OpenAI створює агентів штучного інтелекту вже для будь-чого

Отримати максимальну цінність від моделі означає дати їй ключі до контролю. Для тих, хто полюбляє контролювати або вагається використовувати штучний інтелект, це здається забагато. Для Ендрю Амброзіно, провідного інженера десктопного додатку OpenAI, це єдиний спосіб перевірити майбутнє, тому цей додаток тепер має доступ і контроль над його поштовою скринькою, його обліковим записом Slack, його телефоном, такими додатками, як Notion та Figma, тощо.

«Якщо я прошу його написати документ, чи є ймовірність, що воно візьме інформацію з приватного повідомлення на цю тему, не знаючи, що не повинно ділитися деякою інформацією? Так», – сказав Амброзіно TechCrunch. «Я зроблю це заради роботи. Я візьму на себе особисті удари час від часу, якщо доведеться. А мені цього не доводилося робити».

Амброзіно працює над найбільшим проєктом OpenAI, ChatGPT Work, який був випущений минулого місяця та доступний за найнижчим рівнем підписки компанії за 20 доларів на місяць. Продукт призначений для того, щоб дозволити офіційним працівникам запускати агентів ШІ, підключаючи LLM до цифрових робочих процесів, що використовуються бухгалтерами, інвесторами, лікарями та всіма іншими, чиє повсякденне життя зосереджено переважно на комп’ютері.

У маркетинговому тексті OpenAI мету сформульовано лаконічно: світ, де «[штучний] інтелект виходить за рамки відповідей на запитання та допомагає кожному втілити свої найзаповітніші ідеї в реальність».

Для розробників програмного забезпечення цей зсув вже відбувається, але він повільно поширюється на інші відділи. ChatGPT Work — це модифікована версія інструменту кодування Codex від компанії. Він покликаний надати неінженерам версію тієї ж функціональності, яку розробники програмного забезпечення вже отримують від агентів: інструмент штучного інтелекту, який не просто відповідає на запитання, а самостійно виконує багатоетапні проекти.

«У цьому новому факторі ChatGPT може насправді виконувати цілі, дуже складні завдання для вас усіх автономно, у приємний та безпечний спосіб», – сказав TechCrunch Тібо Соттьо, який керує основною розробкою продуктів OpenAI, включаючи Work. «Це сама місія OpenAI — об’єднати всіх».

З комерційної точки зору це має велике значення. Агенти, які працюють довше, спалюють більше токенів, що робить їх більш прибутковими для OpenAI на одного користувача. Охоплення нових професій має вирішальне значення — не лише для OpenAI, а й для всієї галузі. Якщо кодування виявилося прибутковою територією для лабораторій штучного інтелекту, воно все ще є крихітною частиною професійної роботи, яку інструменти штучного інтелекту повинні забезпечити, якщо ці компанії хочуть виправдати свої величезні інвестиції в навчання та обчислення. Хоча лабораторії зосереджувалися на інженерах-програмістах, конкуренти, що спеціалізуються на конкретних вертикалях, такі як Харві (у сфері права) та Клей (у сфері продажів), переслідували цих клієнтів, використовуючи модельно-агностичний підхід, тобто вони підключатимуть той ШІ, який найкраще працює на даний момент.

Галузеві аналітики вважають це одним із головних викликів, з якими стикаються OpenAI та його конкуренти. «Якщо лабораторії не зможуть швидко отримати ключові додаткові активи, необхідні для масштабування ШІ на ринку, цінність накопичуватиметься в іншому місці», – написав Крістіан Каталіні в блозі a16z «Час будувати».

Щоб застосунки штучного інтелекту працювали для людей, які не є розробниками програмного забезпечення, потрібна більша підтримка. Неінженерна робоча сила OpenAI, така як команди комунікацій та фінансів, почала використовувати Codex «в той час, коли він був налаштований до них вороже — запитував їх про код і показував: «О, у вас є порожня сторінка для цієї штуки», — сказав Амброзіно, маючи на увазі технічний звіт, призначений для змін у програмному забезпеченні. «Тож ми почали робити його більш універсальним з лютого по теперішній час».

