Mennyire bízunk meg egy nagy nyelvi modellt (LLM) abban, hogy hozzáférjen és műveleteket hajtson végre a digitális eszközeinken? OpenAI mérnökei szerint a hasznosság többlépcsős munkafolyamatok önálló elvégzéséhez gyakran elengedhetetlen, hogy a modell „megkapja a kulcsokat”: hozzáférést az e-mailekhez, Slackhez, naptárhoz, és különböző SaaS-alkalmazásokhoz.
Andrew Ambrosino, az OpenAI asztali alkalmazásának vezető mérnöke elmondta, hogy a személyes fiókjaihoz való hozzáférést a munkához vállalja: a teszteléshez az app most hozzáfér az e-mailjéhez, Slack-jéhez, telefonjához és olyan alkalmazásokhoz, mint a Notion vagy a Figma. „Ha megkérem, hogy írjon egy dokumentumot, előfordulhat, hogy egy privát üzenetből merít, és nem tudja, hogy nem szabadna megosztania bizonyos információt? Igen” — mondta Ambrosino a TechCrunchnak. „A munkáért megteszem; vállalok néha személyes kockázatot. És eddig nem volt rá példa, hogy probléma lett volna.”
ChatGPT Work: cél és elérhetőség
A ChatGPT Work-öt az OpenAI múlt hónapban adta ki, és a cég legalacsonyabb havi előfizetési szintjén érhető el, havi 20 dollárért. A termék célja, hogy a fehérgalléros munkakörökben dolgozók számára agenteket biztosítson: LLM-eket kapcsol a számviteli, befektetési, orvosi és egyéb napi számítógépes munkafolyamatokhoz, hogy multistep feladatokat önállóan végezzenek el.
OpenAI marketingje így fogalmaz: egy világ, „ahol a mesterséges intelligencia túlmegy a kérdések megválaszolásán, és segít mindenkinek legnagyobb ötleteit valóra váltani.” A fejlesztés keretében a ChatGPT Work a Codex kódolási eszköz módosított változatára épül — célja, hogy a nem-fejlesztők számára is elérhetővé tegye ugyanazt az ügynöki funkcionalitást, amelyet a szoftvermérnökök már használnak.
Belső és külső elfogadás közti különbség
Egy OpenAI-támogatású tanulmány szerint júniusban az OpenAI alkalmazottainak 98%-a használta a Codexet, miközben a szervezeti előfizetők 17%-a, az egyéni előfizetők kevesebb mint 1%-a vette igénybe az agentes kódolási eszközt. Ez a belső majdnem teljes körű elfogadás és a külső elterjedés hiánya közti különbség egyszerre kihívás és lehetőség a cég számára.
Thibault Sottiaux, aki az OpenAI core product munkáit vezeti, azt emelte ki, hogy „a több érték és több hasznosság, amit a felhasználóknak adunk, annál inkább hajlandóak lesznek fizetni érte” — ez a logika áll a havi 20 dolláros ChatGPT-előfizetés mögött.
A „harness” szerepe: hogyan teszik használhatóvá az LLM-eket
Minden LLM köré épül egy úgynevezett harness — a szoftverréteg, amely eldönti, milyen információkhoz fér hozzá a modell, milyen eszközöket használhat, és hogyan ad vissza eredményt. Ha az LLM-et ügynökké teszik, a harness eszközöket és utasításokat ad a hosszabb távú feladatokhoz.
Fejlesztőknek egy parancssori felület (CLI) is elég volt ahhoz, hogy megváltoztassa a szoftverfejlesztést, de a legtöbb felhasználó nem CLIt használ — ezért fontos a felhasználóbarát interfész. Ambrosino szerint az agentes termékeknek „a valós élet és a régi weboldalak, eszközök kusza világával” kell játszaniuk, hogy a nem-fejlesztők is hozzáférhessenek a hasznos funkciókhoz.
ChatGPT Work több gombot kínál projekt- és plugin-kiválasztáshoz, de a cél ugyanaz a „varázsdoboz” élmény: egyszerű, intuitív módon elérni komplex funkcionalitást. Ambrosino párhuzamba állította ezt a skeuomorfizmussal, amely régen segített a felhasználóknak átállni új digitális eszközökre.
Mire használják az ügynököket a gyakorlatban?
OpenAI belső csapatainál agentekkel automatizálnak heti metrikajelentéseket és a táblázatokból tervezőeszközöket készítenek. Kockázatitőke-befektetők agenteket használnak vállalatokról szóló kommunikációk és elemzések összerakására, operációs csapatok speciális irányítópultokat készítenek, és egyes alkalmazottak személyes feladatokra, például üdülésszervezésre is használják az appot.
