摘要
1) 一句话总结 OpenAI 推出了企业级 AI 代理平台 Frontier，旨在通过提供共享上下文、工具访问、评估优化和企业级安全，帮助企业端到端地构建、部署和管理能够跨系统协同工作的“AI 同事”。
2) 关键要点
- 平台定位：Frontier 是一个端到端的企业级平台，专门用于构建、部署和管理执行实际工作的 AI 代理。
- 核心能力：借鉴培养人类员工的模式，为 AI 代理提供共享业务上下文、工具访问权限、明确的绩效标准以及可信的身份与边界。
- 无缝集成与开放性：基于开放标准构建，无需重构现有平台即可与企业现有的数据、多云环境和应用程序协同工作，并支持通过任何界面（如 ChatGPT、Atlas 或现有业务应用）进行访问。
- 强大的执行与记忆机制：代理能够推理数据、处理文件、运行代码和使用工具，并通过建立记忆将过去的交互转化为上下文，从而持续提升性能。
- 灵活部署与低延迟：支持在本地环境、企业云基础设施或 OpenAI 托管的运行时中部署，并优先提供对 OpenAI 模型的低延迟访问。
- 评估与安全治理：内置评估和优化方法以持续改进代理行为；具备企业级安全与治理功能，为每个代理设定独立身份、权限和护栏。
- 专家与研究支持：为企业配备前沿部署工程师（FDE）提供最佳实践指导，并建立从企业业务问题到 OpenAI 研究团队的直接反馈循环。
- 可用性：Frontier 目前已向部分客户开放，并计划在未来几个月内扩大可用范围。
3) 风险/差距（原文明确指出的）
- 系统碎片化与孤岛风险：企业数据和系统高度分散，若部署的代理缺乏全局视野和共享上下文，不仅无法提供帮助，反而会增加系统的复杂性。
- 能力与部署的“机会差距”：AI 模型能力快速进步（OpenAI 约每三天发布一项新成果），与团队实际部署能力之间的差距不断扩大，企业难以在控制与实验之间找到平衡。
- 竞争落后压力：早期采用 AI 的领导者与其他企业之间的差距正在迅速拉大，企业面临必须立即解决代理部署难题的压力。
- 应用失败风险：许多代理应用程序失败的根本原因在于缺乏必要的业务上下文，数据分散和权限复杂导致每次集成都变成耗时的一次性项目。
正文
AI 正在让团队完成过去只停留在讨论阶段而从未真正执行的任务。事实上，75% 的企业员工表示，AI 帮助他们完成了以前无法胜任的工作。这种变化不仅发生在技术团队，而是遍布各个部门，企业正在深刻感受到工作方式的巨大转变。
在过去几年中，我们见证了超过 100 万家企业的实际应用：
- 一家大型制造商的 AI 代理将生产优化工作从 6 周缩短至 1 天。
- 一家全球投资公司在整个销售流程中端到端地部署了代理，为销售人员腾出了 90% 以上的时间来陪伴客户。
- 一家大型能源生产商借助代理将产量提高了高达 5%，增加了超过 10 亿美元的额外收入。
各行各业的 AI 领导者都在经历这种变革，迎头赶上的压力也与日俱增。然而，拖慢企业步伐的不再是模型的智能水平，而是如何在组织内部构建和运行这些 AI 代理。
今天，我们正式推出 Frontier——一个帮助企业构建、部署和管理能够处理实际工作的 AI 代理的新平台。Frontier 赋予了代理与人类员工在工作中取得成功所需的相同技能：共享上下文、入职培训、带有反馈的实践学习，以及清晰的权限和边界。这将帮助团队超越孤立的用例，打造出能够跨业务协同工作的“AI 同事”。
AI 带来的机会差距
如今，企业已经被分散在各种云、数据平台和应用程序中的孤立系统和治理机制所淹没。AI 让这种碎片化变得更加明显，甚至更加严重。代理正在被部署到各个地方，但每一个代理在视野和能力上都是孤立的。由于缺乏足够的上下文来出色地完成工作，每一个新代理最终可能不仅没有帮上忙，反而增加了复杂性。
随着代理变得越来越强大，模型能力与团队实际部署能力之间的“机会差距”也在不断扩大。这种差距不仅仅是由技术造成的。团队仍在努力积累知识，以期让代理尽快从早期试点走向实际工作，跟上 AI 进步的步伐。仅在 OpenAI，大约每三天就会发布一项新成果，而且这个速度还在加快。想要跟上这种节奏，就必须在控制与实验之间找到平衡，而这绝非易事。
企业正面临着必须立刻解决这个问题的压力，因为早期领导者与其他企业之间的差距正在迅速拉大。
OpenAI Frontier 的核心优势
我们认识到，团队需要的不仅仅是解决局部问题的更好工具，他们需要的是一种端到端的方法来构建、部署和管理代理，从而将代理真正投入生产。
我们借鉴了企业培养人类员工的方式：建立入职流程、传授机构知识和内部语言、允许通过经验学习并根据反馈提高绩效、授予正确系统的访问权限并设定边界。AI 同事同样需要这些。
为了让 AI 同事真正发挥作用，以下几点至关重要：
