OpenAI вынес долгие задачи в Agents API. Что это меняет для бизнеса

10 сентября OpenAI представила Agents API — инфраструктуру для агентов, которые могут работать не несколько секунд, а продолжительное время: держать контекст, использовать инструменты, запускать подзадачи, работать с файлами и сохранять промежуточные результаты.

На первый взгляд это новость для разработчиков. На самом деле она хорошо показывает, куда движется весь рынок AI для бизнеса.

Ещё недавно главным вопросом было: какая модель отвечает лучше? Сейчас всё чаще важнее другое: что происходит с задачей после первого ответа?

Самое интересное в новости — не API

OpenAI описывает полезного агента не как «умный чат», а как систему вокруг модели: контекст, инструменты, координация подзадач, рабочее окружение и возможность продолжать работу долго.

Когда задача простая — написать письмо, сделать резюме документа, придумать идеи — модель действительно почти равна продукту.

Но бизнес-задачи редко заканчиваются одним ответом. Например, нужно собрать данные из нескольких источников, проверить их, сформировать таблицу, найти отклонения, подготовить вывод, создать файл, дождаться проверки человека и после замечаний продолжить с того же места.

Здесь качество одного ответа уже не решает задачу целиком.

Почему компании начинают строить workflow, а не коллекцию промптов

В другом сентябрьском материале OpenAI пишет, что наиболее активно использующие AI компании подключают агентов к контексту и инструментам компании и делают удачные workflow повторяемыми.

Промпт отвечает на вопрос: что сейчас сделать?

Workflow отвечает на другой вопрос: как провести задачу от входа до проверяемого результата?

Именно второй вопрос становится интереснее по мере того, как модели выравниваются по базовым возможностям.

Что это меняет для обычного бизнеса

Не нужно срочно разрабатывать своего автономного агента.

Полезнее провести маленький аудит текущих задач. Возьмите процесс, где AI уже используется, и задайте пять вопросов:

1. Где хранится состояние задачи после закрытия чата?
2. Где лежат созданные файлы?
3. Можно ли понять, на каком этапе работа остановилась?
4. Что произойдёт, если исполнитель ошибётся?
5. Можно ли через неделю продолжить работу без повторного пересказа всей истории?

Если на всё отвечает человек вручную, у вас пока не AI-процесс. У вас хороший чат и сотрудник, который держит процесс в голове.

А модель тогда становится менее важной?

Нет. Плохая модель останется плохим исполнителем.

Но ценность следующего поколения AI-систем всё меньше определяется одной моделью. Модель можно заменить. Процесс, память, права, файлы, статусы и накопленная история работы остаются.

Поэтому гонка релизов будет продолжаться, а архитектура бизнеса постепенно станет менее зависимой от того, какая модель сегодня первая в конкретном benchmark.

Практический вывод

Не начинайте с вопроса «какого агента купить».

Возьмите одну повторяемую задачу и опишите её как маршрут:

вход → этапы → проверка → файлы → результат → память.

Если этот маршрут даёт больше пользы, чем ещё один длинный промпт, значит вы уже упёрлись не в интеллект модели, а в организацию работы вокруг неё.