У межах серії технічних сесій Build Hour команда OpenAI представила новий клас інструментів — workspace agents у ChatGPT. Це окремий шар агентів, орієнтований не на індивідуальну продуктивність, а на командну роботу й довгі, багатокрокові процеси в бізнес‑середовищі. Наразі вони доступні в режимі research preview для тарифів ChatGPT Business, Enterprise, EDU та ChatGPT for Teachers, але вже зараз помітно, що OpenAI намагається вибудувати цілісну екосистему агентів із чітким розподілом ролей між Codex, workspace agents і Agents SDK.
Що таке workspace agents і чим вони відрізняються від звичайного ChatGPT
Workspace agents — це агенти в ChatGPT, які працюють на базі Codex і спроєктовані для складної, довготривалої роботи, що охоплює кілька систем одночасно. На відміну від класичної взаємодії з ChatGPT, де користувач ставить запит і отримує відповідь у межах однієї сесії, workspace agent поводиться радше як автономний сервіс: має доступ до файлів, коду, зовнішніх інструментів, може запускатися за розкладом у хмарі й продовжувати роботу, навіть коли комп’ютер користувача вимкнений.
Ключова ідея полягає в тому, що агент не обмежений одним діалогом і не «прив’язаний» до активної присутності людини. Він збирає контекст із різних джерел, виконує послідовність дій, зберігає проміжні результати й може повертатися до задачі багаторазово. Це наближає його до ролі цифрового колеги, який виконує частину командних процесів, а не просто відповідає на запитання.
Ще одна важлива риса — командна спрямованість. Workspace agents можна спільно використовувати в ChatGPT і в Slack, що робить їх спільним ресурсом для відділу продажів, маркетингу, фінансів чи IT. Агент не належить одній людині; він інкапсулює певний процес або «playbook» команди й масштабує його на всіх, хто працює з цим процесом.
Доступ до workspace agents наразі обмежений корпоративними та освітніми тарифами: ChatGPT Business, Enterprise, EDU та ChatGPT for Teachers. Це логічно вписується в позиціонування продукту як інструмента для організацій, а не для індивідуальних користувачів.
Місце workspace agents в екосистемі OpenAI: Codex, Agents SDK і командний рівень
Щоб зрозуміти роль workspace agents, варто подивитися на загальну архітектуру агентних продуктів OpenAI. Компанія фактично розводить три рівні:
Перший рівень — Codex як персональний агент. Це інструмент для індивідуальних користувачів, які хочуть мати «особистого помічника» для роботи: написання коду, аналізу документів, створення контенту. Codex орієнтований на сценарії «одна людина — один агент», де головна цінність — швидка допомога в межах особистого робочого простору.
Другий рівень — workspace agents. Це командні агенти, які працюють у хмарі, інтегруються з корпоративними інструментами й реалізують спільні процеси. Вони створюються й налаштовуються в ChatGPT, але живуть як окремі сутності, до яких можуть звертатися різні люди й навіть різні команди. Саме тут з’являються можливості розкладів, довгих запусків, спільного доступу в Slack і роботи з корпоративними файлами та політиками.
Третій рівень — Agents SDK. Це пропозиція для команд, які хочуть вбудовувати кастомні агенти безпосередньо у власні продукти й клієнтські досвіди. Якщо workspace agents — це, умовно, «агенти для внутрішніх команд у ChatGPT», то Agents SDK — це «агенти всередині ваших застосунків», де розробники повністю контролюють інтеграцію, інтерфейс і логіку.
У такій схемі workspace agents займають проміжну, але критично важливу нішу. Вони дають організаціям можливість автоматизувати складні робочі процеси без необхідності будувати повноцінну інтеграцію через SDK, але водночас виходять далеко за межі індивідуальних сценаріїв використання Codex. Це своєрідний «командний рівень» екосистеми агентів OpenAI.
Хмарні, довготривалі й автономні: як працюють workspace agents
Одна з принципових відмінностей workspace agents від класичного ChatGPT — модель виконання. Агент може запускатися в хмарі за розкладом, працювати у фоновому режимі й завершувати завдання без участі користувача в реальному часі. Наприклад, агент для підготовки до зустрічей може щоранку перевіряти календар, збирати інформацію про клієнтів і надсилати готові брифінги електронною поштою, навіть якщо власник ноутбука ще спить або перебуває офлайн.
Це змінює саму логіку взаємодії з AI. Замість того, щоб кожного разу формулювати запит, користувач один раз описує робочий процес, налаштовує інструменти й розклад, а далі агент працює як сервіс. У демонстрації meeting prep agent, наприклад, щоранку надсилає лист із переліком зустрічей, посиланнями на брифінги й структурованою інформацією, зібраною з Google Calendar, вебу та Google Drive.
