OpenAI e Ironclad presentaron el 6 de octubre una colaboración para entrenar y evaluar agentes de IA en tareas de contratación. El trabajo convierte necesidades profesionales en ejercicios que exigen configurar acuerdos, aprobaciones y cláusulas reutilizables, verificando que el proceso completo respete las reglas iniciales.
Los equipos definieron once tareas de áreas legales, comerciales y de compras, con entre ocho y 50 criterios de evaluación. Utilizaron entornos alojados del software y ejercicios sintéticos para mejorar los modelos mediante aprendizaje por refuerzo. OpenAI afirma que no empleó contratos privados de clientes para entrenamiento ni evaluación.
En las pruebas, GPT-6 Astra obtuvo una puntuación media del 55%, frente al 41,6% de GPT-5.6 Sol. El tiempo estimado por intento pasó de 37 a 19,2 minutos. Astra utilizó razonamiento Max y Sol, High: las configuraciones fueron diferentes. Los tiempos son simulaciones basadas en velocidades supuestas, no ahorros medidos en empresas. Los resultados cubren esas once tareas y no todos los procesos de Ironclad. El anuncio subraya que la supervisión humana sigue siendo necesaria para preservar controles y excepciones, aunque los agentes mejoren al operar software especializado.