Openai CEOのSam Altmanは、2025年になるだろうとブログ投稿でキックオフしました AIエージェントにとって大きくなります、タスクを自動化し、あなたに代わって行動を起こすことができるツール。
今、私たちはOpenaiの最初の本当の試みを見ています。
Openaiは木曜日に、Webブラウザーの制御を取り、特定のアクションを独立して実行できる汎用AIエージェントであるオペレーターの調査プレビューを開始することを発表しました。オペレーターは、CHATGPTの200ドルのProサブスクリプションプランでユーザーに来ています。 Openaiは、この機能をPLUS、チーム、およびエンタープライズ段階でより多くのユーザーにロールアウトする予定だと言います。
「[Operator] そうなるでしょう [in] Openai CEOのSam Altmanは、木曜日にライブストリームで言った。 「残念ながら、ヨーロッパはしばらく時間がかかります。」
この最初の調査プレビューはoperator.chatgpt.comから入手できますが、すぐに、Openaiは、オペレーターをすべてのCHATGPTクライアントに統合したいと述べています。
オペレーターのホーム画面。画像クレジット：Openai
Openaiによると、オペレーターは旅行宿泊施設の予約、レストランの予約、オンラインショッピングなどのタスクを自動化することを約束します。オペレーターインターフェイス内から選択できるタスクカテゴリがいくつかあります。これには、ショッピング、配達、食事、旅行などがあります。これらはすべて、さまざまな種類の自動化を可能にします。
ChatGPTユーザーがオペレーターをアクティブにすると、エージェントがタスクを完了するために使用する専用のWebブラウザを表示する小さなウィンドウがポップアップされ、エージェントが実行している特定のアクションの説明が表示されます。オペレーターは独自の専用ブラウザを使用するため、ユーザーはオペレーターの動作中に画面を制御することができます。
Openaiによると、オペレーターは、同社のGPT-4Oモデルのビジョン機能をOpenaiのより高度なモデルの推論能力と組み合わせたコンピューター使用エージェントモデル（CUA）を搭載していると述べています。 CUAは、Webサイトのフロントエンドと対話するように訓練されています。つまり、開発者向けのAPIを使用してさまざまなサービスを活用する必要はありません。
言い換えれば、CUAはボタンを使用し、メニューをナビゲートし、人間と同じようにWebページのフォームに記入できます。
Openaiは、Doordash、eBay、Instacart、Priceline、StubHub、Uberなどの企業と協力して、オペレーターがこれらの企業の利用規約契約を尊重することを保証していると言います。
画像クレジット：Openai
「CUAモデルは、外部の副作用を備えたタスクを最終決定する前に、注文を送信する前にユーザーの確認を要求するように訓練されています。これにより、ユーザーが永続的になる前にモデルの作業を再確認できるようになります。」 Openaiは、TechCrunchに提供された資料に書いています。 「[It] すでにさまざまなケースで有用であることが証明されており、その信頼性をより広範なタスクにわたって拡張することを目指しています。」
しかし、OpenaiはCUAが完全ではないと警告しています。会社は「[doesn’t] 期待する [the] まだすべてのシナリオで確実に実行するためのCUA。」
「現在、オペレーターは多くの複雑なタスクまたは専門的なタスクを確実に処理できません」とOpenai 追加します サポートドキュメントでは、「詳細なスライドショーの作成、複雑なカレンダーシステムの管理、高度にカスタマイズされたまたは非標準のWebインターフェイスとの対話など。
豊富な注意の中で、Openaiは銀行取引など、CUAやオペレーターなどのいくつかのタスクの監督も必要としています。たとえば、ユーザーはクレジットカード情報を入力するために引き継ぐ必要があります。 Openaiは、オペレーターがデータを収集またはスクリーンショットしないと言います。
「電子メールなどの特にデリケートなWebサイトでは、オペレーターはアクティブなユーザー監督を必要とし、ユーザーがモデルが犯す可能性のある間違いを直接キャッチして対処できるようにします」とOpenaiはサポート資料で述べています。
これにより、確かにオペレーターの有用性が制限されますが、エージェントが幻覚を妨げず、たとえば、住宅ローンの支払いをアクセントチェアに費やすことも保証します。 Googleは、プロジェクトMariner AIエージェントで同様のアプローチを取りましたが、クレジットカード番号などの情報も記入しません。
制限
オペレーターには注目に値するいくつかの制限があります。
レート制限があります – 毎日とタスク依存の両方です。 Openaiは、オペレーターは一度に複数のタスクを実行できるが、これには「動的な制限」があると言います。また、毎日リセットする全体的な使用制限もあります。
このリリース段階では、オペレーターは、電子メールの送信（CUAがこれが可能であるという事実）やカレンダーイベントの削除など、セキュリティ上の理由でタスクを完全に実行することも拒否します。 Openaiは、これは将来変化するだろうと言いますが、ETAは与えません。
また、オペレーターが特に複雑なインターフェイス、パスワードフィールド、またはCaptchaチェックに実行されると、「スタック」される場合があります。 Openai氏によると、これが発生したときに引き継ぐようにユーザーに依頼するでしょう。
エージェントの未来
Openaiは、ライバルと比較してAIエージェントの開発がかなり遅く（Rabbit、Google、および人類のエージェントを参照）、テクノロジーに関する安全リスクと関係がある場合があります。
AIシステムがWebでアクションを実行できる場合、それは悪意のある俳優からのはるかに危険なユースケースへの扉を開きます。 AIエージェントを自動化して、フィッシング詐欺やDDOの攻撃を調整したり、他の人ができる前にコンサートのチケットを奪ってもらうことができます。特にChatGptと広く使用されているツールの場合、Openaiはこれらの種類の搾取を防ぐための措置を講じることが重要です。
Openaiは、少なくとも研究プレビューとして、現在の形でリリースするのに十分安全だと考えているようです。
「オペレーターは、悪意のあるプロンプト、隠された指示、フィッシングの試みに対するモデルの感受性を制限しようとするツールを採用しています」 説明します そのウェブサイトで。 「監視システムは、疑わしいアクティビティが検出された場合に実行を一時停止しますが、自動化された人間レビューされたパイプラインは継続的にセーフガードを更新します。」
オペレーターは、AIエージェントの作成において、Openaiの最も大胆な試みです。先週、Openaiはタスクをリリースし、ChatGptのシンプルな自動化機能を提供し、リマインダーを設定し、毎日設定された時間に実行するプロンプトをスケジュールする機能を提供します。
AIエージェントは、CHATGPTの後にAIの次の大きなものとして売り込まれています。これは、人々がインターネットとPCの使用方法を変える新しいテクノロジーです。単に情報を配信して処理する代わりに、エージェントは、理論的には行動を起こし、実際に物事を行うことができます。
Openaiの最初の具体的なエージェントがリリースされたことで、このビジョンがどれほど現実的であるかがすぐに明らかになります。
#Openaiはタスクを自律的に実行するAIエージェントであるオペレーターを起動します