OpenAI выпустила ChatGPT Work, ИИ-агента для всех профессий, но им, вместе с Codex, пользуются лишь 20 млн человек при более чем миллиарде пользователей ChatGPT в целом

Ведущий инженер настольного приложения OpenAI Эндрю Амброзино дал этому приложению полный доступ к своей почте, аккаунту в Slack, телефону и таким сервисам, как Notion и Figma, по его словам, это единственный способ протестировать будущее, которое строит компания. «Если я прошу его написать документ, есть вероятность, что оно возьмёт что-то из личной переписки на эту тему, не понимая, что этим нельзя делиться? Да, говорит Амброзино в разговоре с TechCrunch., Я готов пойти на это ради работы. Готов время от времени расплачиваться за это лично, если придётся. Пока не пришлось». Амброзино работает над главной ставкой OpenAI, ChatGPT Work, выпущенным в прошлом месяце и доступным на входном тарифе ChatGPT за $20 в месяц. Продукт должен дать «белым воротничкам», бухгалтерам, инвесторам, врачам и всем, чья работа завязана на компьютер, тех же автономных ИИ-агентов, что уже получили разработчики софта. ChatGPT Work, модифицированная версия кодинг-инструмента OpenAI Codex; цель в маркетинговых материалах компании сформулирована так: мир, где «искусственный интеллект выходит за рамки ответов на вопросы и помогает каждому воплощать в жизнь самые большие идеи».

Для разработчиков переход к агентам уже произошёл, но на другие профессии он распространяется медленно. Коммерчески это важно: агенты, которые работают дольше, сжигают больше токенов, а значит, приносят OpenAI больше денег с каждого пользователя. При этом кодинг, прибыльная, но узкая ниша по сравнению со всей массой интеллектуального труда, которую ИИ-лабораториям нужно охватить, чтобы оправдать колоссальные вложения в обучение моделей и вычисления; за клиентов из других профессий уже борются нишевые ИИ-компании вроде Harvey (юриспруденция) и Clay (продажи), которые, в отличие от OpenAI, подключают к своим продуктам любую модель, какая на данный момент лучше справляется. Отраслевые аналитики называют это одним из главных вызовов для OpenAI и её конкурентов: Кристиан Каталини пишет в блоге венчурного фонда a16z «It's time to build»: «Если лабораториям не удастся быстро получить доступ к ключевым дополняющим активам, необходимым для масштабирования ИИ на рынке, ценность утечёт в другое место».

Насколько сложен этот переход, показывает опыт самой OpenAI. Собственные непрограммистские команды компании, например, коммуникации и финансы, начали пользоваться Codex «в то время, когда инструмент был к ним откровенно недружелюбен: спрашивал их про код и показывал что-то вроде “о, а у вас пустой диф по этой штуке”», вспоминает Амброзино., «Поэтому с февраля по сейчас мы начали делать его более универсальным». По опросу, который заказала сама OpenAI, в июне Codex использовали 98% сотрудников компании, но лишь 17% организационных (корпоративных) подписчиков и менее 1% индивидуальных подписчиков пользовались этим агентным инструментом для кодинга. Этот замер сделан ещё до выхода ChatGPT Work: разрыв «98% против менее 1%» описывает именно Codex как таковой, и Work задуман как попытка его закрыть. «Чем больше ценности и пользы мы создаём для пользователей, тем охотнее они готовы платить хотя бы за часть этой пользы, именно так мы всегда смотрели и на ChatGPT, говорит Тибо Соттьо, который руководит основным продуктовым направлением OpenAI, включая Work., Сидишь и думаешь: “ну конечно я хочу платить $20 в месяц за это”, потому что получаемая ценность намного больше».

