OpenAIs interne Tools laufen in Slack und Chats, nicht in neuen Dashboards

Die Tools, die OpenAI seinen eigenen Mitarbeitern an die Hand gab

Am 29. September 2025 startete OpenAI eine Reihe namens 'OpenAI on OpenAI', vorgestellt von Chief Commercial Officer Giancarlo Lionetti. Sie zeigt, wie das Unternehmen Teile seines eigenen Geschäfts mit den eigenen APIs betreibt. Der Beitrag nennt fünf interne Systeme und bemerkenswerterweise auch deren interne Toolnamen.

Es handelt sich um GTM Assistant, DocuGPT, Research Assistant, Support Agent und Inbound Sales Assistant. Jedes wird über das Problem beschrieben, das es löst, und den Workflow, in den es eingebettet ist – Vertriebsvorbereitung, Vertragsprüfung, Analyse von Support-Tickets, Support-Betrieb und Lead-Bearbeitung.

Betrachtet man nicht das Modell, sondern das Interface, fällt vor allem auf, wo diese Tools angesiedelt sind. OpenAI beschrieb keine Sammlung eigenständiger Apps, sondern Tools, die dort eingebettet sind, wo die Arbeit ohnehin schon stattfindet.

Slack ist das Frontend für GTM Assistant

Das deutlichste Interface-Detail im Beitrag ist, dass GTM Assistant 'ein Slack-basiertes Tool ist, das Account-Kontext und Expertenwissen zentralisiert'. Das Unternehmen entschied sich für die Chat-Oberfläche, die seine Vertriebsteams bereits nutzen, anstatt sie zu einem separaten Recherche-Portal zu schicken.

Diese Entscheidung ist für die Akzeptanz entscheidend, und der Beitrag spricht das offen an: Deployments 'überholen oft das Tempo, mit dem Organisationen diese Technologie tatsächlich nutzen lernen können.' Wer Mitarbeiter direkt in Slack erreicht, beseitigt eine der größten Ursachen für diese Verzögerung – die Kosten, einen neuen Ort erst kennenlernen zu müssen.

Die übrigen Tools folgen demselben konversationellen Muster. Research Assistant 'verwandelt Millionen von Support-Tickets in dialogbasierte Erkenntnisse', und der Inbound Sales Assistant 'personalisiert Antworten für jeden Lead' und 'beantwortet Produkt- und Compliance-Fragen sofort.' Das Interface besteht aus Frage und Antwort, nicht aus einem neuen Bildschirm, den man erst erlernen muss.

DocuGPT und Support Agent zeigen auf eine andere Oberfläche: strukturierte Daten und Agenten

Zwei der Tools beschreiben etwas anderes als ein Chatfenster. DocuGPT 'wandelt Verträge in strukturierte, durchsuchbare Daten' für Finanzteams um. Hier ist die Ausgabe ein abfragbarer Datensatz – das Frontend ist die Suche über strukturierte Datensätze, nicht ein Dialog mit einem Dokument.

Support Agent wird beschrieben als 'ein Betriebsmodell, das auf KI-Agenten, kontinuierlichen Evaluierungen und dynamischen Wissenskreisläufen aufbaut.' Der Beitrag beschreibt die Wirkung auf die Menschen, die es nutzen: Es 'macht aus Mitarbeitern Systembauer statt Ticket-Bearbeiter.'

Es verwandelt jede Interaktion in Trainingsdaten, steigert die Qualität und macht aus Mitarbeitern Systembauer statt Ticket-Bearbeiter.Montana Labs

Diese Neudeutung ist im Grunde eine Aussage über das Frontend. Der Mensch ist nicht mehr Endnutzer eines Formulars – der Mensch pflegt den Kreislauf. Die Oberfläche, mit der ein Mitarbeiter arbeitet, ist die Evaluierung und die Wissensdatenbank, nicht nur ein Antwortfeld.

Was die Oberflächen-Entscheidungen Teams verraten, die auf denselben APIs aufbauen

OpenAI sagt, das Ziel sei es, 'Muster zu teilen, die Unternehmen übernehmen können', und das übertragbarste Muster hier ist kein einzelner Modell-Aufruf. Es ist die Entscheidung, hochmoderne Fähigkeiten durch Oberflächen zu leiten, die Mitarbeiter bereits nutzen – Slack, Suche und Agenten-Kreisläufe – anstatt Ziele zu bauen, die Menschen erst erlernen müssen.

Der Beitrag behauptet, diese Teams 'liefern Änderungen in Wochen statt Quartalen.' Wenn dieses Tempo real ist, liegt es teilweise daran, dass nicht jedes Mal ein neues Frontend von Grund auf entworfen wird. Die Einbettung in bestehende Tools ist eine Abkürzung an der Akzeptanzlücke vorbei, die der Beitrag als zentrale Spannung benennt.

Für Teams, die auf denselben APIs aufbauen, ist die Schlussfolgerung konkret: Das eigentliche Problem, das OpenAIs eigene Tools offenbaren, liegt weniger im Modell als in der Wahl der Oberfläche, auf der Expertise erfasst und zurückgespielt wird. Beginnen Sie dort, wo die Arbeit bereits stattfindet – ein Slack-Kanal, ein Suchfeld, ein Evaluierungskreislauf – bevor Sie etwas Neues bauen, das erst betrachtet werden muss.