Selama beberapa minggu terakhir, OpenAI telah melakukan persiapan. Sementara sebagian besar pengguna baru saja mulai menjelajahi Tugas ChatGPT – fitur baru yang memungkinkan pengguna menjadwalkan dan memicu tugas – perusahaan tersebut sedang mempersiapkan sesuatu yang jauh lebih signifikan.

Peluncuran Operator kemarin adalah sinyal lain yang jelas tentang ke mana arah kecerdasan buatan: dari model yang hanya memproses informasi ke agen yang dapat bekerja aktif bersama kita.

Setiap hari, kita menghabiskan berjam-jam untuk menavigasi situs web, mengisi formulir, memesan layanan, dan mengelola tugas digital. Kecerdasan buatan sebagian besar hanya menonton dari pinggir, terbatas pada memberikan saran atau memproses teks. Operator, bersama dengan beberapa pengumuman agen lainnya seperti Computer Use dari Anthropic dan Proyek Mariner dari Google (GOOGL ), mengubah dinamika ini sepenuhnya.

Prestasi teknis di sini sangat signifikan. OpenAI telah menciptakan kecerdasan buatan yang dapat melihat dan berinteraksi dengan antarmuka web seperti manusia. Ini menangkap screenshot, memahami tata letak visual, dan membuat keputusan tentang di mana untuk mengklik, apa yang harus diketik, dan bagaimana untuk menavigasi.

Ini adalah apa yang perlu Anda ketahui tentang Agen Operator: Sementara banyak alat kecerdasan buatan terjebak di balik API dan integrasi khusus, Operator bekerja dengan web secara persis seperti Anda. Ini melihat layar, memahami konteks, dan mengambil tindakan langsung.

Tinjauan Lebih Dekat tentang Kinerja Nyata Operator

Ketika perusahaan kecerdasan buatan merilis benchmark, penting untuk melihat dengan hati-hati apa yang sebenarnya dimaksud dengan angka-angka tersebut. Kinerja Operator menceritakan cerita yang berbeda di berbagai lingkungan pengujian.

Metrik yang paling mengesankan adalah tingkat keberhasilan Operator sebesar 87% pada benchmark WebVoyager. Ini penting karena WebVoyager menguji situs web dunia nyata – platform yang sebenarnya kita gunakan sehari-hari seperti Amazon (AMZN ) dan Google Maps. Ini bukanlah tes laboratorium yang terkendali. Ini adalah kinerja di alam liar.

Tapi ketika kita melihat benchmark lain, kita melihat gambaran yang lebih nuansa:

• Benchmark WebArena: 58.1% tingkat keberhasilan. Menguji situs web simulasi untuk tugas seperti berbelanja dan manajemen konten. Kinerja yang lebih rendah di sini sebenarnya mengungkapkan sesuatu yang penting tentang bagaimana agen kecerdasan buatan menangani lingkungan terstruktur versus tidak terstruktur.
• Benchmark OSWorld: 38.1% tingkat keberhasilan. Ini menguji tugas kompleks, multi-langkah seperti menggabungkan PDF dari email. Penurunan kinerja yang signifikan menunjukkan batasan saat ini dari agen kecerdasan buatan ketika tugas memerlukan beberapa peralihan konteks.

Apa yang menarik bagi saya tentang angka-angka ini adalah bagaimana mereka mencerminkan pola belajar manusia. Kita biasanya berkinerja lebih baik dalam lingkungan yang familiar, dunia nyata daripada dalam skenario tes buatan. Fakta bahwa Operator unggul pada situs web nyata sementara berjuang dengan yang simulasi menunjukkan bahwa pelatihan prioritasnya adalah utilitas praktis daripada kinerja teoretis.

Benchmark ini mencetak rekor baru dalam otomatisasi browser, tetapi tingkat keberhasilan yang bervariasi di berbagai tes mengatakan kepada kita sesuatu yang penting tentang strategi OpenAI.

Pikirkan tentang navigasi web Anda sendiri. Sebagian besar tugas adalah sederhana: mengisi formulir, melakukan pembelian, memesan janji temu. Ini adalah di mana tingkat keberhasilan Operator 87% bersinar. Tugas yang lebih kompleks – di mana kinerja menurun – biasanya adalah tugas di mana pengawasan manusia sangat berharga.

