Vi præsenterer OpenAI Frontier

AI har gjort det muligt for teams at tage fat på ting, de plejede at tale om, men aldrig udførte. Faktisk siger 75 % af medarbejderne i virksomheder, at AI hjalp dem med at udføre opgaver, de ikke kunne før. Vi hører dette fra alle afdelinger, ikke kun fra de tekniske teams. Måden, arbejdet udføres på, har ændret sig, og virksomheder begynder at mærke det i stor stil.

Vi har set dette i praksis med over 1 million virksomheder i løbet af de seneste par år. Hos en stor producent reducerede agenter arbejdet med produktionsoptimering fra seks uger til én dag. Et globalt investeringsselskab indsatte agenter i hele salgsprocessen for at give sælgerne over 90 % mere tid til at bruge sammen med kunderne. Og hos en stor energiproducent hjalp agenter med at øge produktionen med op til 5%, hvilket giver over en milliard i ekstra indtægter.

Dette sker for AI-ledere på tværs af alle brancher, og presset for at indhente øges. Det, der bremser dem, er ikke modellens intelligens, men hvordan agenterne er bygget og drives i deres organisationer.

I dag introducerer vi Frontier, en ny platform, der hjælper virksomheder med at bygge, implementere og administrere AI-agenter, der kan udføre reelt arbejde. Frontier giver agenter de samme færdigheder, som folk har brug for at få succes på arbejdet: delt kontekst, onboarding, praktisk læring med feedback og klare tilladelser og grænser. Sådan bevæger teams sig ud over isolerede anvendelsestilfælde til AI-kolleger, der arbejder på tværs af virksomheden.

HP⁠(åbner i et nyt vindue), Intuit⁠(åbner i et nyt vindue), Oracle⁠(åbner i et nyt vindue), State Farm⁠(åbner i et nyt vindue), Thermo Fisher⁠(åbner i et nyt vindue) og Uber⁠(åbner i et nyt vindue) er blandt de første til at tage Frontier i brug, og snesevis af eksisterende kunder, herunder BBVA⁠(åbner i et nyt vindue), Cisco⁠(åbner i et nyt vindue) og T-Mobile⁠(åbner i et nyt vindue), har allerede pilottestet Frontiers tilgang til at drive noget af deres mest komplekse og værdifulde AI-arbejde.

Virksomheder er allerede overvældet af de usammenhængende systemer og den styring, der er spredt på tværs af skyer, dataplatforme og applikationer. AI gjorde den fragmentering mere synlig og i mange tilfælde mere akut. Agenter bliver nu udrullet overalt, og hver enkelt er isoleret i, hvad den kan se og gøre. Hver ny agent kan ende med at tilføje kompleksitet i stedet for at hjælpe, fordi den ikke har nok kontekst til at udføre arbejdet godt.

Efterhånden som agenter er blevet mere dygtige, er forskellen på muligheder mellem, hvad modeller kan gøre, og hvad teams rent faktisk kan implementere, vokset. Kløften er ikke kun forårsaget af teknologi. Teams opbygger stadig den viden, der skal til for at flytte agenter forbi de tidlige pilotprojekter og ind i reelt arbejde lige så hurtigt, som AI forbedres. Hos OpenAI alene lanceres der noget nyt cirka hver tredje dag, og tempoet bliver stadig hurtigere.¹ For at følge med skal man finde en balance mellem kontrol og eksperimentering, og det er svært at få til at fungere.

Virksomheder føler presset for at finde ud af dette nu, fordi kløften mellem de tidlige ledere og alle andre vokser hurtigt.

Vi har lært, at teams ikke kun har brug for bedre værktøjer, der løser dele af puslespillet. De havde brug for hjælp til at få agenter i produktion med en end-to-end-tilgang til at opbygge, implementere og administrere agenter.

Vi startede med at se på, hvordan virksomheder allerede skalerer medarbejdere. De laver onboarding-processer. De underviser i institutionel viden og internt sprog. De muliggør læring gennem erfaring og forbedrer præstationen gennem feedback. De giver adgang til de rette systemer og sætter grænser. AI-kolleger har brug for de samme ting.

For at AI-kolleger rent faktisk kan arbejde, er der et par ting, der betyder noget:

• De skal forstå, hvordan arbejdet faktisk bliver udført på tværs af systemer.  
• De har brug for adgang til en computer og værktøjer til at planlægge, handle og løse problemer i den virkelige verden. 
• De skal forstå, hvordan 'godt' ser ud, så kvaliteten forbedres, efterhånden som arbejdet ændrer sig.
• Og de har brug for en identitet, tilladelser og grænser, som hold kan stole på.

Og alt dette skal fungere på tværs af mange systemer, ofte spredt på tværs af flere skyer. Frontier arbejder sammen med de systemer, som teams allerede har, uden at tvinge dem til at skifte platform. Du kan samle dine eksisterende data og AI, hvor de findes, og integrere de applikationer, du allerede bruger, ved hjælp af åbne standarder. Det betyder ingen nye formater og ingen opgivelse af agenter eller applikationer, du allerede har implementeret.

Den store styrke ved denne tilgang er, at AI-kolleger er tilgængelige og nyttige via enhver grænseflade og ikke er låst fast bag en enkelt brugergrænseflade eller applikation. De kan samarbejde med mennesker, uanset hvor arbejdet foregår, hvad enten det er via interaktion med ChatGPT, gennem arbejdsgange med Atlas eller inden for eksisterende forretningsapplikationer. Dette gælder, uanset om agenterne er udviklet internt, erhvervet fra OpenAI eller integreret fra andre leverandører, som du allerede bruger.

