OpenAI が2026年10月6日、契約管理ソフトの Ironclad と組んで、専門業務のソフトを操作する AI の学習と評価に取り組んでいると公表した。法務・購買の11件の課題で、GPT-6 Astra の平均の採点は55.0%、GPT-5.6 Sol は41.6%。1回の試行あたりの推定時間は37.0分から19.2分に下がったとしている。
- OpenAI が2026年10月6日（米国時間）、企業向けの専門的なソフトを操作して仕事を終わらせる AI を育てるために、少数のソフト会社と直に組む取り組みを公表した。最初の相手は契約管理の Ironclad で、契約・承認・使い回す条文の設定といった作業を課題にしたとしている
- 課題は、Ironclad の社員と、OpenAI の中で Ironclad を使っている人が一緒に選んだ法務・商取引・購買の11件。秘密保持契約の設定、購買の承認の流れの作成、依頼者が選んだ法域に合わせて使い回す条文を更新する、といった内容で、慣れた利用者でも1件あたり平均30〜40分かかると見積もっている
- 比較は、GPT-6 Astra を Max 設定、GPT-5.6 Sol を High 設定（どちらも最も点数が高くなる設定）で行った。11件の平均の採点は Astra が55.0%、Sol が41.6%で、計算すると差は13.4ポイント。1回の試行あたりの推定時間は37.0分から19.2分に下がったとしている（下の表）
- 時間の数字は実測ではない。発表の注記では、想定した処理と生成の速さから計算した模擬の推定であり、顧客の実際の時間短縮を測ったものではないとしている。また結果は11件の課題についてのもので、Ironclad の業務全体を表すものではないとしている
- 契約の仕組みを途中で見失うエージェントは任せられる範囲が狭くなるため、人の監督と契約の基盤そのものが引き続き要るとしている。OpenAI は、今のエージェントがまだ確実にこなせない専門業務を持つソフト会社に、同じような共同研究への応募を呼びかけている。料金についての記述は発表に無い
性能（OpenAI の発表。11件の課題）
| 指標 | GPT-5.6 Sol（High 設定） | GPT-6 Astra（Max 設定） |
|---|---|---|
| 平均の採点 | 41.6% | 55.0% |
| 1回の試行あたりの推定時間 | 37.0分 | 19.2分 |
OpenAI が自社で測った数字。時間は模擬の推定値で、短いほうを太字にした。同じ課題を人（慣れた利用者）が行うと1件あたり平均30〜40分かかると見積もっている。Astra の開発中に使った社内のモデルは、同じ課題で63.7%というさらに高い点数だったとしており、この伸びを今後のモデルに持ち込みたいとしている。
採点は課題の複雑さに応じて8〜50個の基準で行い、Ironclad が練習用に自社製品の環境を提供した。
学習に使った模擬の課題は、米国 SEC の EDGAR で公開されている契約から、個人情報を除く絞り込みをして作ったという。OpenAI の顧客のデータ、OpenAI 社内の契約、Ironclad の顧客の非公開のデータや契約は、学習も評価も使っていないとしている。
確かめた一次資料
この記事は、上の一次資料の原文を読んで書いています。数字は原文のとおりで、計算した値はそう書いています。