровані новачки просто здадуться. Джо Гершенсон, інженерний керівник команди оболонки OpenAI, визнав, що налаштування рівня зусиль поки що неінтуїтивні для нових користувачів: «є речі, які ми можемо зробити краще, щоб допомогти їм обрати правильний рівень міркування…», — сказав він, додавши: «Стежте за оновленнями».

Перед OpenAI постає ще один важливий виклик на шляху до звичайної офісної роботи: більшість робочих процесів не такі вимірювані — або придатні для оцінювання — як код. Програмне забезпечення або працює, або ні, і навіть ця відмінність спрощує нюанси того, що робить код хорошим чи поганим. Хорошу презентацію, бізнес-стратегію або комерційну пропозицію не так легко оцінити чи відстежити. 

«Одним з унікальних викликів такого продукту є те, що він справді може робити будь-що», — сказав Амбросіно. Коли я запитав, під які конкретні проблеми команда проєктує продукт і на які робочі процеси він орієнтується, інженери, з якими я спілкувався, ухилилися від відповіді, заявивши, що це питання до дослідницької команди OpenAI. 

Згодом OpenAI надала відповідь, повідомивши TechCrunch, що використовує свій бенчмарк GDPVal, створений на основі 44 професій і сотень тестів інтелектуальної праці, а також доповнює його відгуками користувачів. Менш офіційна відповідь полягає в тому, що це роблять самі працівники OpenAI. Амбросіно сказав: «Ми завжди маємо з’ясовувати… ми створюємо робочий процес, яким користуватимуться всі інші, чи ми дивні?» 

Перші користувачі самого застосунку створюватимуть цінні сліди своїм реальним використанням — значна частина успіху інструментів для програмування побудована на подібному збиранні даних, — якщо тільки вони не відмовляться від надання цих даних для навчання. (Я відмовився).

Суперництво, яке визначило дизайн продукту OpenAI

Попри всю увагу до інтерфейсу моделі, інженери OpenAI неохоче відповідали на досить просте запитання: що відрізняє Codex і ChatGPT Work від Claude CoWork або інших конкуруючих агентних оболонок, призначених для масового користувача?

«Для вас це буде дуже розчаровуюча відповідь, і мені шкода, але чесна відповідь полягає в тому, що я справді не дивлюся на оболонки, які вони створюють», — сказав Гершенсон у типовій відповіді. «На думку спадає мем із “Божевільних”: “Я взагалі про вас не думаю”».

Відверто кажучи, я їм не вірю — хоча б з огляду на надзвичайну схожість користувацьких інтерфейсів продуктів, потребу будь-якого бізнесу в конкурентній розвідці, а також на те, що перше, що ChatGPT Work попросив мене зробити після запуску, — перенести мої дані з Claude Cowork. 

Зрозуміло, якщо Claude Code є чутливою темою в офісах OpenAI. Їхній корпоративний конкурент визначив ринок ШІ для програмування та започаткував революцію в тому, як програмні інженери виконують свою роботу. Це ще більше дратує, адже OpenAI першою мала цю ідею, але не зовсім правильно її реалізувала. 

Коли OpenAI вперше розробила Codex як вебзастосунок, інженери трохи забігли наперед — або, як висловився Амбросіно, стали «трохи більше прихильниками AGI». Коротко кажучи, вони поставили на те, що модель буде достатньо розумною, щоб повністю самостійно впоратися із завданням за мінімальної участі користувача.

Створений невдовзі після цього Claude Code був орієнтований на діалог із користувачем у форматі «туди-назад». Якщо ви давали йому проблему, він розглядав можливості й пропонував три або чотири варіанти подальших дій. Після вашого вибору він просувався трохи далі, а потім знову звертався до вас, постійно повідомляючи про перебіг роботи й залишаючи менше простору для помилок моделі та оболонки.

Підхід Anthropic виявився ефективнішим, навіть якщо вимагав від користувачів більше роботи. «[Наш] продукт на той час трохи випереджав можливості моделі та оболонки», — тепер каже Амбросіно. 

Зрештою OpenAI наслідувала цей підхід, додавши більше можливостей для взаємодії користувачів із моделлю. Так з’явився відомий нам Codex — із десктопним і мобільним застосунками. Якщо використовувати статистику завантажень як показник інтересу до програм, Claude Code користувався більшим попитом до квітня цього року, але тепер Codex трохи випереджає його; опитування щодо корпоративного використання також свідчать, що OpenAI наздоганяє конкурента.

Частково це лідерство пояснюється правильним пошуком відповідності продукту ринку, а частково — скаргами на обмеження безпеки моделей Anthropic і нестачу обчислювальних потужностей. Кроки OpenAI до більш орієнтованих на людину оболонок тривають із ChatGPT Work, але інженери, з якими я спілкувався, наполягали, що головною відмінністю є потужність останніх ефективних за витратами моделей OpenAI. 

«Найбільш неприємна відповідь полягає в тому, що дуже часто справа саме в моделі, і ми намагалися дуже добре використати весь потенціал моделі в цьому застосунку», — сказав Амбросіно. 

Якою взагалі має бути хороша оболонка?

