Το ChatGPT agent τοποθετεί έναν επιτηρούμενο browser και επεξεργάσιμα προϊόντα εργασίας μέσα στο composer της συνομιλίας

Το σημείο εισόδου είναι ένα dropdown, όχι ξεχωριστό προϊόν

Η OpenAI δεν κυκλοφόρησε τις δυνατότητες agent ως νέα εφαρμογή. Οι χρήστες Pro, Plus και Team τις ενεργοποιούν μέσω του αναπτυσσόμενου μενού εργαλείων στο composer, επιλέγοντας τη «λειτουργία agent» σε οποιοδήποτε σημείο μιας συνομιλίας. Η εταιρεία το περιγράφει ρητά: μπορείτε να «μεταβείτε φυσικά από μια απλή συνομιλία σε αίτημα ενεργειών εντός της ίδιας συνομιλίας».

Αυτή η απόφαση συγχωνεύει δύο μέχρι πρότινος διακριτές επιφάνειες — την αλληλεπίδραση με τον ιστό του Operator και τη σύνθεση του deep research — στη συνήθη ροή συνομιλίας. Η OpenAI αποσύρει τον ιστότοπο προεπισκόπησης έρευνας του Operator «λίγες ακόμη εβδομάδες» μετά την κυκλοφορία, και το deep research πλέον βρίσκεται εντός του agent ως επιλογή στο dropdown για όσους θέλουν τις μακρύτερες, πιο λεπτομερείς εκτελέσεις του. Η ενοποίηση στο frontend είναι εξίσου σημαντική ιστορία προϊόντος όσο και το ενοποιημένο μοντέλο από πίσω.

Αφήγηση, ανάληψη ελέγχου και διακοπή ως διεπαφή εμπιστοσύνης

Επειδή ο agent ενεργεί σε έναν ζωντανό ιστό με δεδομένα του χρήστη, η OpenAI έχτισε τη διεπαφή γύρω από την ορατότητα και την παρέμβαση αντί για ένα «μαύρο κουτί». Καθώς ο agent εργάζεται, «μια αφήγηση επί της οθόνης προσφέρει ορατότητα σε ό,τι ακριβώς κάνει το ChatGPT». Οι χρήστες μπορούν να διακόψουν οποιαδήποτε στιγμή για να διευκρινίσουν οδηγίες, να κατευθύνουν το αποτέλεσμα ή να αλλάξουν εντελώς την εργασία, και ο agent «θα συνεχίσει από εκεί που είχε σταματήσει... χωρίς να χάσει την προηγούμενη πρόοδο».

Η πηγή περιγράφει διαβαθμισμένους ελέγχους ανάλογα με τις συνέπειες. Απαιτείται ρητή επιβεβαίωση πριν από ενέργειες στον πραγματικό κόσμο, όπως αγορές. Ορισμένες κρίσιμες εργασίες, όπως η αποστολή email, απαιτούν ενεργή επιτήρηση μέσω μιας «Λειτουργίας Παρακολούθησης». Ενέργειες υψηλού κινδύνου, όπως τραπεζικές μεταφορές, απορρίπτονται εντελώς. Και για ιστότοπους που απαιτούν σύνδεση, το μοντέλο σας ζητά να συνδεθείτε μέσω ανάληψης ελέγχου του browser.

Αυτή η λειτουργία ανάληψης ελέγχου φέρει έναν συγκεκριμένο σχεδιασμό απορρήτου: «Το ChatGPT δεν συλλέγει ούτε αποθηκεύει κανένα δεδομένο που εισάγετε κατά τη διάρκεια αυτών των συνεδριών, όπως κωδικούς πρόσβασης, επειδή το μοντέλο δεν τα χρειάζεται, και είναι ασφαλέστερο αν δεν τα δει ποτέ». Η διεπαφή δρομολογεί σκόπιμα τα διαπιστευτήρια γύρω από το μοντέλο και όχι μέσα από αυτό.

Τα επεξεργάσιμα προϊόντα εργασίας είναι η επιφάνεια εξόδου — και το πιο ανώμαλο σημείο

Ο agent παραδίδει την εργασία ως επεξεργάσιμες παρουσιάσεις και υπολογιστικά φύλλα, όχι απλά ως κείμενο συνομιλίας. Οι παρουσιάσεις εξάγονται με «κείμενο, γραφήματα, εικόνες και σχήματα που είναι εγγενώς και εύκολα επεξεργάσιμα μετά την εξαγωγή», και η πηγή αναφέρει συγκεκριμένες χρήσεις όπως τη μετατροπή dashboards σε επεξεργάσιμες vector παρουσιάσεις και την ενημέρωση υπολογιστικών φύλλων με διατήρηση της μορφοποίησης.

