22 апреля 2026
OpenAI Academy
Workspace agents
Поймите, как создавать, использовать и масштабировать агентов для повторяемой работы в ChatGPT.
Большинство пользователей ChatGPT уже умеют применять ИИ для разовых задач — например, для написания черновиков, резюмирования, брейнсторминга или ответов на вопросы. Следующий этап использования ИИ шире и глубже встроен в повседневную работу. Вместо помощи в отдельных эпизодах ИИ все чаще используют для поддержки повторяемых рабочих процессов, которые зависят от общих систем, стандартных передач задач, стабильных результатов и ограничений реального мира, таких как сроки, точность и процесс.
Именно для этого в ChatGPT предназначены workspace agents. Они рассчитаны на повторяемые рабочие процессы — работу, которую иначе пришлось бы выполнять вручную, каждый раз заново объясняя шаги и перенося информацию между инструментами. Подробнее о workspace agents читайте в нашем блоге.
Если вы только начинаете разбираться в создании агентов, сначала сосредоточьтесь на базовых концепциях — тогда, когда вы приступите к построению, вам будет проще настроить workspace agent для стабильных результатов.
Что такое агент?
В общих чертах агент — это система, которая выполняет задачу и состоит из трех компонентов: триггера, процесса, который может включать специализированные навыки, и инструментов или систем, к которым он может подключаться.
Компонент Описание Примеры
Триггер Что запускает агента Расписание («Каждый будний день в 9:00») или ручной запуск («Запустить сейчас»).
Процесс и навыки Шаги, которые агент выполняет, чтобы завершить задачу так, как вы ожидаете Проверка входных данных, поиск недостающей информации, подготовка ответа и передача дальше или выполнение следующего действия.
Инструменты и системы Одобренные инструменты и интеграции, которые агент может использовать для сбора информации и, если разрешено, для совершения действий Slack, CRM, внутренняя документация, система тикетов или общий документ
Агенты наиболее полезны, когда работа:
- Повторяемая: одна и та же задача возникает регулярно
- Структурированная: у результата есть понятный формат, по которому можно понять, хорошо ли работает агент
- Привязана ко времени или событию: запускается по расписанию или по триггеру события
- Инструментальная: требует чтения из систем, которыми пользуется команда, или записи в них
Для открытых размышлений, брейнсторминга или исследовательского письма обычный чат часто подходит лучше — особенно для разовых задач.
Агенты также отличаются от традиционных API workflows, которые вы могли строить раньше. Традиционные workflows в других инструментах часто детерминированы, то есть каждый шаг жестко определен, и система каждый раз идет по одному и тому же пути, если вы не измените логику. Агенты более вероятностные. Они по-прежнему работают в рамках инструкций, инструментов и ограничений, но используют модель, чтобы интерпретировать контекст, принимать ограниченные решения и корректировать путь выполнения работы.
Анатомия агента
Удобный способ проектировать workspace agent — разложить его на части. Подумайте, что вы уточнили бы перед тем, как передать работу человеку: за что он отвечает, когда должен начинать, что должно заставить его остановиться или сделать паузу, какие инструменты и информацию он может использовать, какой процесс должен соблюдать и в каких рамках должен оставаться.
