Operator của OpenAI: Ví dụ, Trường hợp sử dụng, Đối thủ cạnh tranh & hơn nữa

 Nguồn: OpenAI

Hãy break down từng chuẩn đánh giá trong ba chuẩn này:

• OSWorld (38,1%): Đánh giá khả năng thực hiện tác vụ trong các hệ điều hành đầy đủ như Ubuntu, Windows và macOS. Mặc dù CUA vượt trội so với các mô hình trước đây, tỷ lệ thành công của nó vẫn thấp hơn mức chuẩn của con người là 72,4%.
• WebArena (58,1%): Đánh giá hiệu suất khi điều hướng các trang web mô phỏng, bao gồm thương mại điện tử và mạng xã hội. Dù vượt qua các mô hình trước, nó vẫn còn dư địa cải thiện khi xử lý tương tác phức tạp nhiều bước.
• WebVoyager (87%): Đo lường hiệu quả trên các trang web trực tiếp như Amazon, GitHub và Google Maps. CUA thể hiện tốt ở đây vì các tác vụ có xu hướng đơn giản và có cấu trúc hơn so với WebArena.

Biểu đồ dưới đây minh họa hiệu suất của CUA của OpenAI so với Claude 3.5 Sonnet trên chuẩn OSWorld. Trục hoành biểu thị số bước tối đa được phép để hoàn thành tác vụ, còn trục tung cho thấy tỷ lệ thành công theo phần trăm. CUA cải thiện đều đặn khi cho phép nhiều bước hơn, vượt qua các mô hình tiên tiến trước đó.

Nguồn: OpenAI

Cách truy cập Operator

Hiện Operator có mặt tại Hoa Kỳ như một bản xem trước phục vụ nghiên cứu dành cho người dùng Pro của ChatGPT. Để truy cập, bạn cần một gói Pro đang hoạt động. Bạn có thể truy cập operator.chatgpt.com để bắt đầu sử dụng Operator.

Hiện tại, Operator giới hạn cho người dùng Pro, nhưng OpenAI có kế hoạch mở rộng cho người dùng Plus trong vài tháng tới. Chiến lược triển khai này giúp OpenAI thu thập phản hồi và cải thiện hệ thống trước khi cung cấp rộng rãi.

Trong giai đoạn ra mắt ban đầu, Operator tập trung vào người dùng tại Mỹ, và OpenAI cho biết việc khả dụng tại châu Âu và các khu vực khác sẽ mất nhiều thời gian hơn do thách thức về quy định. Người dùng ở các khu vực này sẽ cần chờ các cập nhật tiếp theo khi OpenAI xử lý những phức tạp này.

Nhìn về phía trước, OpenAI cũng dự định cung cấp công nghệ nền tảng phía sau Operator, gọi là CUA, thông qua API. Điều này sẽ cho phép nhà phát triển tạo các tác nhân do AI vận hành cho ứng dụng tùy biến.

Các trường hợp sử dụng của Operator

Các ví dụ demo cho Operator—như đặt bàn hoặc mua sắm trực tuyến—thì hoạt động được, nhưng theo chúng tôi chưa thật sự thiết thực. Thường sẽ nhanh và dễ hơn nếu làm thủ công thay vì tốn thời gian giám sát quá trình của AI.

Tuy vậy, tiềm năng của Operator trở nên rõ ràng hơn khi bạn nghĩ vượt ra khỏi những trường hợp này, tập trung vào khả năng tiếp cận hoặc hỗ trợ thể chế.

Khả năng tiếp cận

Một trong những lĩnh vực có tác động lớn nơi Operator có thể tỏa sáng là khả năng tiếp cận. Với những người có kỹ năng máy tính hạn chế, như người cao tuổi hoặc người mới tiếp cận công nghệ, Operator có thể đóng vai trò hướng dẫn, giúp họ điều hướng các tác vụ trực tuyến phức tạp mà không cần chuyên môn trước đó.

Hãy tưởng tượng khi điều này được kết hợp với lệnh thoại—người dùng thậm chí không cần gõ lời nhắc, khiến công cụ trở nên trực quan hơn nữa.

Tương tự, với người khuyết tật, như người khiếm thị, Operator có thể giúp họ tương tác với các trang web vốn dĩ khó tiếp cận, đặc biệt khi đi kèm phản hồi âm thanh hoặc hỗ trợ trình đọc màn hình.

