Одиннадцать заданий из договорной работы

OpenAI и платформа управления договорами Ironclad собрали 11 исследовательских заданий из юридической, коммерческой и закупочной работы. Агенту нужно не просто нажать кнопки: он должен превратить требования компании в формы, шаблоны, маршруты согласования и затем проверить, что процесс правильно работает в разных ситуациях. Для каждого задания команда задала от 8 до 50 критериев и использовала синтетические материалы на основе публичных контрактов из SEC EDGAR, без закрытых договоров клиентов.

В этой оценке GPT-6 Astra в режиме Max набрала в среднем 55,0%, а GPT-5.6 Sol в режиме High — 41,6%. Расчётное время попытки составило 19,2 и 37,0 минуты соответственно. Это моделируемые оценки для 11 заданий, а не измеренная экономия времени клиентов.

Оценка полного рабочего процесса

Задания оценивают весь процесс, включая исключения и контрольные правила. Результат проверяют по заранее заданным критериям. OpenAI рассматривает работу как исследовательский прототип и подчёркивает роль специалистов в сложных договорных задачах.

Источники