Enhver effektiv medarbejder ved, hvordan virksomheden fungerer, hvor informationen findes, og hvordan gode beslutninger ser ud.

Frontier forbinder isolerede datalagre, CRM-systemer, billetværktøjer og interne applikationer for at give AI-kolleger den samme fælles forretningskontekst. De forstår, hvordan information flyder, hvor beslutninger træffes, og hvilke resultater der betyder noget. Det bliver et semantisk lag for virksomheden, som alle AI-medarbejdere kan referere til for at arbejde og kommunikere effektivt.

Når den delte kontekst er på plads, skal agenterne rent faktisk kunne udføre arbejdet.

Teams på tværs af organisationen, både tekniske og ikke-tekniske, kan bruge Frontier til at ansætte AI-medarbejdere, der overtager mange af de opgaver, som folk allerede udfører på en computer. Frontier giver AI-medarbejdere mulighed for at analysere data og udføre komplekse opgaver, såsom at arbejde med filer, køre kode og bruge værktøjer, alt sammen i et pålideligt, åbent agentudførelsesmiljø. Når AI-medarbejdere arbejder, opbygger de minder og omdanner tidligere interaktioner til en nyttig kontekst, der forbedrer ydeevnen over tid.

Når AI-medarbejdere er implementeret, kan de køre på tværs af lokale miljøer, virksomhedens cloud-infrastruktur og OpenAI-hostede kørselstider uden at tvinge teams til at genopfinde måden, arbejdet udføres på. Og til tidsfølsomt arbejde prioriterer Frontier lav-latens adgang til OpenAI’s modeller, så svarene forbliver hurtige og ensartede.

For at agenter kan være nyttige over tid, skal de lære af erfaring, ligesom folk gør.

Indbyggede måder at evaluere og optimere ydeevnen på gør det klart for menneskelige ledere og AI-kolleger, hvad der fungerer, og hvad der ikke gør, så god opførsel forbedres over tid. Med tiden lærer AI-kolleger, hvordan godt arbejde ser ud, og bliver bedre til det arbejde, der betyder mest.

Sådan går agenter fra at være imponerende demoer til pålidelige holdkammerater.

Frontier sikrer, at AI-medarbejdere opererer inden for klare grænser. Hver AI-kollega har sin egen identitet med eksplicitte tilladelser og sikkerhedsforanstaltninger. Det gør det muligt at bruge dem trygt i følsomme og regulerede miljøer. Virksomhedssikkerhed og styring⁠ er indbygget, så teams kan skalere uden at miste kontrollen.

Det er ikke kun et teknologisk problem at lukke mulighedernes kløft.

Vi har arbejdet tæt sammen med store virksomheder om komplekse AI-implementeringer i årevis, så vi har set, hvad der fungerer, og hvad der ikke fungerer. Nu hjælper vi teams med at anvende de erfaringer på deres mest udfordrende problemer.

Vi parrer OpenAI Forward Deployed Engineers (FDE'er) med dine teams og arbejder side om side for at hjælpe dig med at udvikle de bedste praksisser til at bygge og køre agenter i produktion.

FDE'erne giver også hold en direkte forbindelse til OpenAI Research. Når du implementerer agenter, lærer vi ikke kun, hvordan vi kan forbedre dine systemer omkring modellen. Vi lærer også, hvordan modellerne selv skal udvikle sig for at være mere nyttige i dit arbejde. Den feedback-loop, fra dit forretningsproblem til udrulning til forskning og tilbage, hjælper begge parter med at bevæge sig hurtigere.

AI fungerer bedst i virksomheden, når platformen og applikationerne arbejder sammen. Fordi Frontier er bygget på åbne standarder, kan softwareteams tilslutte og bygge agenter, der drager fordel af den samme delte kontekst.

Dette er vigtigt, fordi mange agent-apps fejler af en simpel grund: De har ikke den nødvendige kontekst. Data er spredt på tværs af systemer, tilladelserne er komplekse, og hver integration bliver et enkeltstående projekt. Frontier gør det nemmere for applikationer at få adgang til den forretningskontekst, de har brug for (med de rette kontroller), så de kan arbejde i reelle arbejdsgange fra dag ét. For virksomheder betyder det hurtigere udrulninger uden en lang integrationscyklus hver gang.

Vi samarbejder også med en lille gruppe Frontier Partners – AI-baserede udviklere som Abridge⁠(åbner i et nyt vindue), Clay⁠(åbner i et nyt vindue), Ambience⁠(åbner i et nyt vindue), Decagon⁠(åbner i et nyt vindue), Harvey⁠(åbner i et nyt vindue) og Sierra⁠(åbner i et nyt vindue) – som har forpligtet sig til at gå i dybden med Frontier. De vil arbejde tæt sammen med OpenAI for at finde ud af, hvad kunderne har brug for, designe løsninger og støtte implementeringen. Over tid vil vi udvide programmet og byde flere udviklere velkommen, der fokuserer på AI til virksomheder.

Spørgsmålet nu er ikke, om AI vil ændre, hvordan arbejdet udføres, men hvor hurtigt din organisation kan omdanne agenter til en reel fordel.

Frontier er tilgængelig i dag for en begrænset gruppe kunder, med bredere tilgængelighed i løbet af de næste par måneder. Hvis du vil udforske mulighederne for at samarbejde med os, så kontakt dit OpenAI-team.