Jeszcze kilka lat temu interakcja ze sztuczną inteligencją wyglądała niezwykle prosto: użytkownik otwierał czat, wpisywał pytanie i czekał na odpowiedź. ChatGPT potrafił wyjaśnić skomplikowany temat, napisać list, skrócić tekst lub pomóc w kodowaniu, ale praktycznie każde nowe działanie inicjowała osoba. Sztuczna inteligencja pozostawała bardzo potężnym, ale jednak narzędziem, które trzeba było nieustannie kierować.

Po konferencji OpenAI DevDay 2026 ten model wydaje się coraz mniej aktualny. Podczas konferencji, która odbyła się 29 września w San Francisco, firma ogłosiła ponad 20 ważnych nowości — od nowych modeli i możliwości Codexu po Agents API oraz stale aktywnych agentów Dots. Znacznie ciekawsze jest jednak nie to, ile nowych produktów zaprezentowała firma OpenAI, ale to, jak łączą się one w jedną spójną system. W tym systemie człowiek coraz rzadziej wyjaśnia sztucznej inteligencji każdy kolejny krok, a zamiast tego formułuje cel, zapewnia dostęp do niezbędnych narzędzi i kontroluje wynik.

UA.News wyjaśnia, dlaczego DevDay 2026 można uznać za kolejny wielki krok OpenAI od zwykłego botaw kierunku systemu AI zdolnego do samodzielnej pracy z programami, plikami, kodem i usługami korporacyjnymi, wykonywania długotrwałych zadań w chmurze i zwracania się do człowieka tylko wtedy, gdy potrzebne jest rozwiązanie lub zezwolenie.

OpenAI DevDay wskazał główny kierunek rozwoju ChatGPT 

Na samym początku historii ChatGPT główną wartością była odpowiedź. Użytkownik zadawał pytanie — model generował tekst. Następnie dodano do tego analizę plików, wyszukiwanie informacji, generowanie obrazów, pracę z kodem, funkcję głosową oraz integrację z usługami zewnętrznymi.

Jednak logika pozostawała mniej więcej taka sama: użytkownik zwracał się do sztucznej inteligencji i prosił ją o wykonanie jakiegoś zadania. Teraz OpenAI próbuje odwrócić ten model.

Podsumowując DevDay 2026, firma otwarcie mówi o agentach zdolnych do przejmowania „ongoing responsibilities” — czyli nie pojedynczych, jednorazowych zapytań, ale stałych obowiązków. To istotne sformułowanie. Nie chodzi już tylko o to, by poprosić ChatGPT o przygotowanie dokumentu, ale o system, który może monitorować określony proces, reagować na zmiany i wykonywać kolejne czynności bez konieczności wprowadzania nowego polecenia na każdym etapie.

Właśnie dlatego poszczególne ogłoszenia z DevDay warto rozpatrywać łącznie. Dots umożliwiają sztucznej inteligencji ciągłą pracę. Agents API pozwala programistom na wbudowywanie takich agentów we własne produkty. Computer Use daje im możliwość interakcji z programami za pośrednictwem interfejsu. Codex pokazuje, jak taki schemat już działa w programowaniu, gdy agent otrzymuje zadanie, samodzielnie pracuje z plikami i kodem, uruchamia weryfikacje i dostarcza gotowy wynik.

Jeśli wcześniej typowy scenariusz wyglądał jak „zapytaj – otrzymaj odpowiedź”, to nowy schemat coraz bardziej przypomina „wyznacz cel – udziel dostępu – sprawdź wynik”. W perspektywie właśnie ta różnica może okazać się znacznie ważniejsza niż kolejne zwiększenie liczby parametrów lub wyników modeli w testach porównawczych.

Dots — agent OpenAI, który nie czeka na nową wiadomość od użytkownika

Najbardziej namacalnym przykładem nowego podejścia są agenci Dots przedstawieni przez OpenAI. Firma opisuje ich jako „always-on agents” — agentów, którzy mogą pozostawać aktywni nieprzerwanie. Każdy Dot działa na GPT-6 Astra, dysponuje własnym komputerem w chmurze i może wykonywać zadania przez całą dobę. Dzięki ekosystemowi wtyczek agenci mogą łączyć się, według OpenAI, z ponad 4 tysiącami aplikacji.

W prezentacji Dots firma OpenAI przedstawia kilka scenariuszy, które dobrze ilustrują różnicę między takim agentem a zwykłym chatbotem. Na przykład w przypadku programisty Dot może śledzić opinie użytkowników, wykrywać powtarzające się problemy, samodzielnie określać drobne poprawki, tworzyć kod, testować go i przygotować gotowy pull request. Człowiekowi pozostaje jedynie przejrzeć wynik.