Hỗ trợ thể chế

Operator có tiềm năng mạnh mẽ trong môi trường chính phủ và các tổ chức. Nó có thể hỗ trợ người dân điền các biểu mẫu phức tạp cho những việc như xin thị thực, khai thuế hoặc tiếp cận phúc lợi xã hội. Điều này sẽ giảm phụ thuộc vào hỗ trợ trực tiếp và cải thiện quy trình cho cả người dùng lẫn cơ quan.

Trong giáo dục, Operator có thể đơn giản hóa hệ thống nộp hồ sơ trực tuyến, nộp học bổng và các tác vụ nghiên cứu, giúp học sinh hoặc người có trình độ số hạn chế điều hướng các quy trình này hiệu quả hơn.

Doanh nghiệp nhỏ và tác vụ chuyên môn

Tại nơi làm việc, Operator có thể hữu ích cho doanh nghiệp nhỏ bằng cách tự động hóa các tác vụ lặp lại trên web như quản lý tồn kho, xử lý đơn hàng trực tuyến hoặc thu thập phản hồi khách hàng. Với chuyên gia, nó có thể xử lý các quy trình tẻ nhạt như thu thập thông tin từ nhiều nguồn hoặc hoàn tất biểu mẫu, giải phóng thời gian cho công việc mang tính chiến lược hơn.

Y tế và tổ chức phi lợi nhuận

Ngành y và các tổ chức phi lợi nhuận có thể hưởng lợi đáng kể từ Operator. Phòng khám có thể dùng nó để hỗ trợ bệnh nhân hoàn tất biểu mẫu đăng ký trực tuyến hoặc truy cập tài nguyên mà không cần nhiều sự tham gia của nhân viên.

Các tổ chức phi lợi nhuận hoạt động ở khu vực có trình độ số thấp có thể triển khai Operator để giúp nhóm yếu thế điều hướng những hệ thống trực tuyến thiết yếu, đảm bảo rào cản công nghệ không hạn chế khả năng tiếp cận dịch vụ quan trọng.

Cạnh tranh giữa các tác nhân AI

Operator của OpenAI gia nhập không gian tác nhân AI bên cạnh khả năng sử dụng máy tính của Anthropic và Project Mariner của Google.

Khả năng sử dụng máy tính của Anthropic

Khả năng sử dụng máy tính của Anthropic, được vận hành bởi mô hình Claude 3.5 Sonnet của hãng, cho phép AI tương tác với môi trường desktop bằng cách mô phỏng hành động của con người như nhấp, nhập và điều hướng. Hiện tính năng này cần một số kiến thức kỹ thuật để thiết lập và sử dụng hiệu quả qua API, nên hạn chế mức độ tiếp cận với người không chuyên.

Ngược lại, giao diện ngôn ngữ tự nhiên của Operator loại bỏ nhu cầu về kiến thức lập trình, giúp thân thiện hơn với đông đảo người dùng. Tuy nhiên, gần như chắc chắn Anthropic sẽ hướng tới đơn giản hóa công cụ của mình để cạnh tranh trực tiếp hơn với thiết kế dễ tiếp cận của Operator.

Project Mariner của Google

Project Mariner, do DeepMind của Google phát triển, là một tác nhân thử nghiệm được thiết kế để tự động điều hướng và tương tác với các trang web. Dù vẫn đang ở giai đoạn nghiên cứu, Mariner được thử nghiệm với một nhóm người dùng nhỏ, và việc tích hợp trong hệ sinh thái Google cho thấy nó có thể vượt trội trong các quy trình liên quan đến Gmail, Google Docs và các dịch vụ Google khác.

Kết luận

Operator là bước đi đầu tiên của OpenAI vào lĩnh vực cạnh tranh của tác nhân AI, mang đến cách tiếp cận khác biệt với giao diện ngôn ngữ tự nhiên và thiết kế dựa trên trình duyệt mang tính phổ quát. Trong khi các công cụ như khả năng sử dụng máy tính của Anthropic và Project Mariner của Google có thế mạnh riêng, trọng tâm về khả năng tiếp cận giúp Operator hiện tại nổi bật hơn.

Chúng tôi cũng tò mò về tiềm năng những cái tên khác như DeepSeek hay Meta sẽ tham gia cuộc đua. 2025 có thể sẽ xứng đáng với kỳ vọng và trở thành năm của AI tác nhân.