OpenAI en Ironclad trainen computerbedieningsagent voor bedrijfscontracttaken

Op 6 oktober 2026 hebben OpenAI en het contractbeheersbedrijf Ironclad een gezamenlijk onderzoek aangekondigd dat zich richt op een computerbedieningsagent die in staat is complexe taken uit te voeren binnen een bedrijfssoftware‑omgeving. De twee organisaties hebben gezamenlijk elf uitdagingen gedefinieerd die zich uitstrekken over de domeinen juridisch, commercieel en inkoop, en hebben een evaluatiemechanisme opgezet waarmee kan worden vastgesteld of de agent, voorbij eenvoudige muisklikken, de volledige workflow kan voltooien volgens de vooraf gestelde eisen. Ironclad leverde een oefenomgeving, terwijl OpenAI synthetische taken en versterkend‑leer‑methoden gebruikte om de agent te trainen. Deze samenwerking wordt gepresenteerd als de eerste grootschalige poging om te testen of kunstmatige intelligentie op operationeel niveau nauwkeurig kan handelen in digitale bedrijfsprocessen, en de resultaten zullen als een industriële benchmark worden vrijgegeven om andere AI‑ontwikkelaars te inspireren.

Achtergrond van het onderzoek

Juridische afdelingen en inkoopteams binnen bedrijven worden dagelijks geconfronteerd met handmatige taken zoals het opstellen van contracten, het beheren van goedkeuringsstromen en het aanpassen van clausules per rechtsgebied. Deze processen zijn gevoelig voor menselijke fouten en vertragingen, waardoor de snelheid van bedrijfsvoering wordt belemmerd. Als kunstmatige intelligentie niet alleen muisklikken en invoer kan nabootsen, maar ook de inhoud van documenten kan interpreteren en clausules automatisch kan aanpassen, kan dit leiden tot aanzienlijke tijdsbesparingen en een verbetering van de kwaliteit. OpenAI en Ironclad stelden zich ten doel een computerbedieningsagent te trainen die op operationeel niveau deze uitdagingen kan aanpakken.

Ontwerp van de taken

In dit onderzoek zijn elf taken ontwikkeld die de drie domeinen juridisch, commercieel en inkoop bestrijken. Elke taak bevat tussen de acht en vijftig criteria die niet alleen een eenvoudige klik‑voltooiing meten, maar ook beoordelen of de uiteindelijke workflow voldoet aan vooraf gedefinieerde eisen. Bijvoorbeeld, bij het opstellen van een geheimhoudingscontract (NDA) worden criteria zoals de definitie van vertrouwelijke informatie, ondertekeningsbevoegdheden en bewaartermijnen meegenomen. Bij het inkoop‑goedkeuringsproces worden budgetlimieten, leveranciersbeoordelingen en de voltooiing van alle goedkeuringsstappen geëvalueerd. Voor taken die clausules per rechtsgebied moeten aanpassen, worden wettelijke vereisten van het betreffende rechtsgebied, gelokaliseerde clausule‑formuleringen en compliance‑controles als criteria vastgesteld.

• Opstellen van een geheimhoudingscontract
• Uitvoeren van een inkoop‑goedkeuringsproces
• Aanpassen van clausules per rechtsgebied

Evaluatiemethode en resultaten

De prestaties van de agent werden gemeten aan de hand van representatieve synthetische taken en een evaluatie‑framework gebaseerd op versterkend leren. Volgens mediaberichten behaalde GPT‑6 Astra een gemiddelde succesratio van 55,0 % en werd de geschatte tijd die nodig was om een taak te voltooien gehalveerd, van 37,0 minuten naar 19,2 minuten. GPT‑5.6 Sol behaalde een succesratio van 41,6 % en liet eveneens een aanzienlijke tijdsreductie zien. Een intern ontwikkelde model bereikte een succesratio van 63,7 %, waarmee het de prestaties van de openbare modellen overtrof. Deze cijfers tonen aan dat de agent in staat is om workflows uit te voeren die een combinatie van meerdere klikken en conditionele beslissingen vereisen.

De 63,7 % succesratio van het interne model bleek bijzonder effectief bij het aanpassen van juridische clausules en bij meerlagige inkoop‑goedkeuringsprocessen, waar een hogere efficiëntie werd waargenomen. De 55,0 % van GPT‑6 Astra wordt beschouwd als een topresultaat voor een generiek model en suggereert een haalbare toepassing in praktische bedrijfsomgevingen. Daarentegen liet de 41,6 % van GPT‑5.6 Sol zien dat de moeilijkheidsgraad van de taak en de complexiteit van de voorwaarden een directe invloed hebben op de uitkomst. Deze resultaten onderstrepen dat zowel de architectuur van het model als de beloningsstructuur in het versterkend‑leer‑proces een cruciale rol spelen in het behalen van hogere succespercentages.

Desondanks werd voor 55 % van de elf taken geconcludeerd dat volledige automatisering niet haalbaar is, waardoor de waarde van het onderzoek beperkt blijft tot gecontroleerde omgevingen. Voor een daadwerkelijke bedrijfsimplementatie zijn aanvullende governance‑functies vereist, zoals autorisatiebeheer, audit‑logboeken en verificatie van configuratiefouten. De handelingen van de agent gaan uit van beperkte toegangsrechten en een gedetailleerde wijzigingsgeschiedenis, zodat risico's van onjuiste clausule‑aanpassingen of ongepaste goedkeuringen geminimaliseerd kunnen worden. Daarom is een extra beveiligings‑evaluatie en gebruikersopleiding noodzakelijk voordat de onderzoeksresultaten in een productie‑omgeving kunnen worden overgezet.

De concrete impact van dit onderzoek omvat een verkorting van de tijd die nodig is voor het opstellen van eerste concepten van contracten, kostenbesparingen door automatisering van inkoop‑goedkeuringsstromen, en een vermindering van compliance‑risico's door dynamische generatie van rechtsgebied‑specifieke clausules. Bedrijven kunnen de oefenomgeving van Ironclad benutten om aangepaste taken te creëren die aansluiten bij hun interne workflows en vervolgens de OpenAI‑agent testen. Taken met een hoge succesratio kunnen geleidelijk worden uitgerold naar de productie‑omgeving, onder toezicht van een mens‑in‑de‑lus, waardoor juridische afdelingen zich kunnen richten op meer geavanceerde analytische werkzaamheden en inkoopteams hun goedkeuringscycli kunnen halveren.

Samenvattend markeert het gezamenlijke onderzoek van OpenAI en Ironclad een belangrijke stap richting de praktische inzet van computerbedieningsagents voor bedrijven. Op basis van de onderzoeksresultaten werken beide partijen nu aan de ontwikkeling van implementatierichtlijnen en een beveiligings‑raamwerk, en hebben zij plannen aangekondigd om hun partnerschap uit te breiden. Deze ontwikkelingen zouden bedrijven in staat moeten stellen om de digitale transformatie van contractbeheer en inkoopprocessen te versnellen, waarbij zowel operationele efficiëntie als naleving van regelgeving hand in hand gaan.