OpenAI GPT-6 Astra が Ironclad の契約業務タスクで 32% 高いパフォーマンスを達成

TL;DR

OpenAI は Ironclad の契約業務ワークフローに微調整された先端言語モデルである GPT‑6 Astra をリリースし、11 の現実世界のタスクのセットにおいて GPT‑5.6 Sol より 32 % 高いスコアを記録したと示した。また、試行時間は 48 % 速くなった。

コラボレーションの概要

OpenAI は、高価値でドメイン特化されたワークフローを研究課題に変えるため、少数のソフトウェア企業と協力している。Ironclad は AI を活用した契約業務のリーダーであり、最初のパートナーである。両者は具体的なタスクを定義し、モデルの練習に使えるホスト環境を提供し、詳細な評価基準を確立した。

"Ironclad の専門知識は、成功の姿を定義する上で不可欠であり、実際の顧客のニーズを先端モデル開発に直接持ち込むことができました。" – OpenAI 発表

契約業務ワークフローを学習タスクに変換する

法務オペレーションのユースケース – チームは、法務、商業、調達の分野にまたがる 11 の代表的なタスクを特定した（例：非開示契約書の設定、調達承認プロセスの構築、管轄地域に基づく再利用可能な条項の更新）。経験豊富な人間が通常 30–40 分かけて 1 タスクを処理する。

タスク設計 – 各タスクは 8–50 の基準に基づいて評価され、モデルの強みと弱みを細かく把握できるようになった。Ironclad はモデルがタスクを直接実行できるように、製品のサンドボックス環境を提供した。

学習パイプライン – 研究者はワークフローの合成バリアントを生成し、人間からのフィードバックを用いた強化学習（RLHF）を適用して、モデルが繰り返し練習し、修正信号を受け取れるようにした。

GPT‑6 Astra のパフォーマンス

モデル	平均スコア	1回あたりの平均時間
GPT‑6 Astra (Max reasoning)	55.0 %	19.2 min
GPT‑5.6 Sol (High reasoning)	41.6 %	37.0 min
内部 Astra プロトタイプ	63.7 %	–

Astra のスコアは Sol より 32 % 高い（55.0 % 対 41.6 %）であり、1回あたりの推定時間は 48 % 低い（19.2 min 対 37.0 min）である。並列比較の動画デモでは、Astra は約 20 分でタスクの基準の約 94 % を満たしたのに対し、Sol は約 32 分で約 85 % を満たした。

Ironclad およびビジネスソフトウェアへの影響

ルールの整合性 – 契約プラットフォームは、多数の例外経路にわたってビジネスルールを遵守しなければならない。Astra が複数ステップのワークフロー全体でこれらのルールを維持できる能力は、エージェントがますます高リスクの専門タスクを処理できるようになっていることを示唆しているが、人間の監視は依然として不可欠である。

製品の機会 – モデルの性能が向上するにつれて、Ironclad はその製品群全体にモデルを組み込み、繰り返しの契約設定を自動化しつつ、法務チームが求めるガバナンス制御を維持できるようになる。

追加パートナーシップの呼びかけ

OpenAI は、少数のソフトウェア企業にこの研究プログラムに参加することを招待している。望ましいパートナーには以下の条件が必要である：

現在のエージェントが信頼性を持って完了できない、具体的で高インパクトな専門タスク。
明確な失敗例と成功指標。
ドメインエキスパートとセキュアなテスト環境。
研究に安全に使用できるデータ。

これらの協働は、現実世界の失敗モードを明らかにし、改善を測定し、複雑な専門分野における有能な AI エージェントの展開を加速することを目的としている。

すべてのパフォーマンス数値は OpenAI の内部研究評価に基づくものであり、独立した監査は受けていない。