OpenAI در حال ساخت ایجنت‌ های هوش مصنوعی برای همه‌چیز؛ آیا کاربران آماده سپردن کنترل زندگی دیجیتال خود به ChatGPT Work هستند؟

حاضرید چه میزان از کنترل زندگی دیجیتال خود را به یک مدل زبانی بزرگ (LLM) واگذار کنید؟ برای دریافت بیشترین ارزش و بهره‌وری از یک مدل، باید تمام کلیدها و دسترسی‌ها را در اختیار آن بگذارید. برای افراد وسواسی در کنترل امور یا کسانی که نسبت به هوش مصنوعی محتاط هستند، این کار ریسک و فداکاری بسیار بزرگی به نظر می‌رسد. اما برای «اندرو آمبروسینو» (Andrew Ambrosino)، مهندس ارشد اپلیکیشن دسکتاپ OpenAI، این تنها روش برای آزمایش آینده است؛ به همین دلیل، اپلیکیشن این شرکت اکنون به اینباکس ایمیل، حساب اسلک (Slack)، گوشی تلفن همراه و برنامه‌هایی مانند نوشن (Notion) و فیگما (Figma) و دیگر ابزارهای او دسترسی و نظارت کامل دارد.

به گزارش بخش اخبار فناوری زوم تک به نقل از تک‌کرانچ (TechCrunch)، آمبروسینو در این باره می‌گوید: «اگر از هوش مصنوعی بخواهم سندی بنویسد، آیا این احتمال وجود دارد که اطلاعاتی را از یک پیام خصوصی (DM) درباره آن موضوع استخراج کند و نداند نباید برخی داده‌ها را به اشتراک بگذارد؟ بله، چنین امکانی هست؛ اما من برای پیشبرد کارم این ریسک را می‌پذیرم و اگر لازم باشد تبعات شخصی‌اش را به جان می‌خرم، هرچند تا به حال با مشکلی مواجه نشده‌ام.»

آمبروسینو بر روی بزرگ‌ترین برگ برنده اوپن‌ای‌آی یعنی سرویس ChatGPT Work کار می‌کند؛ محصولی که ماه گذشته معرفی شد و در ارزان‌ترین پلن اشتراکی این شرکت با قیمت ۲۰ دلار در ماه در دسترس کاربران قرار گرفته است. هدف این محصول، فراهم کردن امکان استفاده از ایجنت‌های هوش مصنوعی (AI Agents) برای کارمندان یقه سفید (مشاغل اداری و تخصصی) است؛ بدین ترتیب مدل‌های زبانی بزرگ با جریان‌های کاری دیجیتال حسابداران، سرمایه‌گذاران، پزشکان و تمام افرادی که امور روزمره‌شان وابسته به رایانه است، پیوند می‌خورند.

متن تبلیغاتی اوپن‌ای‌آی هدف این پروژه را به شکلی خلاصه و رسا بیان می‌کند: دنیایی که در آن «هوش مصنوعی از پاسخ دادن صِرف به سوالات فراتر رفته و به همگان کمک می‌کند تا بزرگ‌ترین ایده‌های خود را به واقعیت تبدیل کنند.»

برای توسعه‌دهندگان نرم‌افزار، این دگرگونی در حال حاضر رخ داده است، اما گسترش آن به سایر بخش‌ها و مشاغل روندی کند داشته است. ChatGPT Work در واقع نسخه اصلاح‌شده‌ای از ابزار کدنویسی کودکس (Codex) این شرکت است. هدف این سرویس آن است که به کاربران غیرمهندس نیز همان قابلیت‌هایی را ارائه دهد که مهندسان نرم‌افزار از ایجنت‌ها دریافت می‌کنند: یک ابزار هوش مصنوعی خودکار که صرفاً به پرسش‌ها پاسخ نمی‌دهد، بلکه پروژه‌های پیچیده و چندمرحله‌ای را به صورت کاملاً مستقل به سرانجام می‌رساند.

«تیبو سوتیو» (Thibault Sottiaux)، مدیر بخش توسعه محصولات اصلی اوپن‌ای‌آی از جمله پروژه Work، در گفتگو با تک‌کرانچ اظهار داشت: «در این ساختار جدید، چت‌جی‌پی‌تی می‌تواند وظایف بسیار پیچیده و کامل را به شکلی کاملاً مستقل، لذت‌بخش و ایمن برای شما انجام دهد. ماموریت بنیادین اوپن‌ای‌آی نیز دقیقاً همین است: همراه کردن تمامی افراد در این مسیر پیشرفت.»

