📢 转载信息
原文链接：https://openai.com/index/introducing-openai-frontier
原文作者：OpenAI
2026年2月5日
AI已经让团队能够处理那些过去只停留在讨论层面但从未付诸实践的任务。 事实上，75%的企业员工认为AI帮助他们完成了以前无法完成的任务。我们从各个部门，而不仅仅是技术团队，都听到了这样的反馈。工作方式已经改变，企业开始切实体会到这种巨大变化。
在过去几年里，我们与超过100万家企业合作，亲眼目睹了这一切。一家大型制造商将生产优化工作量从六周减少到一天。一家全球投资公司在整个销售流程中端到端地部署了智能体（agents），为销售人员释放了超过90%的时间与客户交流。在一家大型能源生产商那里，智能体帮助产量提高了多达5%，带来了超过十亿美元的额外收入。
这正在各个行业的AI领导者中发生，迎头赶上的压力日益增大。阻碍他们发展的并非模型智能本身，而是如何在组织内部构建和运行智能体的方式。
今天，我们推出Frontier，一个帮助企业构建、部署和管理可执行真实工作的AI智能体的新平台。Frontier赋予智能体成功工作所需的技能：共享上下文、入职培训、基于反馈的实践学习，以及明确的权限和边界。通过这些，团队才能超越孤立的用例，打造出能够跨业务协作的AI同事。
惠普(opens in a new window)、Intuit(opens in a new window)、甲骨文(opens in a new window)、State Farm(opens in a new window)、Thermo Fisher以及Uber是首批采用Frontier的公司之一，包括BBVA、Cisco和T-Mobile在内的数十家现有客户，已经试行了Frontier的方法，为其最复杂和最有价值的AI工作提供支持。
“与OpenAI合作，有助于我们为数千名State Farm的代理人和员工提供更好的工具来服务我们的客户。通过将OpenAI的Frontier平台和部署专业知识与我们的人才相结合，我们正在加速AI能力，并寻找新的方式来帮助数百万人提前规划、保护最重要之物，并在意料之外的事情发生时更快地恢复。”
AI机遇差距
企业已经被分散在云、数据平台和应用程序中的不连贯系统和治理体系弄得不堪重负。AI使这种碎片化更加明显，在许多情况下也更加尖锐。智能体现在被部署到各个地方，但每个智能体在其可见和可执行的范围上都是孤立的。每一个新的智能体都可能增加复杂性而不是提供帮助，因为它缺乏完成工作所需的足够上下文。
随着智能体能力的增强，模型能力与团队实际部署能力之间的机遇差距在不断扩大。这种差距不仅仅由技术驱动。面对AI的飞速发展，团队仍在努力学习如何将智能体从早期的试点阶段过渡到实际工作中。仅在OpenAI，大约每三天就有新东西发布，而且这个速度还在加快。1 保持同步意味着要在控制和实验之间找到平衡，而这很难做到恰到好处。
企业现在正感受到解决这一问题的压力，因为早期领导者与其他公司之间的差距正在迅速拉大。
OpenAI Frontier
我们了解到，团队需要的不仅仅是解决碎片化问题的更好工具。他们需要端到端的构建、部署和管理智能体的整体方案来将智能体投入生产。
我们从考察企业如何扩展人员规模入手。他们会创建入职流程。他们会教授制度知识和内部语言。他们允许通过经验学习，并通过反馈提高绩效。他们授予对正确系统的访问权限并设定边界。AI同事也需要同样的东西。
为了让AI同事真正发挥作用，有几点至关重要：
- 它们需要了解工作在各个系统中的实际完成情况。
- 它们需要访问计算机和工具来规划、行动和解决现实世界的问题。
- 它们需要了解什么是“好”的结果，以便随着工作的变化，质量能够得到提高。
- 并且它们需要一个团队可以信任的身份、权限和边界。
所有这些都必须在许多系统中协同工作，这些系统通常分散在多个云中。Frontier可以与团队已有的系统协同工作，而无需强迫他们重新设计平台。你可以将现有的数据和AI在你所在的位置（即数据所在的位置）整合起来，也可以集成你已使用的应用程序——通过开放标准。这意味着无需采用新格式，也无需放弃已部署的智能体或应用程序。
这种方法的神奇之处在于，AI同事可以通过任何界面进行访问和使用，而不是被限制在单一的用户界面或应用程序中。无论工作发生在何处，它们都可以与人合作，无论是通过与ChatGPT互动，通过Atlas进行工作流协作，还是在现有的业务应用程序内部。无论智能体是内部开发的、从OpenAI获取的，还是从你已使用的其他供应商那里集成的，情况都是如此。
