GPT-6 Astra של OpenAI מסתמנת כמתחרה משמעותית בשוק הבינה המלאכותית הארגונית, לאחר שמבחן PINNACLE של Signal65 הראה כי המודל השלים 279 מתוך 280 משימות עסקיות רב-שלביות ברמת ההיסק המרבית. התוצאה מגיעה ימים ספורים לאחר השקת Astra וממקדת את תשומת הלב במדד שעשוי להיות חשוב יותר לרוכשים ארגוניים מציוני בנצ’מרק מסורתיים: היכולת של סוכן AI להשלים עבודה שימושית באופן אמין ובעלות כלכלית בת-קיימא.

Astra מציגה שיעור כמעט מושלם בהשלמת משימות ארגוניות

מבחן PINNACLE של Signal65 תוכנן במיוחד לבחינת עבודות ארגוניות המבוצעות באמצעות סוכני AI, ולא לביצועים בשאלות ותשובות מבודדות. המדד משתמש בתהליכי עבודה רב-שלביים המחייבים מערכת AI לנווט בין כלים, לאחזר מידע, ליישם כללים ולהפיק מערך מלא של תוצרים. התוצאות נבדקות באופן תוכנתי ולא באמצעות מודל AI אחר או מעריך אנושי. לפי Signal65, מערך הנתונים הראשוני כלל 44 תצורות של מודלים המבוססות על 30 מודלי בסיס, והבדיקות בוצעו עד 30 באוגוסט.

בתוצאות Astra שהוצגו בחומר של Signal65, המודל השלים 279 מתוך 280 משימות ברמת ההיסק המרבית. אותו חומר מצביע גם על שיעור המצאות של 0.0% בשאלות שלא ניתן היה לענות עליהן על בסיס המידע שסופק. להבחנה זו חשיבות מיוחדת בסביבות ארגוניות, שבהן תשובה בטוחה בעצמה אך חסרת בסיס עלולה ליצור עלויות אימות נוספות או סיכון תפעולי.

המתודולוגיה של Signal65 נועדה לבחון בדיוק את הבעיה הזו. המדד כולל הן נתונים ארגוניים מסודרים והן מידע פחות מובנה כפי שהוא נמצא בפועל, ובכך מאפשר להעריך לא רק את יכולת המודל לאתר מידע, אלא גם את יכולתו לפעול כאשר הנתונים העסקיים חלקיים, כפולים או אינם עקביים.

עלות התשובה הנכונה הופכת למדד תחרותי מרכזי

הממצא המשמעותי יותר עשוי להיות דווקא כלכלי. תוצאות Signal65 המצורפות מציבות את העלות של Astra על 1.51 דולר לכל משימה שהושלמה בהצלחה ברמת ההיסק המרבית, לעומת 2.46 דולר עבור Claude Fable 5.1. מדובר בעלות נמוכה בכ-39% עבור משימה שהושלמה, בתצורות שנבדקו.

ההשוואה ממחישה מדוע הכלכלה של AI ארגוני עוברת מעבר למחירי הטוקנים המפורסמים. Signal65 טוענת כי ארגון אינו רוכש בסופו של דבר טוקנים, אלא עבודה שהושלמה. לכן המתודולוגיה מייחסת את עלות הניסיונות הכושלים למשימות שהושלמו בהצלחה, ומתחשבת בקלט, בקלט שנשמר במטמון ובפלט הנדרשים לאורך תהליך העבודה. בניתוח PINNACLE הרחב יותר מצאה Signal65 כי טוקני קלט המוזנים שוב ושוב במהלך תהליכי עבודה של סוכני AI עשויים להוות 65% עד 91% מעלויות ה-API המתארח.

דינמיקה זו משנה את משוואת התחרות. מודל בעל מחיר נומינלי גבוה יותר לטוקן עדיין עשוי להיות כלכלי יותר אם הוא משלים משימה באמצעות פחות טוקנים, דורש פחות מחזורי שימוש בכלים או מייצר פחות כשלונות. מנגד, מודל זול יותר עלול להפוך ליקר כאשר עובדים נדרשים לתקן את הפלט שלו שוב ושוב או להפעיל מחדש תהליכי עבודה שלא הושלמו.

אמינות עשויה לעצב מחדש את אימוץ ה-AI הארגוני

תוצאות Astra מגיעות גם בשלב משמעותי באסטרטגיית ה-AI הארגוני של OpenAI. החברה מתארת את GPT-6 Astra כמודל המתקדם ביותר שלה למשימות מורכבות של reasoning, קידוד, שימוש במחשב, מחקר ויצירת מסמכים. המודל נועד לבצע תהליכי עבודה רב-שלביים מהוראה ראשונית ועד להפקת מסמכים, גיליונות אלקטרוניים ומצגות מוגמרים.

חומרי ההשקה של OpenAI מדגישים גם שיפור ביכולת להיצמד לגבולות המשימה ובמערכות ניטור הבטיחות. החברה מציינת כי Astra נועדה לזהות טוב יותר מצבים שבהם המידע אינו מספיק, במקום להשלים פערים באמצעות תשובה שאינה נתמכת במידע. OpenAI זיהתה גם את תחום הסייבר כיכולת רגישה במיוחד, כאשר Astra הגיעה לרף “Critical” במסגרת Preparedness Framework של החברה.

המשמעות הרחבה יותר היא שהתחרות בתחום ה-AI הארגוני נקשרת יותר ויותר לכלכלת יחידה ולאמינות תפעולית. חברות המפעילות אלפי או מיליוני תהליכי עבודה אוטומטיים יתעניינו פחות בשאלה האם מודל זכה בדירוג מופשט של יכולת reasoning, ויותר במספר המשימות שהוא משלים בהצלחה, בתדירות ההתערבות האנושית ובעלות הסופית של כל תהליך עבודה.

היתרון של OpenAI ייבחן ביישום בקנה מידה רחב

התוצאה של Signal65 משמעותית, אך יש לפרש אותה במסגרת מגבלות המדד. PINNACLE מודד מערך מוגדר של תהליכי עבודה ארגוניים, והתוצאות תלויות בתצורת המודל, ברמת ההיסק, בכלים, בסביבת הנתונים ובהנחות התמחור ששימשו בבדיקה. Signal65 עצמה מדגישה כי יש לקרוא את תוצאות הבנצ’מרק לצד המתודולוגיה, ולא לראות בהן מדד אוניברסלי ליכולת AI.

עבור משקיעים ורוכשי טכנולוגיה ארגוניים, השלב הבא יהיה לבחון האם יתרון היעילות של Astra נשמר גם מחוץ לסביבות הערכה מבוקרות. שיעורי אימוץ, היקף שימוש ב-API, היקף חוזים ארגוניים, עלויות הסקה ושימור לקוחות יספקו מדד יציב יותר להשפעה המסחרית. אם Astra תצליח לשמור על שיעור השלמת משימות כמעט מלא תוך שמירה על עלות עבודה נמוכה באופן משמעותי מזו של מודלי frontier מתחרים, ה-AI הארגוני עשוי להתקרב למודל כלכלי המבוסס על אוטומציה ותפוקת עבודה, ולא רק למודל מסורתי של מנוי תוכנה. שינוי כזה עשוי להגדיל את החשיבות האסטרטגית של סוכני AI בתחומי הפיננסים, הייעוץ, פיתוח התוכנה, שירות הלקוחות ותעשיות נוספות המבוססות על עבודת ידע.