Michael JohnsonModel może dobrze odpowiadać na pytania, a mimo to mieć trudności, gdy trzeba porównać warunki, zaplanować kilka kroków i przygotować rozwiązanie dla człowieka. 2 listopada 2026 roku OpenAI przedstawiło LifeVal — ewaluację scenariuszy z życia codziennego: od porównywania żłobków i planowania posiłków po układanie budżetu i korzystanie z usług publicznych.
Ta zmiana ma znaczenie dla osób wybierających asystenta AI do zadań wykraczających poza programowanie i testy egzaminacyjne. Pytanie staje się bardziej konkretne: czy system radzi sobie z całym procesem, który wymaga wyszukiwania, porównywania możliwości i przygotowania działania, a nie tylko udzielenia spójnej odpowiedzi na czacie?
Co sprawdza LifeVal
OpenAI informuje, że opracowało zestaw zadań w oparciu o dwa badania wykorzystania czasu — amerykańskie i międzynarodowe — oraz osobne, reprezentatywne demograficznie badanie z udziałem 3 995 osób. Tematy obejmują opiekę nad bliskimi, zdrowie, edukację, obowiązki domowe, finanse osobiste, zakupy i usługi publiczne. Firma opisuje LifeVal jako ewaluację wykonywania praktycznych zadań przez modele i agentów osobistych.
Takie podejście zmienia jednostkę oceny. Zamiast sprawdzać pojedynczą wiedzę, scenariusz może wymagać zebrania kontekstu, uwzględnienia ograniczeń użytkownika i przygotowania wyniku, pozostawiając człowiekowi możliwość podjęcia decyzji. Na przykład opublikowany scenariusz dotyczący żłobka prosi o porównanie placówek w pobliżu nowego domu i przygotowanie listy odpowiednich możliwości. Inny przykład dotyczy pomocy rodzicowi, który przystosowuje się do nowej diagnozy cukrzycy, w opracowaniu planu opieki i żywienia.
Co oznaczają opublikowane wartości procentowe
Na stronie LifeVal OpenAI podaje wyniki swoich obecnych modeli w poszczególnych scenariuszach: 93,1% za porównanie żłobków, 98% za organizację wolontariuszy przed powodzią i 90,4% za pomoc rodzicowi po nowej diagnozie cukrzycy. Firma pokazuje także przykłady gotowych rezultatów: listę placówek ze szczegółami rekrutacji, plan przydziału wolontariuszy lub jadłospis z przypomnieniami i pytaniami do zespołu medycznego.
Wartości te dotyczą konkretnych scenariuszy opublikowanych przez OpenAI. Strona nie przedstawia porównywalnej tabeli wyników kilku modeli, dlatego procenty nie tworzą niezależnego rankingu asystentów. W ramach własnego testu lepiej przekazać różnym systemom ten sam kompletny scenariusz z identycznymi danymi wejściowymi, a następnie sprawdzić poprawność zebranych informacji, uwzględnienie ograniczeń i jakość przygotowanego rezultatu.
Dlaczego ważne jest przejście od odpowiedzi do zadania
OpenAI łączy LifeVal z rozwojem obsługi przeglądarki, sterowania komputerem i integracji z usługami zewnętrznymi. Według opisu firmy możliwości te pozwalają ChatGPT wykonywać bardziej złożone zadania niż samo formułowanie porad. Ewaluacja pokazuje więc, jakie praktyczne scenariusze OpenAI uznaje za ważne dla osobistego asystenta AI: jego praca powinna pomagać w realizacji sekwencji codziennych czynności.
Dla zespołów tworzących asystentów wynika z tego konkretne podejście: należy testować produkt na wieloetapowych zadaniach typowych dla jego grupy docelowej i z góry określić, co uznaje się za gotowy rezultat. Użytkownikowi przydaje się sprawdzenie, jakie kroki wykonał system, skąd pochodzą istotne informacje i w których miejscach potrzebna jest jego decyzja. W codziennych scenariuszach liczą się nie tylko zrozumiałość tekstu, ale także dokładność szczegółów i przydatność wyniku do dalszego działania.
Co można już porównać
LifeVal opisuje pochodzenie zestawu i pokazuje kilka przykładów z wynikami procentowymi dla obecnych modeli OpenAI. Na opublikowanej stronie nie ma pełnej tabeli, która pozwalałaby porównać kilka modeli w identycznych warunkach. Czytelnik może więc zapoznać się z rodzajami zadań i przykładami odpowiedzi, ale nie powinien traktować ich jako gotowego rankingu asystentów.
Wartość LifeVal tkwi w sprawdzalnym pytaniu: czy AI może pomóc człowiekowi przejść przez istotny scenariusz z życia codziennego i przygotować rezultat, który będzie można ocenić i wykorzystać? To praktyczny punkt odniesienia dla twórców i użytkowników: warto sprawdzać nie tylko odpowiedź, ale całą drogę od zadania początkowego do przygotowanego działania.
