OpenAI GPT-6 Astra, Ironclad 계약 업무에서 32% 높은 성능 달성

TL;DR

OpenAI는 Ironclad의 계약 업무 워크플로우에 맞춤화된 선도적인 언어 모델인 GPT‑6 Astra를 공개했으며, 11개의 실제 업무 세트에서 GPT‑5.6 Sol보다 평균 32 % 높은 점수를 기록했고, 시도당 처리 시간은 48 % 빠르게 완료했다.

협업 개요

OpenAI는 고가치의 도메인 특화 워크플로우를 연구 문제로 전환하기 위해 일부 소프트웨어 회사들과 협력하고 있다. Ironclad는 AI 지원 계약 분야의 선도 기업으로, 첫 번째 파트너다. 함께 구체적인 작업을 정의하고, 모델 연습을 위한 호스팅 환경을 제공하며, 상세한 평가 기준을 설정했다.

"Ironclad의 전문성은 성공의 기준을 정의하는 데 핵심적인 역할을 했으며, 실제 고객의 요구를 선도적 모델 개발에 직접 반영할 수 있게 해주었습니다." – OpenAI 발표

계약 워크플로우를 학습 작업으로 전환하기

법무 운영 사용 사례 – 팀은 법무, 상업, 조달 업무를 아우르는 11개의 대표적인 작업을 식별했다 (예: 비밀유지계약 구성, 조달 승인 프로세스 구축, 지역별 변경에 따라 재사용 가능한 조항 업데이트). 경험 있는 인간은 일반적으로 각 작업에 30–40분을 소요한다.

작업 설계 – 각 작업은 8–50개의 기준에 따라 평가되었으며, 모델의 강점과 약점을 세밀하게 파악할 수 있도록 했다. Ironclad는 모델이 작업을 직접 실행할 수 있도록 사전 환경(Sandbox)을 제공했다.

학습 파이프라인 – 연구팀은 워크플로우의 합성 변형을 생성하고, 인간 피드백을 통한 강화 학습(RLHF)을 적용하여 모델이 반복적으로 연습하고 수정 신호를 받도록 했다.

GPT‑6 Astra의 성능

모델	평균 점수	시도당 평균 시간
GPT‑6 Astra (최대 추론)	55.0 %	19.2 분
GPT‑5.6 Sol (고수준 추론)	41.6 %	37.0 분
내부 Astra 프로토타입	63.7 %	–

Astra의 점수는 Sol보다 32 % 높다 (55.0 % 대 41.6 %), 시도당 예상 시간은 48 % 낮다 (19.2분 대 37.0분). 측면 비교 영상 데모에서 Astra는 약 20분 내에 작업 기준의 약 94 %를 충족했고, Sol은 약 32분 내에 약 85 %를 충족했다.

Ironclad 및 비즈니스 소프트웨어에 대한 함의

규칙 정확성 – 계약 플랫폼은 다양한 예외 경로를 통해 비즈니스 규칙을 강제해야 한다. Astra가 다단계 워크플로우 전반에 걸쳐 이러한 규칙을 유지할 수 있다는 점은 에이전트가 점점 더 고위험 전문 업무를 처리할 수 있음을 시사하지만, 인간의 감독은 여전히 필수적이다.

제품 기회 – 모델이 개선됨에 따라 Ironclad는 법무 팀이 요구하는 거버넌스 통제를 유지하면서도 반복적인 계약 구성 작업을 자동화할 수 있는 기회를 갖게 된다.

추가 파트너십 요청

OpenAI는 제한된 수의 소프트웨어 회사들을 이 연구 프로그램에 초대하고 있다. 희망 파트너는 다음 조건을 충족해야 한다:

현재 에이전트가 신뢰성 있게 완료하지 못하는 구체적이고 고영향력의 전문 업무
명확한 실패 사례와 성공 지표
도메인 전문가와 안전한 테스트 환경
연구에 안전하게 사용할 수 있는 데이터

이 협업은 실제 세계의 실패 모드를 드러내고, 개선을 측정하며, 복잡한 전문 분야에서 능력 있는 AI 에이전트의 도입을 가속화하는 것을 목표로 한다.

모든 성능 수치는 OpenAI의 내부 연구 평가에서 도출되었으며, 별도의 감사가 이루어지지 않았습니다.