Чтобы понять этот разрыв, стоит понять, что именно строят инженеры OpenAI. Любой модели нужна так называемая обвязка (harness), программная прослойка вокруг неё, которая решает, какую информацию модель видит, какими инструментами может пользоваться и как показывает вам свои ответы. Чтобы модель что-то делала, стала агентом, обвязка даёт ей инструменты и инструкции для длительных задач. Для разработчиков интерфейса командной строки (CLI) хватило, чтобы полностью изменить то, как пишется и разворачивается софт, но большинство людей никогда не пользовалось командной строкой, не случайно Windows в своё время заменил DOS. Агентный продукт за пределами программирования, по словам Амброзино, «будет иметь дело с хаотичным миром вашей жизни, ваших инструментов и сайтов, которые собрали ещё в 1995 году и с тех пор ни разу не обновляли». Такие приложения, как Claude Code и Codex, породили вайб-кодинг, убрав из процесса непосредственное написание кода; теперь OpenAI хочет так же легко, через простой запрос, дать доступ к возможностям инструментов вроде OpenClaw, которыми программисты заставляют модели работать на себя. «Без таких продуктов поверх модели эксперты и сами знали бы, как получить тот же результат, но до миллиарда людей, использующих эту штуку, вы бы не добрались», говорит Амброзино; внутри OpenAI при этом идёт спор, нужна ли вообще кнопка для того, что модель и так может сделать по прямому запросу. «Мы с этим спорим, потому что пока ещё очень рано, говорит он., На этом этапе важна обнаруживаемость функций, и в какой-то момент кнопка станет не нужна». В самом Work таких кнопок для проектов и плагинов чуть больше, но интерфейс метит в тот же образ «волшебной коробки», что и другие продукты OpenAI; Амброзино сравнивает это со скевоморфизмом, практикой делать цифровые инструменты похожими на физические предметы, которые они заменяют, вроде калькулятора на экране, нарисованного под настоящий: «Это не было просто неловким дизайном. Это реально помогало людям войти в тему и совершить переход». Сколько людей пользуется отдельно Work, а сколько, Codex, OpenAI раскрывать отказалась: известно только, что «объединённым приложением» пользуются 20 млн человек, против более чем миллиарда, которые, по данным самой компании, вообще пишут в ChatGPT, независимо от использования агентов.

Пока OpenAI продвигает Work прежде всего для рутинных, насыщенных данными координационных задач: сотрудники компании собирают еженедельные отчёты по метрикам и превращают таблицы в инструменты планирования. Автор материала описывает венчурных инвесторов, которые с помощью агентов собирают инвестиционные меморандумы из переписки и аналитики о компаниях, и операционные команды, которые на лету собирают дашборды и визуализации данных; по данным статьи, Сэм Альтман использует его, чтобы планировать отпуска, а один инженер OpenAI попросил модель посмотреть переписку в Slack по инженерной проблеме и «сделать несколько графиков», и получил в ответ содержательные диаграммы. «На среднего сотрудника любой такой компании, включая меня самого, обрушивается лавина информации, говорит Акшай Натан, руководитель команды продуктовой инженерии в OpenAI., Мы реально сильно ограничены в способности разобрать всё, что нам доступно, и затем предпринять действие. Эта информация живёт во всех этих системах учёта [вроде Salesforce]… ценность ChatGPT в том, что доступ у вас уже был, но теперь у вас появляется по-настоящему полный доступ к ней».

Сам автор материала не даёт OpenAI доступ к своей почте, черновикам статей и переписке с источниками и не подключает банковский счёт, но признаёт, что продукт наверняка был бы полезнее с более широким доступом. При этом успешные примеры есть: агент вытащил из почты неудобно отформатированное расписание детского сада и сам перенёс его в Google Calendar; собрал автообновляемый дашборд метрик по публичным компаниям, которые автор материала освещает как журналист, сделал запрашиваемую базу данных космических запусков (раньше для этого пришлось бы писать скрипты на Python) и теперь еженедельно присылает подборку новых исследований по ИИ. Но настройка доступа оказалась запутанной: попытки выдать агенту доступ «только на чтение» к облачному диску несколько раз заканчивались ошибками, и лишь в мобильном приложении в итоге всплыло окно, объяснившее, что заработает только полный доступ; часть важных настроек при этом доступна лишь в веб-версии, так что приходится держать открытыми оба приложения одновременно. Есть и странные ограничения: подключённый к Google Calendar агент умеет создавать события, но не новые календари, а по общему мнению ранних пользователей таких инструментов, без максимального «уровня усилий» результата не будет вообще: иначе получаешь худшего стажёра, с которым вам доводилось работать. Джо Гершенсон, который отвечает в OpenAI за инженерию обвязки, признаёт, что настройки усилий пока не интуитивны для новых пользователей: «Есть вещи, которые мы можем сделать лучше, чтобы помочь им выбрать нужный уровень рассуждений…», сказал он, добавив: «Следите за этим направлением».

