چگونه عامل کار ChatGPT اوپن‌ای‌آی، هوش مصنوعی را از دستوردهی ساده به واگذاری چندساعته وظایف تغییر می‌دهد

دوران تایپ یک دستور (پرامپت) و انتظار برای پاسخ متنی به سرعت در حال پایان است. سال‌هاست که کارگران دانش‌محور به عنوان رابط دستی بین مدل‌های هوش مصنوعی و کار واقعی‌شان عمل کرده‌اند—کپی کردن داده‌ها از یک صفحه گسترده، چسباندن آن در پنجره چت، انتظار برای خروجی، و سپس انتقال آن متن به یک اسلاید ارائه. این حلقه همزمان (Synchronous) سقف سختی بر بهره‌وری ایجاد کرده بود، زیرا اپراتور انسانی باید در هر مرحله درگیر می‌ماند. معرفی عامل کار ChatGPT اوپن‌ای‌آی این پویایی را به طور اساسی تغییر می‌دهد و پارادایم را از گفتگوی تکراری به واگذاری نامتقارن (Asynchronous) منتقل می‌کند. این سیستم با اجازه دادن به کاربران برای تعیین اهداف پروژه‌ای چندساعته، وعده می‌دهد که اجرای روتین را در پس‌زمینه مدیریت کند.[1][4]

عامل کار ChatGPT به جای یک رابط چت استاندارد، به عنوان یک لایه هماهنگ‌کننده (Orchestration Layer) عمل می‌کند که مستقیماً به برنامه‌های کاربردی سازمانی متصل می‌شود. شما یک نتیجه سطح بالا را ارائه می‌دهید—مانند ساخت یک دک دیسک رهبری از داده‌های کمپین ماه گذشته—و سیستم کنترل را به دست می‌گیرد. این سیستم زمینه لازم را از ابزارهای متصل مانند اسلک، گوگل درایو و مایکروسافت تیمز جمع‌آوری می‌کند، مراحل میانی را برنامه‌ریزی کرده و آن‌ها را به طور مستقل اجرا می‌کند. خروجی نهایی یک بلوک متنی نیست، بلکه یک مصنوع کامل است: یک صفحه گسترده فرمت‌شده، یک اسلاید ارائه کامل، یا یک برنامه وب قابل اشتراک‌گذاری. این قابلیت نشان‌دهنده سازماندهی مجدد ساختاری نحوه عملکرد پلتفرم است و فناوری زیربنایی پلتفرم کدکس (Codex) اوپن‌ای‌آی را مستقیماً در برنامه دسکتاپ یکپارچه ادغام می‌کند.[1][7]

هنگامی که کاربر یک پروژه پیچیده و چندساعته را محول می‌کند، سیستم برای تایپ کردن پاسخ به یک فرآیند یکپارچه و واحد متکی نیست. در عوض، به عنوان یک مرکز فرماندهی برای عوامل عمل می‌کند و یک فضای کاری چندرشته‌ای (Multi-threaded) ایجاد می‌کند که در آن مدل‌های تخصصی مختلف، بخش‌های متمایز وظیفه را به طور همزمان مدیریت می‌کنند. ممکن است یک عامل وظیفه خواندن و استخراج داده‌ها از یک گزارش مالی را بر عهده داشته باشد، در حالی که عامل دیگری همزمان آن داده‌ها را در یک قالب ارائه فرمت می‌کند، و عامل سومی جستجوی وب را برای تأیید ارقام خارجی انجام می‌دهد. این هماهنگی چندعاملی به سیستم اجازه می‌دهد تا پروژه‌های قابل توجهی را که ساعت‌ها یا حتی روزها طول می‌کشند، انجام دهد و مقیاس وظایفی را که می‌توان به هوش مصنوعی واگذار کرد، به طور اساسی تغییر می‌دهد.[2]

