«Одних верных шагов недостаточно»: OpenAI вместе с Ironclad учит агентов работать с корпоративными юридическими процессами

От документов к специализированному софту

Представляя модель GPT-6 Astra, OpenAI показывала, насколько далеко её модели продвинулись в использовании компьютера для профессиональной работы — от подготовки документов до тестирования сайтов. Следующая цель, по словам компании, — сделать агентов более способными и эффективными в работе со специализированным программным обеспечением для сложных бизнес-задач: исследователи изучают, как научить модель понимать бизнес-правила конкретной компании, выполнять многошаговые рабочие процессы и проверять, что результат соответствует исходным требованиям.

Чтобы ускорить эту работу, OpenAI сотрудничает напрямую с небольшим числом софтверных компаний, которые лучше всех знают такие процессы. Вместе они ищут сложные и ценные задачи и превращают их в исследовательские задачи для обучения и оценки моделей, чтобы те становились полезнее в реальных деловых приложениях. Первым партнёром стала Ironclad — платформа, которую в OpenAI называют лидером в области ИИ для работы с договорами.

Совместно с командой Ironclad OpenAI разработала задачи, в которых агентам нужно настраивать соглашения, согласования и переиспользуемые юридические условия, и продемонстрировала прогресс на этих сложных процессах. По словам компании, экспертиза партнёра помогла сформулировать, что считать успехом, и донести реальные потребности клиентов до разработки фронтирной модели.

Как процесс закупки превращается в задачу для агента

OpenAI разбирает пример на устройство процесса закупки программного обеспечения. Финансовый отдел может требовать согласования покупок выше определённой суммы, служба безопасности — проверять отдельные запросы, а юридический отдел — рассматривать нестандартные условия. Человек, который настраивает такой процесс, должен превратить этот короткий список требований во входящую форму, шаблоны документов, правила согласования и запись итогового соглашения.

Агенту, выполняющему ту же работу, приходится удерживать эти требования в поле зрения по мере продвижения по программе. Например, он должен настроить согласование от финансов выше порога расходов и проверить, что запросы выше и ниже порога идут правильными путями. Как формулирует это OpenAI, «одних верных шагов недостаточно»: готовый процесс должен работать во всех ситуациях, для которых он задуман.

11 задач и от 8 до 50 критериев на каждую

Сотрудники Ironclad и люди, пользующиеся этим продуктом внутри самой OpenAI, помогли исследователям определить 11 задач в областях права, коммерции и закупок. Среди них — настройка соглашений о неразглашении, создание процессов согласования закупок и обновление переиспользуемой юридической оговорки так, чтобы она отражала выбранную заказчиком юрисдикцию. По оценке OpenAI, опытному пользователю такая работа заняла бы в среднем от 30 до 40 минут на задачу.

Каждую задачу оценивали по набору от 8 до 50 критериев в зависимости от сложности — это позволило видеть, какие части модели выполняют верно, а где ошибаются. Ironclad также предоставила размещённые в облаке программные среды своего продукта, где модели могли тренироваться на этих задачах. Исследователи разработали синтетические тренировочные задачи вокруг характерных процессов и применяли обучение с подкреплением, чтобы модели улучшались через практику и обратную связь. Такой набор — задачи, отобранные вместе с людьми, которые знают работу, детальные критерии и место для практики — позволяет, по замыслу OpenAI, улучшать модели именно на тех реальных задачах, которые важнее всего клиентам.

Как выступила Astra

OpenAI сравнила Astra и GPT-5.6 Sol, используя Max-режим рассуждений для Astra и High — для Sol (настройки, где каждая модель набирала максимум). На тех же 11 исследовательских задачах средний результат Astra составил 55,0 % против 41,6 % у GPT-5.6 Sol, а расчётное среднее время на попытку снизилось с 37,0 минуты у Sol до 19,2 минуты у Astra. Внутренняя модель, применявшаяся при разработке Astra, показала на этих задачах ещё более высокие 63,7 %, и компания намерена перенести эти улучшения в будущие модели.

Astra выполняла больше требований задачи при меньшем расчётном времени на попытку. На одной и той же задаче Astra, как сообщает OpenAI, выполнила около 94 % критериев примерно за 20 минут, тогда как GPT-5.6 Sol — около 85 % примерно за 32 минуты.

Что это значит для людей и для Ironclad

Роль Ironclad в этой работе отражает знакомую её клиентам проблему: процесс работы с договорами должен выдерживать исключения и при этом сохранять правила, на которые опирается бизнес. Если агент теряет одно из таких правил на середине задачи, это ограничивает то, что софтверная компания может уверенно ему поручить. Именно поэтому, подчёркивает OpenAI, человеческий надзор по-прежнему важен, а полноценная платформа для работы с договорами остаётся необходимой.

По мере роста возможностей моделей Ironclad сможет применять их в большем числе собственных продуктов. Для юридических и бизнес-команд это может означать, что ИИ возьмёт на себя больше усилий в сложной договорной работе, сохраняя при этом те механизмы контроля, на которые эти команды полагаются.

OpenAI ищет следующих партнёров

OpenAI приглашает небольшое число софтверных компаний работать напрямую с её исследовательскими и инженерными командами над важными профессиональными задачами, которые нынешние агенты пока не выполняют надёжно. От потенциального партнёра ждут конкретного примера: что именно поручают агенту, доказательства того, где он ошибается, и того, как будет оцениваться успешный результат. Партнёр также должен располагать людьми, глубоко знающими работу, защищённой средой для тестирования и данными, которые безопасно использовать в исследованиях — это, по словам OpenAI, даёт отправную точку для разбора сбоя и измерения того, улучшается ли модель.