# OpenAI та Ironclad оцінили ШІ-агентів на 11 завданнях із договорами

https://jsonscraper.com/uk/blog/openai-ironclad-ai-contract-agents

Author: Michael Johnson

Published: 2026-10-07T10:33:38+00:00

Updated: 2026-10-07T10:33:38+00:00

GPT‑6 Astra набрала в середньому 55% за критеріями OpenAI; час виконання компанія оцінила за допомогою симуляції

OpenAI та Ironclad 6 жовтня 2026 року [опублікували результати дослідницького оцінювання](https://openai.com/index/advancing-computer-use-with-ironclad/) ШІ-агентів, які працюють із договірними процесами в корпоративному програмному забезпеченні. У 11 завданнях GPT‑6 Astra набрала середній бал 55,0% за критеріями виконання, а GPT‑5.6 Sol — 41,6%.



![OpenAI та Ironclad оцінили ШІ-агентів на 11 завданнях із договорами
Контекст: В опублікованому 6 жовтня оцінюванні OpenAI порівняла GPT‑6 Astra і GPT‑5.6 Sol на 11 завданнях у юридичних, комерційних і закупівельних процесах Ironclad. Результати стосуються дослідницького набору завдань, а не всіх робочих процесів платформи.
Візуальна тема: управління договорами, юридичний робочий процес, офіс, документи, комп’ютер, Unsplash](https://jsonscraper.com/assets/uploads/journal/2026/10/2361b446e8373d167d31c908086f7ce5.png.hero.webp)

OpenAI · зображення, створене ШІ

 

Завдання охоплювали юридичну, комерційну та закупівельну роботу: наприклад, налаштування угоди про нерозголошення, створення погоджень закупівель і зміну типового юридичного положення з урахуванням обраної юрисдикції. OpenAI описує мету дослідження як перевірку здатності агента пройти багатоетапний процес, дотримуючись бізнес-правил і звіряючи результат із початковими вимогами.

 

## Як вимірювали виконання

 

Співробітники Ironclad і люди, які користуються Ironclad в OpenAI, допомогли визначити 11 завдань. Кожне оцінювали за 8–50 критеріями залежно від складності. Для практичної роботи моделей Ironclad надала розміщені середовища свого програмного забезпечення; OpenAI повідомляє, що вдосконалювала моделі за допомогою синтетичних завдань і навчання з підкріпленням.

 

У порівнянні використали налаштування, за яких кожна модель показала свій найвищий бал: Max reasoning для Astra і High reasoning для Sol. За опублікованою OpenAI таблицею, середній розрахунковий час спроби становив 19,2 хвилини для Astra і 37,0 хвилини для Sol. Це симульовані оцінки на основі передбачуваної швидкості обробки та генерації, а не виміряне скорочення часу для клієнтів.

 

## Що показують результати

 

Оцінювання показує, як можна перевіряти комп’ютерного агента за підсумковим станом складного робочого процесу: набір критеріїв дає змогу побачити, які вимоги система виконала, а які пропустила. Для компаній, що оцінюють подібні інструменти, практичний орієнтир — перевіряти не лише окремі дії в інтерфейсі, а й те, як налаштований процес обробляє різні умови, наприклад пороги погодження та винятки.



![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) · [Ліцензія Unsplash](https://unsplash.com/license)

 

Ці числа стосуються 11 дослідницьких завдань і не описують усі робочі процеси Ironclad. В окремому прикладі з публікації Astra виконала близько 94% критеріїв за розрахункові 20 хвилин, а Sol — близько 85% за 32 хвилини; це приклад одного завдання, а не середні показники. OpenAI також зазначає, що синтетичні завдання створили на основі публічних договорів із бази SEC EDGAR після фільтрування персональних даних; за заявою компанії, закриті договори клієнтів не використовували для навчання й оцінювання.

 

Суніта Верма, технічна директорка Ironclad, наголосила на важливості цілісного робочого процесу. У перекладі цитати з публікації OpenAI: «Агентам потрібно розуміти весь життєвий цикл договору, зокрема зв’язок між робочими процесами, і зберігати контроль, на який покладаються команди».

 

OpenAI називає співпрацю дослідницькою роботою з навчання й оцінювання моделей. Опубліковані бали дають уявлення про результати на вибраних завданнях; у публікації немає незалежної перевірки оцінювання чи вимірювань роботи на ширшому наборі клієнтських процесів.

 

> Переклад цитати: «Агентам потрібно розуміти весь життєвий цикл договору, зокрема зв’язок між робочими процесами, і зберігати контроль, на який покладаються команди».



Суніта Верма · публікація OpenAI · [Оригінальна публікація](https://openai.com/index/advancing-computer-use-with-ironclad/)
