Технический контекст
Я полез в описание ChatGPT Work с мыслью: ну окей, это очередной режим в интерфейсе. А потом стало ясно, что OpenAI довольно тихо упаковали внутрь ChatGPT штуку, очень близкую по духу к Codex, только не как dev-инструмент для гиков, а как слой для нормальной AI automation задач.
И вот здесь многие путаются. Я тоже сначала споткнулся об формулировки. ChatGPT Work это не облачная IDE и не прямой клон Claude CoWork. Это агентный режим внутри ChatGPT, который берет цель, сам режет ее на шаги, работает с файлами, подключенными инструментами и может сидеть над задачей часами, пока не соберет готовый результат.
По официальному описанию Work заточен под deliverables: отчет, таблицу, презентацию, workflow, веб-приложение, кусок кода. Работает это на GPT-5.6, и OpenAI подает его как модель, оптимизированную под длинные многошаговые процессы. Если раньше Codex ассоциировался в первую очередь с кодом, то тут тот же базовый класс возможностей завернули в интерфейс для «обычной работы».
Это важная разница. Я не вижу тут полноценной среды, где ты сидишь и построчно живешь в редакторе. Я вижу исполнительный слой: дал задачу, прикрепил контекст, разрешил доступ к файлам и инструментам, получил собранный артефакт. Для части сценариев этого хватает с головой, особенно когда локальные CLI, IDE и ручная сборка только тормозят.
Еще один практический момент: Work живет в экосистеме ChatGPT, а не отдельно. Можно начать задачу с телефона, потом проверить на десктопе, а на десктопном приложении еще и подключить локальные файлы и приложения, если доступ разрешен. По модели потребления все похоже на Codex: чем тяжелее задача, тем больше она съедает лимитов.
Влияние на бизнес и автоматизацию
Для команд это сдвиг не в сторону «еще один чатбот», а в сторону нормального AI implementation для длинных задач. Я бы выделил три эффекта: меньше ручной сборки артефактов, меньше переключений между инструментами и быстрее запуск внутренних автоматизаций без отдельного инженерного контура на каждый кейс.
Выигрывают те, у кого много повторяемой интеллектуальной рутины: аналитика, внутренние отчеты, прототипы, workflow между файлами и кодом. Проигрывают старые процессы, где человек все еще играет роль клея между пятью сервисами.
Но я бы не романтизировал. Без нормальной AI architecture такие агенты быстро упираются в доступы, контекст, контроль версий и проверку результата. Мы в Nahornyi AI Lab как раз решаем для клиентов эти стыки: где Work достаточно, а где уже нужна кастомная AI integration или отдельный агент под процесс.
Если у вас команда тонет в многошаговой рутине, я бы посмотрел на это без хайпа и с калькулятором. А если хотите собрать из таких инструментов рабочую систему, а не еще один хаотичный эксперимент, в Nahornyi AI Lab я могу помочь выстроить AI solution development под ваш реальный поток задач.