Что произошло
29 сентября 2026 года OpenAI представила Dots — платформу автономных ИИ-агентов, работающих на модели GPT‑6 Astra. 30 сентября компания дополнила релиз запуском ChatGPT Space — совместного рабочего пространства для людей, ChatGPT и созданных агентов. Оба продукта нацелены на корпоративный рынок и позиционируются как инструменты для многоэтапной автоматизации бизнес-процессов, выходящей за рамки традиционных чат-ботов.
Dots описываются как «always-on agents», которые получают от пользователя высокоуровневую цель и самостоятельно выполняют последовательность действий в подключённых приложениях. Каждый агент работает в изолированном облачном окружении с собственным браузером, что технически отделяет его вычислительную среду от инфраструктуры пользователя. OpenAI заявляет об интеграции с более чем 4 000 приложений через существующую экосистему, включая Slack и Microsoft Teams.
ChatGPT Space представляет собой общий контекстный слой, где команда может совместно работать над документами, проектами и задачами, выполняемыми агентами. В отличие от прежней модели с индивидуальными чатами и файлами, Space создаёт единое информационное поле для людей и ИИ-исполнителей. Результаты работы агентов, черновики документов и история правок становятся доступны всем участникам рабочего процесса.
Ключевым фактором для российского бизнеса является отсутствие подтверждённой доступности продуктов в России и, что важнее, неясность статуса обработки данных. OpenAI не опубликовала цен, SLA, лимитов использования и результатов независимого аудита безопасности. Это делает невозможной прямую оценку экономической эффективности и рисков для компаний, подпадающих под действие 152-ФЗ и отраслевых требований к локализации данных.
Как это устроено
Архитектура Dots: от чат-бота к исполнителю
Dots фундаментально отличаются от обычных чат-интерфейсов. Первое отличие — постоянное выполнение. Агент продолжает работать над задачей после закрытия диалога с пользователем, отслеживая изменения в связанных системах и возвращаясь с результатом по завершении. Второе — изолированная среда исполнения. Каждый Dot получает собственный облачный компьютер и браузер, что предотвращает прямой доступ к устройству пользователя и изолирует сессию агента.
Третье отличие — инструментальный контур. Агент не просто генерирует текст, а взаимодействует с API и веб-интерфейсами подключённых приложений для выполнения действий: создание записей в CRM, отправка писем, анализ данных в таблицах. Четвёртое — память и адаптация. OpenAI указывает, что Dots способны учитывать обратную связь и со временем настраиваться на рабочие привычки и предпочтения конкретного пользователя или команды.
ChatGPT Space: общий контекст для команды и агентов
Space не является агентом, а служит коллаборативным холстом. Это рабочее пространство, объединяющее страницы, файлы, базы знаний и участников проекта. Пользователи могут упоминать ChatGPT или конкретного Dot прямо на странице, поручая им обновить данные в отчёте, подготовить сводку по документам или поддерживать в актуальном состоянии дашборд. Вся история взаимодействий и версий документов сохраняется в едином контексте.
Такая архитектура решает проблему фрагментации знаний, когда результаты работы ИИ оказываются в личных чатах и недоступны команде. Space становится центральным источником правды для совместной работы, где человек и агент оперируют с общей, актуальной информацией. Это особенно важно для сложных, многоэтапных проектов, где несколько отделов и ИИ-инструментов работают над общей целью.
Механика контроля и разрешений
OpenAI внедрила механизм Custom Rules для управления автономностью агентов. Каждое потенциальное действие классифицируется по трём типам: разрешено к выполнению без подтверждения, требует предварительного согласования пользователя или запрещено. Система может автоматически выявлять потенциально рискованные операции, такие как смена паролей, удаление данных или крупные финансовые транзакции, и ставить их на обязательное утверждение.
Пользователь сам определяет, к каким приложениям и с какими правами получает доступ Dot. Например, можно разрешить агенту только чтение данных из бухгалтерской системы, но запретить создание или изменение проводок. Вся история действий агента журналируется, что позволяет проводить аудит и расследование инцидентов. По нашему опыту проектов, именно детальная настройка разрешений является ключевым фактором безопасного внедрения агентских систем.
