OpenAI oddaje agentom komputer — zgody stają się kluczową barierą

29 września 2026 r. na konferencji DevDay OpenAI ogłosiło rozszerzenie Agents API o obsługę komputera. Agent może dzięki temu wykonywać zadania przez interfejs oprogramowania, w tym przeglądarki. Dla zespołu wdrażającego takiego agenta kluczowa staje się granica między zgodą na otwarcie witryny a zgodą na działanie na koncie użytkownika.

W podsumowaniu DevDay 2026 OpenAI wymienia ponad 20 zapowiedzi i wskazuje, że obsługa komputera jest dostępna przez Agents API oraz w Codex i ChatGPT Work na planach Pro 500 i Enterprise. Pokazano też Dots, agentów do trwających zadań, oraz Decisions API do wyboru spośród z góry określonych odpowiedzi. To różne produkty i różne etapy udostępniania: Decisions API ma ograniczony dostęp, podczas gdy funkcja obsługi komputera jest już dostępna przez API.

Agents API i Dots: różne role i dostępność

Agents API daje twórcom aplikacji hostowane środowisko, wyszukiwanie i wywoływanie narzędzi, mechanizmy współpracy wielu agentów oraz skracanie kontekstu długiej pracy. Obsługa komputera pozwala agentowi korzystać z interfejsu programu zamiast wyłącznie z osobno przygotowanych integracji. To zmienia zakres możliwych działań: po wejściu do aplikacji agent może widzieć te same formularze i przyciski, które widzi człowiek.

Dots są gotowym produktem OpenAI wykonującym trwające zadania w tle; Agents API służy zespołom do budowania własnych rozwiązań. Dots są dostępne w wybranych krajach na planach Pro i Business Premium. W środowiskach Enterprise, Edu i Healthcare wersję beta musi włączyć administrator, bo domyślnie pozostaje wyłączona. Sama obecność Dots na DevDay nie oznacza więc, że każda organizacja może je od razu włączyć.

Zgoda na otwarcie strony to pierwszy próg

Dokumentacja obsługi komputera opisuje przeglądarkę działającą w środowisku OpenAI. Przed wejściem na każdą nową witrynę, także publiczną, agent zatrzymuje się i prosi o decyzję użytkownika. Aplikacja ma pokazać żądany adres oraz powód, jeśli został podany, a następnie przekazać decyzję: zatwierdzenie, odmowę albo anulowanie. Samo włączenie dostępu do sieci nie udziela tej zgody.

Ten mechanizm kontroluje wejście na witrynę, ale nie wymusza potwierdzenia każdego kliknięcia po jej otwarciu. Zakup i zmiana niszcząca dane to działania, przed którymi aplikacja może potrzebować gwarantowanego przystanku. W takim przypadku rozwiązaniem jest ograniczenie hostowanej przeglądarki do zasobów, które nie pozwalają na wykonanie tych czynności, albo użycie środowiska przeglądarki kontrolowanego przez zespół. Prośba wpisana tylko w instrukcję agenta, by zapytał użytkownika, zależy od tego, czy agent wywoła właściwe narzędzie.

W praktyce zgoda na stronę firmowej poczty oznacza możliwość jej otwarcia, a nie upoważnienie do wysłania wiadomości. To samo dotyczy wejścia do panelu administracyjnego i usunięcia rekordu. Są to przykłady warunkowe: rzeczywisty zakres działań zależy od uprawnień konta i ograniczeń aplikacji. Właśnie dlatego wybór między odczytem, przygotowaniem propozycji a wykonaniem zmiany powinien być zapisany przed uruchomieniem sesji, nie odgadywany z ogólnego polecenia.

Logowanie i audyt wymagają osobnych decyzji

Gdy zadanie wymaga konta, aplikacja obsługuje logowanie poza rozmową z agentem. Użytkownik może wybrać metodę i podać dane w osobnym formularzu, a przekazane wartości nie trafiają do wejścia modelu ani do elementów historii zawierających odpowiedź na prośbę o uwierzytelnienie. Przyjęcie danych przez API nie oznacza jeszcze pomyślnego zalogowania; dopiero dalszy przebieg sesji pokaże, czy dostęp uzyskano. Jeśli adres logowania jest nieznany lub nie można go zweryfikować, prośbę należy anulować.

To rozdzielenie nie zwalnia z ochrony po stronie własnej aplikacji. Dane wpisane do formularza logowania nie powinny trafiać do zwykłych logów, analityki ani zapisanego stanu interfejsu. Obrazy przeglądarki również mogą zawierać dane konta; powinny być widoczne tylko dla uprawnionych osób. Zapis czynności warto więc oddzielić od kopii ekranu i od danych uwierzytelniających, nawet jeśli wszystkie dotyczą jednej sesji.

Przy audycie istotny jest szczegół techniczny: prośby o zgodę na odwiedzenie witryny nie mają osobnych rekordów żądania i odpowiedzi w historii sesji. Aplikacja powinna zatem zapisać, kto i kiedy zaakceptował konkretny adres, z jakim zadaniem i na jakiej podstawie. Do tego należy powiązać wykonane czynności, ich wynik oraz moment zatrzymania po odmowie. Taki dziennik jest projektem zespołu wdrażającego, a nie gotową gwarancją samego Agents API.

Kiedy agent musi przerwać pracę

Przed podłączeniem poczty lub systemu firmowego zespół musi rozstrzygnąć, kto zatwierdza zmianę skutku zadania: zlecający użytkownik, właściciel konta czy administrator systemu. Jeżeli w trakcie pracy zmienia się odbiorca wiadomości, zakres danych albo cel czynności, wcześniejsza zgoda może już nie obejmować nowej sytuacji. W tym miejscu aplikacja powinna zatrzymać wykonanie i poprosić właściwą osobę o nową decyzję, zamiast traktować zgodę na witrynę jako stały mandat.

Także anulowanie prośby o dostęp do witryny nie anuluje automatycznie całego zadania. Projekt musi więc określić osobny warunek zakończenia sesji oraz sposób powrotu do niej po przerwaniu połączenia, aby agent nie powtórzył czynności o skutkach dla użytkownika. Odpowiedzialność za tę granicę pozostaje po stronie aplikacji podłączającej konto: użytkownik powinien zobaczyć skutek do zatwierdzenia, zanim stanie się on nieodwracalną zmianą w systemie.

Przeczytaj także:

• Cloudflare oddaje agentom 2900 poleceń — logowanie nadal wymaga człowieka
• OpenAI wstrzymało GPT-6.1 Astra — model przekraczał granice poleceń
• Agenci OpenAI wysłali 53 obrazy użytkowników na zewnętrzne serwisy