A cikk szerzője például megkérte a ChatGPT Worköt, hogy rendezze át a levelezéséből a furán formázott óvodai naptárt a Google Naptárába; az alkalmazás elvégezte a feladatot, így sok ismétlődő adatbevitelt megszüntetve. Ugyanakkor a beállítások és jogosultságok konfigurálása gyakran bonyolult volt: a felhasználó többször próbált „csak olvasási” hozzáférést adni egy felhőtárhelyhez, de hibákat kapott, és végül a mobilon megjelent egy párbeszédablak, amely teljes hozzáférést követelt.
Felhasználói élmény, értékelhetőség és mérések
Egy nagy kihívás az, hogy a legtöbb nem-kódolási munkafolyamat kevésbé mérhető vagy nyomon követhető, mint a szoftver. Míg a kód vagy működik, vagy nem, egy jó prezentáció, üzleti stratégia vagy értékesítési pitch minősége nehezebben értékelhető és visszakövethető.
OpenAI állítása szerint a termék fejlesztésénél a GDPval benchmarkot használják, amely 44 foglalkozásból és több száz tudásmunka-teszttel áll össze, és ezt kiegészítik a felhasználói visszajelzésekkel. Ugyanakkor az is tény, hogy a korai belső felhasználók viselkedése értékes követési adatokat ad a termék fejlesztéséhez — feltéve, hogy nem vonják ki az adataikat a tréninghez való felhasználásból.
Verseny, harnessok és a modell szerepe
A cikkben többféle megközelítésről esik szó: Anthropic Claude Cowork és Claude Code megközelítése interaktívabb, visszakérdezéseket tartalmazó párbeszédre épít, míg OpenAI korai Codex-implementációja sokat bízott a modell autonómiájára. A piaci verseny és a felhasználói preferenciák hatására OpenAI is több interakciós lehetőséget épített be a termékbe.
Egyes külső fejlesztők és open source megoldások (például a Pi harness) a minimalistább, önmagát módosítani képes harnessokat preferálják, és azzal érvelnek, hogy hosszabb távon a jobb általános modell fontosabb, mint a domain-specifikus kiegészítők. OpenAI mérnökei ugyanakkor azt mondják, hogy a jelenlegi előnyt gyakran maga a modell teljesítménye adja — és az app célja, hogy ezt a modellt hatékonyan kiaknázza.
Költségek és skálázás
A tokenfogyasztás költségei fontos szempontok: a szerző néhány napos próbálkozása során négy nap alatt több mint 80 millió tokent használt fel, amely az alkalmazás által számolt elemzés szerint 65 dollárba került — ez több mint háromszorosa a havi 20 dolláros előfizetésnek néhány nap „alkalmi” használat alatt. OpenAI állítása szerint folyamatosan dolgoznak az hatékonyság javításán; egy példa erre a Luna modell felhasználói számára bevezetett 80%-os árcsökkentés.
Emellett felmerül a lock-in kérdése: a pluginok, jogosultságok és a különböző platformokhoz való hozzáférés beállítása olyan súlyos konfigurációs költségeket és súrlódást jelenthet, amely visszatartja a felhasználókat attól, hogy más szolgáltatóra váltsanak.
Működés közben és a fejlesztési kihívások
Az OpenAI mérnökei szerint a cél a „varázsdoboz” ígérete — egy olyan, intuitív megoldás, ahol a modell a kontextust és eszközhozzáférést használva értelmes műveleteket hajt végre —, de még mindig túl sok a komplexitás. Joe Gershenson, az OpenAI harness-csapatának mérnökvezetője elismerte, hogy az „erőkifejtés” (effort) beállítások és egyes felhasználói útmutatások nem eléggé intuitívak az újoncok számára: „van mit javítani, hogy a felhasználók a megfelelő szintű érvelést kapják.”
A cikkben szereplő látogatás szerint az OpenAI wood-paneled, növényekkel teli központjában (a szerző júliusi látogatása alapján) a csapatok szorgalmasan dolgoznak, folyamatosan figyelik a rendszereket és megbeszélésekre sietnek.
Összegzés
OpenAI ChatGPT Work ambiciózus kísérlet arra, hogy az ügynökök képességeit kiterjessze a nem-fejlesztői tudásmunkára, és ezzel új felhasználói szegmenseket nyisson meg. A belső elfogadás szinte teljes, a külső elterjedés viszont egyelőre lassú. A fő akadályok közé tartozik a felhasználói élmény egyszerűsítése, a jogosultságok kezelése, a működési költségek és a munkafolyamatok számszerűsíthetősége. A cég mérnökei és vezetői ugyanakkor optimisták abban, hogy a jobb modellek és hatékonyabb harness-ek révén megoldható a széleskörű elterjedés.