W przypadku autora treści agent może uzyskać nową transkrypcję wywiadu, wybrać fragmenty do krótkich filmów, przygotować opis, posty na media społecznościowe oraz uwzględnić wcześniejsze poprawki autora.

W przypadku naukowca — śledzenie napływających nowych danych, ponowne uruchamianie analizy, aktualizowanie wykresów oraz powiadamianie, jeśli wyniki zmieniły się na tyle, że konieczna jest interwencja człowieka.

OpenAI przytacza nawet przykład z wczesnej fazy testów, kiedy to Dot zauważył, że użytkownik zapomniał wystawić fakturę dla wydawnictwa, przygotował ją i wysłał po potwierdzeniu. Właśnie tutaj przebiega ważna granica. ChatGPT w klasycznej postaci nie „zauważyłby” zapomnianej faktury, gdyby osoba sama nie otworzyła czatu i nie poprosiła o jej sprawdzenie. System agentowy musi samodzielnie dostrzegać kontekst, pamiętać o celu i określać moment, w którym konieczne jest podjęcie działania.

Oznacza to, że OpenAI faktycznie stara się sprawić, by sztuczna inteligencja nie była miejscem, do którego przychodzi się po pomoc, ale raczej elementem działającym w tle.

Własny komputer dla sztucznej inteligencji zmienia znacznie więcej, niż się wydaje

Jednym z najważniejszych elementów Dots jest własny komputer w chmurze. Dla użytkownika może to brzmieć jak techniczny szczegół, ale to właśnie on odróżnia model językowy od pełnoprawnego agenta.

Zwykły model może napisać instrukcję, jak wykonać określoną operację. Agent wyposażony w komputer może spróbować wykonać ją samodzielnie. OpenAI zaznacza, że Dots mogą korzystać z własnej przeglądarki, podłączonych aplikacji oraz pracować jednocześnie nad kilkoma projektami. Użytkownik może przy tym w dowolnym momencie otworzyć komputer agenta i sprawdzić, co robi.

Ta sama koncepcja jest teraz przenoszona na platformę dla programistów. Zaktualizowane Agents API obsługuje funkcję „Computer Use”, dzięki czemu agent może korzystać z przeglądarki, przechodzić między stronami i wchodzić w interakcję z interfejsami programów. Różni się to zasadniczo od sytuacji, w której model językowy po prostu zwraca tekst lub ustrukturyzowaną odpowiedź za pośrednictwem API.

Na przykład firma może stworzyć agenta, który odbiera zapytanie klienta, wyszukuje informacje w systemie wewnętrznym, sprawdza status zamówienia, otwiera odpowiednią usługę i przygotowuje kolejną czynność. Albo agenta, który analizuje zgłoszenie, gromadzi niezbędne dokumenty i przekazuje pracownikowi już przygotowaną sprawę.

W rzeczywistości przed sztuczną inteligencją stopniowo otwiera się ta sama cyfrowa przestrzeń robocza, w której pracuje człowiek: przeglądarka, pliki, aplikacje korporacyjne, terminal i usługi zewnętrzne.

Im więcej takich narzędzi otrzymuje model, tym mniejsze znaczenie ma jego zdolność do po prostu zgrabnego udzielania odpowiedzi na czacie. Na pierwszy plan wysuwa się inne pytanie: czy potrafi on prawidłowo zrozumieć zadanie, podzielić je na etapy, korzystać z odpowiednich programów, sprawdzić własną pracę i zrozumieć, kiedy należy zwrócić się do człowieka.

Codex pokazuje, jak sztuczna inteligencja stopniowo przechodzi od podpowiedzi do wykonywania zadań

Najlepiej widać to już w programowaniu. Jeszcze niedawno sztuczna inteligencja była dla programisty przede wszystkim asystentem: można było poprosić ją o napisanie fragmentu kodu, znalezienie błędu lub wyjaśnienie, dlaczego dana funkcja nie działa. Człowiek pozostawał przy tym głównym operatorem — sam otwierał pliki, uruchamiał polecenia, sprawdzał wynik i zlecał modelowi kolejne zadanie.

Dzięki Codexowi firma OpenAI stopniowo próbuje zmienić sam ten model. Podczas DevDay firma zaprezentowała nowe możliwości, które pozwalają przekazywać agentowi nie pojedynczą operację, ale znacznie większy zakres pracy.

Codex może działać w środowisku chmurowym z dostępem do repozytorium, niezbędnych zależności i narzędzi. Programista wyznacza zadanie, po czym agent samodzielnie analizuje projekt, wyszukuje potrzebne pliki, wprowadza zmiany, uruchamia testy i zwraca wynik. Praca nie jest przy tym powiązana z oknem otwartym na komputerze: zadanie może być nadal wykonywane w chmurze, nawet jeśli użytkownik przełączył się na inną pracę lub zamknął laptopa.

