3 września 2026 OpenAI udostępniło GPT-6 Astra. Prezes firmy nazwał go „skokiem generacyjnym" i zasugerował, że może to być początek AGI. Odłóżmy jednak wielkie słowa na bok i zadajmy pytanie, które faktycznie interesuje pracodawcę: co ten model realnie robi w biurze i czy da się na nim zarobić?
Najważniejsza zmiana nie jest tam, gdzie jej szukasz
Przez ostatnie dwa lata AI w biurze działało według jednego schematu: pytasz, dostajesz tekst, kopiujesz go do właściwego programu i poprawiasz. Model był doradcą, nie wykonawcą. Cała „ostatnia mila" — czyli wprowadzenie danych do systemu, kliknięcie w odpowiednie miejsce, sprawdzenie wyniku — zostawała po stronie człowieka.
Astra przesuwa tę granicę. Kluczowa nowość nazywa się computer use i oznacza dokładnie to, co sugeruje nazwa: model obsługuje komputer w taki sposób, w jaki robi to człowiek. Nawiguje po przeglądarce, przechodzi między aplikacjami, wypełnia pola, klika przyciski i sprawdza, co pojawiło się na ekranie.
Według OpenAI model potrafi w praktyce:
- wypełniać formularze internetowe,
- aktualizować rekordy klientów w systemach CRM,
- porządkować kalendarze i planować spotkania,
- prowadzić wielostopniowy research,
- tworzyć gotowe dokumenty, arkusze kalkulacyjne i prezentacje,
- realizować długie, wieloetapowe procesy bez nadzoru na każdym kroku.
To jest właśnie ta różnica: nie „napisz mi treść maila", tylko „przejrzyj te dwadzieścia zgłoszeń, wprowadź je do systemu i przygotuj podsumowanie".
Trzy liczby, które mają realne znaczenie dla biura
Benchmarków przy każdej premierze jest kilkanaście i większość nie mówi nic osobie prowadzącej firmę. Te trzy mówią.
1. Wskaźnik halucynacji: 12,2% → 4,2%
To najważniejsza zmiana w całej premierze — i najrzadziej komentowana.
Dotychczasowy problem z wdrażaniem AI do pracy biurowej nie polegał na tym, że model był za wolny albo za głupi. Polegał na tym, że trzeba było sprawdzać wszystko. Jeśli narzędzie myli się w jednym przypadku na osiem, nie możesz mu zaufać w żadnym pojedynczym zadaniu — musisz zweryfikować całość. A weryfikacja całości zajmuje tyle samo czasu, co zrobienie tego samodzielnie. Oszczędność wynosiła zero.
Przy poziomie 4,2% rachunek zaczyna się zmieniać. To wciąż nie jest wynik, który pozwala wyłączyć kontrolę — ale wystarczający, żeby model realnie generował użyteczną pierwszą wersję, a rola człowieka przesunęła się z „przepisywania od zera" na „redagowanie i zatwierdzanie".
2. Czas realizacji: około dwa razy krócej
W zadaniach agentowych — czyli takich, gdzie model wykonuje sekwencję kroków, a nie odpowiada na jedno pytanie — Astra kończy pracę średnio w około 40 minut, mniej więcej o połowę szybciej niż poprzednia generacja przy porównywalnym zakresie.
3. Rozpoznawanie interfejsu: 76,9% → 92,7%
Brzmi technicznie, ale przekłada się bardzo konkretnie. Wcześniejsze modele radziły sobie z prostymi stronami internetowymi, a gubiły się w profesjonalnym oprogramowaniu — arkuszach, panelach administracyjnych, systemach księgowych czy narzędziach projektowych. To właśnie ten próg blokował realne zastosowania w firmie, bo prawdziwa praca biurowa dzieje się nie na landing page'ach, tylko w skomplikowanych, gęstych interfejsach.
Czy to oszczędza pieniądze? Uczciwa odpowiedź
Tu trzeba rozdzielić dwie sytuacje, bo odpowiedź jest zupełnie inna.
