Руководитель OpenAI API рассказывает о успехе предприятия с помощью Agents SDK и Responses API

На конференции VentureBeat Transform 2025 Оливье Годеман, руководитель отдела продуктов API-платформы OpenAI, поделился внутренней информацией о том, как корпоративные команды внедряют и масштабируют ИИ-агенты.

В ходе эксклюзивной 20-минутной панельной дискуссии, которую я провел с Годементом, бывший исследователь Stripe и нынешний руководитель OpenAI API подробно рассказал о новейших инструментах для разработчиков — Responses API и Agents SDK — и продемонстрировал реальные приложения, меры безопасности и примеры окупаемости инвестиций от первых пользователей, таких как Stripe и Box.

Для руководителей предприятий, которые пропустили прямую трансляцию, приводим восемь наиболее важных выводов:

Агенты быстро переходят от прототипа к производству

Годеман подчеркнул, что 2025 год станет годом значительных изменений в масштабном внедрении ИИ. С более чем миллионом активных разработчиков по всему миру, использующих API-платформу OpenAI, и 700-процентным ростом использования токенов по сравнению с предыдущим годом, ИИ выходит за рамки экспериментальной стадии.

«Прошло пять лет с тех пор, как мы впервые запустили GPT-3... и путь, пройденный с тех пор, был действительно замечательным».

Он отметил, что текущий спрос выходит далеко за рамки чат-ботов. «Приложения ИИ эволюционируют от простых вопросов и ответов до случаев использования, когда агент может активно выполнять задачи от вашего имени».

Этот переход привел к тому, что в марте OpenAI представила два ключевых инструмента для разработчиков: Responses API и Agents SDK.

Когда использовать одиночные агенты, а когда — архитектуры с под-агентами

Центральной темой было принятие архитектурных решений. Годеман объяснил, что хотя циклы с одним агентом, которые объединяют полный доступ к инструментам и контекст в одной модели, элегантны в теории, их часто сложно реализовать в больших масштабах.

«Создание точных и надежных одиночных агентов — сложная задача. Это действительно трудно».

По мере усложнения систем — с добавлением дополнительных инструментов, разнообразных пользовательских входов и сложной логики — команды часто применяют модульные конструкции с использованием специализированных субагентов.

«Обычный подход заключается в разбиении агентов на несколько субагентов... с применением принципов программной инженерии, таких как разделение задач».

Эти субагенты работают как роли в команде: агент сортировки классифицирует запросы, агенты первого уровня управляют рутинными задачами, а другие занимаются сложными или необычными случаями.

Почему API Responses является качественным изменением

Годеман описал API Responses как фундаментальное достижение в области инструментов для разработчиков. Раньше разработчикам приходилось вручную управлять последовательностью вызовов моделей. Теперь эта координация осуществляется автоматически.

«API Responses, пожалуй, является самым значительным уровнем абстракции, который мы внедрили с момента появления GPT-3».

Он позволяет разработчикам сосредоточиться на намерениях, а не на настройке рабочих процессов модели. «Ваша цель — предоставить клиенту отличный ответ... API Response управляет всем этим процессом».

API также включает встроенные функции для поиска знаний, веб-поиска и вызова функций — важные компоненты для реальных рабочих процессов корпоративных агентов.

Встроенные функции наблюдаемости и безопасности

Безопасность и соответствие нормативным требованиям были выделены как критически важные факторы. Годеман подчеркнул ключевые меры безопасности, которые делают платформу OpenAI подходящей для регулируемых отраслей, таких как финансы и здравоохранение:

• Отказ на основе политик
• Ведение журналов SOC-2
• Поддержка хранения данных

Он определил оценку как основную проблему при переходе от демонстрации к производству.

«На мой взгляд, оценка модели, вероятно, является самым большим препятствием для широкого внедрения ИИ».

OpenAI теперь интегрирует инструменты отслеживания и оценки в стек API, помогая командам определять показатели успеха и отслеживать производительность агентов с течением времени.

«Без инвестиций в оценку… трудно построить доверие и уверенность, необходимые для обеспечения точности и надежности модели».

Ранний ROI виден в конкретных функциях

Некоторые корпоративные приложения уже демонстрируют ощутимые преимущества. Годеман привел следующие примеры:

• Stripe, которая использует агентов для ускорения обработки счетов, сообщая о «ускорении обработки счетов на 35%».
• Box, которая внедрила помощников по знаниям, позволяющих «бесконтактную сортировку заявок»

Другие высокоэффективные варианты использования включают поддержку клиентов (в том числе голосовые системы), внутреннее управление и помощники по знаниям для навигации по сложной документации.

Что нужно для запуска в производство

Годеман подчеркнул важность человеческой инициативы для успешного внедрения.

«Небольшая группа высокомотивированных людей видит проблему и технологическое решение и сразу же приступает к делу».

Эти внутренние сторонники не всегда имеют техническое образование. Их объединяет решимость.

«Их немедленная реакция: «Как я могу это реализовать?»

OpenAI отмечает, что многие первоначальные внедрения осуществляются этой группой — ранними пользователями ChatGPT в корпоративной среде, которые сейчас изучают полнофункциональные агентские системы.

Он также выделил фактор, который часто упускают из виду: экспертиза в конкретной области. «Необходимые знания в рамках предприятия… находятся не у инженеров, а у операционных команд».

Предоставление возможности использовать инструменты для создания агентов неразработчикам — ключевая задача, над решением которой работает OpenAI.

Что ждет корпоративных агентов в будущем

Годеман представил предварительный обзор предстоящих разработок. В настоящее время OpenAI сосредоточено на следующих направлениях:

• Мультимодальных агентах, способных взаимодействовать с помощью текста, голоса, изображений и структурированных данных
• Долгосрочной памятью для сохранения знаний в ходе взаимодействий
• Межоблачной оркестрации для поддержки сложных распределенных ИТ-инфраструктур

Это не революционные изменения, а постепенные усовершенствования, основанные на существующих возможностях. «Как только у нас появятся модели, способные обрабатывать информацию в течение минут или часов, а не секунд, это откроет путь к по-настоящему революционным приложениям».

Заключительное слово: модели рассуждения недооцениваются

В заключение Годеман подтвердил свое убеждение, что модели рассуждения — те, которые способны к рефлексии перед ответом — станут настоящими двигателями долгосрочной трансформации.

«Я по-прежнему убежден, что в настоящее время мы находимся на этапе, сопоставимом с GPT-2 или GPT-3 с точки зрения зрелости моделей рассуждения... Мы только начали исследовать, чего могут достичь эти модели».

Для руководителей предприятий вывод очевиден: инфраструктура для автоматизации на основе агентов уже доступна. Успех зависит от выявления целевых случаев использования, расширения возможностей межфункциональных команд и поддержания итеративного подхода. Следующая волна ценности будет исходить не от ярких демонстраций, а от надежных систем, сформированных реальными потребностями и операционным совершенством.