Экономическая модель и ограничения
OpenAI не раскрывает публичных деталей ценообразования для Dots и Space. Отсутствуют данные о стоимости облачного компьютера, тарифах за инференс на GPT‑6 Astra в агентском контуре, лимитах на количество параллельных агентов и SLA. Изменения в тарифах ChatGPT Pro 1 октября 2026 года, где план за $200 был сокращен вдвое, а введён план за $500, сигнализируют о переходе к дифференцированной цене, зависящей от вычислительной нагрузки.
Это создаёт неопределённость для бюджетирования. Без понимания стоимости одного агентского действия или часа работы облачного компьютера невозможно корректно рассчитать ROI. В типовом сценарии автоматизации обработки входящих заказов затраты могут состоять из платы за модель, аренды вычислительной среды, стоимости API-вызовов к сторонним системам и расходов на человеческий контроль.
Заявленные меры безопасности
OpenAI заявляет, что Dots прошли дополнительное тестирование на безопасность и приватность. Система должна выявлять вредоносные инструкции (prompt injection), отслеживать аномальное поведение и блокировать попытки доступа к запрещённым ресурсам. Однако на момент публикации нет независимого security-аудита, полной threat model или статистики инцидентов. Утверждения о безопасности остаются на уровне заявлений разработчика.
Основные технические риски связаны с возможностью обхода ограничений через подключённые документы или веб-страницы, а также с чрезмерно широкими правами доступа, предоставляемыми агенту через OAuth-токены. Ошибочное действие агента в ERP- или CRM-системе может привести к финансовым потерям или нарушению работы бизнес-процессов. Поэтому распределение ответственности между пользователем, владельцем процесса и поставщиком платформы остаётся не до конца проработанным вопросом.
Как это выглядит на практике
Сценарий 1: Автоматизация онбординга нового сотрудника
В крупной компании с 5 000 сотрудников процесс приёма на работу включает создание учётных записей в 12 системах (AD, Office 365, CRM, Jira), отправку приветственных писем и запись на встречи по знакомству с командой. CIO поручает Dot-агенту «Onboarding Manager» эту задачу. Агент получает из HR-системы данные о новом сотруднике, последовательно создаёт учётки с минимальными правами, отправляет шаблонное письмо с доступами и координирует с календарями руководителя и ментора, находя свободное окно в течение следующих трёх дней. Все критические действия, такие как назначение прав администратора, требуют подтверждения HR-менеджера.
Сценарий 2: Подготовка еженедельного сбытового отчёта
Руководитель отдела продаж нуждается в отчёте по ключевым метрикам (выручка, число сделок, конверсия) каждый понедельник к 10:00. Специализированный Dot «Sales Reporter» каждую ночь подключается к API CRM-системы, выгружает данные за прошедшую неделю, сверяет их с плановыми показателями в таблице Google Sheets и формирует сводный документ в ChatGPT Space. Агент также проверяет почту руководителя на предмет важных комментариев, которые нужно включить в отчёт. Итоговый документ остаётся в Space для финального просмотра и небольших правок человеком перед отправкой по рассылке.
Сценарий 3: Мониторинг и триаж инцидентов ИБ
Команда информационной безопасности получает тысячи оповещений от SIEM-системы, IDS и других источников. Dot-агент «SOC Triage» работает 24/7, анализируя поток оповещений. Он классифицирует инциденты по степени критичности, обогащает данными из базы угроз (например, проверяя IP-адреса в репутационных списках) и создаёт карточки в Jira для инженеров безопасности. Агент не имеет прав блокировать трафик или изменять конфигурации систем — его задача — сократить время реакции человека, отфильтровывая шум и структурируя информацию. В типовом сценарии это позволяет сократить время на первичную обработку инцидента с 15 до 3 минут.
