✓ 6 октября 2026 года OpenAI объявила о совместном исследовании с Ironclad: AI-агентов обучают выполнять сложную профессиональную работу внутри специализированных бизнес-систем. Речь не только о поиске ответа. Агент должен учитывать правила компании, пройти многошаговый процесс в интерфейсе и проверить результат по исходным требованиям.
Для GEO это важный сдвиг. Генеративная система всё чаще будет не просто пересказывать страницу, а пытаться выполнить задачу: найти условия, выбрать подходящий вариант, заполнить форму, сформировать заявку или подготовить действие для подтверждения человеком. Поэтому бизнесу нужна не только цитируемая информация, но и понятный, безопасный, технически исполнимый путь от ответа к действию.
Что именно исследовали OpenAI и Ironclad
Ironclad — платформа для управления жизненным циклом договоров. В совместном проекте специалисты компании подготовили задачи, которые отражают реальную работу пользователей: настройку соглашений, маршрутов согласования и повторно используемых договорных условий. OpenAI использовала эти задачи для обучения и оценки моделей computer use.
Первый набор включал 11 сценариев из юридической, коммерческой и закупочной работы. Среди примеров — создание процесса для соглашения о конфиденциальности, настройка согласования закупки и добавление договорного условия, зависящего от юрисдикции. По оценке опытного пользователя Ironclad, ручное выполнение отдельной задачи занимало бы от 30 до 40 минут.
Каждый сценарий проверяли не по одному финальному скриншоту, а по набору требований. OpenAI указывает от 8 до 50 критериев на задачу: правильные поля, роли, условия, переходы и итоговая конфигурация. Такой подход ближе к реальному бизнес-процессу, чем тест на способность нажать одну кнопку.
Для обучения использовались размещённые Ironclad тестовые среды и синтетические, но репрезентативные задачи. OpenAI отдельно сообщает, что в исследование не включали данные клиентов OpenAI, внутренние договоры OpenAI и непубличные клиентские данные Ironclad. Для синтетических примеров применяли публично доступные договоры из SEC EDGAR, отфильтрованные на наличие персональной информации.
Какие результаты получила Astra
По данным OpenAI, GPT-6 Astra стала первой frontier-моделью компании, которую обучали на задачах Ironclad. В опубликованной оценке она набрала 55,0% против 41,6% у GPT-5.6 Sol. Среднее расчётное время выполнения составило 19,2 минуты у Astra и 37,0 минуты у Sol.
Внутренняя исследовательская версия модели показала 63,7%. В одном демонстрационном сценарии она выполнила 94% критериев за 20 расчётных минут, тогда как Astra — 85% за 32 минуты.
| Показатель | GPT-5.6 Sol | GPT-6 Astra | Внутренняя модель |
|---|---|---|---|
| Средний результат по 11 задачам | 41,6% | 55,0% | 63,7% |
| Среднее расчётное время | 37,0 мин | 19,2 мин | Не указано |
Эти числа нужно читать осторожно. Выборка состоит всего из 11 задач, а время является симулированной оценкой, не измеренной экономией времени реальных клиентов. Результаты показывают прогресс в конкретной тестовой среде, но не доказывают, что агент уже способен безошибочно управлять любым корпоративным ПО.
Почему это ещё не автономный сотрудник
Даже лучший опубликованный результат означает, что часть критериев осталась невыполненной. В договорной или закупочной работе одна пропущенная роль, неверная юрисдикция или ошибочная ветка согласования может быть критичнее десятка правильно заполненных полей.
OpenAI прямо отмечает, что человеческий контроль остаётся важным, а платформенные ограничения необходимы. Практический вывод — не выдавать высокую долю выполненных критериев за право агента самостоятельно принимать решения с финансовыми, юридическими или репутационными последствиями.
В реальной среде добавляются сложности, которых может не быть в коротком тесте:
- неполные или противоречивые исходные данные;
- различия между ролями и подразделениями;
- изменения интерфейса и бизнес-правил;
- необходимость остановиться и запросить подтверждение;
- последствия повторной отправки формы или ошибочного действия;
- требования к журналу операций, откату и расследованию ошибки.
Поэтому качество агента следует оценивать не только по скорости. Нужны доля полностью завершённых задач, выполнение обязательных критериев, число вмешательств человека, успешность восстановления после ошибки и время до проверенного результата.
Что меняется для GEO
GEO-продвижение помогает бренду быть понятным и полезным для генеративных систем. До сих пор основной сценарий выглядел как «получить ответ и перейти по ссылке». Развитие computer use добавляет следующий слой: после ответа пользователь может попросить AI продолжить задачу в сервисе компании.
Контент должен вести к однозначному действию
Если на странице неясно, кому доступна услуга, в каком городе она работает, какие документы нужны и что произойдёт после отправки заявки, агенту придётся догадываться. Человек иногда компенсирует это звонком. Автоматизированный сценарий скорее остановится, выберет неверный путь или потребует дополнительного подтверждения.
Источник должен быть не только цитируемым, но и операционным
Хорошая GEO-страница отвечает на вопрос, подтверждает факт и связывает его с доступным следующим шагом. При этом действие не должно быть спрятано за неоднозначной кнопкой, сложным визуальным виджетом или формой без подписей полей.
Структура важна на всём пути
Разметка Article или FAQ помогает описать содержание, но сама по себе не делает процесс выполнимым. Нужны корректные HTML-элементы формы, явные подписи, предсказуемые состояния ошибок, доступная навигация и одинаковые условия в статье, карточке услуги и интерфейсе заявки.
