OpenAI、Webでのタスクを代行するエージェント「Operator」発表

[ITmedia]

　米OpenAIは1月23日（現地時間）、「独自のWebブラウザを使用してタスクを実行できるエージェント」である「Operator」を発表した。リサーチプレビュー版を、まずは米国のPro（月額200ドル）加入者に提供開始した。

Operator

　この「独自のブラウザ」は、OpenAIが開発した「Computer-Using Agent（CUA）」モデルに基づいており、GPT-4oの視覚能力と強化学習による高度な推論を組み合わせている。これにより、OperatorはWebページ上のボタンやメニュー、テキストフィールドなどのGUI要素と直接対話し、ユーザーに代わってタスクを実行することが可能だ。

　例えばオンラインショップでの買い物やレストランの予約、旅行の計画と予約、経費精算サイトでの処理などを、ユーザーが希望や条件を入力すると代行する。

　OpenAIが動画で紹介した例の1つはピザの宅配注文。「＜店名＞のミディアムサイズのピザを10枚注文して。バーベキューピザも追加ね。レストランが閉まっている場合は、できるだけ早い時間に予約して」という口語調のプロンプトを入力すると……。

プロンプト例

　DoorDashにアクセスしてリクエストに対応しようとする。

　選択肢が複数ある場合はユーザーに確認を求めるようだが、このデモではどの程度自動化されているのかはよく分からない。

　別のレストラン予約のデモでは、OpenTableでの予約の前にプロンプトの追加を求められていた。

　ログイン認証情報などの機密情報の入力が必要な場合は、ユーザーに入力を要求してくる。

　立ち上げ段階では、DoorDashやOpenTableなど、以下のネットサービスで利用可能になっている。

　OpenAIはまた、Operatorは「有害なリクエストを拒否し、許可されていないコンテンツをブロックする」ように設計されていると説明した。

　将来的には、公共部門のアプリでも利用できるようにしたいとしている。

　OpenAIは将来的に、OperatorをPlus、Team、Enterpriseユーザーに提供し、「これらの機能をChatGPTに統合する」計画だとしている。