ابعاد تجاری ایجنت‌ های هوش مصنوعی و چالش جذب کاربران غیربرنامه‌ نویس

از دیدگاه تجاری، این موضوع اهمیت فوق‌العاده‌ای دارد. ایجنت‌هایی که برای بازه‌های طولانی‌تری فعالیت می‌کنند، توکن‌های (Tokens) بسیار بیشتری مصرف می‌کنند؛ امری که درآمدزایی اوپن‌ای‌آی را به ازای هر کاربر به شدت افزایش می‌دهد. دستیابی به حوزه‌های شغلی جدید، نه تنها برای OpenAI بلکه برای کل صنعت هوش مصنوعی حیاتی است. اگرچه کدنویسی قلمرویی سودآور برای آزمایشگاه‌های هوش مصنوعی بوده، اما هنوز بخش بسیار کوچکی از مشاغل تخصصی را تشکیل می‌دهد؛ حوزه‌هایی که این شرکت‌ها باید برای توجیه سرمایه‌گذاری‌های سنگین خود در آموزش مدل‌ها و توان پردازشی، آن‌ها را متحول سازند. در حالی که غول‌های هوش مصنوعی بر مهندسان نرم‌افزار متمرکز بوده‌اند، رقبای تخصصی عمودی مانند Harvey (در حوزه حقوقی) و Clay (در حوزه فروش) با رویکردی بی‌طرف نسبت به مدل‌ها (Model-Agnostic) مشتریان را جذب می‌کنند؛ بدین معنا که از هر مدلی که در آن لحظه بهترین عملکرد را داشته باشد بهره می‌برند.

تحلیل‌گران صنعت این مسئله را یکی از چالش‌های بنیادین پیش روی اوپن‌ای‌آی و رقبایش می‌دانند. «کریستین کاتالینی» (Christian Catalini) در وبلاگ سرمایه‌گذاری a16z نوشت: «اگر آزمایشگاه‌های هوش مصنوعی نتوانند به سرعت دارایی‌های مکمل کلیدی مورد نیاز برای مقیاس‌پذیری هوش مصنوعی در بازار را به دست آورند، ارزش تجاری در جای دیگری انباشته خواهد شد.»

آماده‌سازی اپلیکیشن‌های هوش مصنوعی برای کاربرانی که مهندس نرم‌افزار نیستند، نیازمند ساده‌سازی و راهنمایی بسیار بیشتری است. آمبروسینو با اشاره به گزارش‌های فنی مربوط به تغییرات کدها گفت: کارمندان غیرفنی اوپن‌ای‌آی، مانند تیم‌های روابط عمومی و مالی، استفاده از Codex را زمانی آغاز کردند که سیستم برای آن‌ها بسیار نامأنوس و ناسازگار بود؛ برای نمونه درباره کدها سوال می‌پرسید یا پیام خطای “empty diff” نمایش می‌داد. به همین دلیل ما از ماه فوریه تاکنون تمرکز خود را روی عمومی‌تر کردن کاربرد آن گذاشته‌ایم.

یک پژوهش تحت حمایت اوپن‌ای‌آی با عنوان «گذار به سوی هوش مصنوعی ایجنتیک: شواهدی از کودکس» نشان داد که در ماه ژوئن، ۹۸ درصد از کارکنان OpenAI از کودکس استفاده می‌کردند، اما تنها ۱۷ درصد از مشترکان سازمانی و کمتر از ۱ درصد از کاربران عادی از این ابزار کدنویسی ایجنتیک بهره می‌بردند. این شکاف عمیق میان پذیرش تقریباً کامل در داخل شرکت و سهم بسیار ناچیز در خارج از آن، هم‌زمان بزرگ‌ترین چالش و فرصت تجاری این شرکت به حساب می‌آید.

سوتیو در این باره می‌گوید: «هرچه ارزش و کاربرد بیشتری برای کاربران خلق کنیم، تمایل آن‌ها به پرداخت هزینه برای این ابزارها بیشتر خواهد شد؛ دیدگاه ما نسبت به ChatGPT همواره همین بوده است. شما به این نتیجه می‌رسید که پرداخت ماهانه ۲۰ دلار کاملاً منطقی است، زیرا ارزشی که دریافت می‌کنید بسیار فراتر از این رقم است.»