Η OpenAI είναι ειλικρινής ότι αυτή η επιφάνεια είναι ημιτελής. Η δημιουργία παρουσιάσεων βρίσκεται σε beta φάση· τα αποτελέσματα «μπορεί κάποιες φορές να φαίνονται πρωτόγονα στη μορφοποίηση και το φινίρισμα τους», και υπάρχουν «περιστασιακές αναντιστοιχίες μεταξύ των διαφανειών στο πρόγραμμα προβολής και του εξαγόμενου powerpoint». Μπορείτε να ανεβάσετε ένα υπολογιστικό φύλλο ως πρότυπο, αλλά όχι ακόμη μια παρουσίαση. Το επίπεδο των προϊόντων εργασίας είναι εκείνο όπου η διεπαφή υπόσχεται τα περισσότερα και παραδέχεται το μεγαλύτερο κενό.

Οι αριθμοί στα υπολογιστικά φύλλα επιβεβαιώνουν την κατεύθυνση: στο SpreadsheetBench, ο agent σημείωσε 45,5% κατά την απευθείας επεξεργασία αρχείων, έναντι 20,0% του Copilot στο Excel — ωστόσο το παράρτημα σημειώνει ότι η ανθρώπινη απόδοση βρίσκεται συνολικά στο 71,33%, και η βαθμολόγηση της OpenAI χρησιμοποίησε LibreOffice σε OSX αντί για το Excel σε Windows που χρησιμοποίησαν οι συντάκτες του benchmark.

Τι απαιτεί από τις ομάδες που χτίζουν πάνω σε αυτόν ένας επιτηρούμενος agent στο composer

Η συνέπεια για όποιον ενσωματώνει αυτό είναι ότι το μοντέλο ασφάλειας είναι διαδραστικό, όχι αυτόματο. Η OpenAI δηλώνει ξεκάθαρα ότι το «συνολικό προφίλ κινδύνου» του agent «είναι υψηλότερο» λόγω των διευρυμένων εργαλείων και της ευρύτερης εμβέλειας, και ξεχωρίζει ιδιαίτερα την έγχυση εντολών (prompt injection) — κακόβουλες οδηγίες κρυμμένες σε «αόρατα στοιχεία ή μεταδεδομένα» μιας ιστοσελίδας που θα μπορούσαν να οδηγήσουν τον agent να διαρρεύσει δεδομένα συνδέσμων ή να ενεργήσει σε έναν ιστότοπο όπου υπάρχει ήδη σύνδεση.

Οι σημαντικότερες μορφές μετριασμού εδώ είναι συμπεριφορές του frontend: επιβεβαίωση πριν από ενέργειες με συνέπειες, Λειτουργία Παρακολούθησης, διακοπή, και μια ρύθμιση με ένα κλικ για διαγραφή δεδομένων περιήγησης και αποσύνδεση από όλες τις συνεδρίες. Η ίδια η συμβουλή της OpenAI είναι διαδικαστική — απενεργοποιήστε τους συνδέσμους (connectors) όταν μια εργασία δεν τους χρειάζεται. Με άλλα λόγια, η αξιοπιστία του agent εξαρτάται εν μέρει από το πώς οι χρήστες χειρίζονται τη διεπαφή, όχι αποκλειστικά από το μοντέλο.

Για τις ομάδες εφαρμοσμένης ΤΝ, αυτό αναδιαμορφώνει το ερώτημα της ανάπτυξης. Ο σχεδιασμός πάνω στο ChatGPT agent σημαίνει σχεδιασμό για έναν άνθρωπο που αναμένεται να παρακολουθεί την αφήγηση, να παραχωρεί δικαιώματα και να αναλαμβάνει τον έλεγχο του browser τη σωστή στιγμή — λαμβάνοντας υπόψη και τα όρια μηνυμάτων των 400 μηνιαίως για το Pro και 40 για τα άλλα επί πληρωμή επίπεδα, με την πρόσβαση για ΕΟΧ και Ελβετία να εκκρεμεί ακόμη. Η διεπαφή είναι το επίπεδο ελέγχου, και η αντιμετώπισή της ως πλήρως αυτόνομης είναι ακριβώς αυτό για το οποίο προειδοποιεί ρητά η OpenAI.