Ниже — несколько примеров разбиения агентов:
Агент для сводки маркетинговой кампании Агент для обработки отзывов о продукте Агент для сводки воронки продаж
Цель:Какова общая задача агента?Проанализировать эффективность кампании и рекомендовать оптимизации Суммировать новые отзывы о продукте и направлять их нужным владельцам Отслеживать изменения в воронке и выделять риски и возможности
Триггер:Что запускает работу?Каждый понедельник в 10:00 Отправка формы из Slack Каждый будний день в 8:00
Процесс:Какие шаги он должен выполнять?Собрать KPI, выявить тренды, подготовить сводку, предложить следующие шаги, назначить ответственных Просмотреть отзывы, сгруппировать связанные элементы, кратко описать ключевые темы, предложить ответственных для дальнейшей работы Просмотреть воронку, отметить риски, предложить следующие шаги
Инструменты:К каким системам или приложениям нужен доступ?Инструменты аналитики и общий документ со сводкой Slack, система тикетов и документ со сводкой CRM, email или Slack и трекер воронки
Управление:Какие контрольные механизмы нужны? Когда следует остановиться и эскалировать?Подготовить рекомендации; перед изменениями бюджета требуется одобрение Создавать черновики тикетов; эскалировать высокоприоритетные проблемы; перед отправкой требуется одобрение Подготовить черновики инсайтов и рекомендаций; уведомить владельцев; без одобрения не вести прямую переписку
Примеры рабочих процессов агентов
Приведенные ниже примеры можно рассматривать как шаблоны workflow агентов: распространенные, повторяемые паттерны работы, которые встречаются в разных командах и функциях. Каждый из них представляет собой базовый тип workflow, который может выполнять агент. Конкретные инструменты, данные и результаты могут отличаться, но лежащий в основе паттерн остается неизменным.
WorkflowКак это работает Примеры использования
Брифинг
Собрать информацию из нескольких мест, отфильтровать главное и упаковать ее в материал, готовый для принятия решений.1) Собрать входные данные
2) Сопоставить и выделить ключевые сигналы
3) Суммировать для аудитории
4) Передать как документ, записку или брифингSales: собрать account briefing из CRM, звонков, Slack и новостей.
Marketing: подготовить обзоры кампании или конкурентов на основе аналитики, соцсетей и документов.
Exec: готовить ежедневные отраслевые брифы с рекомендациями
Маршрутизация и триаж
Обрабатывать входящие элементы и гарантировать, что они попадут на следующий правильный шаг 1) Просмотреть входящие элементы
2) Категоризировать и приоритизировать
3) Маршрутизировать или создать артефакт следующего шага
4) Уведомить владельца и отправителя запросаSupport: превращать обратную связь в баги, запросы на функции или последующие действия.
IT/Ops: обрабатывать внутренние запросы в Slack и маршрутизировать их по срочности.
Recruiting: отбирать входящих кандидатов и переводить их на нужный путь.
Анализ и рекомендация
Интерпретировать данные или доказательства, сформировать точку зрения и превратить ее в первый результат.1) Получить исходные данные
2) Проанализировать закономерности, пробелы и компромиссы
3) Сформировать рекомендацию
4) Подготовить записку, презентацию, таблицу или emailFinance: сверять бюджет с фактом и готовить записку для менеджера.
Product/Research: анализировать отзывы пользователей и предлагать приоритеты.
Procurement: сравнивать предложения поставщиков, создавать матрицу решений и готовить email с PO.
Создание контента
Создавать или обновлять контент, а затем адаптировать его под конкретную аудиторию или канал.1) Сгенерировать первый черновик на основе заметок или исходного материала
2) Отредактировать тон и точность
3) Адаптировать под аудиторию и канал
4) Опубликовать или отправитьMarketing: превращать бриф в материалы кампании и отправлять их на обратную связь.
Manager: превращать заметки в план адаптации или учебный модуль.
Sales: писать письма для follow-up, сводки QBR или краткие обзоры для стейкхолдеров.
Планирование и координация
Превращать цели в запланированную работу и обновления систем 1) Сформировать план с учетом ограничений
2) Проверить зависимости и доступность
3) Выполнить действие или подготовить его
4) Обновить системы и уведомить людейPM/Chief of Staff: блокировать время, назначать встречи и обновлять трекеры.
Events: координировать выезды, регистрации или планы поездок.
Admin: управлять формами, напоминаниями, заказами, бронированиями и follow-up.
Использование агента в ChatGPT
Вы можете начать с агентов, которые ваша организация уже создала. Сначала разберитесь, для чего агент хорошо подходит — какие задачи он поддерживает, на какие инструменты опирается и какой тип результата выдает.
Начните с нескольких низкорисковых запросов, чтобы посмотреть, как он работает. Сначала попробуйте простые входные данные, затем изучите результаты, чтобы понять, как агент подходит к задаче.
