OpenAI ujawnia wyniki testu: Basis wypełnia arkusz podatkowy dwa razy szybciej dzięki GPT-6 Astra

OpenAI opublikowało szczegółowe studium przypadku prezentujące wdrożenie modelu GPT-6 Astra w systemach firmy Basis. Start-up rozwijający autonomicznych agentów sztucznej inteligencji dla sektora finansowo-księgowego poddał nowy model bezpośredniemu sprawdzianowi w wymagającym procesie rozliczeniowym. W zadaniu polegającym na kompletnym i precyzyjnym wypełnieniu skoroszytu podatkowego liczącego 50 arkuszy, agenci działający w oparciu o GPT-6 Astra ukończyli pracę w czasie o 50% krótszym niż przy wykorzystaniu poprzedniego flagowego rozwiązania, GPT-5.6 Sol. Wynik ten uzupełnia około 20% poprawy ogólnych rezultatów w wewnętrznych testach ewaluacyjnych Basis, co stanowi jeden z najbardziej wyrazistych dowodów na dojrzałość systemów agentowych w zadaniach o krytycznym znaczeniu biznesowym.

Test 50 arkuszy: eliminacja błędów na starcie i oszczędność tokenów

Praca z wielostronicowymi skoroszytami podatkowymi należy do najbardziej obciążających i podatnych na pomyłki obszarów współczesnej księgowości. Arkusze kalkulacyjne stosowane przy deklaracjach korporacyjnych łączą setki wzajemnie powiązanych formuł, reguł prawnych oraz danych wejściowych pochodzących z wielu ewidencji. W ramach testu porównawczego zespół Basis postawił przed modelami zadanie bezbłędnego przetworzenia i uzupełnienia 50-arkuszowego zestawu danych.

Różnica w wydajności między generacjami okazała się bezprecedensowa. Jak podkreślił Mitch Troyanovsky, współzałożyciel Basis:

„GPT-6 Astra potrafi wypełnić ten skoroszyt w czasie o połowę krótszym niż GPT-5.6 Sol”.

Kluczem do tak wyraźnego skrócenia czasu wykonania nie było wyłącznie szybsze generowanie kolejnych odpowiedzi, lecz fundamentalna zmiana w sposobie planowania pracy. Inżynierowie Basis zauważyli, że GPT-6 Astra podejmuje znacznie trafniejsze decyzje w początkowej fazie zadania. W systemach wieloagentowych wczesna pomyłka w interpretacji danych wejściowych prowadzi zazwyczaj do lawinowego narastania błędów w kolejnych arkuszach, co zmusza system do kosztownych pętli naprawczych. Dzięki wyższej trafności pierwszych kroków agenci podążają bezpośrednią ścieżką do celu. Przekłada się to również na znacznie efektywniejsze wykorzystanie tokenów, co bezpośrednio ogranicza całkowity wolumen przetwarzania.

Dynamiczne sterowanie rozumowaniem i zachowanie pamięci podręcznej

Wielogodzinne zadania analityczne charakteryzują się zróżnicowanym poziomem trudności na poszczególnych etapach. Część operacji polega na prostym przenoszeniu sum kontrolnych, podczas gdy inne wymagają wielowarstwowej dedukcji prawno-podatkowej. W architekturze produkcyjnej Basis wykorzystano unikalną właściwość GPT-6 Astra, która umożliwia elastyczne modyfikowanie intensywności rozumowania w trakcie trwania jednego procesu.

Model potrafi zwiększać alokację zasobów obliczeniowych przy skomplikowanych zagadnieniach oraz redukować ją przy rutynowych operacjach. Co kluczowe z punktu widzenia inżynierii oprogramowania, adaptacja intensywności myślenia następuje bez unieważniania zawartości pamięci podręcznej (cache). Wcześniejsze architektury często wymagały resetowania kontekstu przy zmianie parametrów wnioskowania, co drastycznie podnosiło koszty ponownego wczytywania danych. Wdrożona przez dostawcę technologii premiera GPT-6 Astra wyeliminowała to wąskie gardło. Według relacji Troyanovsky'ego zachowanie spójności pamięci podręcznej przy zmiennym budżecie obliczeniowym pozwala radykalnie obniżyć koszty operacyjne i skrócić opóźnienia, czyniąc długotrwałe procesy agentowe ekonomicznie opłacalnymi dla klientów biur rachunkowych.

Autonomia bez sztywnych reguł: weryfikacja i źródła pierwotne

Wdrożenie nowego modelu przyniosło firmie Basis około 20% poprawy wyników w wewnętrznych procedurach ewaluacyjnych. Testy te nie ograniczają się do oceny końcowych liczb, lecz weryfikują całą trajektorię postępowania sztucznej inteligencji. Ewaluatorzy sprawdzają m.in. rygorystyczne trzymanie się firmowych szablonów, aktywne sięganie do pierwotnych aktów prawnych oraz zdolność agenta do samodzielnej weryfikacji wykonanych obliczeń przed zwróceniem wyniku człowiekowi.

Dotychczasowe generacje modeli wymagały gęstej siatki sztywnych reguł programistycznych i drobiazgowych instrukcji promptowych, które zabezpieczały każdą potencjalną sytuację brzegową. GPT-6 Astra wykazuje zdolność do samodzielnego dedukowania tych oczekiwań z szerszego kontekstu. Model precyzyjnie identyfikuje momenty, w których należy zadać pytanie użytkownikowi, wskazać przyjęte założenia interpretacyjne lub zasięgnąć informacji u źródła.

„GPT-6 Astra lepiej radzi sobie z dogłębnym rozumieniem intencji użytkownika i samego problemu” — podsumowuje Mitch Troyanovsky.

Zmniejszenie konieczności ręcznego kodowania wyjątków buduje zaufanie zespołu inżynierskiego, dając pewność, że wdrożeni agenci poradzą sobie z nietypowymi przypadkami podatkowymi, które nie zostały ujęte w zamkniętych zestawach testowych.

Agentowa rewolucja w finansach: perspektywy dla sektora podatkowego

Rezultaty zaprezentowane przez OpenAI i Basis obrazują szerszy trend przechodzenia od pasywnych asystentów tekstowych do w pełni funkcjonalnych agentów wykonawczych zdolnych do autonomicznej pracy w złożonych ekosystemach biznesowych. Założony w 2023 roku start-up Basis, wyceniany już na ponad miliard dolarów, stawia sobie za cel przejęcie powtarzalnej, mechanicznej pracy księgowych, uwalniając ich zasoby na doradztwo strategiczne.

Przykład 50-arkuszowego skoroszytu dowodzi, że bariera stabilności w zadaniach długoterminowych zostaje przełamana. Przyspieszenie prac o 50% przy jednoczesnym wzroście precyzji o 20% pokazuje, że GPT-6 Astra odpowiada na najbardziej palące wyzwania branży profesjonalnej: potrzebę niezawodności, kontroli kosztów tokenów i zachowania pełnej audytowalności procesu kalkulacji. Połączenie dynamicznego wnioskowania z odpornością na halucynacje w obliczeniach numerycznych wyznacza nowy punkt odniesienia dla automatyzacji procesów podatkowych.