در داخل، این اجرای خودکار متکی بر چیزی است که توسعه‌دهندگان آن را «حلقه‌های رالف» (Ralph loops) می‌نامند—اجراهای عاملی که طراحی شده‌اند تا بدون نیاز به تأیید انسانی در هر مرحله ادامه یابند. هنگامی که هدفی تعیین می‌شود، سیستم وارد چرخه‌ای از برنامه‌ریزی، اجرا، خوداصلاحی و تکرار می‌شود تا زمانی که هدف تعریف‌شده محقق شود. اگر عاملی با خطایی مواجه شود، مانند یک لینک شکسته یا یک فایل گم‌شده، سعی می‌کند مشکل را حل کرده و مسیر جایگزینی پیدا کند، به جای اینکه بلافاصله متوقف شود و منتظر بماند تا کاربر دستور جدیدی ارائه دهد. این انعطاف‌پذیری همان چیزی است که سیستم را قادر می‌سازد در پس‌زمینه اجرا شود در حالی که کاربر بر کارهای دیگر تمرکز می‌کند.[3]

از آنجایی که عامل به طور مستقل عمل می‌کند، نقش کاربر به طور چشمگیری از دستوردهی تکراری به «مهندسی زمینه» (Context Engineering) در مراحل اولیه تغییر می‌کند. از آنجا که عامل مستقیماً به ابزارهای سازمانی متصل می‌شود، کاربر باید اطمینان حاصل کند که عامل قبل از شروع اجرا، مجوزهای صحیح و دسترسی به دانش سازمانی لازم را دارد. موفق‌ترین پیاده‌سازی‌های این فناوری به دستورات بزرگ و بدون ساختار متکی نیستند. در عوض، آنها به محیط‌های به خوبی سازماندهی شده‌ای وابسته هستند که در آن عامل دارای مرزهای مشخص، مهارت‌های تأیید شده و دسترسی به داده‌های خاص مورد نیاز برای تکمیل وظیفه است. انسان تبدیل به مدیری می‌شود که وظایف را به یک کارمند دیجیتال بسیار توانمند، اما تحت‌اللفظی، واگذار می‌کند.[4]

پشتیبانی از این حلقه‌های خودکار چندساعته نیازمند تغییر بزرگی در نحوه تخصیص و صورت‌حساب محاسبات هوش مصنوعی بود. تکرارهای اولیه این فناوری، مانند «حالت هدف کدکس» (Codex Goal Mode) که در اوایل سال پیش‌نمایش شد، به یک پنجره محاسباتی متحرک سختگیرانه پنج ساعته متکی بودند. این بودجه زمان‌محور به طور ناخواسته کاربران را به دلیل وظایف طولانی‌مدت مجازات می‌کرد؛ اگر عاملی در میانه اجرا به سقف محاسباتی می‌رسید، کل فرآیند متوقف می‌شد. برای اینکه واگذاری نامتقارن در مقیاس سازمانی امکان‌پذیر باشد، اقتصاد زیربنایی پلتفرم باید بازسازی می‌شد تا عملیات پیچیده پس‌زمینه را تشویق کند، نه اینکه آن‌ها را جریمه کند.[3]

تحلیل ما از محدودیت‌های نرخ به‌روز شده اوپن‌ای‌آی، یک چرخش استراتژیک در این معماری محاسباتی را نشان می‌دهد. عامل کار ChatGPT اکنون استفاده را بر اساس فراخوانی اولیه کاربر اندازه‌گیری می‌کند و صراحتاً مراحل میانی، توضیحات و حلقه‌های پس‌زمینه را از سهمیه خارج می‌کند. با تغییر از بودجه جلسه‌ای زمان‌محور به بودجه‌ای مبتنی بر فراخوانی، اوپن‌ای‌آی عملاً هزینه محاسباتی حلقه خودکار را یارانه‌دهی می‌کند. این تغییر ساختاری کاربران را تشویق می‌کند تا به سیستم برای واگذاری‌های طولانی‌تر و پیچیده‌تر اعتماد کنند، زیرا می‌دانند یک وظیفه پس‌زمینه چهارده ساعته، همان هزینه را در سهمیه آن‌ها خواهد داشت که یک دستور ساده یک‌باره دارد.[5][6]

پذیرندگان اولیه قبلاً کارایی این مدل یارانه‌ای را نشان داده‌اند. تیم‌های داخلی و آزمایش‌کنندگان اولیه سازمانی گزارش داده‌اند که فرآیندهای چندروزه—مانند بستن حساب‌های مالی پایان ماه یا تحلیل‌های جامع رقابتی—را به چند ساعت کاهش داده‌اند. عامل، جمع‌آوری روتین داده‌ها، ارجاع متقابل و قالب‌بندی را مدیریت می‌کند و اپراتور انسانی را برای بررسی خروجی نهایی آزاد می‌گذارد. این تقسیم کار به کارگران دانش‌محور اجازه می‌دهد تا به جای مکانیک خسته‌کننده جابجایی داده‌ها و قالب‌بندی اسناد، بر استراتژی سطح بالا و کنترل کیفیت تمرکز کنند.[4]