理解工作
每个高效的员工都了解公司的运作方式、信息所在位置以及什么是好的决策。
Frontier连接了孤立的数据仓库、CRM系统、工单工具和内部应用程序，为AI同事提供相同的共享业务上下文。它们了解信息流向、决策发生位置以及哪些结果重要。它成为了企业的语义层，所有AI同事都可以引用该层以有效操作和沟通。
规划、行动和解决问题
在共享上下文建立后，智能体需要能够真正地完成工作。
组织内所有团队，无论技术背景如何，都可以使用Frontier雇佣AI同事来承担人们已经在计算机上执行的许多任务。Frontier使AI同事能够对数据进行推理并完成复杂任务，例如处理文件、运行代码和使用工具，所有这些都在一个可靠的、开放的智能体执行环境中完成。随着AI同事的运行，它们会建立记忆，将过去的交互转化为有用的上下文，从而随着时间的推移提高性能。
部署后，AI同事可以在本地环境、企业云基础设施和OpenAI托管的运行时环境中运行，而无需强迫团队重新发明工作方式。对于时间敏感的工作，Frontier优先保障对OpenAI模型的低延迟访问，以确保响应快速且一致。
在实际工作中提高质量
要使智能体能够长期有用，它们需要像人一样从经验中学习。
内置的评估和优化性能的方式，可以向人类管理者和AI同事明确哪些有效，哪些无效，从而使良好的行为随着时间的推移得到提升。随着时间的推移，AI同事会学习什么是好的，并在最相关的工作中做得更好。
这就是智能体如何从令人印象深刻的演示转变为可靠的团队成员。
身份、权限和边界
Frontier确保AI同事在明确的边界内运作。每个AI同事都有自己的身份，并带有明确的权限和护栏。这使得它们能够在敏感和受监管的环境中自信地使用。企业安全和治理是内置的，因此团队可以在不失去控制的情况下进行扩展。
结合技术与专有知识
填补机遇差距不仅仅是一个技术问题。
多年来，我们与大型企业在复杂的AI部署方面密切合作，因此我们看到了什么有效，什么无效。现在，我们正帮助团队将这些经验教训应用于他们最棘手的问题。
我们将OpenAI前线部署工程师（FDEs）与您的团队配对，并肩工作，帮助您制定最佳实践，在生产环境中构建和运行智能体。
FDEs还为团队提供了与OpenAI研究部门的直接连接。随着您部署智能体，我们不仅学习如何改进您模型周围的系统。我们还了解到模型本身需要如何演变，才能对您的工作更有用。这种从您的业务问题到部署再到研究，再返回的反馈循环，有助于双方都更快地发展。
业务问题
数百万次硬件测试失败，工程师每年花费数千小时（近一半的工作时间）手动挖掘日志、文档和代码以找出根本原因。
我们解决了什么
我们将根因识别时间从每次失败约4小时减少到几分钟，从而加快了故障排除速度。
工作原理
AI同事汇集模拟日志、内部文档、工作流程和代码，然后进行端到端的调查，以确定最可能的原因以及下一步该做什么。
成果
调试时间从数小时缩短到几分钟，每年节省数千个工程工时，并加快了开发速度。
开放AI生态系统
当平台和应用程序协同工作时，AI在企业中的作用最好。由于Frontier是基于开放标准构建的，软件团队可以插入并构建受益于相同共享上下文的智能体。
这很重要，因为许多智能体应用程序失败的原因很简单：它们缺乏所需的上下文。数据分散在各个系统中，权限复杂，每一次集成都成为一次性的项目。Frontier使应用程序更容易访问所需的业务上下文（具有正确的控制），因此它们可以从第一天起就在真实的工作流程中运行。对于企业来说，这意味着更快的推广，而无需每次都进行漫长的集成周期。
我们还与一小部分Frontier合作伙伴合作——像Abridge(opens in a new window)、Clay(opens in a new window)、Ambience(opens in a new window)、Decagon、Harvey和Sierra这样的AI原生构建者——他们承诺深入利用Frontier。他们将与OpenAI密切合作，了解客户需求，设计解决方案并支持部署。随着时间的推移，我们将扩大该计划，并欢迎更多专注于企业AI的构建者加入。
开始构建
现在的问题不是AI是否会改变工作方式，而是您的组织能多快地将智能体转化为真正的优势。
Frontier目前对有限的客户开放，未来几个月将向更广泛的客户开放。如果您有兴趣与我们合作，请联系您的OpenAI团队。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区