Це пояснення повертає нас до «гіркого уроку», засвоєного дослідниками ШІ: краща універсальна модель важливіша за спеціалізований досвід у конкретній галузі. Для справжніх прихильників цієї ідеї оболонка — це тимчасова опора, а не конкурентна перевага.

«У короткостроковій перспективі можна отримати хороші результати, додавши безліч додаткових елементів — умов “якщо — то” та інструментів, — але, годі вже, наступна модель вийде за пару місяців і зробить усе це застарілим», — сказав Гершенсон TechCrunch. Його команда зосереджується на найпростіших способах надати моделі потрібні інструменти й контекст — і нічого понад це. 

«Мета хорошої інженерії оболонки — бути… точнішою у визначенні того, яка інформація насправді потрібна моделі для розв’язання вашої проблеми, адже моделі дедалі краще справляються з цим, якщо просто дозволити їм робити свою справу», — сказав Гершенсон.

Втім, залишається відкритим питання, чи готові до цього більшість людей або моделей. Ітан Моллік, професор Вортонської школи бізнесу, який досліджує інструменти ШІ на робочому місці, досі вважає Claude зручнішим для користувача, написавши, що «ChatGPT зазвичай хоче створити диво й просто зробити все за вас, тоді як Claude порівнює варіанти й показує їх, знову й знову запитуючи про введення та відгук і проводячи тести A і B».

Сотіо — і, можливо, OpenAI загалом — не погоджується, стверджуючи, що діалоговий характер застосунку кращий, ніж навчання користуватися програмою. «Ми безумовно бачимо, що світ, схоже, готовий», — каже він про застосунок. «Саме тому ми спостерігаємо неймовірне поширення».

Однак неясно, чи є оболонка, специфічна для конкретної моделі, правильним вибором для максимального розкриття її можливостей. Порівняння, проведені такими компаніями, як Composio і Databricks, показують, що різні поєднання оболонок і моделей дають різні результати в тестах програмування. Databricks виявила, що Pi — оболонка з відкритим кодом, опублікована софтверною компанією Earendi, — перевершила Codex, використовуючи ту саму модель GPT 5.5. Pi використовували для створення таких проєктів, як OpenClaw і CloudflareOS. 

Творець Pi Маріо Цехнер каже, що його навмисно мінімалістична оболонка свідчить: підхід прихильників AGI може працювати — принаймні для програмних інженерів і завдань із програмування. За його словами, брак явних функцій компенсується здатністю оболонки змінювати себе й створювати власні інтерфейси. Він співчуває виклику, що постає перед інженерами OpenAI під час розширення аудиторії за межі інженерів.

«Усе має форму агента для програмування… причина в тому, що в них є навчальні дані лише для завдань агентів програмування», — сказав він TechCrunch. «Припустімо, я керую компанією, сьогодні ухвалюю рішення, а результат з’являється через кілька місяців. Це неможливо зафіксувати в простому записі взаємодії користувача й агента, тож усі подібні завдання і все, що ви не оцифровуєте, недоступне моделі для навчання».

Як і інші постачальники відкритого програмного забезпечення, він бачить спроби великих лабораторій просувати власні оболонки як спосіб прив’язати до себе користувачів; «їм потрібно володіти всім стеком, інакше вони просто стануть постачальником моделей, а потім їм доведеться конкурувати з китайськими моделями». 

Він та інші інженери, з якими спілкувався TechCrunch, вважають, що дані про витрати токенів і поведінку агентів в оболонках передових лабораторій надто обмежені. Певною мірою це менш важливо для нетехнічних працівників, але, як і у випадку з інструментами для програмування, поширення в масштабі, на який сподівається OpenAI, зрештою змусить вести складніші розмови про витрати. 

Наприклад, бавлячись із підпискою за $20 на місяць, за чотири дні я використав понад 80 мільйонів токенів, що, за аналізом моделі, коштувало $65 (у застосунку немає відповідної панелі). Тобто лише чотири дні невимушеного використання субсидувалися на суму, що більш ніж утричі перевищує ціну підписки.

«Ми щодня працюємо над підвищенням ефективності», — сказав Сотіо, вказавши на нещодавнє зниження ціни для користувачів моделі OpenAI Luna на 80%. «Якщо ви прокинетеся через шість місяців, то зможете виконувати всі ті самі [завдання] з меншими витратами».

Інше важливе питання полягає в тому, чи створюють ці застосунки ефект прив’язаності клієнтів завдяки зберіганню даних або через самі труднощі налаштування доступу до всіх плагінів і їхніх дозволів. 

У штаб-квартирі OpenAI з дерев’яними панелями та великою кількістю рослин, яку я відвідав у липні, атмосфера була спокійною, але трохи напруженою; цим людям є чим займатися. Інженери, з якими я спілкувався, постійно стежили за своїми ноутбуками під час розмови й поспішали з однієї переговорної до іншої. 

Натан, керівник команди продуктової інженерії, сказав, що фокус залишається на «обіцянці чарівної скриньки, але я все ще вважаю, що складності забагато… Я дуже оптимістично налаштований щодо того, що ми зможемо це вирішити — за допомогою моделі та справді нативним для ШІ способом».