OpenAI 携手 Ironclad：提升 AI 智能体专业软件操作能力

在推出 GPT-6 Astra 时，OpenAI 展示了前沿模型在日常电脑操作（如文档编写与网站测试）上的进展。如今，OpenAI 正将研究重点转向更深层次的应用：训练 AI 智能体掌握专业软件操作，理解企业内部业务规则，自主执行复杂的多步骤工作流，并对交付结果进行合规校验。

为了加速这一研究落地，OpenAI 开始与垂直领域的领军软件企业展开深度合作，将真实的业务难题转化为用于模型训练与评估的研究课题。首个合作伙伴即为智能合同管理领域的代表企业 Ironclad。

将合同审批工作流转化为 AI 训练任务

以企业法务及采购流程为例：财务部门需要对超过特定金额的采购进行审批，安全团队需评估特定风险请求，而法务部门则必须审查非标准条款。人工搭建此流程时，需要将这些散落的规则转化为信息收集表单、文档模板、多级审批分支以及最终归档记录。

AI 智能体在软件中操作时，必须全程保持对这些业务逻辑的理解。单步操作正确远远不够，最终生成的流程必须在各种边界情况下都能稳定运行。

结合 Ironclad 团队与 OpenAI 内部用户的经验，双方梳理出了 11 项涵盖法务、商务和采购的核心任务，例如保密协议（NDA）配置、采购审批流搭建、根据管辖区域自动调整复用法务条款等。在常规情况下，熟练的人工用户完成单个任务平均需要 30 至 40 分钟。

研究团队根据任务复杂度设定了 8 到 50 个细化评判标准，并基于 Ironclad 提供的真实产品托管环境搭建了沙盒。通过设计代表性工作流的合成训练任务，并结合强化学习技术，AI 智能体能够在练习与即时反馈中持续优化。

GPT-6 Astra 表现：效率与准确率显著跃升

评估数据显示，作为首个在 Ironclad 任务上进行针对性训练的前沿模型，GPT-6 Astra 展现出了显著优势：

• 综合得分：在 11 项研究任务中，GPT-6 Astra 的平均得分为 55.0%，相比 GPT-5.6 Sol 的 41.6% 提升了 32%。在研发阶段的内部测试模型上，该得分进一步达到了 63.7%。
• 执行耗时：GPT-6 Astra 单次尝试的平均预估耗时从前代的 37.0 分钟降至 19.2 分钟，耗时缩减达 48%。
• 单项任务对比：在同一代表性任务测试中，GPT-6 Astra 在预估 20 分钟内达成了约 94% 的判定条件；而 GPT-5.6 Sol 耗时约 32 分钟，达成了约 85% 的条件。

让人工智能承接复杂专业任务

对于合同管理等严谨的业务场景而言，流程既要能灵活应对异常情况，又必须严守企业的合规底线。一旦智能体在中途遗漏关键规则，其实际可用性就会大打折扣。这也印证了在现阶段，人类监督与成熟的底层软件平台对于 AI 执行复杂任务依然至关重要。

随着底层模型能力的突破，垂直软件厂商能够将更强大的自动化能力引入自身产品，在帮助企业大幅减轻事务性工作负担的同时，保留可靠的安全管控机制。

OpenAI 目前正面向全球软件企业开放合作，邀请具备深厚业务积累、安全测试环境和合规数据的团队共同攻克目前智能体仍无法可靠完成的高难度专业任务。