OpenAI 與 Ironclad 共同訓練企業合約業務的電腦操作代理

2026 年 10 月 6 日，OpenAI 與 合約 管理 公司 Ironclad 公布 了 在 企業 軟體 環境 中 執行 複雜 業務 的 電腦 操作 代理 的 共同 研究。雙方 設計 了 跨越 法務、商務、採購 三個 領域 的 11 項 挑戰，提供 了 一套 機制 來 評估 代理 是否 能 超越 使用者 的 點擊 操作，最終 滿足 工作 流程 的 預期 需求。Ironclad 提供 練習 環境，OpenAI 使用 合成 任務 與 強化 學習 方法 訓練 代理。此 項 計畫 被 視為 企業 在 追求 數位 工作 流程 自動化 過程 中，驗證 AI 能否 在 實務 層面 精確 執行 操作 的 首次 大規模 嘗試。研究 成果 將 作為 業界 標準 基準 公開，預期 也 會 影響 其他 公司 的 AI 開發。此 研究 亦 旨在 為 未來 的 AI 代理 開發 設定 基礎 標準。

研究背景

企業 的 法務 部門 與 採購 團隊 每日 面臨 需要 手工 完成 的 合約 文件 製作、批准 流程 管理、不同 法域 條款 調整 等 工作。這些 流程 常常 產生 人為 錯誤 與 手續 延遲，成為 阻礙 業務 速度 的 因素。若 AI 不僅 能 精確 再現 螢幕 上 的 點擊 與 輸入，且 能 自動 解析 文件 內容 與 客製 化 條款，則 可 大幅 縮短 作業 時間 並 提升 品質。OpenAI 與 Ironclad 因此 旨在 解決 這些 問題，目標 是 訓練 能 在 實務 層面 操作 電腦 的 代理。因此，企業 正在 探索 利用 AI 減少 人工作業 的 可能 性。

任務設計

本 研究 為 法務、商務、採購 三個 領域 各自 設計 了 11 項 任務。每 項 任務 設定 了 8 至 50 項 標準，除了 判斷 點擊 是否 完成，還 會 評估 最終 工作 流程 是否 滿足 事先 定義 的 要求。例如，制定 保密 合約 時，會 包含 機密 資訊 定義、簽署 權限、保存 期間 等 標準；在 採購 批准 流程 中，會 評估 預算 上限、供應 商 評估、批准 步驟 完成 情況。針對 不同 法域 的 條款 變更 任務，則 設定 目標 法域 的 法律 要求、本地 化 條款 文句、合規 檢查 等 標準。每 個 任務 的 標準 均 依據 實際 業務 需求 精心 設計，以 確保 評估 的 客觀 性。

• 保密 合約 的 製作
• 採購 批准 流程 的 執行
• 不同 法域 條款 的 變更

評估方法與結果

代理 的 表現 透過 代表 性 合成 任務 與 基於 強化 學習 的 評估 進行 測量。根據 報導，GPT-6 Astra 記錄 了 平均 55.0% 的 成功 率，且 完成 任務 所需 的 預估 時間 從 37.0 分鐘 縮短 至 19.2 分鐘，減半。GPT-5.6 Sol 的 成功 率 為 41.6%，同樣 觀測 到 時間 縮短。內部 開發 中 的 模型 顯示 63.7% 的 成功 率，超過 公開 模型 的 表現。這些 數值 表明 代理 能 執行 結合 多次 點擊 與 條件 判斷 的 複雜 工作 流程。這 表明 代理 在 減少 人力 成本 方面 具備 可觀 的 潛力。

內部 模型 的 63.7% 成功 率 尤其 在 法務 條款 客製化 與 採購 批准 多階段 流程 中 展現 高 效率。GPT-6 Astra 的 55.0% 被 評價 為 通用 模型 中 的 最高 水平，暗示 其 在 實務 環境 中 的 應用 潛力。相對 地，GPT-5.6 Sol 的 41.6% 表明 成果 會 隨 任務 難度 與 條件 複雜 性 而 變化。這些 結果 揭示 模型 架構 與 強化 學習 獎勵 設計 直接 影響 成功 率。結果 亦 顯示，模型 的 設計 與 訓練 方法 對 成功 率 有 直接 影響。

然而，11 項 任務 中 有 55% 被 判定 為 無法 完全 自動化，僅止於 有限 環境 的 研究 價值。實際 企業 部署 時 需要 權限 管理、稽核 日誌、錯誤 設定 驗證 等 治理 功能。代理 所執行 的 操作 必須 以 系統 訪問 權限 限制 與 變更 歷史 記錄 為 前提，以 最小化 條款 錯誤 變更 或 不當 批准 所 帶來 的 風險。因此，若 要 將 研究 成果 直接 移植 至 生產 環境，必須 進行 额外 的 安全 評估 與 使用者 教育。因此，未來 的 部署 必須 結合 嚴格 的 風險 管理 與 合規 程序。

此 研究 所 展示 的 具體 影響 包括 縮短 合約 文件 初稿 製作 時間、透過 採購 批准 流程 自動化 降低 成本、以及 動態 生成 各 法域 條款 以 減少 合規 風險。企業 可 利用 Ironclad 的 練習 環境，建立 與 內部 工作 流程 相符 的 客製 任務，並 測試 OpenAI 的 代理。對 成功 率 較 高 的 任務，可 逐步 移轉 至 生產 環境，並 在 人類 監控 的 迴路 下 開始 運行。如此，法務 部門 能 專注 高階 分析 工作，採購 團隊 則 可 期待 批准 週期 減半。企業 若 能 有效 整合 這 些 技術，將 能 在 市場 競爭 中 獲得 顯著 優勢。

綜合 來看，OpenAI 與 Ironclad 的 共同 研究 展示 了 企業 用 電腦 操作 代理 實用 化 的 重要 步驟。目前，雙方 已 基於 研究 成果 推進 實作 指南 與 安全 框架 的 建置，並 宣布 擴大 合作 夥伴 計畫。此舉 預期 能 促使 企業 加速 AI 主導 的 合約 管理 與 採購 流程 數位 轉型，並 建立 同時 提升 工作 效率 與 合規 的 環境。隨著 合作 的 持續 深化，預計 將 有 更多 行業 應用 案例 出現。