OpenAI Agents SDK покращує управління через виконання у пісочниці

OpenAI відкриває можливості для автоматизації корпоративних процесів

OpenAI анонсує впровадження sandbox execution, що дозволяє командам корпоративного управління реалізовувати автоматизовані робочі процеси з контрольованими ризиками. Команди, що переносять системи з прототипів у виробництво, зазнавали складностей з архітектурними компромісами щодо місця виконання їхніх операцій. Хоча модель-агностичні фреймворки забезпечували початкову гнучкість, вони не могли повністю використовувати можливості новітніх моделей. SDK провайдерів моделей залишалися ближчими до моделі, але нерідко не мали достатньої видимості в контрольній надбудові.

Ситуація ускладнювалася тим, що API керованих агентів спрощували процес розгортання, але сильно обмежували місця виконання систем та способи доступу до чутливих корпоративних даних. Для вирішення цього питання OpenAI інтегрує нові можливості в Agents SDK, дозволяючи розробникам використовувати стандартизовану інфраструктуру з моделлю-рідним каркасом та нативним виконанням в sandbox.

Оновлена інфраструктура узгоджує виконання з природним режимом роботи моделей, покращуючи надійність під час задач, що вимагають координації між різними системами. Приклад ефективності цього процесу надає компанія Oscar Health в обробці неструктурованих даних.

Healthcare провайдер випробував нову інфраструктуру для автоматизації робочого процесу з клінічними записами, з якими старі підходи не могли справлятися достатньо надійно. Інженерна команда вимагала, щоб автоматична система правильно витягала метадані та правильно визначала межі взаємодій пацієнтів у комплексних медичних файлах. Автоматизація цього процесу дозволила провайдеру швидше аналізувати історії пацієнтів, покращуючи координацію догляду та загальний досвід членів.

Rachael Burns, директор з технічних рішень у Oscar Health, зазначила: “Оновлений Agents SDK зробив можливим для нас автоматизувати критичний робочий процес з клінічними записами, з яким попередні підходи не могли впоратися достатньо надійно. Для нас різниця полягала не лише в тому, щоб витягти правильні метадані, але й в правильному розумінні меж кожної взаємодії в довгих, складних записах. Як результат, ми можемо швидше розуміти, що відбувається з кожним пацієнтом у даній візиті, допомагаючи членам з їхніми потребами в догляді та покращуючи їхній досвід взаємодії з нами.”