У OpenAI есть и более фундаментальная проблема с выходом в обычную офисную работу: большинство рабочих процессов не так измеримы и не так легко оценить, как код, программа либо работает, либо нет, а хорошую презентацию, бизнес-стратегию или питч для продажи оценить и проследить куда сложнее. «Одна из уникальных сложностей с таким продуктом, просто в том, что он реально может делать что угодно», говорит Амброзино; на вопрос, под какие конкретно задачи и рабочие процессы команда проектирует продукт, опрошенные инженеры отвечать отказались, отправив его к исследовательской команде OpenAI. Позже компания всё же ответила TechCrunch: в основе, собственный бенчмарк GDPval, составленный на данных 44 профессий и сотен тестов на интеллектуальный труд, дополненный отзывами пользователей; менее официальный ответ, что ориентиром служат рабочие процессы самих сотрудников OpenAI. «Нам всё время приходится разбираться… тот ли это рабочий процесс, которым будут пользоваться все, или мы просто со странностями», говорит Амброзино. Ранние пользователи самого приложения своим реальным использованием создают ценные данные для обучения, как в своё время произошло с инструментами для кодинга, если только не откажутся от передачи данных в обучение; автор материала от передачи данных отказывается.

На фоне всего внимания к интерфейсу инженеры OpenAI неохотно отвечают на вроде бы простой вопрос: чем Codex и ChatGPT Work отличаются от Claude Cowork и других конкурирующих обвязок для массового пользователя. «Мой ответ вас разочарует, извините, но если честно, я правда не слежу за тем, какие обвязки строят конкуренты, говорит Гершенсон в типичном для себя ответе., Тут сразу вспоминается мем с фразой Дона Дрейпера из сериала “Безумцы”, “я вообще о тебе не думаю”». Автор материала признаётся, что не верит этому, хотя бы из-за крайнего сходства интерфейсов двух продуктов, из-за того, что конкурентная разведка нужна любому бизнесу, и из-за того, что при первом запуске сам ChatGPT Work первым делом предложил перенести данные из Claude Cowork. Тема Claude Code для офисов OpenAI, судя по всему, действительно болезненная: конкурент из Anthropic первым определил рынок ИИ-кодинга и совершил революцию в работе разработчиков, притом что саму идею первой предложила именно OpenAI, просто не сумела как следует её реализовать. Когда OpenAI делала первую версию Codex как веб-приложение, инженеры, по признанию Амброзино, немного увлеклись верой в скорое пришествие AGI (Artificial General Intelligence, общего искусственного интеллекта): ставка была на то, что модель сама по себе достаточно умна, чтобы решить задачу полностью, с минимальным участием пользователя. Построенный вскоре после этого Claude Code, наоборот, строился вокруг диалога с пользователем: получив задачу, он предлагал три-четыре варианта действий, а после выбора продвигался небольшими шагами и снова сверялся с пользователем, постоянно показывая промежуточные результаты и оставляя меньше места для ошибок модели и обвязки. Подход Anthropic оказался эффективнее, хотя и требовал от пользователей больше усилий. «Наш продукт немного опережал то, на что тогда были способны модель и обвязка», признаёт сейчас Амброзино. OpenAI постепенно добавила больше точек взаимодействия с пользователем, так появился сегодняшний Codex с приложениями для компьютера и телефона. По статистике скачиваний, которую в материале используют как показатель интереса, Claude Code был популярнее вплоть до апреля этого года, но затем Codex немного вышел вперёд; опросы об использовании ИИ в корпоративном секторе тоже показывают, что OpenAI догоняет. Часть этого лидерства, точное попадание в потребности рынка, часть, жалобы на ограничения безопасности у моделей Anthropic и нехватку вычислительных мощностей. Собственные шаги OpenAI к более человекоориентированной обвязке продолжает ChatGPT Work, но опрошенные инженеры настаивали: настоящее отличие, не в обвязке, а в силе и экономичности последних моделей OpenAI. «Раздражающий ответ в том, что чаще всего дело именно в модели, и одна вещь, которую мы постарались сделать по-настоящему хорошо в этом приложении, по полной задействовать возможности модели», говорит Амброзино.