W dokumentacji OpenAI zaznaczono, że dla takich zadań tworzone są oddzielne, izolowane środowiska. Pozwala to Codexowi pracować z kodem niezależnie od urządzenia, z którego użytkownik zlecił zadanie.

Co ważniejsze, pracę można już rozdzielać między kilku agentów. W interfejsie CLI Codex pojawiły się narzędzia do równoległego wykonywania zadań: jednemu agentowi można zlecić poszukiwanie przyczyny błędu, drugiemu — pracę nad konkretną funkcją, a trzeciemu — sprawdzanie zmian. W takim schemacie użytkownik w coraz większym stopniu przechodzi od bezpośredniego wpisywania każdego polecenia do zarządzania procesem.

To samo widać na przykładzie weryfikacji kodu. Codex jest w stanie przeanalizować wprowadzone zmiany, znaleźć potencjalne problemy i przygotować uwagi, zanim jeszcze programista sam zacznie przeglądać każdy plik. Niektóre narzędzia bezpieczeństwa mogą również regularnie sprawdzać repozytoria, wyszukiwać luki w zabezpieczeniach i proponować poprawki.

Nie oznacza to jednak, że programistę można całkowicie wyeliminować z tego procesu. Człowiek nadal musi prawidłowo sformułować zadanie, określić granice dostępu, ocenić proponowane zmiany oraz sprawdzić kod o krytycznym znaczeniu.

Zmienia się jednak sam punkt interakcji. Wcześniej programista korzystał ze sztucznej inteligencji głównie po to, by szybciej wykonywać poszczególne operacje. Teraz OpenAI stara się uczynić Codex systemem, któremu można powierzyć całe zadanie: opisać problem, zapewnić dostęp do projektu i po pewnym czasie otrzymać gotowy wynik.

Właśnie dlatego Codex stanowi dobry przykład szerszej strategii OpenAI. Sztuczna inteligencja stopniowo przechodzi od roli narzędzia, które podpowiada człowiekowi, co robić dalej, do roli agenta, który samodzielnie może pokonać znaczną część drogi od postawionego zadania do gotowego wyniku.

Jeden agent wykonuje zadanie, a kilku agentów może podzielić się pracą między sobą

Kolejna fundamentalna zmiana — przejście od pojedynczego modelu do systemu agentów. W klasycznym ChatGPT użytkownik komunikował się w rzeczywistości z jednym rozmówcą. Jednak złożona, rzeczywista praca rzadko składa się z jednej operacji.

Na przykład wprowadzenie nowego produktu na rynek może wymagać badania konkurencji, analizy danych, pisania tekstów, tworzenia kodu, sprawdzania bezpieczeństwa oraz przygotowania prezentacji. OpenAI stopniowo buduje architekturę, w której główny agent może korzystać z narzędzi i angażować innych agentów do wykonania poszczególnych części zadania.

Interfejs API agentów zawiera już mechanizmy zarządzania sesjami, kontekstem, narzędziami, wykonywaniem kodu oraz wznawianiem długotrwałych zadań. Podczas DevDay firma OpenAI wzbogaciła ten system o funkcje korzystania z komputera, pracy wieloagentowej oraz wyszukiwania niezbędnych narzędzi.

To zbliża sztuczną inteligencję do swego rodzaju cyfrowego zespołu. Jeden agent może zbierać informacje, drugi — pracować z kodem, a trzeci — sprawdzać wynik. Człowiek może przy tym pozostać na poziomie stawiania zadania i podejmowania ostatecznej decyzji.

Sama firma OpenAI twierdzi, że w przyszłości widzi nie pojedynczego Dota, ale zespoły agentów, które będą współpracować w imieniu użytkownika.

Jeśli takie podejście okaże się wystarczająco niezawodne, główną umiejętnością w pracy z AI może stać się już nie umiejętność prawidłowego sformułowania pojedynczego promptu, ale zdolność do właściwego wyznaczenia celu, określenia ograniczeń i zbudowania procesu kontroli.

Wtyczki w ChatGPT stają się nie tylko dodatkiem, ale odrębną warstwą interfejsu

OpenAI poświęciło osobny blok podczas DevDay temu, jak usługi zewnętrzne mogą działać wewnątrz ChatGPT. I tutaj zmiana jest nie mniej znacząca niż w przypadku agentów czy Codexu. Wcześniej podłączenie zewnętrznej usługi do ChatGPT sprowadzało się głównie do uzyskania dostępu do jej funkcji lub danych. Użytkownik wysyłał zapytanie, model zwracał się do odpowiedniej usługi i zwracał wynik na czacie. Teraz OpenAI chce, aby takie integracje wyglądały znacznie bardziej jak pełnoprawne aplikacje.

