Codex начинался как помощник программиста: ему описывали задачу, он писал код. Из него вырос ChatGPT Work — платформа, которая делает то же самое с документами, таблицами, почтой и проектами, причём программировать для этого не нужно. Вместе у Codex и ChatGPT Work уже около 10 миллионов пользователей. Разбираем, что именно изменилось в способе работы и что из этого можно попробовать самому.
Кто пользуется этими инструментами на самом деле
Codex делали для тех, кто пишет код. Но программисты — примерно один человек из ста среди тех, кому такой инструмент оказался полезен.
Остальные девяносто девять заняты тем, что называют знаниевой работой: документы, таблицы, переписка, анализ, отчёты. Они пришли к Codex не за кодом, а за способом поручить машине задачу целиком. Именно этот перекос и породил ChatGPT Work.
Задача вместо приложения
Привычная работа устроена вокруг программ. Нужен текст — открываете редактор. Нужны цифры — таблицу. Нужно отправить — почту. Человек держит в голове маршрут: где что лежит и в каком порядке это соединять.
ChatGPT Work переворачивает порядок. Вы описываете цель — «собери отчёт по продажам за квартал из этих трёх файлов и приложи короткое письмо для руководителя», — а инструменты подбирает система. Она сама решает, что открыть, что откуда взять и в какой последовательности.
Разница не в скорости набора. Она в том, что маршрут больше не нужно держать в голове.
Один запрос, несколько источников
Отсюда вытекает вторая способность: работа с разными форматами в одной задаче. Документ, таблица, переписка, локальный файл и фрагмент кода перестают быть отдельными мирами — ИИ соединяет их в общий результат.
Практический выигрыш заметнее всего в задачах-сборках: свести данные из нескольких файлов, сверить документ с таблицей, собрать сводку по переписке за месяц. Раньше это была последовательность ручных операций, где ошибиться легко именно на переносе.
Обратная сторона тоже есть: чем больше шагов система делает без вас, тем важнее проверять итог. Модель не сообщает, что взяла цифру не из того столбца. Про то, почему автономным системам нужен внешний контроль, мы писали в разборе проблемы верификатора, а про инструменты наблюдения за действиями агента — в материале о McPherson Governance v0.5.
Куда это движется
OpenAI строит расчёт на том, что помощник нужен любому, кто работает с информацией, а не только тем, кто пишет код. Дальше в таких системах развивают три вещи: память о прошлых задачах и вашем стиле, умение разбивать работу на подзадачи и раздавать их вспомогательным агентам, накопление контекста о вашей работе.
Тот же путь проходят другие агенты, включая OpenClaw. Как устроен агент изнутри, разобрано в полном гиде; свежие изменения — в разделе новостей и, например, в заметке про базу для генерации документации.
С чего начать, если вы пользуетесь ИИ только в чате
Смените формулировку. Вместо «напиши текст письма» попробуйте «вот три файла, собери из них сводку и черновик письма для руководителя». Это и есть переход от отдельного действия к задаче.
Возьмите для первой попытки то, что делаете регулярно и вручную: недельный отчёт, сверку двух таблиц, разбор накопившихся заявок. Именно на повторяющемся видно выигрыш — разовую задачу быстрее сделать самому.
И оставьте себе шаг проверки. Смотрите не текст целиком, а цифры и факты, которые ИИ откуда-то взял: ошибки живут там. Через несколько заходов вы поймёте, какие задачи можно отдавать спокойно, а какие требуют вашего участия, — и это понимание пригодится с любым агентом, не только с ChatGPT Work.
Источник: Codex from 0 to 10M Users: Building ChatGPT Work — Akshay Nathan, OpenAI, Latent.Space, 28 июля 2026.
Что ещё двигало рынок в эти недели: пять трендов с Agentic AI Summit и покупка Taalas компанией AMD.