Что это значит для российской компании
Для российских компаний запуск Dots и Space — это в первую очередь сигнал о технологическом сдвиге, а не прямое предложение к внедрению. Основное ограничение — режим обработки данных. Отсутствие подтверждения о локализации数据中心 OpenAI в России и официального списка поддерживаемых стран, включающего РФ, делает использование Dots для обработки персональных данных, коммерческой тайны и данных из систем критической инфраструктуры неправомерным в соответствии с 152-ФЗ.
Даже если техническая доступность через VPN будет обеспечена, юридические и репутационные риски остаются неприемлемо высокими. Любой инцидент с утечкой данных, обработанных зарубежным агентом, будет квалифицирован как нарушение законодательства с соответствующими штрафами и последствиями для руководства. Поэтому прямое использование Dots в корпоративных контурах российских компаний на текущий момент исключено.
Это обстоятельство ускоряет需求 в создании суверенного агентского контура на основе российских платформ и моделей. Российские аналоги, такие как экосистемы на базе моделей GigaChat от Сбера и Alice AI от Яндекса, активно развиваются. Однако по имеющимся данным, они пока не обладают полным функциональным паритетом с Dots. Ключевое отличие — отсутствие подтверждённой архитектуры с изолированным облачным компьютером для каждого агента и такого же масштаба готовых интеграций с корпоративными приложениями.
Таблица 1. Сравнение архитектурных и коммерческих аспектов
| Критерий | OpenAI Dots & Space | Российские аналоги (концептуально) |
|---|---|---|
| Архитектура агента | Изолированный облачный ПК + браузер | Чаще всего API-доступ к модели, без выделенной среды |
| Интеграции | Заявлено более 4 000 приложений | Ограниченное число готовых коннекторов, требуются доработки |
| Контекст и совместная работа | ChatGPT Space как единое пространство | Различные платформы (например, Salute), менее интегрированы |
| Управление данными | Данные обрабатываются за пределами РФ | Возможность локализации на российской инфраструктуре |
| Доступ и стоимость | Цена не раскрыта, доступ в РФ не подтверждён | Стоимость предсказуема, доступ гарантирован |
Влияние на бюджеты и процессы заключается в необходимости внутренней разработки или глубокой кастомизации. Вместо покупки готового SaaS-решения российским компаниям потребуется инвестировать в создание собственного шлюза инструментов, разработку политик безопасности, интеграцию с российскими моделями и обучение собственных агентов. Это увеличивает первоначальные затраты (CAPEX) и срок окупаемости проектов, но обеспечивает суверенитет и контроль над данными.
Что делать: пошагово
- Провести инвентаризацию процессов. Выделите рутинные, многоэтапные операции с чётко определёнными входами и выходами, например, обработка счетов, подготовка регламентированных отчётов, онбординг сотрудников.
- Классифицировать данные и риски. Разделите все процессы на группы по критичности данных: низкая (внутренние новости), средняя (контрактная работа), высокая (персональные данные, финансы). Начинайте с низкорисковых сценариев.
- Выбрать гибридную архитектуру. Используйте российские модели и инфраструктуру для всех задач, связанных с критически важными и регламентированными данными. Низкорисковые, публичные задачи теоретически можно тестовать на внешних платформах в изолированном контуре.
- Создать единый шлюз инструментов. Не предоставляйте агенту прямые OAuth-токены от ERP или CRM. Разработайте API-шлюз, который предоставляет агенту ограниченный набор действий (например, «создать запись», «прочитать поле») с краткоживущими токенами и полным журналированием.
- Разработать политику автономности. Чётко определите, какие действия агент может выполнять автоматически, какие требуют одно- или двухфакторного подтверждения со стороны оператора, а какие категорически запрещены.
- Сформировать контур оценки. До пилота определите метрики успеха: стоимость выполнения одной операции, доля действий, потребовавших вмешательства человека, точность результата, время выполнения задачи по сравнению с ручным процессом.
