AI 让团队能够着手处理那些过去只停留在讨论阶段而从未执行的任务。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任务。这种反馈来自各个部门，而不仅仅是技术团队。工作方式已经发生改变，企业正对此产生深切共感。

在过去的几年里，我们已在超过 100 万家企业中见证了这种变革。在某大型制造企业，智能体将生产优化工作从六周缩短至一天；一家全球投资公司在整个销售流程中端到端地部署了智能体，为销售人员腾出了 90% 以上的时间与客户沟通；而在一家大型能源生产商，智能体助力产出提升 5%，带来了超过 10 亿美元的额外收入。

各行各业的 AI 领军者都在经历这一进程，而追赶者的压力也与日俱增。制约发展的瓶颈不在于模型智能，而在于企业内部构建和运行智能体的方式。

今天，我们正式推出 Frontier，这是一个全新的平台，旨在帮助企业构建、部署并管理能够执行实际工作的 AI 智能体。Frontier 赋予了智能体职场成功所需的同等技能：共享上下文、入职引导、基于反馈的实践学习，以及清晰的权限与边界。唯有如此，团队才能跨越孤立的使用场景，转而拥有贯穿全业务流程的 AI 协作伙伴。

企业早已被散布在云端、数据平台和应用程序中的碎片化系统与治理机制所淹没。AI 的出现让这种碎片化现象变得更加显著，甚至在许多情况下变得更加尖锐。如今，智能体正被部署在各处，但每一个智能体在其视觉范围和执行能力上都是孤立的。每一个新智能体的加入最终都可能只是在增加系统的复杂性，而非提供助力，因为它们缺乏足以胜任工作的上下文 (Context) 信息。

随着智能体能力的提升，模型所具备的能力与团队实际能部署的能力之间的“机遇差距”正在不断扩大。这种差距并非仅由技术本身造成。在 AI 快速进化的同时，各团队仍在积累相关知识，以试图将智能体从早期的试点阶段推向实际业务。仅在 OpenAI，平均每三天就有新功能发布，且这一速度仍在加快。¹ 跟上这种节奏意味着必须在管控 (Control) 与实验 (Experimentation)之间取得平衡，而这很难做到恰到好处。

企业正感受到解决这一问题的迫切压力，因为早期领军者与追随者之间的差距正在迅速拉大。

我们了解到，团队需要的不仅仅是解决部分难题的更好工具。他们需要的是一种端到端的方法，来帮助他们构建、部署和管理智能体，并将其投入生产环境。

我们首先研究了企业扩展人力规模的现有方式。企业会制定入职流程；传授机构知识和内部语言；允许员工通过经验学习，并借助反馈提高绩效；授予对正确系统的访问权限并设定界限。AI 协作伙伴同样需要这些要素。

要让 AI 协作伙伴真正发挥作用，以下几点至关重要：

所有这些功能必须能跨多个系统运行，且这些系统通常分布在多个云端。Frontier 兼容团队现有的系统，而不会强迫他们更换平台。你可以通过开放标准，在现有数据和 AI 的所在地将其整合，并集成你已经在使用的应用程序。这意味着不需要使用新格式，也不需要放弃你已经部署的智能体或应用程序。

这种方法的核心优势在于：AI 协作伙伴可以通过任何界面访问和使用，而不会被困在单一的 UI 或应用程序中。无论是在与 ChatGPT 交互、通过 Atlas 进行工作流协作，还是在现有的业务应用程序内部，他们都能在任何工作场景与人类合作。无论智能体是内部开发的、从 OpenAI 获取的，还是从你已使用的其他供应商处集成的，这一点都适用。

每一名高效的员工都了解业务的运作方式、信息的存放位置以及优秀的决策标准。

Frontier 连接了孤立的数据仓库、CRM 系统、工单工具以及内部应用程序，从而为 AI 协作伙伴提供相同的共享业务上下文。他们理解信息的流转方式、决策发生的环节以及哪些结果至关重要。Frontier 成为了企业的语义层，所有的 AI 协作伙伴都可以参考该层级，从而有效地进行操作和沟通。

在具备共享上下文的基础上，智能体需要能够实际执行工作。

整个组织的团队，无论是技术部门还是非技术部门，都可以使用 Frontier 来“雇佣”AI 协作伙伴，由他们承担人类已经在计算机上执行的许多任务。Frontier 赋予了 AI 协作伙伴对数据进行推理并完成复杂任务的能力，例如处理文件、运行代码和使用工具，这一切都在一个可靠、开放的智能体执行环境 (agent execution environment) 中完成。在运作过程中，AI 协作伙伴会建立记忆，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绩效。

一旦部署完成，AI 协作伙伴即可在本地环境、企业云基础设施以及 OpenAI 托管的运行环境中运行，而无需强迫团队重新设计工作流程。对于有时间要求的任务，Frontier 会优先提供对 OpenAI 模型低延迟访问的权限，以确保响应快速且保持一致。

为了让智能体在长期使用中发挥作用，他们需要像人类一样从经验中学习。

Frontier 内置评估与优化性能的方法，让管理人员和 AI 协作伙伴都能清晰地了解哪些做法有效、哪些无效，从而使良好的行为随时间推移不断改进。久而久之，AI 协作伙伴会学习到什么是优秀的标准，并在最重要的工作上变得更加出色。

这就是智能体如何从“令人印象深刻的演示”转变为“可靠的团队成员”的过程。

Frontier 确保 AI 协作伙伴在明确的界限内运行。每个 AI 协作伙伴都有自己的身份，并配有明确的权限和护栏 (guardrail)。这使得在敏感和受监管的环境中充满信心地使用它们成为可能。企业安全与治理⁠是内置功能，因此团队可以在不失控的情况下扩展规模。

缩小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 部署方面保持紧密合作，因此我们看到了哪些做法有效，哪些无效。现在，我们正在帮助团队将这些经验教训应用到他们最棘手的问题上。

我们将 OpenAI 的前线部署工程师 (Forward Deployed Engineer, FDE) 与你的团队配对，并肩工作，帮助你制定在生产环境中构建和运行智能体的最佳实践。

FDE 还能让团队与 OpenAI 研究团队直接建立联系。当你部署智能体时，我们学习的不只是如何改进模型周边的系统，还会探索模型本身需要如何演进，从而对你的工作更有帮助。这种从你的业务问题到部署、再到研究并反馈回来的闭环，能帮助双方都加快进度。

当平台与应用程序协同工作时，AI 在企业中的效果最佳。由于 Frontier 基于开放标准构建，软件团队可以接入并构建能够受益于相同共享上下文的智能体。

这一点至关重要，因为许多智能体应用失败的原因很简单：它们缺乏所需的上下文。数据分散在各个系统中，权限复杂，且每一次集成都变成了一个孤立的项目。Frontier 让应用程序更容易在（拥有正确控制措施的前提下）获取所需的业务上下文，从而使它们从第一天起就能在真实的业务流程中运行。对企业而言，这意味着无需每次都经历漫长的集成周期，从而实现更快的部署。

现在的问题不再是 AI 是否会改变工作方式，而是你的组织能以多快的速度将智能体转化为真正的优势。

Frontier 即日起向有限的客户群体开放，并在接下来的几个月内扩大可用范围。如果你想了解与我们的合作方式，请联系 OpenAI 团队。