OpenAI: агенты превращают рабочие процессы в повторяемую операционную практику
OpenAI показала, как стартапы Basis, Clay и Exa Labs встраивают агентов в онбординг, сопровождение сделок и работу с интеграциями. В Enterprise Signals компании из верхних 10% по интенсивности использования ИИ генерируют в 8,3 раза больше выходных токенов на активного пользователя, чем типичные организации; в январе показатель составлял 2,6 раза.
OpenAI связывает растущий разрыв не просто с более частыми запросами к ИИ. Лидирующие компании подключают агентов к корпоративному контексту и инструментам, поручают им более содержательные действия и делают удачные сценарии повторяемыми. Задача руководителей при этом — выстроить процессы, которым сотрудники могут доверять, которые можно измерять и улучшать.
От демонстрации процесса к воспроизводимому навыку
Basis, разрабатывающая ИИ-агентов для бухгалтерских фирм, сократила онбординг сотрудника в первый день с двух часов до 30 минут. Новичок получает доступ к Codex и специальному навыку компании — набору инструкций и ресурсов для конкретного процесса. Codex знакомит его с ключевыми понятиями и в фоновом режиме настраивает интеграции на компьютере.
Команда один раз продемонстрировала процесс, после чего оформила его как повторно используемый навык: с понятным запуском, известными шагами, нужными инструментами и критерием завершения. Если возникают типовые вопросы или исключения, HR обновляет навык до следующего набора сотрудников. Сложные случаи при этом остаются за людьми.
Контекст, проверка и право на решение
Clay использует постоянное рабочее пространство и отдельного субагента для каждого клиентского аккаунта. Агент ночью просматривает первичные источники и обновляет папку сделки, а координирующий агент утром формирует список приоритетных действий. По оценке Clay, это экономит GTM-инженеру около часа вечерней обработки входящих сообщений. К рекомендациям сохраняются подтверждающие материалы, чтобы продавец мог проверить их перед действием.
Exa Labs, создающая инфраструктуру веб-поиска для ИИ-агентов, описала для Codex последовательность от обнаружения перспективной интеграции до реализации. Codex отслеживает приоритетные возможности, собирает контекст, создаёт pull request, запускает тесты и готовит еженедельные обновления на основе, в том числе, Slack и Notion. При необходимости он может подготовить черновик следующего шага, например первоначального объявления, для проверки командой.
В Exa люди по-прежнему решают, какие возможности важны, какие обязательства брать и как управлять внешними отношениями. Тесты и контрольные точки делают работу агента видимой до выпуска результата. По мере роста значимости задач всё важнее становятся права доступа, доказательная база и распределение полномочий.
Как переносить подход в крупную компанию
OpenAI предлагает начинать с одной значимой сквозной задачи, где пересекаются стратегический приоритет, системы, передачи работы, контроль и измеримый результат. Для неё следует определить владельца, KPI, исходный уровень и ограничения, а также зафиксировать триггер, необходимый контекст, инструменты, разрешения, доказательства и момент обязательной проверки человеком.
Эффект стоит оценивать по времени цикла, качеству, затратам, выручке или риску, а не только по объёму ответов модели. Практический вывод для бизнеса: агентный сценарий следует расширять после проверяемого результата, сохраняя контекст, права, тесты, точки ревью, владельцев и метрики, которые сделали первый процесс управляемым.