Data ini menunjukkan bahwa OpenAI membuat pilihan yang disengaja: memperbaiki tugas umum terlebih dahulu, kemudian secara bertahap memperluas ke operasi yang lebih kompleks. Ini adalah pendekatan yang praktis yang memprioritaskan utilitas segera daripada kemampuan teoretis.

Benchmark Agen Kecerdasan Buatan (OpenAI)

Strategi OpenAI di Balik Operator

Pendekatan OpenAI dengan Operator mengungkapkan strategi yang dirancang dengan hati-hati.

Pertama, pertimbangkan waktu. Peluncuran fitur seperti Tugas ChatGPT baru saja tentang menambahkan fitur – itu tentang mempersiapkan pengguna untuk agen otonom.

Tapi apa yang benar-benar menarik: OpenAI berencana untuk mengungkapkan model CUA melalui API. Ini berarti pengembang akan dapat membuat agen pengguna komputer mereka sendiri.

Implikasinya sangat signifikan:

1. Potensi Integrasi

• Inkorporasi langsung ke dalam alur kerja yang ada
• Agen khusus untuk kebutuhan bisnis tertentu
• Solusi otomatisasi khusus industri

2. Jalur Pengembangan Masa Depan

• Perluasan ke pengguna Plus, Tim, dan Perusahaan
• Integrasi langsung dengan ChatGPT
• Ekspansi geografis (meskipun Eropa akan membutuhkan waktu lebih lama karena persyaratan regulasi)

Kemitraan strategis juga mengungkapkan. OpenAI mencoba menciptakan ekosistem lengkap. Mereka bekerja dengan perusahaan seperti DoorDash (DASH ), Instacart, dan OpenTable, tetapi juga dengan organisasi sektor publik seperti Kota Stockton.

Ini menunjuk ke masa depan di mana agen kecerdasan buatan tidak hanya asisten tetapi bagian integral dari cara kita berinteraksi dengan sistem digital.

Apa yang Ini Berarti Bagi Anda

Kita memasuki fase di mana kecerdasan buatan tidak hanya menjawab pertanyaan – itu menjadi peserta aktif dalam kehidupan digital kita.

Pikirkan tentang tugas online harian Anda. Bukan tugas kompleks, strategis yang memerlukan keahlian Anda, tetapi tugas berulang. Saya berbicara tentang mencari opsi perjalanan di berbagai situs, mengisi formulir standar, mengumpulkan data dari berbagai sumber web, dan mengelola pemesanan rutin. Ini adalah di mana Operator awalnya menghilangkan pekerjaan digital yang sibuk. Tapi ini bukan di mana itu akan berhenti. Dengan waktu, agen kecerdasan buatan akan dapat menyelesaikan alur kerja yang lebih kompleks.

Data kinerja awal juga mengatakan kepada kita sesuatu yang penting: Operator unggul dalam tugas web rutin dengan tingkat keberhasilan 87%. Pengguna awal yang belajar mengintegrasikan secara efektif akan memiliki keunggulan produktivitas yang signifikan.

Jadwal integrasi mengungkapkan pendekatan hati-hati OpenAI. Mereka memulai dengan pengguna Pro di AS, kemudian memperluas ke pengguna Plus, Tim, dan Perusahaan, sebelum akhirnya mengintegrasikan langsung ke ChatGPT.

Kita sedang menyaksikan pergeseran mendasar dalam cara alat kecerdasan buatan bekerja. Pertanyaan nyata yang harus Anda tanyakan pada diri sendiri bukanlah apakah untuk beradaptasi dengan perubahan ini, tetapi bagaimana melakukannya secara strategis. Teknologi akan berkembang, tetapi prinsipnya tetap: kecerdasan buatan bergerak dari menjawab pertanyaan ke mengambil tindakan. Mereka yang memahami pergeseran ini awal akan memiliki keunggulan signifikan dalam membentuk bagaimana alat ini terintegrasi ke dalam alur kerja mereka.