Během několika posledních týdnů OpenAI položila základy. Zatímco většina uživatelů teprve začínala skutečně zkoumat Úkoly ChatGPT – nová funkce, která umožňuje uživateli plánovat a spouštět úkoly – společnost se připravovala na něco mnohem významnějšího.

Včerejší vydání Operátor je dalším jasným signálem, kam umělá inteligence směřuje: od modelů, které jednoduše zpracovávají informace, až po agenty, kteří mohou aktivně pracovat po našem boku.

Každý den trávíme nespočet hodin procházením webových stránek, vyplňováním formulářů, rezervací služeb a správou digitálních úkolů. Umělá inteligence většinou přihlížela z postranní čáry a omezovala se na poskytování rad nebo zpracování textu. Operátor, spolu s některými dalšími nedávnými oznámeními agentů, jako je Anthropic... Použití počítače a Google Projekt Mariner, zcela změnit tuto dynamiku.

Technický pokrok je zde významný. OpenAI vytvořilo AI, která může vidět a interagovat s webovými rozhraními jako člověk. Pořizuje snímky obrazovky, rozumí vizuálním rozvržením a rozhoduje o tom, kam kliknout, co napsat a jak se pohybovat.

Zde je to, co potřebujete vědět o Operator Agent: Zatímco mnoho nástrojů AI je v podstatě uvězněno za rozhraními API a specializovanými integracemi, Operator pracuje s webem přesně jako vy. Vidí obrazovku, rozumí kontextu a přímo provádí akci.

Bližší pohled na skutečný výkon operátora

Když společnosti zabývající se umělou inteligencí zveřejňují benchmarky, je důležité pečlivě se podívat na to, co tato čísla skutečně znamenají. Výkon operátorů vypráví v různých testovacích prostředích jiný příběh.

Nejpůsobivější metrikou je 87% úspěšnost operátora v Benchmark WebVoyager. Na tom záleží, protože WebVoyager testuje webové stránky v reálném světě – skutečné platformy, které denně používáme, jako je Amazon a Mapy Google. Toto není kontrolovaný laboratorní test. Je to představení ve volné přírodě.

Ale když se podíváme na jiné benchmarky, vidíme jemnější obrázek:

• Benchmark WebArena: 58.1% úspěšnost. Testování simulovaných webových stránek pro úkoly, jako je nakupování a správa obsahu. Nižší výkon zde ve skutečnosti odhaluje něco důležitého o tom, jak agenti AI zvládají strukturovaná a nestrukturovaná prostředí.
• OSWorld Benchmark: 38.1% úspěšnost. To testuje složité, vícestupňové úkoly, jako je kombinování PDF z e-mailů. Výrazný pokles výkonu nám ukazuje aktuální limity agentů AI, když úkoly vyžadují více přepnutí kontextu.

Na těchto číslech mě zajímá, jak odrážejí lidské vzorce učení. Obvykle fungujeme lépe ve známých, reálných prostředích než v umělých testovacích scénářích. Skutečnost, že Operátor vyniká na skutečných webech, zatímco se potýká se simulovanými, naznačuje, že jeho školení upřednostňuje praktickou užitečnost před teoretickým výkonem.

Tyto benchmarky nastavují nové rekordy v automatizaci prohlížečů, ale rozdílná míra úspěšnosti v různých testech nám říká něco zásadního o strategii OpenAI.

Zamyslete se nad vlastním prohlížením webu. Většina úkolů je jednoduchá: vyplňování formulářů, nákupy, rezervace schůzek. Právě zde vyniká 87% úspěšnost operátora. U složitějších úkolů – kde výkon klesá – je obvykle lidský dohled stejně cenný.

Tato data naznačují, že OpenAI dělá záměrné rozhodnutí: nejprve zdokonalit běžné úkoly a poté se postupně rozšířit na složitější operace. Je to praktický přístup, který upřednostňuje okamžitou užitečnost před teoretickými schopnostmi.

Srovnávací testy AI Agent (OpenAI)

Strategie OpenAI za operátorem

Přístup OpenAI k projektu Operator odhaluje pečlivě promyšlenou strategii.

Nejprve zvažte načasování. Nedávné zavedení funkcí jako ChatGPT Tasks nebylo jen o přidávání funkcí – šlo o přípravu uživatelů na autonomní agenty.

Ale tady je to, co je opravdu zajímavé: OpenAI plánuje odhalit model CUA prostřednictvím API. To znamená, že vývojáři budou moci vytvářet své vlastní počítače využívající agenty.

Důsledky pro to jsou významné:

1. Integrační potenciál

• Přímé začlenění do stávajících pracovních postupů
• Vlastní agenti pro specifické obchodní potřeby
• Odvětvová řešení automatizace

2. Cesta budoucího rozvoje

• Rozšíření na uživatele Plus, Team a Enterprise
• Přímá integrace ChatGPT
• Geografické rozšíření (i když Evropě to bude trvat déle kvůli regulační požadavky)

Výmluvná jsou i strategická partnerství. OpenAI se snaží vytvořit celý ekosystém. Spolupracují se společnostmi jako DoorDash, Instacart a OpenTable, ale také s organizacemi veřejného sektoru, jako je City of Stockton.

To ukazuje na budoucnost, kde agenti AI nebudou jen asistenty, ale nedílnou součástí toho, jak komunikujeme s digitálními systémy.

Co to pro vás vlastně znamená

Vstupujeme do fáze, kdy AI nejen odpovídá na otázky, ale stává se aktivním účastníkem našeho digitálního života.

Zamyslete se nad svými každodenními online úkoly. Nejde o složitou, strategickou práci, která vyžaduje vaši odbornost, ale o ty opakující se úkoly. Mluvím o vyhledávání cestovních možností napříč různými weby, vyplňování standardizovaných formulářů, shromažďování dat z různých webových zdrojů a správě rutinních rezervací. Právě zde Operator zpočátku eliminuje digitální práci. Ale tím to neskončí. Postupem času budou agenti s umělou inteligencí schopni vykonávat stále složitější pracovní postupy.

První údaje o výkonu nám také říkají něco zásadního: Operator vyniká v rutinních webových úlohách s 87% úspěšností. První uživatelé, kteří se jej naučí efektivně integrovat, budou mít významnou výhodu v produktivitě.

Časová osa integrace odhaluje pečlivý přístup OpenAI. Začínají s uživateli Pro v USA, poté se rozšiřují na uživatele Plus, Team a Enterprise a nakonec se integrují přímo do ChatGPT.

Sledujeme zásadní posun ve fungování nástrojů AI. Skutečná otázka, kterou byste si měli položit, není, zda se této změně přizpůsobit, ale jak to strategicky provést. Technologie se bude vyvíjet, ale princip zůstává: AI se posouvá od odpovídání na otázky k akci. Ti, kteří tento posun pochopí brzy, budou mít významnou výhodu při utváření toho, jak se tyto nástroje integrují do jejich pracovních postupů.