OpenAI versucht, KI-Agenten über die Softwareentwicklung hinaus in die alltäglichen Arbeitsabläufe von Buchhaltern, Investoren, Ärzten, Betriebsteams und anderen computerbasierten Beschäftigten zu bringen. Der neueste Schritt, ChatGPT Work, verbindet ein Modell mit Arbeitsplatz-Tools und fordert es auf, mehrstufige Aufgaben zu erledigen, statt lediglich Fragen zu beantworten.

Die Expansion ist strategisch wichtig, doch erste Hinweise deuten auf ein schwieriges Einführungsproblem hin. TechCrunch berichtet, dass OpenAI-Mitarbeiter sein agentisches Coding-Tool in sehr hohem Maß nutzen, während die Nutzung unter externen Abonnenten begrenzt bleibt. Diese Lücke legt nahe, dass leistungsfähige Agenten nur ein Teil der Herausforderung sind; ob der Markt über technische Early Adopter hinaus wächst, könnte davon abhängen, ob die Systeme für Menschen außerhalb der Technik verständlich, kontrollierbar und vertrauenswürdig sind.

ChatGPT Work bringt Agenten über das Coding hinaus

ChatGPT Work wurde im vergangenen Monat veröffentlicht und ist laut TechCrunch in der 20-Dollar-Monatsstufe von OpenAI verfügbar. Das Produkt wird als breitere Version von Codex beschrieben, dem Coding-Agenten des Unternehmens, der für Nutzer gedacht ist, die möglicherweise nicht mit Quellcode oder Kommandozeilen-Tools arbeiten.

Das Kernversprechen ist der Zugriff auf bestehende digitale Arbeitsumgebungen. OpenAIs Desktop-Anwendung kann sich mit E-Mail, Slack, Notion, Figma und anderen Anwendungen verbinden, sodass ein Agent Informationen sammeln und systemübergreifend handeln kann. Zu den von TechCrunch genannten Beispielen gehören das Erstellen wöchentlicher Metrikberichte, das Umwandeln von Tabellen in Planungstools, das Zusammenstellen von Investment-Recherchen und das Erzeugen von Diagrammen aus Gesprächen am Arbeitsplatz.

Damit fällt ChatGPT Work in dieselbe breite Kategorie wie Produkte wie Claude Code, der Browsing-Agent von Perplexity AI und andere KI-Agenten, die über die bestehende Software eines Nutzers hinweg arbeiten statt in einem einzelnen isolierten Chat. OpenAI setzt darauf, dass ein Allzweck-Agent vielen Berufen dienen kann, wenn das umgebende Produkt die Komplexität von Tools, Berechtigungen und Aufgabenplanung handhabt.

Die Produktverantwortlichen des Unternehmens stellen den Wandel als Übergang von dialogischer Unterstützung zu autonomer Ausführung dar. Das ist eine Position von OpenAI, keine unabhängig verifizierte Einschätzung darüber, wie zuverlässig das System in unterschiedlichen Arbeitsumgebungen tatsächlich funktioniert.

Die Einführungslücke ist der zentrale Test

Der stärkste Hinweis auf das Problem kommt aus Nutzungsdaten, die TechCrunch aus einer von OpenAI unterstützten Studie zitiert. Im Juni sollen 98 % der OpenAI-Mitarbeiter Codex genutzt haben, verglichen mit 17 % der Organisationsabonnenten und weniger als 1 % der Einzelabonnenten.

Diese Zahlen werden vom Anbieter gestützt und sollten nicht als unabhängige Messung des Gesamtmarktes verstanden werden. Sie verdeutlichen jedoch den Abstand zwischen interner Vertrautheit und externer Adoption. OpenAI-Ingenieure arbeiten in Umgebungen, in denen Coding-Agenten natürlich in bestehende Prozesse passen. Die meisten anderen Nutzer müssen zunächst verstehen, was sie delegieren sollen, wie sie Kontext bereitstellen und wie sie das Ergebnis überprüfen.

OpenAI-Ingenieurleiter Andrew Ambrosino sagte TechCrunch, dass das Unternehmen anfangs sah, wie Nicht-Ingenieure mit Codex kämpften, weil das Produkt technische Konzepte wie Code-Änderungen und leere Diffs offenlegte. Das Team hat seitdem daran gearbeitet, die Erfahrung allgemeiner zu gestalten, mit dem Ziel, den für die Nutzung eines Agents erforderlichen Spezialwissensgrad zu verringern.

Das erklärt auch OpenAIs Betonung sichtbarer Steuerungen und Workflow-Schaltflächen. Ein technisch versierter Nutzer könnte die richtige Fähigkeit per Prompt aufrufen, aber Mainstream-Nutzer wissen möglicherweise gar nicht, dass diese Fähigkeit existiert. Ambrosino argumentierte, dass Auffindbarkeit in den frühen Phasen der Einführung wichtig ist, auch wenn einige Steuerungen später verschwinden, sobald Nutzer mit agentischer Software vertrauter werden.

Mehr Zugriff schafft mehr Risiko

Wenn ein Agent Zugriff auf Arbeitsplatzsysteme erhält, verändert sich auch das Sicherheitsproblem. Das Modell erzeugt dann nicht mehr nur Text, den ein Nutzer prüft. Es könnte private Nachrichten lesen, Datensätze abrufen, Dokumente aktualisieren, Kalendertermine erstellen oder über mehrere Anwendungen hinweg handeln.

Ambrosino räumte das Risiko ein, dass ein Agent beim Erstellen eines Dokuments Informationen aus einer privaten Direktnachricht heranziehen und nicht erkennen könnte, dass diese Informationen nicht weitergegeben werden sollten. Er sagte TechCrunch, dass er das Risiko in seiner Arbeit beim Testen des Produkts akzeptiere, merkte jedoch an, dass ihm dieses Ergebnis noch nicht begegnet sei.