- 理解工作流程： 它们需要了解跨系统的工作实际是如何完成的。
- 工具访问权限： 它们需要访问计算机和工具，以进行规划、执行并解决现实世界的问题。
- 明确优秀标准： 它们需要知道“什么是好的结果”，以便随着工作的变化不断提升质量。
- 可信的身份与边界： 它们需要团队可以信任的身份、权限和边界。
所有这些都必须在多个系统中运行，且通常跨越多个云环境。Frontier 能够与团队现有的系统协同工作，而无需强制他们重构平台。您可以使用开放标准，将现有的数据和 AI 在其原有位置结合起来，并集成您已经使用的应用程序。这意味着不需要采用新格式，也不需要放弃已经部署的代理或应用。
这种方法的超级优势在于，AI 同事可以通过任何界面进行访问和使用，而不会被困在单一的 UI 或应用程序中。无论是在 ChatGPT 中交互、通过 Atlas 处理工作流，还是在现有的业务应用程序内部，它们都能在工作发生的任何地方与人类合作。无论这些代理是内部开发的、从 OpenAI 获取的，还是从您已使用的其他供应商处集成的，这一点都适用。
打造可靠的 AI 同事
每一个高效的员工都了解业务是如何运作的、信息存放在哪里，以及什么是好的决策。Frontier 通过以下几个关键维度赋予 AI 同事同样的能力：
- 共享业务上下文： Frontier 连接了孤立的数据仓库、CRM 系统、工单工具和内部应用程序，为 AI 同事提供共享的业务上下文。它们了解信息的流动方式、决策的发生地点以及哪些结果至关重要。这成为了企业的一个语义层，所有 AI 同事都可以参考它来有效地操作和沟通。
- 强大的代理执行能力： 具备了共享上下文后，代理需要能够实际执行工作。组织内外的技术和非技术团队都可以使用 Frontier 雇佣 AI 同事，让它们接手人们在计算机上已经完成的许多任务。Frontier 赋予 AI 同事对数据进行推理和完成复杂任务（如处理文件、运行代码和使用工具）的能力，所有这些都在一个可靠、开放的代理执行环境中进行。在运行过程中，AI 同事会建立记忆，将过去的交互转化为有用的上下文，从而随着时间的推移提高性能。
- 灵活的部署与低延迟： 部署后，AI 同事可以在本地环境、企业云基础设施和 OpenAI 托管的运行时中运行，而无需迫使团队重新发明工作方式。对于时间敏感的工作，Frontier 优先提供对 OpenAI 模型的低延迟访问，以保持响应的快速和一致。
- 评估与优化： 为了让代理长期发挥作用，它们需要像人一样从经验中学习。内置的评估和优化性能的方法让管理人员和 AI 同事清楚地知道哪些方法有效、哪些无效，从而使良好的行为随着时间的推移得到改善。AI 同事会逐渐了解什么是好的结果，并在最重要的工作上变得更加出色。
- 企业级安全与治理： Frontier 确保 AI 同事在明确的边界内运行。每个 AI 同事都有自己的身份，以及明确的权限和护栏。这使得在敏感和受监管的环境中自信地使用它们成为可能。企业安全和治理是内置的，因此团队可以在不失去控制的情况下进行扩展。
将技术与专业知识相结合
缩小机会差距不仅仅是一个技术问题。多年来，我们一直与大型企业在复杂的 AI 部署上密切合作，因此我们清楚哪些方法行之有效，哪些则不然。现在，我们正在帮助团队将这些经验教训应用于他们最棘手的问题。
我们将 OpenAI 的前沿部署工程师（Forward Deployed Engineers, FDEs）与您的团队配对，并肩工作，帮助您制定在生产环境中构建和运行代理的最佳实践。
FDE 还为团队提供了与 OpenAI 研究团队的直接联系。在您部署代理时，我们不仅了解如何围绕模型改进您的系统，还了解模型本身需要如何演进才能对您的工作更有用。这种从您的业务问题到部署、再到研究并返回的反馈循环，有助于双方加快发展步伐。
开放 AI 生态系统
当平台和应用程序协同工作时，AI 在企业中的效果最佳。由于 Frontier 建立在开放标准之上，软件团队可以接入并构建受益于相同共享上下文的代理。
这一点非常重要，因为许多代理应用程序失败的原因很简单：它们没有所需的上下文。数据分散在各个系统中，权限复杂，每次集成都变成了一个一次性项目。Frontier 使应用程序更容易访问它们所需的业务上下文（并带有适当的控制），因此它们从第一天起就可以在实际工作流中运行。对于企业而言，这意味着更快的部署速度，而无需每次都经历漫长的集成周期。
让我们开始构建
现在的问题不再是 AI 是否会改变工作方式，而是您的组织能以多快的速度将代理转化为真正的优势。
Frontier 今天已向部分客户开放，并将在未来几个月内扩大可用范围。如果您想探索与我们的合作，请联系您的 OpenAI 团队。