OpenAI、Webでのタスクを代行するエージェント「Operator」発表
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。
Copyright © ITmedia, Inc. All Rights Reserved.
関連記事
こんなメディアも見られています
ITmedia AI＋に関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
SpecialPR
アクセスランキング
-
1
「Codex」で1時間にわたる障害→使用量リセットへ
-
2
Google、リアルタイムで表情豊かに話すAIアバター「Gemini 3.8 Live with Live Avatar」提供開始 画像1枚で独自アバターも
-
3
「Jev」とは “文章を書かないAI”がなぜ話題に？ 元OpenAI研究者が開発、「“スマートなif文”と考えてみて」
-
4
Microsoft、「Copilot」を刷新 「仕事のための新しいOS」とナデラCEO
-
5
「現代AIの父」シュミットフーバー氏がSakana AIに参画 RSI研究のアドバイザーに
-
6
AIと人の共創で進化する「G-SHOCK」 デザイナーが語る製品化の舞台裏
-
7
「Gemini 4」は年末までに発表――開発責任者が言及か 「Googleは確かに最先端」と主張
-
8
ゼロから声を作れる音声生成モデル「Gemini 3.8 Flash TTS」公開 「Gemini Notebook」でも利用可能に
-
9
「きもい」「内部資料そのまま」と話題のAI生成掲示物についてセブンイレブンに聞いてみた 「本部提供ではない」
-
10
ソフトPLCがAIの「道具」に、簡単導入のPLCドラレコカメラも
SpecialPR
ITmedia AI＋ SNS
@itm_aiplusをフォロー
インフォメーション
注目情報をチェック
ITmedia AI＋をフォロー
あなたにおすすめの記事PR