Дослідження, проведене за підтримки OpenAI, показало, що в червні 98% співробітників OpenAI використовували Codex, але лише 17% організаційних передплатників та менше 1% індивідуальних передплатників використовували цей інструмент агентного кодування. Ця різниця між майже повним впровадженням всередині компанії та незначним впровадженням за її межами є одночасно викликом і можливістю для компанії.

«Чим більше цінності та корисності ми створюємо для користувачів, тим більше вони будуть готові платити за певну частину цієї корисності, і саме так ми завжди сприймали ChatGPT», – сказав Соттьо. «Ви сидите і думаєте: «Звичайно, я хочу платити за це 20 доларів на місяць», тому що цінність, яку ви отримуєте, набагато більша».

Як зробити штучний інтелект інтуїтивно зрозумілим

Щоб зрозуміти цей розрив, корисно зрозуміти, що створюють інженери OpenAI. Кожна LLM-програма вимагає того, що інженери називають «обладнанням» — програмного забезпечення, обгорнутого навколо моделі, яка вирішує, яку інформацію вона бачить, які інструменти вона може використовувати та як вона представляє вам свої відповіді.

Якщо ви хочете, щоб ця модель щось виконувала — щоб вона стала агентом — harness надає їй інструменти та інструкції для їх використання в довгострокових завданнях. Для розробників інтерфейсу командного рядка (CLI), який дозволяв LLM писати код, було достатньо, щоб змінити спосіб створення та розгортання програмного забезпечення. Але більшість людей не використовують CLI; є причина, чому Windows замінила DOS.

Агентський продукт, який виходить за рамки програмної інженерії, «буде чимось, що грається з безладним світом вашого життя, вашими інструментами та вебсайтами, які були створені в 1995 році та ніколи не оновлювалися», – сказав Амброзіно TechCrunch, пояснюючи, що досвід, який створює його команда, життєво важливий для розширення доступу до корисного штучного інтелекту.

Розглянемо такі програми, як Claude Code та Codex: вони розкрили шлях до «вібраційного кодування», абстрагувавши від усього фактичного написання програмного забезпечення та дозволивши користувачам просто вказати моделі, чого вони хочуть від програми. Тепер OpenAI хоче зробити функціональність, що знаходиться в таких інструментах, як OpenClaw, які кодери використовують для роботи LLM, такою ж простою, як підказки.

«Без цих продуктів перед моделлю експерти знали б, як отримати ті самі результати, але ви б не досягли мільярда людей, які користуються цією річчю», – сказав Амброзіно. Цей компроміс між тим, що потрібно досвідченим користувачам, і тим, що вимагає масове впровадження, проявляється у внутрішніх дебатах OpenAI, де деякі співробітники стверджують, що кнопка не потрібна, якщо користувачі можуть просто запитати модель безпосередньо.

«Ми ухиляємося від [цього], бо це ще дуже рано», – сказав Амброзіно. «На цьому етапі важлива можливість виявлення, і в якийсь момент у нас не буде цієї кнопки».

У Work є кілька додаткових кнопок для вибору проектів та плагінів, але він прагне створити той самий інтерфейс «магічної коробки», що й інші продукти OpenAI. Він порівнює це зі скевоморфізмом – практикою, що згасає, коли цифрові інструменти виглядають як фізичні об’єкти, які вони замінили, як-от додаток-калькулятор, зроблений під вигляд кишенькового калькулятора. «Це не було просто неприємним дизайном. Це насправді допомогло людям зацікавитися цим [і] здійснити перехід», – сказав Амброзіно.

OpenAI не повідомив, скільки людей використовували Work порівняно з Codex, але спільним додатком користуються лише 20 мільйонів людей, порівняно з понад мільярдом користувачів, які, за словами компанії, використовують ChatGPT онлайн.