Хмарна модель виконання також означає, що агент не залежить від конкретного пристрою. Він не «живе» у браузерній вкладці, яку можна випадково закрити, і не зупиняється, коли користувач вимикає комп’ютер. Це важливо для довгих процесів, які можуть включати кілька етапів: збір даних, аналіз, створення документів, надсилання листів, оновлення записів у різних системах.
Ще один аспект — спільний доступ. Workspace agents можна використовувати як у ChatGPT, так і в Slack. Це дозволяє командам взаємодіяти з агентом у тих інструментах, де вони вже проводять більшість робочого часу. Наприклад, агент для обробки запитів у сфері IT або безпеки може приймати звернення в Slack‑каналі, застосовувати внутрішні політики й пропонувати наступні кроки, а також зберігати результати в корпоративних системах.
Таким чином, workspace agents поєднують три риси, які рідко зустрічаються разом у звичайних чат‑ботів: хмарне виконання, довготривалі запуски й командний доступ. У сукупності це перетворює їх на інфраструктурний елемент для автоматизації знаннєвих процесів у компаніях.
Пам’ять, файлові системи й навички: як агенти накопичують досвід
Щоб агент міг не просто виконувати одноразові завдання, а й покращуватися з часом, йому потрібна пам’ять. У workspace agents це реалізовано через постійну файлову систему, де агент може зберігати файли, нотатки й проміжні артефакти для повторного використання в майбутніх запусках.
Ця пам’ять має чітке зонування. Для кожного користувача в ChatGPT створюється окрема файловa система агента, так само як для кожного Slack‑каналу, де агент працює. Це означає, що контекст, накопичений агентом у конкретному середовищі, не змішується з іншими середовищами. Наприклад, матеріали, які агент зберігає під час роботи з командою продажів у певному Slack‑каналі, не будуть автоматично доступні в іншому каналі або іншому користувачеві в ChatGPT.
Такий підхід вирішує одразу кілька задач. По‑перше, він дозволяє агенту накопичувати релевантний контекст для конкретної команди чи користувача, не «засмічуючи» його сторонніми даними. По‑друге, він створює природні кордони для безпеки й конфіденційності: дані не «витікають» між різними контекстами використання.
Окремий шар — це skills, або навички, які агент використовує як частину свого «playbook». Навички можна імпортувати з інших інструментів і платформ, де вже формалізовані найкращі практики й процеси, або створювати безпосередньо в ChatGPT. У демонстрації meeting prep agent, наприклад, навичка включає використання шаблону Google Docs для форматування брифів із чітко визначеними секціями: executive readout, customer snapshot, meeting objectives та іншими елементами структури.
Фактично skills дозволяють перетворити неформалізовані знання команди на повторюваний, масштабований процес. Якщо раніше досвідчений менеджер із продажів витрачав години на те, щоб вручну готувати ідеальні брифінги, тепер ці стандарти можна закодувати в навичку агента й поширити на всю команду. Те саме стосується фінансових процедур, юридичних перевірок чи внутрішніх політик.
У поєднанні з постійною файловою системою це створює основу для «навчання на досвіді»: агент не просто виконує інструкції, а й зберігає результати, до яких можна повертатися, аналізувати їх і вдосконалювати навички.
Інтеграції та контроль доступу: як агенти працюють із календарем, поштою й документами
Щоб workspace agents могли виконувати реальну роботу, їм потрібен доступ до інструментів, якими користуються команди щодня. У демонстраціях особливий акцент зроблено на інтеграції з Google Calendar, Google Drive і Gmail. Агент може читати події календаря, шукати документи в Drive, створювати нові файли за шаблонами й надсилати електронні листи з результатами своєї роботи.
Водночас OpenAI намагається дати адміністраторам і користувачам тонкий контроль над тим, що саме агент може робити в кожному застосунку. Для кожної інтеграції можна окремо налаштувати права читання й запису. Наприклад, у випадку Google Calendar агенту можна дозволити лише читати події, повністю заблокувавши можливість створювати, змінювати або видаляти зустрічі. Це знижує ризики небажаних змін у критичних системах.
Така ж логіка застосовується до Gmail: агент може отримати право надсилати листи від імені користувача, але при цьому не мати доступу до видалення або масового редагування пошти. У демонстрації meeting prep agent саме так і налаштовано: агент формує брифінги й надсилає підсумковий лист із посиланнями, але не виходить за межі цього сценарію.
Цей рівень деталізації важливий для довіри. Якщо агент має доступ до календаря, пошти й документів, організації хочуть бути впевненими, що він діє в чітко окреслених межах. Workspace agents пропонують саме таку модель: кожна інтеграція налаштовується окремо, а набір дозволених дій відповідає конкретному робочому процесу, який агент реалізує.