Это объяснение отсылает к «горькому уроку» (bitter lesson), известному в ИИ-исследованиях наблюдению, что более сильная универсальная модель важнее специфичной для отрасли экспертизы; для убеждённых сторонников этого взгляда обвязка, временный костыль, а не защитный ров вокруг продукта. «В моменте можно получить неплохой результат, навешав кучу лишнего, условий, правил, инструментов, но камон, через пару месяцев выйдет следующая модель и всё это устареет», говорит Гершенсон; его команда старается предельно просто открывать модели доступ к нужным инструментам и контексту, и не больше. «Цель хорошей инженерии обвязки, точнее понимать, какая именно информация реально нужна модели для решения вашей задачи, потому что модели становятся всё лучше в этом, если просто дать им делать своё дело», говорит он. Открытым, впрочем, остаётся вопрос, готовы ли к этому люди и сами модели: Итан Моллик, профессор Уортонской школы бизнеса, изучающий использование ИИ-инструментов на работе, по-прежнему считает Claude более удобным для пользователя: «ChatGPT обычно хочет устроить магию и просто сделать всё за вас, а Claude делает сравнения и показывает их, снова и снова спрашивая мнение и обратную связь и прогоняя A/B-тесты». Соттьо, и, судя по всему, OpenAI в целом, с этим не согласен и считает, что разговорный формат приложения лучше, чем необходимость учиться пользоваться отдельным приложением: «Мы точно видим, что мир, похоже, готов, говорит он., Именно поэтому у нас невероятное принятие продукта». При этом само предположение, что решает именно модель, а не конкретная обвязка, тоже под вопросом: сравнения, которые проводят компании Composio и Databricks, показывают, что разные сочетания обвязки и модели дают разный результат на кодинг-бенчмарках. Databricks выяснила, что Pi, обвязка с открытым исходным кодом, которую выпустила компания-разработчик ПО Earendil, обошла Codex при использовании одной и той же модели GPT 5.5; на основе Pi уже построены такие проекты, как OpenClaw и Cloudflare OS. Создатель Pi Марио Цехнер говорит, что его намеренно минималистичная обвязка, доказательство того, что ставка на возможности самой модели работает, по крайней мере для разработчиков и задач кодинга: то, чего Pi не хватает в явных функциях, компенсируется её способностью модифицировать саму себя и строить собственные интерфейсы. При этом Цехнер понимает, с какой сложностью сталкиваются инженеры OpenAI, пытаясь выйти за пределы разработчиков: «Всё скроено по лекалам кодинг-агента… причина в том, что у них есть обучающие данные только для задач кодинг-агентов, говорит он TechCrunch., Допустим, я руководитель, я принимаю решение сегодня, а результат проявляется только через месяцы. Это невозможно уложить в простую цепочку “пользователь, агент”, поэтому все подобные задачи, и вообще всё, что не оцифровано, модели просто неоткуда изучить». Как и другие сторонники открытого кода, в стремлении крупных лабораторий продвигать собственные обвязки Цехнер видит попытку привязать к себе пользователей: «Им нужно владеть всем стеком целиком, иначе они превращаются просто в поставщика модели и вынуждены конкурировать с китайскими моделями».

Ещё одна претензия Цехнера и других опрошенных инженеров, слишком слабая прозрачность крупных лабораторий в том, что касается расхода токенов и поведения агента внутри их обвязок. Для непрограммистов это не так заметно, как для программистов, но по мере того как OpenAI будет наращивать охват, вопрос стоимости встанет острее: на подписке за $20 в месяц у автора материала за четыре дня необременительного использования набежало более 80 млн токенов, что, по собственной оценке модели (в приложении нет отдельного дашборда трат), обошлось в $65, то есть реальные затраты только за эти четыре дня более чем втрое превысили месячную стоимость подписки. «Мы каждый день работаем над тем, чтобы двигать границу эффективности», говорит Соттьо, ссылаясь как на пример на недавнее снижение цены на 80% для пользователей модели Luna от OpenAI (какой была цена до этого, он не уточнил)., «Если вы проснётесь через полгода, у вас должна быть возможность делать всё то же самое, но тратя меньше». Отдельный открытый вопрос, создают ли такие приложения эффект привязки клиентов за счёт хранения их данных или самой сложности настройки доступа и разрешений для всех подключённых сервисов. В штаб-квартире OpenAI, которую автор материала посещает в июле, атмосфера, спокойная, но слегка напряжённая: инженеры то и дело поглядывают в ноутбуки и перемещаются между переговорками. Натан, руководитель команды продуктовой инженерии, подытоживает: «обещание волшебной коробки, но я всё ещё считаю, что сложности слишком много… я настроен очень оптимистично, что мы сможем это решить, с помощью самой модели и по-настоящему ИИ-нативным способом».

