OpenAI ve Ironclad GPT-6 Astra’yı İş Akışları İçin Eğitiyor

OpenAI, yeni nesil yapay zekâ modeli GPT-6 Astra’nın profesyonel iş akışlarındaki bilgisayar kullanım (computer use) yeteneklerini artırmak üzere Ironclad ile stratejik bir araştırma ortaklığı başlattığını duyurdu. OpenAI blog sayfasında 6 Ekim 2026 tarihinde yayımlanan yazıya göre bu iş birliği, yapay zekâ ajanlarının karmaşık kurumsal yazılımları kullanma ve çok aşamalı iş süreçlerini yönetme becerilerini geliştirmeyi amaçlıyor. Araştırma sonuçları, yeni nesil modellerin profesyonel görevlerde önceki sürümlere kıyasla hem doğruluk hem de hız açısından önemli mesafeler katettiğini ortaya koyuyor.

GPT-6 Astra Bilgisayar Kullanımında Nasıl Bir Performans Gösterdi?

OpenAI, GPT-6 Astra modelini tanıtırken sistemin belge hazırlamadan web sitesi testine kadar uzanan geniş bir yelpazede bilgisayar kullanım yeteneklerini sergilediğini hatırlattı. Şirketin yeni hedefi ise ajanların karmaşık iş problemlerini çözmek için özel yazılımları çok daha verimli ve yetkin bir şekilde kullanmasını sağlamaktır. Bu kapsamda yürütülen araştırmalar, modellerin bir şirketin iş kurallarını anlaması, çok adımlı iş akışlarını yürütmesi ve yapılan işin orijinal gereksinimlerle örtüştüğünü doğrulaması üzerine kurgulanıyor.

Astra modeli, Ironclad tarafından sağlanan görevler üzerinde eğitilen ilk sınır model (frontier model) olarak tanımlanıyor. Yapılan araştırma değerlendirmelerine göre Astra’nın ortalama başarı puanı, bir önceki sürüm olan GPT-5.6 Sol modeline kıyasla %32 oranında daha yüksek bir seviyeye ulaştı. Performans artışının yanı sıra operasyonel verimlilik tarafında da gelişim kaydedildi. Simülasyona dayalı tahminlere göre Astra’nın bir görevi tamamlama süresi Sol modeline göre %48 daha kısa.

Sözleşme Süreçleri Yapay Zekâ Eğitimine Nasıl Dönüştürüldü?

İş birliği sürecinde Ironclad çalışanları ve OpenAI bünyesinde Ironclad kullanan personel; hukuk, ticaret ve satın alma departmanlarını kapsayan on bir farklı görev belirledi. Bu görevler arasında gizlilik sözleşmelerinin yapılandırılması, onay mekanizmalarının kurulması ve yeniden kullanılabilir yasal terimlerin güncellenmesi gibi karmaşık adımlar yer alıyor. OpenAI tahminlerine göre deneyimli bir kullanıcı için bu tür görevlerin her birini tamamlamak ortalama 30 ile 40 dakika arasında bir süre alıyor.

Araştırmacılar, her bir görevin karmaşıklığına bağlı olarak modelleri 8 ile 50 arasında değişen farklı kriter üzerinden değerlendirdi. Bu yöntem, modelin hangi aşamalarda başarılı olduğunu ve hangi noktalarda yetersiz kaldığını net bir şekilde görme imkânı tanıyor. Ironclad, modellerin pratik yapabilmesi için kendi yazılım ürününün barındırıldığı özel ortamlar sağladı. Araştırma ekibi bu süreçte temsilî iş akışları çevresinde sentetik eğitim görevleri oluşturdu ve pekiştirmeli öğrenme (reinforcement learning) tekniklerini kullanarak modellerin geri bildirimlerle kendisini geliştirmesini sağladı.

Astra ve Sol Modelleri Arasındaki Başarı Farkı Nelerdir?

Performans karşılaştırması yapılırken her iki modelin de en yüksek puanı aldığı akıl yürütme ayarları temel alındı. Astra için Max reasoning, Sol için ise High reasoning ayarları kullanılarak on bir araştırma görevi test edildi. Astra bu testlerde %55,0 oranında bir ortalama başarı puanı elde ederken, GPT-5.6 Sol modelinin puanı %41,6 seviyesinde kaldı. Deneme başına düşen tahmini ortalama işlem süresi ise Sol için 37,0 dakikadan Astra için 19,2 dakikaya geriledi.