چگونه کار با هوش مصنوعی ایجنتیک را بصری و کاربرپسند کنیم؟

برای درک این شکاف، شناخت آنچه مهندسان OpenAI در حال ساخت آن هستند اهمیت دارد. هر مدل زبانی بزرگ به آنچه مهندسان «هارنس» (Harness یا چارچوب کنترلی و رابط کاربری) می‌نامند نیاز دارد؛ نرم‌افزاری که پیرامون مدل قرار گرفته و تعیین می‌کند مدل چه اطلاعاتی را ببیند، از کدام ابزارها استفاده کند و پاسخ‌هایش را چگونه به کاربر نمایش دهد.

اگر بخواهید مدل کارها را در دنیای واقعی انجام دهد—یعنی به یک ایجنت هوشمند تبدیل شود—هارنس ابزارها و دستورالعمل‌های لازم برای انجام وظایف بلندمدت را در اختیارش می‌گذارد. برای برنامه‌نویسان، یک رابط خط فرمان (CLI) که به مدل‌ها امکان کدنویسی می‌داد کافی بود تا تحولی شگرف در شیوه توسعه و استقرار نرم‌افزار ایجاد کند. اما عموم مردم با رابط‌های خط فرمان کار نمی‌کنند؛ دقیقاً به همان دلیلی که سیستم‌عامل گرافیکی ویندوز جایگزین داس (DOS) شد.

آمبروسینو در مصاحبه با تک‌کرانچ توضیح می‌دهد که یک محصول ایجنتیک فراتر از مهندسی نرم‌افزار باید بتواند «با دنیای نامنظم زندگی واقعی، ابزارهای مختلف و وب‌سایت‌هایی که در سال ۱۹۹۵ طراحی شده و هرگز به‌روز نشده‌اند ارتباط برقرار کند.» او معتقد است تجربیاتی که تیمش خلق می‌کنند، نقشی حیاتی در گسترش دسترسی عمومی به هوش مصنوعی کارآمد دارد.

اپلیکیشن‌هایی مانند Claude Code و Codex را در نظر بگیرید؛ آن‌ها با خودکارسازی و انتزاعی کردن تمام فرآیند برنامه‌نویسی سنتی، مفهوم وایب کدینگ (Vibe Coding) را پدید آوردند تا کاربران صرفاً با بیان زبان محاوره‌ای و پرامپت‌ها برنامه مورد نظر را خلق کنند. اکنون اوپن‌ای‌آی در پی آن است که قابلیت‌های ابزارهایی مانند OpenClaw (که برنامه‌نویسان برای به کار انداختن مدل‌ها استفاده می‌کنند) را به سادگی یک دستور متنی در اختیار عموم بگذارد.

آمبروسینو می‌گوید: «بدون وجود چنین محصولاتی به عنوان واسط مدل، فقط کارشناسان خبره شیوه دریافت نتایج را می‌دانستند و رسیدن به آمار یک میلیارد کاربر ناممکن بود.» این تعادل میان نیاز کاربران حرفه‌ای و الزامات پذیرش همگانی، موضوع بحث‌های درون‌سازمانی OpenAI است؛ جایی که برخی معتقدند اگر کاربر می‌تواند مستقیماً پرامپت بنویسد، دکمه‌ها و گزینه‌های اضافی کاربردی ندارند. اما آمبروسینو تاکید دارد که در مراحل ابتدایی، «قابلیت کشف و یادگیری ابزارها (Discoverability)» حیاتی است و شاید در آینده این دکمه‌ها حذف شوند. او این فرآیند را با طراحی اسکیومورفیسم (Skeuomorphism) مقایسه می‌کند که در سال‌های گذشته با شبیه‌سازی اشیای فیزیکی در نرم‌افزارها (مانند اپلیکیشن ماشین‌حساب)، گذار کاربران به دنیای دیجیتال را تسهیل کرد.

اگرچه OpenAI آمار تفکیکی کاربران Work و Codex را فاش نکرده، اما اپلیکیشن مشترک این دو در حال حاضر توسط حدود ۲۰ میلیون کاربر استفاده می‌شود؛ آماری که در برابر پایگاه بیش از ۱ میلیارد کاربر آنلاین ChatGPT نشان‌دهنده پتانسیل رشد عظیم این پلتفرم است.

