# OpenAI a Ironclad hodnotily AI agenty na 11 smluvních úlohách

https://jsonscraper.com/cs/blog/openai-ironclad-hodnotily-agenty-smluvnich-ulohach

Author: Michael Johnson

Published: 2026-10-07T10:31:15+00:00

Updated: 2026-10-07T10:31:15+00:00

GPT‑6 Astra dosáhla podle kritérií OpenAI průměrného skóre 55 %; dobu zpracování firma odhadla simulací

OpenAI a Ironclad 6. října 2026 [zveřejnily výsledky výzkumného hodnocení](https://openai.com/index/advancing-computer-use-with-ironclad/) AI agentů pracujících se smluvními procesy v podnikovém softwaru. V 11 úlohách dosáhla GPT‑6 Astra průměrného skóre 55,0 % podle kritérií plnění, zatímco GPT‑5.6 Sol dosáhla 41,6 %.



![OpenAI a Ironclad hodnotily AI agenty na 11 smluvních úlohách
Kontext: V hodnocení zveřejněném 6. října OpenAI porovnala GPT‑6 Astra a GPT‑5.6 Sol na 11 úlohách z právních, obchodních a nákupních procesů Ironclad. Výsledky popisují výzkumnou sadu, nikoli všechny pracovní postupy platformy.
Vizuální námět: správa smluv, právní pracovní postup, kancelářské dokumenty, počítač, Unsplash](https://jsonscraper.com/assets/uploads/journal/2026/10/2361b446e8373d167d31c908086f7ce5.png.hero.webp)

OpenAI · obrázek vytvořený AI

 

Úlohy zahrnovaly právní, obchodní a nákupní práci: například nastavení dohody o mlčenlivosti, vytvoření schvalování nákupů a úpravu standardního právního ustanovení s ohledem na zvolenou jurisdikci. OpenAI popisuje cíl výzkumu jako ověření, zda agent dokáže projít vícestupňovým procesem, zachovat obchodní pravidla a zkontrolovat výsledek podle původních požadavků.

 

## Jak se měřilo plnění

 

Zaměstnanci Ironclad a lidé, kteří v OpenAI používají Ironclad, pomohli definovat 11 úloh. Každá se hodnotila podle 8 až 50 kritérií v závislosti na složitosti. Pro praktické testování modelů poskytla společnost Ironclad hostovaná prostředí svého softwaru; OpenAI uvádí, že modely vylepšovala pomocí syntetických úloh a posilovaného učení.

 

V porovnání se použila nastavení, v nichž každý model dosáhl svého nejvyššího skóre: Max reasoning pro Astru a High reasoning pro Sol. Podle zveřejněné tabulky OpenAI činila průměrná odhadovaná doba jednoho pokusu u Astry 19,2 minuty a u Sol 37,0 minuty. Jde o simulované odhady založené na předpokládané rychlosti zpracování a generování, nikoli o naměřené zkrácení doby práce zákazníků.

 

## Co výsledky ukazují

 

Hodnocení ukazuje, jak lze počítačového agenta testovat podle konečného stavu složitého pracovního postupu: sada kritérií umožňuje zjistit, které požadavky systém splnil a které opomenul. Pro firmy, které podobné nástroje hodnotí, je praktickým vodítkem ověřovat nejen jednotlivé úkony v rozhraní, ale také to, jak nakonfigurovaný proces zvládá různé podmínky, například schvalovací limity a výjimky.



![Unsplash Power](https://images.unsplash.com/photo-1499951360447-b19be8fe80f5?ixid=M3wxMDc5MjYxfDB8MXxhbGx8fHx8fHx8fHwxNzkxMzY5MDIxfA&ixlib=rb-4.1.0&w=1600&h=900&fit=crop&crop=center&q=80&fm=webp)

[Domenico Loia](https://unsplash.com/@domenicoloia?utm_source=jsonscraper&utm_medium=referral) · [Licence Unsplash](https://unsplash.com/license)

 

Čísla se týkají 11 výzkumných úloh a nepopisují všechny pracovní postupy Ironclad. V samostatném příkladu z publikace Astra splnila přibližně 94 % kritérií za odhadovaných 20 minut, zatímco Sol přibližně 85 % za 32 minut; jde o příklad jedné úlohy, nikoli o průměrné výsledky. OpenAI také uvádí, že syntetické úlohy vytvořila na základě veřejných smluv z databáze SEC EDGAR po odfiltrování osobních údajů; podle tvrzení společnosti nebyly k trénování a hodnocení použity neveřejné smlouvy zákazníků.

 

Sunita Verma, technická ředitelka Ironclad, zdůraznila důležitost celistvého pracovního postupu. V překladu citátu z publikace OpenAI: „Agenti musí rozumět celému životnímu cyklu smlouvy, včetně propojení pracovních postupů, a zachovat kontrolu, na kterou se týmy spoléhají.“

 

OpenAI označuje spolupráci za výzkumnou práci zaměřenou na trénování a hodnocení modelů. Zveřejněná skóre ukazují výsledky na vybraných úlohách; publikace neuvádí nezávislé ověření hodnocení ani měření výkonu na širší sadě zákaznických procesů.

 

> Překlad citátu: „Agenti musí rozumět celému životnímu cyklu smlouvy, včetně propojení pracovních postupů, a zachovat kontrolu, na kterou se týmy spoléhají.“



Sunita Verma · publikace OpenAI · [Původní publikace](https://openai.com/index/advancing-computer-use-with-ironclad/)