Podczas DevDay firma zaprezentowała rozszerzone możliwości wtyczek, które pozwalają programistom tworzyć w ramach ChatGPT własne interaktywne elementy: panele, przeglądarki plików, przyciski, formularze i inne komponenty interfejsu. Oznacza to, że wtyczka nie ogranicza się już do roli niewidocznego „pomostu” między modelem a usługą zewnętrzną.

Może on mieć własną prezentację bezpośrednio w ChatGPT. To ważna zmiana dla samego ekosystemu. Mówiąc ogólnie, serwis nie musi już kierować użytkownika na oddzielną stronę internetową ani zmuszać go do przełączania się między kilkoma kartami. Część interakcji można przenieść po prostu do samego czatu.

Na przykład zamiast otrzymywać od sztucznej inteligencji jedynie tekstową odpowiedź dotyczącą dokumentu, użytkownik może otworzyć go za pośrednictwem osobnej prezentacji. Zamiast opisu danych – zobaczyć interaktywny panel. Zamiast polecenia w tekście – nacisnąć przycisk lub wypełnić formularz stworzony przez samego twórcę wtyczki.

Dla OpenAI oznacza to stopniowe rozszerzanie ChatGPT poza ramy zwykłego dialogu. Czat pozostaje punktem wejścia, ale sama praca w jego obrębie w coraz mniejszym stopniu powinna ograniczać się do wymiany wiadomości. Dla firm zewnętrznych taki model otwiera również nową możliwość: tworzenie oddzielnego produktu nie tylko jako strony internetowej lub aplikacji mobilnej, ale jako usługi działającej wewnątrz ChatGPT i wykorzystującej go jako gotowy interfejs do interakcji z użytkownikiem.

Jeśli to podejście się przyjmie, ChatGPT może stopniowo stać się dla części serwisów nie tyle kanałem dostępu do sztucznej inteligencji, co samą platformą, w ramach której użytkownik korzysta z ich produktów.

OpenAI przygotowuje ChatGPT do ery autonomicznej pracy 

Jeśli połączymy wszystkie ogłoszenia z DevDay w jedną całość, staje się jasne, że OpenAI stopniowo zmienia samą zasadę działania ChatGPT. Nie chodzi już tylko o ulepszanie odpowiedzi, szybsze modele czy nowe, pojedyncze funkcje. Firma buduje system, któremu użytkownik będzie mógł powierzyć coraz większą część pracy w całości.

W takim modelu człowiek nie musi nieustannie kierować każdym kolejnym krokiem. Zamiast dziesiątek oddzielnych poleceń formułuje zadanie, określa granice dostępu i otrzymuje wynik, gdy praca zostanie zakończona lub gdy system będzie potrzebował decyzji.

Właśnie tę koncepcję tworzą zaprezentowane podczas DevDay agenci, chmurowa platforma Codex, Computer Use, Agents API oraz nowe podejście do wtyczek. Każde z tych narzędzi rozwiązuje odrębny problem, ale razem dają one sztucznej inteligencji możliwość nie tylko odpowiadania na zapytania, ale także pracy w rzeczywistym środowisku cyfrowym.

Jednocześnie sprawia to, że kwestia kontroli staje się znacznie ważniejsza niż wcześniej. Problem halucynacji modeli nigdzie nie znika. Błąd zwykłego chatbota może skutkować błędną odpowiedzią. Błąd agenta, który ma dostęp do plików, przeglądarki, poczty, usług korporacyjnych lub kodu, może potencjalnie mieć już realne konsekwencje.

Dlatego OpenAI na razie buduje model agenta w oparciu o system uprawnień i potwierdzeń. Użytkownik może określić, jakie działania sztuczna inteligencja może wykonywać samodzielnie, które wymagają zatwierdzenia, a do których w ogóle nie powinna mieć dostępu. To prawdopodobnie stanie się jedną z głównych kwestii kolejnego etapu rozwoju sztucznej inteligencji: nie tylko to, jak wiele system jest w stanie zrobić, ale także to, na ile można mu pozwolić działać samodzielnie.

DevDay 2026 pokazał, że OpenAI widzi przyszłość ChatGPT właśnie w tym kierunku. A jeśli ta model zacznie działać wystarczająco niezawodnie, zmieni się nie tylko ChatGPT. Zmieni się sama rola człowieka przed komputerem: zamiast ciągłego wykonywania drobnych czynności będzie on coraz częściej wyznaczał zadania, określał zasady i sprawdzał gotowe wyniki pracy.