اعطای اختیارات به چت‌جی‌پی‌تی؛ دستیار شخصی هوشمند یا کارآموز ناشی؟

در حال حاضر، اوپن‌ای‌آی ChatGPT Work را به عنوان ابزاری ایده‌آل برای کارهای هماهنگی روزمره و فرآیندهای متمرکز بر پردازش داده‌ها معرفی می‌کند؛ وظایفی نظیر تهیه گزارش‌های هفتگی شاخص‌ها و تبدیل جداول اکسل به برنامه‌ریزی‌های اجرایی.

سرمایه‌گذاران خطرپذیر از این ایجنت‌ها برای جمع‌آوری تحلیل‌ها و ارتباطات تجاری در قالب یادداشت‌های سرمایه‌گذاری استفاده می‌کنند و تیم‌های عملیاتی با کمک آن داشبوردهای اختصاصی می‌سازند. حتی «سم آلتمن» (Sam Altman) نیز برای برنامه‌ریزی تعطیلات خود از آن بهره می‌گیرد. یکی از مهندسان OpenAI توضیح می‌دهد که از برنامه خواسته مکالمات اسلک پیرامون یک باگ فنی را بررسی کرده و نمودارهای تحلیلی ترسیم کند و بلافاصله به نمودارهای بسیار کاربردی دست یافته است.

«آکشای ناتان» (Akshay Nathan)، مدیر مهندسی محصول اوپن‌ای‌آی می‌گوید: «کارمندان امروزی با حجم انبوهی از اطلاعات در نرم‌افزارهایی نظیر Salesforce روبرو هستند، اما توانایی پردازش و اقدام سریع روی آن‌ها محدود است. ارزش چت‌جی‌پی‌تی در این است که داده‌های پراکنده را به اقداماتی ملموس و عملیاتی تبدیل می‌کند.»

بدین ترتیب، این سیستم می‌تواند همان دستیار شخصی دیجیتال رویایی باشد؛ ابزاری که مشابه با Claude Cowork یا ایجنت وب‌گردی Perplexity AI، به فضای کاری شما (ایمیل، مرورگر وب و مجموعه‌ای از پلتفرم‌های SaaS) متصل شده و داده‌ها را سازمان‌دهی می‌کند.

عملکرد سیستم در سناریوهای مختلف جذابیت‌های زیادی دارد؛ از استخراج خودکار برنامه‌های درسی پیچیده از ایمیل و ثبت آن در تقویم گوگل (Google Calendar) گرفته تا تحلیل صورت‌های مالی شرکت‌های بورسی و ایجاد داشبوردهای پویا، ایجاد پایگاه‌های داده و ارسال خلاصه‌های هفتگی مقالات علمی. با این حال، تنظیم سطوح دسترسی (Permissions) برای فضاهای ابری هنوز با چالش‌ها و پیچیدگی‌هایی همراه است و گاهی سیستم برای اجرای درست دستورات نیازمند اعطای دسترسی کامل (Full Access) است.

از سوی دیگر، برخی محدودیت‌ها همچنان وجود دارد؛ به عنوان مثال چت‌جی‌پی‌تی ورک می‌تواند در تقویم گوگل رویداد ثبت کند، اما توانایی ساخت یک تقویم جدید را ندارد. همچنین برای کارهای پیچیده، حتماً باید سطح پردازش و استدلال (Effort Level) روی درجه بالا تنظیم شود، در غیر این صورت خروجی آن شبیه به عملکرد یک کارآموز کم‌تجربه خواهد بود. «جو گرشنسون» (Joe Gershenson)، سرپرست مهندسی هارنس OpenAI، معتقد است این رابط‌ها هنوز به تکامل بیشتری برای کاربران مبتدی نیاز دارند.

چالش دیگر ورود به کارهای دفتری، غیرقابل ارزیابی بودن آن‌ها در مقایسه با کدهای برنامه‌نویسی است؛ یک برنامه یا کار می‌کند یا خطاست، اما سنجش کیفیت یک استراتژی تجاری یا فایل ارائه آسان نیست. به همین منظور اوپن‌ای‌آی از بنچمارک اختصاصی GDPval مبتنی بر ۴۴ عنوان شغلی و آزمون‌های تخصصی کارهای دانشی استفاده می‌کند.

