Principais destaques
- Nova parceria: OpenAI e Ironclad vão treinar e testar agentes de IA em tarefas complexas de gestão de contratos.
- Astra avançou: nas 11 tarefas avaliadas, o GPT-6 Astra atingiu 55%, contra 41,6% do GPT-5.6 Sol, com tempo estimado por tentativa 48% menor.
- Um novo laboratório: a iniciativa transforma problemas empresariais difíceis em desafios de pesquisa para melhorar a capacidade dos agentes de executar fluxos de trabalho completos.
A OpenAI está levando seus agentes de IA para um terreno em que errar uma pequena regra pode significar refazer um contrato inteiro.
A empresa anunciou nesta terça-feira, 6 de outubro, uma parceria com a Ironclad, especializada em gestão de contratos, para treinar e testar modelos em tarefas jurídicas, comerciais e de compras.
A Ironclad é a primeira empresa a participar de um novo programa da OpenAI que pretende trabalhar com um pequeno grupo de companhias de software. A ideia é transformar tarefas empresariais complexas e de alto valor em problemas concretos de pesquisa para seus modelos.
Não é só escrever um contrato 🤖
O desafio não está necessariamente em produzir um texto jurídico.
Um agente precisa entender regras, navegar por diferentes etapas, acionar aprovações, modificar documentos e manter as condições corretas durante todo o processo.
🔎 O teste foi bem específico: funcionários da Ironclad e da própria OpenAI que utilizam a plataforma ajudaram os pesquisadores a selecionar 11 tarefas consideradas representativas de fluxos de trabalho reais.
Entre elas estavam:
• elaboração de acordos de confidencialidade, os conhecidos NDAs;
• criação de fluxos de aprovação para compras;
• atualização de cláusulas jurídicas reutilizáveis de acordo com a jurisdição escolhida pelo solicitante.
A OpenAI estima que um usuário experiente levaria entre 30 e 40 minutos para concluir cada uma dessas tarefas.
É justamente esse tipo de trabalho que a empresa quer transformar em uma espécie de campo de treinamento para seus agentes.
O Astra conseguiu fazer mais em menos tempo ⚡
Os resultados apresentados pela OpenAI mostram uma diferença considerável entre o GPT-6 Astra e seu antecessor, o GPT-5.6 Sol.
| Modelo | Pontuação média | Tempo estimado por tentativa |
|---|---|---|
| GPT-6 Astra | 55,0% | 19,2 minutos |
| GPT-5.6 Sol | 41,6% | 37,0 minutos |
| Modelo interno | 63,7% | — |
Nas 11 tarefas, o Astra obteve uma pontuação média 32% superior à do Sol.
Ao mesmo tempo, o tempo estimado por tentativa caiu de 37 para 19,2 minutos, uma redução de aproximadamente 48%.
💡 O ponto mais interessante não é apenas o agente acertar mais. É conseguir executar uma tarefa empresarial complexa em praticamente metade do tempo estimado.
Mas existe uma ressalva importante.
A própria OpenAI afirma que os resultados representam apenas essas 11 tarefas. Eles não devem ser interpretados como uma avaliação de todo o conjunto de fluxos de trabalho disponíveis na Ironclad.
Os tempos também são estimativas baseadas em simulações. Não significam que clientes da empresa necessariamente economizarão 17,8 minutos em cada tarefa.
Como a IA foi treinada para isso? 🧠
A Ironclad forneceu versões hospedadas de seu software para que os modelos pudessem praticar.
A OpenAI então criou tarefas sintéticas de treinamento e aplicou aprendizado por reforço para melhorar o desempenho dos modelos.
As tarefas foram baseadas em contratos públicos disponíveis na base EDGAR, da SEC, com informações pessoais removidas.
Segundo a OpenAI, três categorias de dados ficaram de fora:
• dados de clientes da OpenAI;
• contratos internos da OpenAI;
• dados ou contratos não públicos de clientes da Ironclad.
Cada tarefa também recebeu entre 8 e 50 critérios de avaliação. Isso permitiu verificar não apenas se o agente chegou a uma resposta, mas se cumpriu as condições necessárias ao longo do processo.
O problema está nos pequenos detalhes 👀
É aqui que o experimento fica mais interessante.
Em tarefas empresariais, um agente pode executar nove etapas corretamente e ainda assim cometer um erro em uma regra específica que comprometa todo o resultado.
⚠️ Uma única regra esquecida pode ser suficiente: a OpenAI destacou que perder uma condição de negócio durante uma tarefa ainda limita o quanto as empresas podem confiar nos agentes.
Isso ajuda a explicar por que o objetivo não é simplesmente criar uma IA que “sabe contratos”.
Ela precisa compreender o fluxo inteiro.
Do documento ao ciclo de vida
Sunita Verma, CTO da Ironclad, destacou justamente essa diferença.
Segundo ela, agentes úteis para gestão de contratos precisam entender todo o ciclo de vida dos documentos e também a maneira como os diferentes fluxos de trabalho de uma empresa estão conectados.
Isso inclui preservar os controles que as equipes já utilizam.
Na prática, é uma mudança importante de perspectiva.
Em vez de pedir à IA para executar uma ação isolada, a empresa quer que ela seja capaz de navegar por um processo completo, respeitando regras e pontos de controle.
Ironclad e OpenAI já trabalham juntas há anos 🤝
A parceria não começou agora.
A Ironclad utiliza modelos da OpenAI em sua ferramenta AI Assist desde 2023. No início deste ano, a empresa também lançou uma integração que permite consultar dados de contratos da Ironclad diretamente pelo ChatGPT.
Agora, a relação ganha uma dimensão diferente.
A Ironclad deixa de ser apenas uma empresa que utiliza modelos da OpenAI e passa a funcionar também como ambiente para testar o desempenho desses modelos em tarefas empresariais específicas.
E esse parece ser justamente o objetivo maior do novo programa.
Outras empresas podem entrar na fila 🚪
A OpenAI está convidando outras empresas de software a participar da iniciativa.
Mas não basta apresentar uma tarefa genérica e dizer que a IA ainda não é boa o suficiente.
A empresa pede que os participantes tragam:
1️⃣ Uma tarefa concreta: algo que os agentes ainda não conseguem executar de maneira confiável.
2️⃣ Evidências da falha: dados que mostrem onde os agentes estão errando.
3️⃣ Uma métrica de sucesso: uma maneira objetiva de verificar se o modelo realmente melhorou.
Esse formato transforma problemas encontrados em softwares empresariais em problemas de pesquisa.
É uma estratégia particularmente interessante porque coloca os agentes diante de situações muito mais próximas do trabalho cotidiano do que benchmarks tradicionais.
E a supervisão humana?
Por enquanto, ela continua no centro do processo.
A própria publicação da OpenAI ressalta que agentes melhores não eliminam automaticamente a necessidade de supervisão. Em contratos, compras e processos jurídicos, uma falha aparentemente pequena pode ter consequências desproporcionais.
O experimento com a Ironclad mostra, portanto, dois movimentos acontecendo ao mesmo tempo.
De um lado, os modelos estão ficando mais capazes de executar sequências complexas de ações. De outro, as empresas ainda precisam criar mecanismos para verificar se a IA seguiu todas as regras relevantes.
A próxima etapa dessa corrida não parece ser simplesmente ensinar a IA a fazer mais coisas.
É fazê-la não esquecer aquilo que importa enquanto faz todas essas coisas.
E, para uma tecnologia que pretende assumir partes cada vez maiores do trabalho empresarial, essa talvez seja uma diferença bem mais importante do que alguns pontos extras em um benchmark.
