ChatGPT dostał dostęp do stron z hasłem. OpenAI zrobiło kolejny krok

ChatGPT przestaje być narzędziem, które tylko podpowiada, gdzie kliknąć. Nowa funkcja dla użytkowników ChatGPT Work pozwala agentom AI korzystać z witryn wymagających logowania i samodzielnie wykonywać wieloetapowe zadania. Użytkownik nadal zachowuje kontrolę nad hasłami oraz czynnościami wymagającymi ostatecznej zgody.

To jedna z tych aktualizacji, które pokazują, jak szybko zmienia się sposób korzystania z asystentów AI. Do tej pory agent mógł znaleźć stronę, przeanalizować jej zawartość czy przygotować instrukcję, ale przy ekranie logowania często musiał przekazać sterowanie człowiekowi. Teraz ten etap również może zostać obsłużony w ramach jednej sesji.

ChatGPT dostaje dostęp do stron wymagających logowania

OpenAI rozszerzyło możliwości ChatGPT Work o obsługę uwierzytelniania w witrynach internetowych. Agent może rozpoznać ekran logowania i poprosić użytkownika o samodzielne wpisanie danych.

Kluczowe jest tutaj rozdzielenie procesu logowania od działania modelu. Nazwa użytkownika, hasło czy kod bezpieczeństwa nie są przekazywane ChatGPT. OpenAI deklaruje również, że dane uwierzytelniające nie są przechowywane przez usługę ani wykorzystywane do trenowania modeli.

Użytkownik może też skorzystać z menedżera haseł. Po zakończeniu logowania agent odzyskuje możliwość poruszania się po stronie i może kontynuować wcześniej zlecone zadanie.

Sesja uwierzytelniona pozostaje aktywna, więc przy kolejnych działaniach nie zawsze trzeba będzie przechodzić przez cały proces od początku. W ustawieniach można usunąć dane przeglądarki dla konkretnej witryny albo wyczyścić je dla wszystkich stron.

To rozwiązanie otwiera przed agentami AI znacznie więcej możliwości niż zwykłe wyszukiwanie informacji.

Agent AI może załatwić sprawę zamiast tylko ją opisać

Wyobraźmy sobie przeprowadzkę. Zamiast pytać ChatGPT, gdzie można podpisać umowę na internet, użytkownik może zlecić agentowi znalezienie odpowiedniej oferty i przejście przez proces na stronie operatora.

Podobnie może wyglądać umawianie wizyty, wyszukiwanie nieruchomości, sprawdzanie informacji na portalu ubezpieczeniowym czy przygotowywanie dokumentów związanych z rejestracją samochodu.

OpenAI wymienia również bardziej biznesowe zastosowania. Agent może wyszukiwać kandydatów do pracy i przygotowywać materiały, pobierać faktury z poczty elektronicznej oraz przekazywać je do systemu księgowego. Może także obsługiwać część procesów związanych ze zwrotami kosztów.

W praktyce różnica jest istotna. Klasyczny chatbot odpowiada na pytanie: „Gdzie mam to zrobić?”. Agent może wykonać kolejne kroki po uzyskaniu dostępu do odpowiedniej witryny.

Płatności nadal wymagają zgody człowieka

OpenAI nie daje jednak agentowi całkowicie wolnej ręki. Nawet po pomyślnym zalogowaniu ChatGPT ma poprosić użytkownika o potwierdzenie przed wykonaniem czynności o istotnych konsekwencjach.

Dotyczy to między innymi rezerwacji i płatności. Agent może więc przejść przez formularz, znaleźć odpowiednią opcję i przygotować transakcję, ale finalny krok powinien pozostać po stronie użytkownika.

To ważne zabezpieczenie w sytuacji, gdy agent działa na stronach zawierających dane osobowe, finansowe lub informacje dotyczące usług. Samo zalogowanie nie jest bowiem równoznaczne z możliwością podejmowania dowolnych decyzji w imieniu użytkownika.

ChatGPT zaczyna reagować na wydarzenia

Równolegle OpenAI rozszerza funkcję Zaplanowanych Zadań. ChatGPT Work nie musi już ograniczać się do wykonywania poleceń o określonej godzinie.

Agent może reagować na konkretne zdarzenia. Wśród obsługiwanych wyzwalaczy znalazły się nowe wiadomości Gmail, aktywność w kanałach Slack oraz zdarzenia związane z pull requestami na GitHubie.

To kolejny element układanki agentów AI. Zamiast uruchamiać ChatGPT i przypominać mu, żeby wykonał określoną czynność, użytkownik może zbudować automatyzację reagującą na to, co dzieje się w używanych przez niego usługach.

Zaplanowane zadania można również udostępniać innym osobom. Otrzymany agent może zostać dostosowany do własnych potrzeb i połączony z kontami konkretnego użytkownika.

Funkcja trafia także do darmowego ChatGPT

OpenAI rozszerza przy okazji dostępność Zaplanowanych Zadań. Funkcja jest teraz dostępna również dla użytkowników darmowej wersji ChatGPT.

Konta Free mają jednak ograniczenia. Użytkownik może mieć maksymalnie trzy aktywne zadania, nie otrzymuje dostępu do nowych wyzwalaczy opartych na webhookach, a zadania cykliczne mogą być uruchamiane najwyżej raz dziennie.

Sama funkcja logowania do stron i wykonywania zadań po uwierzytelnieniu jest wdrażana w wersji internetowej i mobilnej dla użytkowników ChatGPT Plus, Pro oraz Business.

To już nie jest tylko chatbot

Najważniejsza zmiana nie polega więc na samym logowaniu. ChatGPT coraz wyraźniej przechodzi od odpowiadania na pytania do wykonywania całych procesów.

Agent może rozpocząć od wyszukania informacji, przejść do odpowiedniej strony, poprosić użytkownika o uwierzytelnienie, wykonać serię operacji, a następnie zatrzymać się przed działaniem wymagającym potwierdzenia.

Takie podejście może szczególnie dobrze sprawdzić się przy czynnościach, które są proste, lecz czasochłonne. Wypełnianie formularzy, pobieranie dokumentów, wyszukiwanie ofert czy przekazywanie danych między serwisami nie wymaga zwykle zaawansowanej wiedzy. Wymaga za to wielu kliknięć i pilnowania kolejnych etapów.

OpenAI próbuje właśnie ten fragment pracy przejąć na siebie.

Jednocześnie wraz z większymi możliwościami rośnie znaczenie zabezpieczeń. Agent, który potrafi korzystać z kont użytkownika, ma znacznie większą moc niż chatbot ograniczony do generowania tekstu. Dlatego sposób zarządzania sesjami, uprawnieniami i potwierdzeniami będzie równie ważny jak sama funkcjonalność.

Jeżeli wdrażanie nowej funkcji przebiegnie zgodnie z planem, dla użytkownika coraz częściej wystarczy jedno zdanie: powiedzieć ChatGPT, co ma zostać załatwione, zamiast opisywać mu krok po kroku, jak zrobić to samodzielnie.