OpenAI e Ironclad evalúan agentes contractuales

Investigación con 11 tareas.

Noticia

El estudio de OpenAI con Ironclad del 6 de octubre informa de un 55% para Astra frente al 41,6% de GPT-5.6 Sol en 11 tareas. Son puntos según criterios, no una tasa de contratos completamente correctos.

La comparación solo describe las tareas evaluadas. No determina las horas ahorradas en cualquier empresa; cada organización debe probar sus reglas, datos y condiciones.

Análisis

Análisis TBN Grow: un agente debe conservar las reglas empresariales durante todo el proceso. Pulsar correctamente o completar formularios no basta si configura mal la aprobación final.

Imagina una compra que necesita aprobación por encima de un importe. Prueba solicitudes superiores e inferiores, además de datos incompletos. Evalúa el funcionamiento del proceso final, no solo acciones aparentemente razonables.

Qué observar

Los tiempos publicados son estimaciones simuladas, no ahorros medidos de clientes. Mantén esa distinción.

Empieza en un entorno de prueba, limita permisos y registra las acciones. Las decisiones importantes requieren revisión humana. Conviene medir excepciones, recuperación tras errores y esfuerzo de comprobación antes de ampliar la autonomía.