Dla zwykłego pracownika biurowego: tak, i to bez dodatkowych kosztów. Astra jest udostępniana w ramach subskrypcji ChatGPT Plus, Pro, Business i Enterprise. Jeśli firma już płaci za ChatGPT, dostaje nowy model bez dopłaty. Cała oszczędność czasu jest tu czystym zyskiem.
Dla firm budujących własne rozwiązania na API: sprawa jest bardziej złożona. Astra kosztuje 10 USD za milion tokenów wejściowych i 50 USD za milion wyjściowych — czyli około 2,5 razy więcej niż poprzedni model. Sam „token inteligencji" wyraźnie zdrożał.
Ale koszt tokena to zły wskaźnik. Właściwym jest koszt doprowadzenia zadania do końca, a w tym rachunku trzeba uwzględnić: czas realizacji krótszy o połowę, trzykrotnie rzadszą konieczność poprawek oraz — najdroższy składnik — czas pracownika poświęcony na weryfikację. Przy zadaniach, które wcześniej wymagały pełnej kontroli człowieka, końcowy bilans zwykle wychodzi na korzyść Astry mimo wyższej ceny jednostkowej.
Warto też znać dwa mechanizmy obniżające koszt: cache'owane wejście kosztuje 1 USD za milion tokenów (dziesięciokrotnie taniej), a tryby batch i flex działają za 50% stawki standardowej. Przy powtarzalnych procesach biurowych — a takie właśnie dominują — to różnica rzędu kilkuset procent.
Czego nie powie Ci materiał prasowy
Rzetelność wymaga wskazania ograniczeń, bo przy tej premierze entuzjazm wyraźnie wyprzedza rzeczywistość.
Pokaz był inscenizowany. Fortune wprost odnotowuje, że demonstracja przedstawiona dziennikarzom była „płynna, choć zaaranżowana". Realne działanie w nieuporządkowanym środowisku firmowym będzie wyglądać inaczej.
Dostęp jest ograniczany celowo. Wersja dla zwykłych użytkowników Plus, Pro i Enterprise odmawia wykonywania zaawansowanych zadań z obszaru cyberbezpieczeństwa. Astra jest pierwszym modelem OpenAI, który osiągnął poziom „Critical" w kategorii cyber według wewnętrznej ramy bezpieczeństwa firmy — i to jest powód tych restrykcji.
W Enterprise model jest domyślnie wyłączony, dopóki administrator go świadomie nie włączy.
Sama koncepcja nie jest nowa ani jeszcze dojrzała. Obsługę komputera przez AI wprowadziło Anthropic już w 2024 roku, a w 2026 podobne rozwiązanie uruchomiła Perplexity. Jak zauważa Fortune — dla większości ludzi to wciąż nie jest normalny sposób pracy na komputerze.
Co to oznacza dla Twojej firmy w praktyce
Wniosek jest niewygodny, ale prosty: narzędzie jest już dostępne dla wszystkich. Twoja konkurencja ma dokładnie ten sam model, w tej samej cenie, od tego samego dnia. Dostęp przestał być przewagą w momencie premiery.
Przewagą pozostaje jedna rzecz — umiejętność jego użycia. Konkretnie: wiedza o tym, które zadania w Twojej firmie nadają się do przekazania modelowi, które wymagają pełnej kontroli człowieka, jak formułować polecenia, żeby dostawać powtarzalny wynik, i jak zbudować proces weryfikacji, który wyłapie te 4,2% błędów, zanim trafią do klienta.
Tego nie da się nauczyć z komunikatu prasowego. To trzeba przećwiczyć na własnych dokumentach, własnych procesach i własnych danych — i dokładnie tak budujemy warsztaty z AI dla firm.
Warto przy tym pamiętać, że sam dostęp do narzędzia nie jest wąskim gardłem. Jest nim to, czy zespół umie z niego korzystać — a ludzie z tymi kompetencjami odchodzą tam, gdzie ktoś ich wyszkolił.