با این حال، این قابلیت خودکار بدون اصطکاک و ریسک قابل توجه نیست. سیستم در وظایفی که دارای پارامترهای واضح و داده‌های قابل دسترس هستند، عالی عمل می‌کند، اما زمانی که دانش سازمانی مستند نشده باشد یا نیاز به قضاوت دقیق انسانی داشته باشد، به شدت دچار مشکل می‌شود. در یک حلقه چندساعته، یک توهم (Hallucination) جزئی یا سوءتفسیر در مراحل اولیه برنامه‌ریزی می‌تواند به صورت تصاعدی تشدید شود. اگر عامل هدف اولیه را اشتباه بفهمد یا داده‌ها را از یک فایل قدیمی استخراج کند، ممکن است ساعت‌ها را صرف اجرای دقیق یک برنامه معیوب کند که منجر به یک مصنوع صیقلی اما در نهایت بی‌فایده—یا به طور خطرناکی نادرست—می‌شود.[4]

برای کاهش خطرات خطاهای تشدیدشونده، عامل کار ChatGPT شامل یک حالت برنامه‌ریزی اختصاصی است که به کاربران اجازه می‌دهد مراحل پیشنهادی عامل را قبل از شروع اجرا بررسی و تأیید کنند. این سیستم همچنین طراحی شده است که در صورت مواجهه با صفحه ورود، ابهام حیاتی، یا اقدامی که نیاز به مجوزهای سطح بالا دارد، متوقف شده و درخواست مداخله انسانی کند. با ادغام بیشتر این سیستم‌های عاملی در جریان‌های کاری روزانه، ماهیت اساسی کار دانش‌محور تغییر خواهد کرد. باارزش‌ترین مهارت دیگر تولید محتوا نخواهد بود، بلکه تعریف اهداف روشن، مدیریت زمینه و ارزیابی دقیق کیفیت خروجی خودکار خواهد بود.[1][5]

چالش «انحراف» (Drift) به ویژه در وظایف خلاقانه یا استراتژیک حاد است. هنگامی که از یک عامل خواسته می‌شود خلاصه‌ای از یک کمپین را بر اساس معیارهای خام تهیه کند، ممکن است اعداد را به درستی شناسایی کند اما وزن روایی یک معیار خاص را اشتباه تفسیر کند. از آنجایی که عامل به صورت نامتقارن عمل می‌کند، کاربر برای اصلاح مسیر پس از پیش‌نویس اول حضور ندارد. تا زمانی که کاربر اسلاید ارائه نهایی را می‌بیند، عامل قبلاً هشت اسلاید را بر اساس یک فرض معیوب ساخته است. این امر مستلزم یک دوره کالیبراسیون است که در آن کاربران باید عامل را روی وظایف آشنا آزمایش کنند تا فرضیات پایه آن را درک کنند، پیش از آنکه به آن برای پروژه‌های جدید اعتماد کنند.[4]

علاوه بر این، ادغام این عوامل در محیط‌های سازمانی سؤالات پیچیده‌ای را در مورد حاکمیت داده و پاسخگویی ایجاد می‌کند. هنگامی که به یک سیستم خودکار دسترسی به کانال‌های اسلک، سرورهای ایمیل و فضای ذخیره‌سازی ابری یک شرکت داده می‌شود، می‌تواند اطلاعاتی را آشکار کند که ممکن است یک کارمند انسانی از وجود آن بی‌اطلاع باشد. اطمینان از اینکه عامل به کنترل‌های دسترسی داخلی احترام می‌گذارد و سهواً اطلاعات حساس را در بخش‌های مختلف فاش نمی‌کند، یک مانع حیاتی است. با استقرار این ابزارها توسط سازمان‌ها، بخش‌های فناوری اطلاعات مجبور می‌شوند معماری‌های امنیتی خود را بازنگری کنند تا کارگران دیجیتالی را که می‌توانند حجم عظیمی از داده‌های شرکتی را با سرعت ماشین بخوانند، ترکیب کنند و بر اساس آن‌ها عمل کنند، در خود جای دهند.[2][7]