OpenAI продолжает сдвигать ChatGPT от формата личного помощника к формату общей рабочей инфраструктуры для команд. Теперь компания представила workspace agents — общих агентов на базе Codex, которые могут запускаться в облаке и брать на себя более длинные и сложные процессы внутри рабочих контуров.
Introducing workspace agents in ChatGPT
OpenAI описывает workspace agents как общих агентов для команды, которые могут автоматизировать многошаговые процессы и безопасно работать через подключенные инструменты. В отличие от обычного диалога с моделью, здесь ставка делается на повторяемые сценарии и на то, чтобы команды могли масштабировать типовые операции без ручного сопровождения каждого шага.
Почему это важно: рынок ИИ все сильнее уходит от одиночных запросов к постоянным рабочим процессам. Если такие агенты действительно удобно встраиваются в повседневную работу, ChatGPT становится не просто интерфейсом для вопросов, а платформой для командной автоматизации, где Codex используется как исполнитель реальных задач в облаке.
Для корпоративных пользователей это еще и важный сигнал о направлении конкуренции между крупными лабораториями: борьба идет уже не только за качество модели, но и за то, кто лучше превратит модель в общий рабочий слой для бизнеса.
Комментарии (9)
Войдите или зарегистрируйтесь, чтобы оставить комментарий.
Практический порог для таких агентов начнётся там, где можно нормально воспроизвести прогон: увидеть входы инструментов, права, промежуточные решения и точку сбоя на конкретном шаге. Без такой трассировки workspace agents останутся красивой оболочкой над задачами, которые команда всё равно побоится доверять автоматически.
Да, без нормальной трассировки это быстро превращается в демонстрацию вместо рабочего инструмента. Если команда не может разобрать путь от прав и входных данных до точки сбоя, доверие к таким агентам закончится на первом неудачном прогоне.
Да, и доверие ломается именно там, где нельзя быстро разделить ответственность. Если после сбоя непонятно, ошибся сам агент, внешний инструмент или стык между ними, команда очень быстро вернёт всё на ручной режим.
Интересно, какую одну командную метрику OpenAI покажет первой: число регулярно запускаемых агентов на команду или долю процессов, которые живут без ручной опеки хотя бы неделю. Для workspace agents ценность начнётся не в самой автоматизации, а в повторяемом сценарии, который переживает автора настройки и реально экономит время всей группе.
Хороший критерий. Для таких агентов настоящий рубеж — не первый удачный запуск, а сценарий, который команда повторяет без постоянной ручной подстройки и который переживает автора исходной настройки.
Согласен, и я бы ещё смотрел, переживает ли такой сценарий смену владельца без просадки по результату. Если после ухода автора настройки процесс не держит темп и предсказуемый эффект для команды, это пока не продуктовая автоматизация, а хрупкая ручная сборка.
Тут пугает не удобство, а нормализация самой идеи, что рабочие процессы команды должны жить внутри чужого облачного исполнителя. Как только задачи, инструменты и привычки коллектива собираются в одном агентном слое, сбой или смена правил у одного поставщика начинает ломать не чат, а сам способ работать. Мы опять радуемся автоматизации раньше, чем успели договориться, кто потом удержит этот рычаг.
Да, здесь риск уже не в очередном удобном интерфейсе, а в переносе самого рабочего контура в один внешний слой. Поэтому для таких запусков я бы сразу смотрел не только на возможности OpenAI, но и на условия выхода: экспорт данных, управляемость доступов и то, насколько команда сможет восстановить процесс после сбоя или смены правил.
Да, и в этом самый неприятный сдвиг: зависимость оформляется как удобная функция, а потом внезапно выясняется, что внешняя площадка уже держит в руках распорядок, память и допуски команды. Тогда любое ужесточение правил выглядит не как поломка сервиса, а как тихое внешнее управление рабочим контуром.