رقابت نفس‌گیر اوپن‌ای‌آی و آنتراپیک در توسعه ایجنت‌ های هوشمند

مهندسان اوپن‌ای‌آی تمایلی به مقایسه مستقیم محصولات خود با رقبایی مانند Claude Cowork نشان نمی‌دهند، اما شباهت‌های ساختاری و تلاش برای مهاجرت داده‌ها نشان‌دهنده یک رقابت داغ است. ابزار Claude Code متعلق به شرکت آنتراپیک (Anthropic) نخستین بار با اتکا به تعامل رفت‌وبرگشتی مستمر با کاربر و ارائه گزینه‌های مرحله‌به‌مرحله، بازار کدنویسی با هوش مصنوعی را دگرگون کرد.

اوپن‌ای‌آی که در ابتدا با رویکردی کاملاً خودمختار و خودکار اقدام کرده بود، متوجه شد تعامل چندباره با کاربر از بروز خطا جلوگیری می‌کند. از این رو با الگوبرداری از این شیوه، نسخه‌های مدرن Codex و سپس ChatGPT Work را روانه بازار کرد. طبق آمارها، Claude Code تا اوایل سال جاری میلادی برتری نسبی داشت، اما اخیراً Codex با استفاده از مدل‌های بهینه‌تر و با توجه به محدودیت‌های محاسباتی آنتراپیک، توانسته در پذیرش سازمانی پیشتاز شود.

معماری رابط کاربری یا قدرت مدل؟ چالش مصرف توکن و هزینه‌ های مقیاس‌ پذیری

این مباحث یادآور اصل مشهور «درس تلخ» (Bitter Lesson) در تحقیقات هوش مصنوعی است؛ اصلی که نشان می‌دهد ارتقای خود مدل‌های عمومی در بلندمدت بسیار موثرتر از افزودن افزونه‌ها و قوانین پیچیده به محیط کاربری است. گرشنسون تاکید دارد که یک رابط کاربری مناسب فقط باید بستری مینیمال برای ارتباط مدل با ابزارهایش باشد، زیرا توانایی خود مدل‌ها به سرعت رو به افزایش است.

با این حال، کارشناسانی همچون پروفسور «ایتان مولیک» (Ethan Mollick) از دانشگاه وارتون معتقدند تعامل پیوسته و گام‌به‌گام کلود هنوز برای کاربر نهایی راحت‌تر و ملموس‌تر از رویکرد تمام‌خودکار چت‌جی‌پی‌تی است.

از سوی دیگر، آزمایش‌های نهادهایی چون Databricks نشان می‌دهد که فریم‌ورک‌های متن‌باز مانند Pi با استفاده از همان مدل GPT 5.5 توانسته‌اند عملکرد بهتری نسبت به رابط اختصاصی Codex ثبت کنند. «ماریو زکنر» (Mario Zechner)، خالق Pi، هشدار می‌دهد که آزمایشگاه‌های بزرگ هوش مصنوعی برای جلوگیری از رقابت با مدل‌های ارزان‌تر چینی، تلاش می‌کنند کاربران را در اکوسیستم بسته‌بندی‌شده خود محصور کنند (Vendor Lock-in).

علاوه بر این، هزینه مصرف توکن‌ها چالش بزرگی برای پذیرش همگانی است. برای نمونه، استفاده آزمایشی و معمول چهار روزه از سرویس اشتراکی ۲۰ دلاری می‌تواند بیش از ۸۰ میلیون توکن مصرف کند که هزینه محاسباتی آن حدود ۶۵ دلار برآورد می‌شود؛ یعنی یارانه‌ای بیش از ۳ برابر هزینه اشتراک ماهانه. با این وجود، مسئولان اوپن‌ای‌آی با اشاره به کاهش ۸۰ درصدی هزینه‌های مدل Luna وعده داده‌اند که با افزایش راندمان پردازشی، در ماه‌های آتی انجام همین امور با هزینه‌های بسیار پایین‌تری امکان‌پذیر خواهد بود.

آکشای ناتان در جمع‌بندی وضعیت نهایی این فناوری تاکید کرد که با وجود پیچیدگی‌های اولیه، اوپن‌ای‌آی مصمم است تا با تکیه بر نسل جدید مدل‌های بومی هوش مصنوعی، رویای داشتن یک دستیار هوشمند و خودمختار واقعی را برای تمام کاربران محقق سازد.