Ключевые факты

• OpenAI выпустила ChatGPT Work, надстройку над Codex ценой $20 в месяц, которая должна перенести автономных ИИ-агентов из программирования в работу бухгалтеров, инвесторов, врачей и других «белых воротничков»; ведущий инженер настольного приложения OpenAI Эндрю Амброзино в качестве эксперимента дал этому приложению полный доступ к своей почте, Slack, телефону, Notion и Figma.
• По опросу, который заказала сама OpenAI, в июне, ещё до выхода ChatGPT Work, Codex использовали 98% сотрудников компании, но лишь 17% организационных и менее 1% индивидуальных подписчиков вне компании; сколько людей пользуется отдельно Work, а сколько Codex, OpenAI не раскрывает, известна только общая цифра для обоих продуктов, 20 млн человек против более чем миллиарда пользователей ChatGPT в целом.
• На собственном опыте автор материала показывает и сильные, и слабые стороны продукта: агент успешно перенёс расписание детского сада из почты в Google Calendar и собрал дашборд по публичным компаниям, но настройка разрешений «только на чтение» не сработала, часть настроек доступна лишь в веб-версии, а без максимального «уровня усилий» продукт ведёт себя как худший стажёр; за четыре дня использования на подписке за $20 в месяц набежало более 80 млн токенов и $65 по оценке самой модели, в приложении нет дашборда трат.
• Инженеры OpenAI избегают прямых сравнений с Claude Code и Claude Cowork от Anthropic, хотя по статистике скачиваний Claude Code лидировал по спросу вплоть до апреля этого года; первая веб-версия Codex делала ставку на полностью автономную модель, а более разговорный, пошаговый подход Claude Code, по признанию инженера OpenAI Эндрю Амброзино, оказался эффективнее, и OpenAI затем сама пришла к более интерактивному формату.
• Сторонний тест Databricks поставил под сомнение тезис инженеров OpenAI о том, что решает только сила модели: обвязка Pi с открытым исходным кодом (создатель, Марио Цехнер) обошла Codex на одной и той же модели GPT 5.5; сам Цехнер считает, что крупные лаборатории продвигают собственные обвязки прежде всего ради привязки пользователей, а не только ради качества.

Почему это важно

OpenAI пытается перенести идею автономного ИИ-агента из узкой ниши программирования на все «белые воротнички», бухгалтеров, инвесторов, врачей и всех, чья работа завязана на компьютер, и делает это не из абстрактного альтруизма: агенты, которые работают над задачей дольше, сжигают больше токенов, а значит, приносят компании больше денег с каждого пользователя. Кодинг уже показал себя прибыльной нишей для ИИ-лабораторий, но это лишь малая часть всего интеллектуального труда, который нужно охватить, чтобы окупить колоссальные вложения в обучение моделей и вычисления. Показательно, что даже внутри собственной компании этот переход дался нелегко: июньский опрос, который заказала сама OpenAI, показал, что Codex использовали 98% сотрудников компании, и лишь 17% организационных подписчиков и менее 1% индивидуальных подписчиков вне неё. ChatGPT Work, вышедший месяцем позже, прямая попытка закрыть именно этот разрыв, и то, получится ли это у OpenAI, покажет, оправдываются ли ставки всей отрасли на агентов как на следующий источник роста.

Кому это важно

Прежде всего, самой OpenAI и её конкурентам: компания Anthropic с Claude Code и Claude Cowork уже отвоевала часть рынка агентного кодинга и, по статистике скачиваний, лидировала в спросе вплоть до апреля этого года, а нишевые компании вроде Harvey (юриспруденция) и Clay (продажи) тем временем обхаживают тех же клиентов, но работают с любой моделью, а не только с моделями OpenAI. Важно это и инвесторам, которые оценивают, окупятся ли гигантские вложения ИИ-лабораторий в обучение и вычисления, если агенты так и останутся нишей разработчиков. Важно создателям альтернативных обвязок с открытым кодом, таких, как Pi разработчика Марио Цехнера, которые конкурируют с проприетарными продуктами крупных лабораторий и опасаются, что те продвигают собственные обвязки прежде всего ради привязки пользователей к себе. И, наконец, это важно самим потенциальным пользователям, офисным сотрудникам и небольшим командам, которые решают, стоит ли доверять агенту доступ к почте, календарю и рабочим сервисам ради экономии времени.