Diese Anekdote ist kein Beweis dafür, dass das Problem gelöst ist. Für Unternehmenskunden gehören zu den relevanten Fragen, ob der Zugriff nach Anwendung, Projekt, Datentyp oder Nutzerrolle eingeschränkt werden kann, ob Aktionen eine Freigabe erfordern und ob Administratoren prüfen können, was der Agent angesehen und geändert hat. Das Ausgangsmaterial legt nicht dar, wie ChatGPT Work jede dieser Kontrollen handhabt.

Das Produkt steht zudem vor den Zuverlässigkeitsproblemen der Software, durch die es navigieren muss. Viele Geschäftssysteme wurden nicht für autonome Agenten entworfen, und uneinheitliche Oberflächen, unvollständige Datensätze und unklare Berechtigungen können eine scheinbar einfache Aufgabe erschweren. Ein Agent, der einmal erfolgreich einen schlecht formatierten Kalender ausliest, ist nützlich; ein Unternehmenssystem muss über Tausende unterschiedlicher Fälle hinweg vorhersehbar funktionieren.

Warum die Wette für KI-Bauer und Käufer wichtig ist

Für OpenAI könnte eine breitere Agentenadoption den Wert und die Nutzung seiner Modelle erhöhen, da länger laufende Aufgaben mehr Inferenzressourcen verbrauchen. Noch wichtiger ist, dass das Unternehmen über die Softwareentwicklung hinaus in weitere Berufe vordringen muss, wenn KI-Agenten einen viel größeren Anteil der Wissensarbeit unterstützen sollen.

Schon jetzt formiert sich Wettbewerb um engere Arbeitsabläufe. Harvey konzentriert sich auf juristische Arbeit, während Clay laut TechCrunch auf vertriebsbezogene Prozesse abzielt. Diese Unternehmen verfolgen eine modellagnostische Strategie und können unterschiedliche zugrunde liegende Modelle wählen, wenn sich Leistung oder Kosten ändern. OpenAI hingegen versucht, ein einzelnes Endkundenprodukt über viele Funktionen hinweg nützlich zu machen.

Das schafft einen Zielkonflikt für Entwickler. Ein allgemeiner Agent kann die Notwendigkeit verringern, mehrere spezialisierte Tools zu kaufen und zu integrieren, aber ein vertikales Produkt kann bessere Berechtigungen, Terminologie, Prüfprozesse und domänenspezifische Zuverlässigkeit bieten. Produktteams, die ChatGPT Work bewerten, müssen den Komfort eines breiten Assistenten mit den Kontrollen und der Vorhersehbarkeit eines fokussierten Systems vergleichen.

Die Adoptionszahlen deuten außerdem darauf hin, dass die Nutzererfahrung ebenso wichtig sein könnte wie die Modellfähigkeit. Ingenieure tolerieren Konfiguration, technisches Feedback und gelegentliches Debugging. Nutzer aus Finanzwesen, Kommunikation und Betrieb brauchen eher klare Aufgabengrenzen, sichtbare Quellen, umkehrbare Aktionen und einen einfachen Eskalationsweg, wenn der Agent unsicher ist.

Worauf als Nächstes zu achten ist

Das erste Signal wird die Nutzung von ChatGPT Work im Verhältnis zu OpenAIs breiterer ChatGPT-Nutzerbasis sein. TechCrunch berichtet, dass die gemeinsame App von 20 Millionen Menschen genutzt wird, während OpenAI angibt, dass online mehr als eine Milliarde Nutzer ChatGPT Prompts eingeben. Der Vergleich ist keine eins-zu-eins-Adoptionsmetrik, zeigt aber das Ausmaß der Herausforderung für das Unternehmen.

Unternehmenskunden sollten auf veröffentlichte Informationen zu aktiver Nutzung, Aufgabenerfolgsraten, Fehlerraten, Berechtigungskontrollen, Audit-Logs und der Häufigkeit achten, mit der Nutzer eingreifen müssen. OpenAIs Bereitschaft, solche Details offenzulegen, würde es erleichtern, echte Workflow-Adoption von neugiergetriebenen Tests zu unterscheiden.

Der Markt sollte außerdem beobachten, ob Nutzer allgemeine Agenten oder spezialisierte Produkte wie Harvey und Clay bevorzugen. Ein weiteres wichtiges Signal ist, ob OpenAI Agenten nützlich machen kann, ohne dass Kunden ihre bestehenden Software-Stacks neu organisieren oder einen weitreichenden Zugriff auf sensible Daten akzeptieren müssen.

Creati.ai-Perspektive

Die Nachricht von OpenAI handelt weniger davon, einen weiteren Assistenten hinzuzufügen, als vielmehr davon zu testen, ob Autonomie zu einer normalen Interaktion am Arbeitsplatz werden kann. ChatGPT Work adressiert eine echte Grenze von Chat-Oberflächen: Nutzer brauchen oft Hilfe dabei, Informationen und Handlungen über mehrere Systeme hinweg zu koordinieren, nicht nur eine Antwort zu entwerfen.

Doch die breite Einführung wird von begrenzter Autonomie abhängen, nicht von Autonomie allein. Entwickler und Unternehmen werden wahrscheinlich Produkte belohnen, die erklären, worauf sie zugegriffen haben, an entscheidenden Stellen um Freigabe bitten und sicher scheitern, wenn Anweisungen oder Daten unklar sind. OpenAI hat die Ambition gezeigt, KI-Agenten Nicht-Ingenieuren zugänglich zu machen; die nächste Frage ist, ob das Produktdesign die Erlaubnis zum Handeln verdienen kann.