Если отбросить громкие заголовки, то в этом году у OpenAI было два основных направления:
- GPT-5 — главный «мотор». Он стал заметно лучше именно в том, что приносит деньги: в написании кода, сложных инструкций, длинных документов, делает (пишет/правит код, запускает инструменты, выполняет цепочку действий). OpenAI+2OpenAI+2
- Линейка «о-серии» (o3 / o4-mini) — лучше справляются со сложными задачами и лучше «видят глазами»: умеют разбирать скриншоты пользовательского интерфейса, графики, фрагменты интерфейсов, фотографии документов. Это критично для тех случаев, когда половина информации представлена в виде картинок и PDF-файлов. OpenAI+2OpenAI+2
Почему это важно «по-человечески»: команды перестают спорить о том, «какая модель умнее в вакууме», и начинают собирать рабочие цепочки — «понимаем задачу → извлекаем факты → вызываем нужные инструменты → возвращаем результат с обоснованием». В OpenAI эти части стали стыковаться проще и стабильнее.
Для каких задач это актуально прямо сейчас
1) Служба поддержки клиентов, где много нюансов
Представьте: клиент жалуется на странную комиссию или спорит по поводу условий доставки. Раньше ИИ отговаривался шаблонами. Теперь связка GPT-5 (как «мозг действий») + база знаний компании даёт конкретику: модель спрашивает уточнение, обращается к регламенту, сравнивает случаи, при необходимости запускает инструмент (проверка платежа/статуса заказа) и возвращает человеческое объяснение: «Комиссия возникла из-за того-то, у вас это подпадает под пункт 4.3, могу отменить, если…». Для бизнеса это означает меньше эскалаций и повторных обращений. (OpenAI официально позиционирует GPT-5 как модель для «агентных задач» — то есть для цепочек действий, а не для красивых ответов)OpenAI
2) Юридические проверки и объёмные документы
С этим у всех беда: десятки договоров, дополнительных соглашений, переписок. Новые модели делают две полезные вещи:
— видят документы «как есть» (PDF/сканы/таблицы и скриншоты), а не требуют идеальной разметки;
— выстраивают цепочку рассуждений, где можно увидеть: откуда взялась эта сумма, почему даты не совпадают, где есть риск.
Нормальный рабочий процесс выглядит так: загрузили пачку файлов → запросили «найти расхождения с цитатами» → получили блок «что не сходится и почему» + гипотезы, по которым нужно уточнить у контрагента → приложили ссылки на места в документах. Это сокращает время монотонного чтения и снижает влияние «человеческого фактора». (О «длинном контексте» и мультимодальном разборе OpenAI пишет прямо — это одна из ставок в линейке o3/o4-mini и обновлений вокруг GPT-5.) OpenAI+1
3) Код: от «написать функцию» до «исправить систему»
Там, где GPT-5 заметно превосходит предыдущие модели, — это «грязные» инженерные задачи: не просто написать кусок кода, а разобраться, почему всё рухнуло. Типичная сцена: есть diff, рухнувшие тесты, странный рантайм-баг. Модель объясняет первопричину, аккуратно предлагает минимальное исправление и даже небольшой тест, чтобы больше ничего не рухнуло. В релизных материалах OpenAI подчёркивает именно это: GPT-5 — лучшая
4) Бизнес-аналитика без «цирка Excel»
Есть CSV, выгрузки из CRM, письма менеджеров и скриншоты с пол-интернета. Раньше это превращалось в «подумать руками». Теперь — нормальная связка: o3 извлекает факты из картинок/таблиц, GPT-5 объединяет их в вывод и предлагает план действий: «Вот три гипотезы, почему падает конверсия, проверить их можно так-то…». Это не «магия», а аккуратная работа с источниками и прозрачные шаги рассуждений. OpenAI
Как запустить, если раньше ничего не делали
Неделя 1 — пилотный запуск по одному сценарию.