Как это применить

Из личного опыта автора материала и опрошенных сотрудников OpenAI складывается несколько практических выводов. Инструмент неплохо справляется с рутинными, насыщенными данными задачами, сборкой еженедельных отчётов по метрикам, дашбордов, инвестиционных меморандумов из переписки, переносом данных из почты в календарь; но результат сильно зависит от настройки «уровня усилий», на низком уровне продукт ведёт себя как худший стажёр, какого только можно представить, так что для сколько-нибудь сложной задачи его стоит сразу выставлять на максимум. Разрешения стоит выдавать с запасом: попытки ограничить агента доступом «только на чтение» к диску заканчивались ошибками, а часть настроек доступна только в веб-версии, так что придётся держать открытыми одновременно веб- и мобильное приложение. Отдельно стоит заранее прикинуть реальную стоимость: в приложении нет встроенного дашборда трат, а расход токенов при активном использовании может кратно превышать цену подписки, у автора материала всего за четыре дня вышло на $65 при подписке за $20 в месяц. И, наконец, тем, кто выбирает между агентными продуктами разных компаний, стоит смотреть не только на бренд лаборатории: сравнение Databricks показало, что обвязка Pi с открытым исходным кодом обошла Codex на одной и той же модели GPT 5.5, то есть качество агента определяет не только модель, но и то, как вокруг неё выстроена программная обвязка.

Можно ли доверять

Материал, репортажный профиль TechCrunch с очным посещением штаб-квартиры OpenAI в июле и прямыми цитатами четырёх сотрудников компании (Амброзино, Соттьо, Натана и Гершенсона), а также независимых голосов, представителя a16z Кристиана Каталини, профессора Уортонской школы бизнеса Итана Моллика и создателя обвязки Pi Марио Цехнера; часть выводов автор материала проверяет на собственном опыте использования продукта. Это добавляет достоверности, но у материала есть и слепые зоны. Ключевая цифра о разрыве в использовании (98% против 17% и менее 1%) относится к опросу именно об использовании Codex, заказанному самой OpenAI, и получена в июне, то есть ещё до выхода ChatGPT Work; сама компания также отказалась раскрыть, сколько людей пользуется отдельно Work, а сколько, Codex, дав только общую цифру в 20 млн на двоих. Цифра расхода в $65 за четыре дня, это не выгрузка из официального биллинга OpenAI (в приложении попросту нет дашборда трат), а собственная оценка модели по запросу автора материала. А заявление инженеров OpenAI, что они «не смотрят» на обвязки конкурентов, сам автор материала прямо называет неправдоподобным, учитывая сходство интерфейсов и то, что онбординг ChatGPT Work сам предлагает перенести данные из Claude Cowork.

Риски и подводные камни

Главный риск встроен в саму конструкцию продукта: чтобы агент был полезен, ему нужен широкий доступ к почте, Slack, телефону и рабочим сервисам, а ведущий инженер, который его строит, сам признаёт, что агент может по ошибке подтянуть в документ данные из приватной переписки, не понимая, что ими нельзя делиться. Настройка доступа при этом устроена так, что частичные, ограниченные разрешения на практике не работают, система буквально подталкивает пользователя выдавать полный доступ вместо точечного. Отдельный риск, стоимость: без дашборда трат в приложении легко потратить в разы больше подписки, даже не заметив этого, как это случилось у самого автора материала. Продукт также не показывает достойных результатов без максимального «уровня усилий», а большая часть офисной работы, в отличие от кода, плохо поддаётся объективной проверке, оценить качество презентации или бизнес-стратегии сложнее, чем понять, работает программа или нет, а значит, и ошибки агента заметить труднее. Наконец, за конкуренцией OpenAI и Anthropic стоит и более общий риск для пользователей: обе компании заинтересованы в том, чтобы как можно глубже встроить пользователей в собственную проприетарную обвязку и данные, по словам создателя открытой обвязки Pi Марио Цехнера, лабораториям «нужно владеть всем стеком целиком», а значит, у них есть прямой стимул к привязке клиентов, а не только к техническому превосходству.

«Если я прошу его написать документ, есть вероятность, что оно возьмёт что-то из личной переписки на эту тему, не понимая, что этим нельзя делиться? Да. Я готов пойти на это ради работы. Готов время от времени расплачиваться за это лично, если придётся. Пока не пришлось.»

— Эндрю Амброзино, ведущий инженер настольного приложения OpenAI, в разговоре с TechCrunch