- Запустить пилотный проект на 8–12 недель. Выберите один процесс из списка низкого риска, например, автоматическую подготовку еженедельного аналитического дашборда. Настройте полный цикл работы агента с обязательным человеческим подтверждением всех внешних действий.
- Масштабировать через каталог агентов. По результатам пилота создайте внутренний каталог агентов. Для каждого агента зафиксируйте владельца, бизнес-функцию, используемую модель, источники данных, матрицу разрешений, стоимость и процедуру экстренного отключения.
Типичные ошибки
- Предоставление агенту широких OAuth-прав. Предоставление доступа «на чтение и запись» ко всему CRM или почтовому ящику рискует привести к массовой рассылке спама или утечке коммерческой информации при компрометации агента.
- Игнорирование памяти агента. Накопление в памяти агента ошибочных данных или предвзятостей со временем приводит к деградации качества его работы и неочевидным сбоям, которые сложно диагностировать.
- Начало с процессов высокого риска. Попытка сразу автоматизировать финансовые операции или управление доступом критичной инфраструктуры многократно увеличивает потенциальный ущерб от ошибки и стоимость инцидента.
- Отсутствие процедуры аварийного отключения. Если не предусмотреть «красную кнопку» для мгновенной остановки всех агентов, в случае атаки или массового сбоя компания потеряет контроль над собственной ИТ-средой.
- Подмена понятий: агент вместо чат-бота. Разработка сложной агентской логики там, где достаточно простого сценарного чат-бота, ведёт к неоправданному усложнению и завышению затрат на разработку и поддержку.
- Недооценка человеческого фактора. Уверенность в полной автономии системы без настройки регулярных проверок и механизмов human-in-the-loop приводит к пропуску ошибок, которые агент не способен распознать, но которые очевидны для человека.
Как понять, что вы на верном пути
- Вы можете посчитать стоимость одной агентской задачи. У вас есть метрика «цена за выполнение», включающая затраты на инференс, вычислительную среду и человеческий надзор.
- Существует матрица ответственности. Чётко зафиксировано, кто несёт ответственность за результат: оператор, владелец бизнес-процесса или разработчик агента.
- Каждое действие агента журналируется. Существует централизованный, неизменяемый лог всех операций, который можно использовать для аудита и расследования инцидентов.
- Внедрён каталог утверждённых агентов. Вы не используете «агентов в свободном плавании», а работаете с предопределённым, протестированным и утверждённым набором исполнителей.
- Есть формализованный процесс добавления новых возможностей. Любое новое интеграционное соединение или разрешение для агента проходит проверку службой безопасности и архитектурным комитетом.
Вопросы, которые нам задают
Можно ли обойти ограничения по геолокации с помощью VPN?
Технически доступ к сервису может быть получен, но это не решает главного вопроса — юридической корректности обработки данных. 152-ФЗ требует локализации персональных данных россиян на территории РФ. Использование VPN не изменяет факта передачи данных за рубеж, что является нарушением.
Готовы ли российские платформы заменить Dots прямо сейчас?
Российские экосистемы активно развиваются и решают задачи автоматизации, но функциональный паритет с Dots, особенно в части изолированной среды исполнения и тысяч готовых интеграций, пока не достигнут. Наиболее разумной стратегией является поэтапное создание суверенного контура, опираясь на гибридные подходы и внутреннюю разработку.
Какой главный риск при внедрении агентских систем?
Основной риск — потеря управления из-за чрезмерно широких прав доступа. Агент, получивший доступ к критичным системам, может стать объектом атаки или сам совершить разрушительные действия из-за ошибки в промпте или некорректного обучения. Принцип минимальных привилегий является ключевым.
Как оценить экономический эффект, если нет открытых цен?
Оценку ROI необходимо проводить на основе собственных пилотных проектов. Замерьте трудозатраты на процесс до автоматизации и после, добавьте стоимость вычислительных ресурсов, разработку интеграций и время человеческого надзора. Не полагайтесь на маркетинговые заявления поставщиков, а оперируйте internally collected data.