- Выберите узкую «денежную» тему: повторные обращения в службу поддержки / сверка договоров / ревью PR.
- Возьмите GPT-5 в API в качестве «мозга» и (при необходимости использования изображений) добавьте о3 в качестве «глаза» для решения визуальных задач. OpenAI+1
- Подключите свои источники: базу знаний, документы, тикет-систему/CRM, репозиторий.
- Укажите минимальные границы: что модель может делать самостоятельно, а о чём должна спрашивать человека.
- Включите телеметрию: задержка, стоимость, доля решённых кейсов, «повторы».
Неделя 2–3 — доработка и правила игры.
— Добавьте проверку фактов (цитаты/ссылки), «красные» фильтры (персональные данные/соответствие требованиям), возможность обратиться к живому специалисту.
— Заведите «золотые запросы» — список тестовых кейсов, с помощью которых вы каждый день проверяете, не снизилось ли качество после обновлений.
— Для кода подберите набор репозиториев и «дерево ответственных»: чтобы PR от ИИ попадал именно туда, куда его ждут.
Второй месяц — расширение.
— Часть повторяющихся задач отдайте «агентам»: GPT-5 сам выполняет последовательность действий (проверить → заполнить → записать результат в систему).
— То, что хорошо работает, превращайте в внутренние сервисы: отдельные эндпойнты для конкретных операций — «досчитать комиссию», «сверить договор», «собрать релиз-ноты» и т. п.
Живая «кухня»: что чувствуют люди в компании
— Юристам удобнее, потому что ответы приходят с цитатами из документов, а не «на глазок».
— Саппорту проще, потому что вместо «ищу статью пять минут» — одна кнопка «проверить в регламенте» и готовый текст, который остаётся только согласовать.
— Инженерам меньше рутины: ИИ не «пишет всё за вас», а ловит рутину — мелкие правки, однотипные тесты, объяснение падений.
— Менеджерам спокойнее: все шаги прозрачны — видно, откуда взялись данные, на чём основано решение, и где модель засомневалась.
Три короткие истории (составленные из реальных примеров)
- Финтех, саппорт 2-й линии.
Проблема: путаница с комиссиями, множество эскалаций. Решение: GPT-5 + доступ к тарифам и журналам платежей. ИИ уточняет пару деталей, сравнивает с правилами и сразу предлагает правильное действие (вернуть/частично вернуть/объяснить). Результат: за 6 недель количество эскалаций сократилось на ~30–40 %, среднее время ответа уменьшилось вдвое. - B2B-сделки, аудит договоров.
Проблема: «тонны» PDF-файлов, пропущенные расхождения. Решение: o3 извлекает из сканов нужные цифры/пункты, GPT-5 сопоставляет «нестыковки с цитатами» и составляет список вопросов для контрагента. Результат: за день закрывается то, на что раньше уходило три. - Продуктовая команда, релизы каждую неделю.
Проблема: проверка множества мелких PR и регрессий. Решение: GPT-5 встраивается в CI как «первое ревью»: объясняет риски, предлагает минимальный фикс и тест. Команда рассматривает только нетривиальные случаи. Результат: скорость мерджа ↑, регрессии ↓, настроение у людей тоже улучшилось.
Пара «техничек», чтобы не споткнуться
- Для визуальных задач о3 отлично «видит», но итоговую логику лучше поручить GPT-5 — так надёжнее. OpenAI
- Ошибки чаще всего возникают не в модели, а в данных и правах: в базе нет нужной статьи, нет доступа к системе, непонятно, куда писать результат. Начните с карты источников и прав.
- Обновления моделей случаются: заведите регрессионные тесты («золотые запросы»), чтобы за 5 минут понять, стало лучше или хуже.
- Разделите задачи по «тяжёсти»
позволяют создавать надёжные цепочки действий. GPT-5 и о-серия«инженер-исполнитель»Если коротко: в 2025 году OpenAI перестал быть «умным собеседником» и стал : видеть, проверять, делать и объяснять.