Это не новый фактор ранжирования
OpenAI не заявляет, что готовность сайта к агентным действиям повышает позиции в Google или гарантирует попадание в ответы ChatGPT. Поэтому нельзя обещать «место в AI» после добавления формы или MCP-сервера. Это работа над качеством взаимодействия и достоверностью данных, а не обход алгоритмов.
От страницы с информацией к выполнимому сценарию
Первый шаг — описать путь пользователя как проверяемую последовательность. Например: выбрать город, указать задачу, получить перечень необходимых данных, проверить согласие, отправить заявку и увидеть подтверждение с номером обращения.
| Слой | Что должно быть понятно человеку и агенту |
|---|---|
| Информация | Услуга, аудитория, география, ограничения, актуальная дата |
| Выбор | Доступные варианты и критерии различия между ними |
| Ввод | Подписи полей, формат данных, обязательность, примеры |
| Проверка | Что будет отправлено, какие согласия даны, можно ли вернуться |
| Результат | Статус, идентификатор операции, следующий шаг, срок ответа |
| Ошибка | Причина, безопасный повтор, контакт для помощи |
Не каждый процесс нужно открывать для полной автоматизации. Высокорисковое действие лучше завершать экраном проверки и явным подтверждением человека. Для повторяемых операций полезно предусмотреть идемпотентность: повторный запрос не должен создавать два договора, платежа или обращения.
Если компания предоставляет API или MCP-интерфейс, его ответы должны совпадать с публичным сайтом и внутренними правилами. Расхождение в цене, доступности или сроках создаёт проблему независимо от того, какой канал использует клиент.
Права доступа и контроль человека
Ironclad описывает свой MCP-сервер как общий интерфейс, через который AI-клиент может обращаться к разрешённым инструментам и данным. Согласно документации, доступ следует правам конкретного пользователя и группы, OAuth связывает авторизацию с пользователем, а разговорный поиск возвращает только доступные ему результаты.
Это хороший ориентир для архитектуры, но не универсальная гарантия безопасности любого AI-агента. Компания должна отдельно определить:
- какие данные агент может только читать;
- какие изменения он может подготовить, но не отправить;
- какие действия требуют подтверждения человека;
- какие роли имеют право на одобрение;
- что записывается в журнал и как выполняется откат;
- где тестируются новые сценарии до доступа к production.
Ironclad в своей политике AI Responsibility также подчёркивает человеческий надзор, визуальное отображение изменений и возможность принять или отклонить их. Компания заявляет о разграничении прав, шифровании, ограниченной пользовательской авторизации и запрете для субпроцессоров обучать модели на клиентских данных. При выборе любой платформы эти заявления нужно сопоставлять с действующим договором, настройками аккаунта и собственными требованиями к данным.
Что делать бизнесу Казахстана
Исследование OpenAI не означает, что Ironclad или конкретная модель уже поддерживают все процессы, языки и требования казахстанской компании. Локальный бизнес может использовать новость как повод проверить собственную цифровую инфраструктуру без преждевременного внедрения автономных действий.
Начните с одного низкорискового сценария: заявки на консультацию, подбора тарифа или запроса перечня документов. Зафиксируйте правильный результат, обязательные поля и ситуации, когда система должна остановиться. Затем протестируйте путь на русском и казахском языках, на мобильном устройстве и с ограниченной ролью пользователя.
Особое внимание уделите локальным фактам:
- в каких городах и регионах работает услуга;
- какая валюта, часовой пояс и формат телефона используются;
- какие условия зависят от юридического статуса клиента;
- кто является владельцем данных и как отозвать согласие;
- где человек подтверждает существенное действие.
Не переносите американские юридические сценарии на Казахстан без профильной проверки. Описание договора, согласия или обработки персональных данных должно пройти согласование с компетентным специалистом.
Практический чек-лист для GEO- и product-команд
Перед подключением агентного сценария проверьте:
- На сайте есть один актуальный источник условий, а не несколько противоречивых страниц.
- Услуга, география и ограничения сформулированы явно.
- Заголовки, ссылки, кнопки и поля имеют понятные текстовые названия.
- Форма работает с клавиатуры и сообщает об ошибках рядом с полем.
- Пользователь видит итоговые данные до необратимого действия.
- Чувствительные операции требуют подтверждения человека.
- Права агента не шире прав авторизованного пользователя.
- Повторный запрос не создаёт дубликаты.
- Все действия попадают в журнал с временем и инициатором.
- Есть тестовая среда и набор критериев успешного выполнения.
- Метрики учитывают ошибки и исправления, а не только скорость.
- Публичный контент, API и внутренние правила не расходятся по ключевым фактам.
Вывод
Совместное исследование OpenAI и Ironclad показывает направление развития AI: от генерации ответа к выполнению многошаговой работы в специализированном ПО. Astra улучшила результат на ограниченном наборе задач, но даже опубликованные цифры оставляют существенный разрыв до безошибочной автономии.
Для GEO-продвижения это означает расширение задачи. Бизнесу нужны проверяемые факты и цитируемые страницы, но также понятные формы, согласованные данные, ограниченные права, журналы действий и точки человеческого подтверждения. PIUN Marketing учитывает этот слой в GEO-продвижении в Казахстане: от структуры контента до безопасного пути пользователя после AI-ответа.