Технічний контекст
Я поліз у опис ChatGPT Work з думкою: ну ок, це черговий режим в інтерфейсі. А потім стало ясно, що OpenAI досить тихо запакували всередину ChatGPT річ, дуже близьку за духом до Codex, тільки не як dev-інструмент для гіків, а як шар для нормальних задач AI-автоматизації.
І ось тут багато хто плутається. Я теж спочатку спіткнувся об формулювання. ChatGPT Work це не хмарна IDE і не прямий клон Claude CoWork. Це агентний режим усередині ChatGPT, який бере мету, сам ріже її на кроки, працює з файлами, підключеними інструментами і може сидіти над задачею годинами, поки не збере готовий результат.
За офіційним описом Work заточений під deliverables: звіт, таблицю, презентацію, workflow, веб-застосунок, шматок коду. Працює це на GPT-5.6, і OpenAI подає його як модель, оптимізовану під довгі багатокрокові процеси. Якщо раніше Codex асоціювався насамперед із кодом, то тут той самий базовий клас можливостей загорнули в інтерфейс для «звичайної роботи».
Це важлива різниця. Я не бачу тут повноцінного середовища, де ти сидиш і порядково живеш у редакторі. Я бачу виконавчий шар: дав задачу, прикріпив контекст, дозволив доступ до файлів та інструментів, отримав зібраний артефакт. Для частини сценаріїв цього вистачає з головою, особливо коли локальні CLI, IDE і ручне складання тільки гальмують.
Ще один практичний момент: Work живе в екосистемі ChatGPT, а не окремо. Можна почати задачу з телефона, потім перевірити на десктопі, а на десктопному додатку ще й підключити локальні файли і застосунки, якщо доступ дозволено. За моделлю споживання все схоже на Codex: чим важча задача, тим більше вона з'їдає лімітів.
Вплив на бізнес та автоматизацію
Для команд це зсув не в бік «ще один чатбот», а в бік нормальної AI-імплементації для довгих задач. Я б виділив три ефекти: менше ручного складання артефактів, менше перемикань між інструментами і швидший запуск внутрішніх автоматизацій без окремого інженерного контуру на кожен кейс.
Виграють ті, у кого багато повторюваної інтелектуальної рутини: аналітика, внутрішні звіти, прототипи, workflow між файлами і кодом. Програють старі процеси, де людина все ще грає роль клею між п'ятьма сервісами.
Але я б не романтизував. Без нормальної AI-архітектури такі агенти швидко впираються в доступи, контекст, контроль версій і перевірку результату. Ми в Nahornyi AI Lab якраз вирішуємо для клієнтів ці стики: де Work достатньо, а де вже потрібна кастомна AI-інтеграція або окремий агент під процес.
Якщо ваша команда тоне в багатокроковій рутині, я б подивився на це без хайпу і з калькулятором. А якщо хочете зібрати з таких інструментів робочу систему, а не ще один хаотичний експеримент, в Nahornyi AI Lab я можу допомогти вибудувати AI solution development під ваш реальний потік задач.