Koniec ChatGPT Agent: OpenAI wycofuje produkt, którego nikt nie rozumiał

Problem z tożsamością i bariery techniczne

Zaledwie sześć miesięcy po głośnej premierze, OpenAI przygotowuje się do zakończenia wsparcia dla ChatGPT Agent. Rozwiązanie, które w szczytowym momencie przyciągnęło cztery miliony płacących subskrybentów, drastycznie straciło na popularności. Obecnie liczba aktywnych użytkowników spadła poniżej miliona, co stanowi zaledwie ułamek potężnej bazy 35 milionów abonentów platformy. Statystyki te nie pozostawiają złudzeń: produkt nie znalazł swojego miejsca na rynku.

Główną przyczyną porażki okazał się brak jasnej propozycji wartości. Użytkownicy często nie potrafili określić, do czego właściwie narzędzie ma służyć, a wielu z nich w ogóle nie wiedziało o jego istnieniu. Sytuacji nie poprawiały kwestie techniczne – niska prędkość działania, problemy z niezawodnością oraz luki w cyberbezpieczeństwie zniechęcały nawet najbardziej zagorzałych entuzjastów AI. Sam fakt, że Sam Altman ostrzegał przed powierzaniem agentowi wrażliwych danych, postawił pod znakiem zapytania sens użytkowania go w profesjonalnych scenariuszach.

Od ogółu do szczegółu: Nowa strategia giganta

Eksperci wskazują na błąd w nazewnictwie i pozycjonowaniu produktu. ChatGPT sam w sobie posiada cechy agentowe – potrafi pisać kod, przeglądać sieć czy analizować obrazy. Wyodrębnienie ChatGPT Agent, którego jedynym unikalnym wyróżnikiem była wirtualna przeglądarka, wprowadziło jedynie chaos informacyjny. Branża odebrała to jako sygnał, że dotychczasowe modele nie są w pełni autonomiczne, co stało w sprzeczności z marketingową narracją firmy o potędze modeli o3 czy Deep Research.

OpenAI wydaje się wyciągać wnioski z tej lekcji. Zamiast budować wielozadaniowe kombajny, które „potrafią wszystko i nic”, spółka stawia na agentów wyspecjalizowanych. Przykładem jest Shopping Research – narzędzie dedykowane wyłącznie analizie produktów i rekomendacjom zakupowym. Skupienie się na konkretnej dziedzinie pozwala zespołom inżynierskim na dopracowanie niezawodności bez konieczności upychania dziesiątek niepowiązanych ze sobą funkcji. To ciche przyznanie, że obecne modele AI wciąż nie radzą sobie najlepiej z generalizacją szerokich, niesprecyzowanych zadań.