OpenAI har lanserat Operator i USA – en AI-agent som kan navigera och interagera med webben självständigt. Det är steg mot mer autonoma AI-lösningar, där tekniken inte bara genererar text utan faktiskt kan utföra praktiska uppgifter online.

Men vad innebär det för företag? Och hur kan denna typ av AI förändra sättet vi arbetar på? för vår marknadsföring och hur vi designar kundupplevelser framöver? 

Vad är Operator?

Operator är en av OpenAIs första AI-agenter, en digital assistent som kan utföra uppgifter åt dig genom att tolka och agera på instruktioner. Den använder en egen webbläsare för att:

• Läsa och navigera på webbsidor
• Fylla i formulär och beställa produkter
• Klicka, skriva och scrolla på webbsidor samma sätt som en människa

Det gör att vardagliga uppgifter kan automatiseras för användarna, och därmed våra kunder, på ett helt nytt sätt utan att behöva bygga anpassade GPTer med API-integrationer med tex Zapier. 

Hur fungerar Operator?

Operator drivs av en ny AI-modell kallad Computer-Using Agent (CUA), som kombinerar:

• GPT-4o:s visuella färdigheter med avancerad resonemangsförmåga via förstärkt inlärning (reinforcement learning).
• CUA är tränad att interagera med grafiska användargränssnitt som knappar, menyer och textfält som människor ser på skärmen.
• Operator kan ”se” (genom skärmdumpar) och ”interagera” (genom att använda alla åtgärder som en mus och ett tangentbord möjliggör) med en webbläsare. Det innebär att den kan utföra uppgifter utan att det krävs anpassade API-integrationer.
• Om Operator stöter på problem eller gör misstag kan den använda sin resonemangsförmåga för att korrigera sin process.
• När den fastnar och behöver hjälp överlämnar den kontrollen tillbaka till användaren med målet att samarbeta med användaren.

Även om CUA fortfarande är i ett tidigt utvecklingsskede och har begränsningar, har den satt nya rekord i WebArena och WebVoyager, två viktiga benchmark-test för webbläsarbaserade AI-system.

Vad kan Operator göra?

Du beskriver uppgiften du vill ha utförd och Operator genomför den. Användare kan ta över kontrollen av den fjärrstyrda webbläsaren, och Operator är tränad att proaktivt be användaren att ta över när det gäller inloggningar, betalningsuppgifter eller när den stöter på CAPTCHA-utmaningar.

Med Operator kan du som användare

• Personalisera arbetsflöden genom att lägga till anpassade instruktioner, antingen för alla webbplatser eller för specifika sidor, till exempel att ställa in preferenser för flygbolag på Booking.com.
• Be Operator genomföra köp eller fylla i formulär online för dig
• Spara promptar för snabb åtkomst på hemsidan, vilket är särskilt användbart för repetitiva, återkommande uppgifter.

Är Operator tillgängligt för oss i Sverige?

Nej, inte just nu i skrivande stund. Operator är endast tillgängligt för användare i USA i en första research version. OpenAIs långsiktiga plan är att expandera Operator till Plus-, Team- och Enterprise-användare samt att integrera dessa funktioner i ChatGPT i framtiden. När hittar jag ingen information om.

Vad betyder den här utvecklingen för framtiden?

Nu blir den enklare för OpenAIs användare och därmed våra kunder att välja bort en del av den initiala research fasen inför ett beslutsfattande av något slag. 

Det kommer också innebära att konverteringsförfaranden, dvs köpfasen online kommer att förändras. 

Från att vi kommunicerar med människor på våra webbplatser och andra kontaktytor, behöver vi fundera över hur information och flöden struktureras för att optimera för personliga AI-agenter. 

Vad kan företag göra nu?

Företag som vill ligga i framkant bör redan nu börja utforska hur AI-agenter som Operator kommer att påverka deras digitala kontaktytor med kunderna och var och när en AI-agent kommer att ersätta kunden, i kundresan utifrån vad kunden vill uppnå. Extra intressant att fundera på utifrån ett B2B perspektiv.