OpenAI treina agentes de IA em contratos empresariais reais

A OpenAI publicou os detalhes de uma parceria com a Ironclad, empresa de software para contratos, para treinar e avaliar agentes de IA em fluxos de trabalho jurídicos, comerciais e de compras. Em vez de medir apenas se o modelo consegue navegar por uma tela qualquer, a colaboração transforma processos de contratação em tarefas de treino e de avaliação. A pergunta muda de endereço: não é mais se o agente acerta cada clique, e sim se ele entende o processo que está executando.

A Ironclad é a primeira parceira de um programa em que a OpenAI se aproxima de empresas de software que conhecem esses fluxos de perto. A ideia é levar tarefas difíceis e valiosas do mundo real para dentro do desenvolvimento do modelo, em vez de confiar apenas em demonstrações genéricas de uso do computador.

Como um fluxo de contrato vira tarefa de treino

Pense em um time de operações jurídicas que precisa montar o processo de compra de um software. As compras acima de certo valor passam pela aprovação do financeiro, alguns pedidos exigem uma análise de segurança e os termos fora do padrão vão para o jurídico. Quem configura isso transforma essas poucas regras em um formulário de entrada, modelos de documento, regras de aprovação e o registro do contrato final.

Um agente que faz o mesmo trabalho precisa manter essas exigências em vista enquanto percorre o sistema. Ele tem de configurar a aprovação do financeiro acima do limite de valor e verificar se os pedidos ficam acima ou abaixo dele seguem o caminho correto. Acertar cada passo isoladamente não basta, porque o processo só está pronto quando funciona nas situações para as quais foi desenhado.

A OpenAI explica que funcionários da Ironclad e pessoas que usam o produto na própria OpenAI ajudaram a selecionar 11 tarefas de áreas jurídica, comercial e de compras. Estão nessa lista coisas como montar acordos de confidencialidade, criar fluxos de aprovação de compras e atualizar uma cláusula jurídica reutilizável conforme a jurisdição escolhida por quem faz a solicitação. A estimativa é de que cada tarefa consuma de 30 a 40 minutos de um usuário experiente.

Cada tarefa foi avaliada por vários critérios, de 8 a 50 conforme a complexidade, o que permite ver exatamente onde o modelo acertou e onde ficou devendo. A Ironclad também cedeu ambientes do próprio produto para os modelos treinarem. As tarefas sintéticas de treino foram montadas a partir de contratos públicos do banco EDGAR, da SEC, com filtros para remover dados pessoais. Segundo a OpenAI, não foram usados dados de clientes nem contratos internos e não públicos.

Por que acertar cada passo ainda não basta

A parte difícil de um fluxo empresarial não está nas ações individuais, e sim na sequência de regras que precisa sobreviver até o fim. Um agente pode configurar a aprovação do financeiro, seguir adiante e esquecer, no meio do caminho, que determinado pedido também exigia revisão jurídica. O resultado parece concluído e falha justamente no caso que deveria ter pego.

É por isso que a avaliação usa critérios detalhados em vez de um simples aprovado ou reprovado. Quando um agente perde uma regra no meio da tarefa, isso limita o que uma empresa pode pedir com segurança a ele. Entender o processo inteiro, e não só os botões, virou a nova régua.

O que a comparação entre os modelos mostra

O modelo GPT-6 Astra marcou, em média, 55,0% dos critérios, contra 41,6% do GPT-5.6 Sol, uma diferença de cerca de 32%. O tempo estimado por tentativa caiu de 37,0 para 19,2 minutos. Um modelo interno usado no desenvolvimento do Astra chegou a 63,7%. Em uma mesma tarefa, o Astra cumpriu cerca de 94% dos critérios em aproximadamente 20 minutos, enquanto o Sol cumpriu cerca de 85% em cerca de 32 minutos.

O que esses números não cobrem

O próprio material da OpenAI delimita o alcance. Os resultados se referem às 11 tarefas de pesquisa, não a todos os fluxos possíveis da Ironclad. Os tempos são estimativas simuladas a partir de supostas velocidades de processamento do modelo, e não economia de tempo medida em clientes reais.

Vale reparar no tamanho do acerto: mesmo o modelo mais forte deixa de cumprir cerca de 45% dos critérios avaliados. É um avanço de pesquisa, medido em um conjunto específico de tarefas, e não um produto pronto para operar contratos sem supervisão. A OpenAI ainda convida outras empresas de software a propor tarefas do tipo, pedindo um exemplo concreto, evidência de onde a ferramenta falha e como seria um resultado bem-sucedido.

O que isso muda para quem compra software

Se um laboratório de ponta precisa do ambiente de um parceiro e de gente que entende do assunto para escrever os critérios de avaliação, então o agente que faz tudo sozinho ainda não chegou. Ele aparece primeiro onde o processo é explícito: regras escritas, limites definidos, exceções nomeadas. Quem documenta o próprio fluxo sai na frente; quem depende de um processo que só existe na cabeça das pessoas continua recebendo demonstrações que funcionam apenas na demonstração.

Isso não é motivo para esperar parado. O recado prático é descrever quem aprova o quê, a partir de qual valor, e quais pedidos fogem da regra. É esse material que um agente, assim como um funcionário novo, precisa para seguir o processo sem que alguém o conduza passo a passo.

Você pode saber mais sobre a colaboração entre a OpenAI e a Ironclad clicando aqui.