Помните, что даже хорошо построенный агент все равно выигрывает от человеческой оценки. Часто именно вы знаете более широкий контекст, ставки задачи и то, как должен выглядеть хороший ответ.
Создание собственного агента в ChatGPT
Когда вы поймете основы и определите сильный сценарий использования, можно начинать строить собственный workspace agent. У вас уже могут быть навыки, встроенные в ChatGPT. Workspace agents могут использовать навыки в своих инструкциях.
Примечание: в ChatGPT Enterprise доступ к созданию агентов контролируют администраторы workspace.
Начните с простого языка: в чате конструктора агента опишите, какую работу должен выполнять агент, как выглядит успешный результат и какие ограничения он должен соблюдать. Конструктор может преобразовать это в понятный workflow с определенными шагами, который можно дальше уточнять в чате или редактировать напрямую в workflow и инструкциях.
Выберите инструменты и коннекторы: выберите одобренные приложения, которые агент сможет использовать для выполнения workflow. Вы также можете описать системы, к которым агенту нужен доступ, и конструктор проведет вас через подключение и аутентификацию.
Выберите триггер: определите, когда агент должен запускаться. Триггер агента — это событие, которое запускает его работу. Для workspace agents это может быть человеческий триггер (когда кто-то просит его что-то сделать) или триггер по расписанию (он запускается в заданное время). Вы можете использовать чат конструктора агента, чтобы настроить триггер простым языком.
Добавьте guardrails: задайте границы, необходимые согласования и любые human-in-the-loop контрольные точки для чувствительных действий. Вы можете добавить их прямо в чат конструктора агента, и конструктор изменит инструкции.
Тестирование агента в режиме preview
Создание агента лучше всего работает как итеративный процесс. В ChatGPT конструктор — часть этого цикла. По мере тестирования агента используйте разговор, чтобы понять, что произошло, заметить проблемы и пошагово доработать инструкции.
Начните с нескольких реалистичных примеров, включая как простые запросы, так и более сложные — с недостающим контекстом или неоднозначностью. Это помогает увидеть, как агент ведет себя и где ему могут понадобиться более четкие инструкции или guardrails.
Редактирование агента
По мере тестирования агента ожидаемо, что первая версия не будет идеальной. Если что-то кажется неправильным, есть два эффективных способа улучшить его.
- Обновить инструкции напрямую: вносите небольшие, точные изменения в редакторе, например уточняйте шаг, меняйте формат результата или добавляйте ограничение.
- Обучить его на естественном языке: если проблема менее очевидна, используйте диалог в конструкторе, чтобы разобраться в ней. Можно указать, что именно он упустил, задавать открытые вопросы или попросить его объяснить логику, чтобы выявить пробелы в инструкциях.
После внесения изменений снова протестируйте агента, чтобы убедиться, что обновление сработало.
Масштабирование агентов для команды
Workspace agents предназначены для общей, повторяемой работы. Если поделиться агентом, команда получит единый способ выполнения задачи вместо того, чтобы каждый раз заново выстраивать процесс.
Когда вы делитесь агентом, четко укажите, для чего он предназначен. В описании отметьте, какую задачу он решает, когда его использовать, какие входные данные предоставлять и какой результат ожидать. Общие агенты лучше всего работают тогда, когда они привязаны к конкретному, регулярно повторяющемуся workflow, который ваша команда уже понимает. Добавление одного-двух примерных запросов тоже помогает другим быстрее начать работу и упрощает внедрение.
Помните, что администраторы workspace управляют доступом к коннекторам и функциям через RBAC, поэтому коллегам могут понадобиться соответствующие разрешения, чтобы агент работал с такими системами, как Slack, Gmail или другими инструментами.
Продолжайте обучение с OpenAI Academy
Ознакомьтесь с дополнительными руководствами и ресурсами, которые помогут вам развивать практические навыки работы с ИИ.
Читать дальше
Использование projects в ChatGPT OpenAI Academy 10 апр. 2026
Материал — перевод статьи с английского.
Оригинал: Workspace agents