Astra’nın geliştirilme sürecinde kullanılan bir iç modelin bu görevlerde %63,7 gibi daha güçlü bir başarı oranına ulaştığı belirtildi. OpenAI, gelecekteki modellerinde bu kazanımları daha da ileriye taşımayı hedeflediklerini vurguluyor. Görsel verilerle desteklenen testlerde Astra’nın yaklaşık 20 dakikada görev kriterlerinin %94’ünü karşıladığı görüldü. Buna karşılık Sol modelinin aynı kriterlerin %85’ini yerine getirebilmesi için yaklaşık 32 dakikaya ihtiyaç duyduğu saptandı.

OpenAI Hangi Şirketlerle Yeni Ortaklıklar Kuracak?

OpenAI, modellerinin profesyonel yeteneklerini geliştirmek amacıyla Ironclad ile başlattığı süreci genişletmeyi planlıyor. Şirket, günümüzdeki yapay zekâ ajanlarının henüz güvenilir bir şekilde tamamlayamadığı önemli profesyonel görevler üzerinde çalışmak için sınırlı sayıda yazılım şirketiyle doğrudan iş birliği yapma niyetini açıkladı. Bu sayede modellerin sadece genel komutları yerine getirmesi değil, aynı zamanda belirli sektörlerin derinliklerine inen teknik gereksinimleri karşılaması da amaçlanıyor.

Potansiyel ortaklardan ajanların başarısız olduğu somut örnekler, bu başarısızlığın kanıtları ve başarılı bir sonucun nasıl ölçüleceğine dair net kriterler bekleniyor. Ortaklık kuracak ekiplerin işin derinliklerini bilen uzman personeli, güvenli test ortamlarını ve araştırma için güvenli verileri sağlaması gerekiyor. Söz konusu girişimler, yapay zekânın bireysel eylemlerden tam entegre iş akışlarına geçişini hızlandırmayı hedefliyor.

İlgili haberler

• OpenAI, AB Yapay Zekâ Yasası İçin textGrain’i Duyurdu
• OpenAI ChatGPT İçin Yeni Görsel Reklam Formatını Duyurdu

Yapay Zekâ ve Teknoloji Ekipleri İçin Çıkarımlar

• Bağlamsal uyum ajanlar için temel kriter: Yapay zekâ ajanlarının sadece münferit işlemleri yapması yeterli görülmüyor; ajanların tüm sözleşme yaşam döngüsünü ve iş akışı bağlantılarını anlaması operasyonel başarı için zorunlu bir şart olarak öne çıkıyor.
• Dikey sektör iş birlikleri model yetkinliğini artırıyor: OpenAI’nın Ironclad gibi alanında uzmanlaşmış yazılım şirketleriyle doğrudan çalışması, genel modellerin profesyonel alanlardaki hata payını azaltmak ve gerçek müşteri ihtiyaçlarını modele dahil etmek için kritik bir strateji.
• Veri güvenliği ve sentetik eğitim dengesi: Eğitimde müşteri verileri yerine SEC gibi kamuya açık kaynaklardan üretilen sentetik görevler kullanıldı.
• Operasyonel hızda yüzde 48’lik iyileşme potansiyeli: Astra, Sol modeline göre daha yüksek başarı puanı aldı; görev süresindeki %48’lik kısalma ise OpenAI’ın simülasyona dayalı tahminine dayanıyor.

Sıkça Sorulan Sorular

GPT-6 Astra’nın performansı önceki modellerden ne kadar farklı?

Astra, GPT-5.6 Sol modeline göre karmaşık görevlerde %32 daha yüksek puan alırken, tahminlere göre görev tamamlama süresini %48 kısaltmıştır.

Araştırma kapsamında hangi yasal ve ticari görevler simüle edildi?

Hukuk, ticaret ve satın alma departmanlarını kapsayan on bir görev arasında gizlilik sözleşmelerinin kurulumu ve satın alma onay süreçlerinin yapılandırılması gibi maddeler test edilmiştir.

Yapay zekâ modellerinin eğitiminde hangi veri kaynakları kullanıldı?

Eğitimde müşteri verileri yerine SEC EDGAR veri tabanındaki kamuya açık sözleşmelerden filtrelenerek oluşturulan sentetik görevler ve pekiştirmeli öğrenme teknikleri kullanılmıştır.

Yazılım şirketleri OpenAI ile nasıl bir iş birliği yapabilir?

Ajanların bugün tamamlayamadığı somut görev örneklerine, derin uzmanlığa ve güvenli test ortamına sahip şirketler bir araştırma ortaklığı için başvuruda bulunabilmektedir.