Як створюється workspace agent: від опису процесу до робочого сервісу
Попри складність можливих сценаріїв, стартова точка для створення workspace agent доволі проста. У ChatGPT у боковій панелі з’явився пункт Agents. Натиснувши на нього, користувач потрапляє в середовище, де можна або обрати один із шаблонів, або почати з нуля.
У випадку створення з нуля процес виглядає як діалог. Користувач у природній мові описує робочий процес, який уже існує в команді. Наприклад: «Допомагай із підготовкою до зустрічей із клієнтами: перевіряй мій Google Calendar, шукай інформацію про компанію в Google Drive і в інтернеті, використовуй ось цей шаблон Google Docs для брифів і надсилай мені щоранку лист із підсумком і посиланнями на документи».
На основі такого опису ChatGPT формує план агента: які кроки потрібно виконати, які інструменти підключити, які навички створити чи імпортувати. Користувач може переглянути цей план, внести правки й лише потім дозволити системі перейти до етапу побудови. Далі ChatGPT автоматично налаштовує інтеграції, створює інструкції для агента, додає навички й готує його до тестового запуску.
Важливий елемент цього процесу — режим попереднього запуску (preview run). Перед тим як віддати агента в продакшн або запланувати регулярні запуски, можна прогнати тестовий сценарій і подивитися, які саме кроки виконує агент: які файли він відкриває, які інструменти викликає, які проміжні результати отримує. Це дає змогу виявити помилки в логіці, неточності в інструкціях або надмірні права доступу ще до того, як агент почне працювати з реальними даними команди.
Крім того, workspace agents ведуть історію запусків і надають детальний trace view — покроковий перегляд виконання. Для організацій, які хочуть підключити зовнішній моніторинг або аналіз, історію запусків і трейси можна експортувати через OpenAI API. Це відкриває шлях до побудови власних панелей спостереження, аудиту або навіть до інтеграції з існуючими системами моніторингу.
Усе це робить процес створення агента схожим на роботу з конструктором: користувач описує процес, ChatGPT пропонує план, система автоматично збирає агента, а потім дає інструменти для тестування, налагодження й подальшого спільного використання.
Внутрішні кейси OpenAI: як агенти працюють у маркетингу, фінансах і бухгалтерії
Щоб показати, що workspace agents — це не лише демонстраційна технологія, OpenAI наводить кілька внутрішніх прикладів використання.
Маркетингова команда використовує агента, який перетворює product brief безпосередньо на вебсайт. Агент витягує вимоги з Google Docs і коду, комбінує їх і формує готовий результат. Це типовий приклад багатосистемного процесу: текстові документи, репозиторії коду, шаблони сторінок — усе це зводиться в один автоматизований pipeline.
Бухгалтерська команда має агента, який допомагає готуватися до закриття місяця швидше й послідовніше. Деталі реалізації не розкриваються, але логіка очевидна: повторюваний, регламентований процес, де важлива і швидкість, і відповідність стандартам, добре піддається формалізації у вигляді skills і автоматизації через агента.
Фінансова команда використовує агента для перевірки ризиків постачальників. Він досліджує вендорів, оцінює сигнали на кшталт санкційної експозиції, фінансового стану й репутаційних ризиків, а потім формує структурований звіт. Це вже приклад більш аналітичної задачі, де агент не просто виконує механічні дії, а й агрегує інформацію з різних джерел і подає її в уніфікованому форматі.
Ці кейси показують, що workspace agents не обмежуються лише «легкими» сценаріями на кшталт підготовки до зустрічей. Вони можуть працювати в регульованих сферах, де важливі послідовність, відтворюваність і відповідність політикам, а також у складних аналітичних задачах, де потрібен збір і структурований аналіз великого масиву інформації.
Висновок: від чат‑бота до командного агента
Workspace agents у ChatGPT — це спроба OpenAI піднятися на наступний рівень у розвитку агентних систем: від індивідуальних помічників до командних сервісів, які вбудовані в реальні робочі процеси. Вони працюють у хмарі, запускаються за розкладом, мають доступ до файлів, коду й інструментів, підтримують пам’ять через постійні файлові системи й можуть спільно використовуватися в ChatGPT і Slack.
У загальній екосистемі OpenAI вони займають чітко окреслену нішу: Codex — для індивідуальних користувачів, Agents SDK — для розробників, які вбудовують агентів у продукти, а workspace agents — для команд, що хочуть автоматизувати свої процеси всередині ChatGPT без написання коду. Внутрішні кейси OpenAI в маркетингу, бухгалтерії та фінансах показують, що цей підхід уже працює в реальних організаційних контекстах.
Попереду ще багато питань — від масштабування до безпеки й управління змінами в агентних процесах, — але вже зараз видно, що workspace agents формують новий рівень абстракції: не просто «чат із моделлю», а «цифровий колега», який виконує частину командної роботи, живе в хмарі й інтегрується з повсякденними інструментами.