اوبر هوش مصنوعی عامل‌محور را در اختیار تمام ۳۰ هزار کارمند خود قرار داد
نویسنده: جاشوا میچل
تاریخ انتشار: ۲۳ اکتبر ۲۰۲۶، ساعت ۳ بامداد به وقت شرق آمریکا
اوبر در ۲۲ اکتبر ۲۰۲۶ بزرگ‌ترین استقرار یکپارچه پلتفرم هوش مصنوعی عامل‌محور در یک شرکت را، بر اساس سوابق موجود، به انجام رساند و دسترسی به ChatGPT Work را برای بیش از ۳۰ هزار کارمند خود در سراسر جهان فراهم کرد. این سامانه می‌تواند وظایف چندمرحله‌ای را در برنامه‌های مختلف به‌طور مستقل انجام دهد، بدون آنکه برای انتقال کار از یک مرحله به مرحله بعد به دخالت انسان نیاز داشته باشد. اوبر تنها طی چند ماه، دامنه استفاده از این ابزار را از یک برنامه آزمایشی هزارنفره به ۳۰ برابر افزایش داد. این اقدام تصویری ملموس از استقرار هوش مصنوعی عامل‌محور در مقیاس واقعی سازمانی ارائه می‌دهد؛ فناوری‌ای که دیگر صرفاً در مرحله اثبات قابلیت نیست، بلکه به زیرساختی عملیاتی تبدیل شده که بر جدیدترین مدل OpenAI تکیه دارد و مستقیماً در مجموعه ابزارهای روزمره کارکنان دانشی شرکت ادغام شده است.
برای مدیران فناوری اطلاعاتی که در حال بررسی زمان مناسب برای به‌کارگیری هوش مصنوعی عامل‌محور در سازمان خود هستند، تجربه اوبر نمونه‌ای قابل‌توجه از استقرار این فناوری در مقیاسی بزرگ است. این تجربه همچنین آزمونی عملی برای سازوکارهای حاکمیتی و نظارتی به شمار می‌رود؛ سازوکارهایی که سامانه‌های عامل‌محور را از چت‌بات‌های معمولی متمایز می‌کنند و اکنون باید کارایی خود را در شرایطی نشان دهند که تمام کارکنان یک شرکت جهانی از این فناوری استفاده می‌کنند.
از آزمایش با هزار کارمند تا استقرار در سراسر شرکت
مسیر منتهی به اعلام رسمی ۲۲ اکتبر، با اجرای برنامه‌ای آزمایشی آغاز شد که ChatGPT Work را در اختیار حدود هزار نفر از کارکنان اوبر قرار داد. محدود بودن دامنه این آزمایش به شرکت فرصت داد تا پیش از فراهم کردن دسترسی برای تمام نیروی کار جهانی خود، عملکرد پلتفرم را بررسی کند، از صحت اتصال آن به سامانه‌های دیگر مطمئن شود و مستندات پشتیبانی داخلی را آماده کند.
افزایش ۳۰ برابری تعداد کاربران، الگویی را نشان می‌دهد که در سال ۲۰۲۶ به روشی رایج برای پذیرش هوش مصنوعی در سازمان‌ها تبدیل شده است. شرکت‌ها ابتدا مرحله آزمایشی را تا زمانی ادامه می‌دهند که بتوانند افزایش بهره‌وری را تأیید کنند و سپس به‌جای گسترش تدریجی فناوری طی چند سال، دسترسی را با سرعت در سراسر سازمان توسعه می‌دهند. ویژگی متمایز تجربه اوبر، سرعت اجرای آن بود: این شرکت در کمتر از یک سال از مرحله آزمایشی به استقرار کامل جهانی رسید. نکته مهم دیگر، رویکرد فراگیر اوبر بود که بر اساس آن، تمام کارکنان دانشی، از بخش عملیات و امور مالی گرفته تا بازاریابی و محصول، باید از همان ابزارهای عامل‌محوری بهره‌مند شوند که پیش‌تر تنها در اختیار گروه کوچکی از کاربران آزمایشی قرار داشت.
پراوین نپالی ناگا، مدیر ارشد فناوری اوبر که از زمان پیوستن به این شرکت در سال ۲۰۱۵ هدایت راهبردهای مهندسی و علمی آن را بر عهده داشته و در رویداد HumanX 2026 در سان‌فرانسیسکو درباره گسترش تأثیر هوش مصنوعی در مقیاس بزرگ سخن گفته است، این اقدام را نه صرفاً ابزاری برای افزایش بهره‌وری، بلکه تعهدی بنیادین توصیف کرد. او در اطلاعیه OpenAI گفت: «هم‌زمان با تحول شیوه کار ما به کمک هوش مصنوعی، می‌خواهیم ابزارهایی را در اختیار همه قرار دهیم تا بتوانند نوآوری کنند، مسائل را حل کنند و در شکل دادن به آینده اوبر نقش داشته باشند. گسترش ChatGPT Work در سراسر شرکت، گامی هیجان‌انگیز در مسیر تحقق این هدف است.»
ChatGPT Work چگونه وظایف چندمرحله‌ای را انجام می‌دهد؟
ChatGPT Work صرفاً یک چت‌بات مجهز به دسترسی اینترنت نیست. این سامانه لایه‌ای برای هماهنگ‌سازی و اجرای وظایف است که هدف اعلام‌شده کاربر را دریافت می‌کند، آن را به مجموعه‌ای از مراحل منطقی تقسیم می‌کند، مراحل را در برنامه‌های متصل به یکدیگر پیش می‌برد و در پایان، خروجی آماده استفاده را تحویل می‌دهد. تمام این فرایند در قالب یک نشست مستقل انجام می‌شود. به توضیح OpenAI، کاربر هدفی را به سامانه می‌سپارد و سامانه پس از تقسیم آن به مراحل اجرایی، با استفاده از برنامه‌ها و فایل‌های متصل، کار را به پایان می‌رساند و نتیجه نهایی را ارائه می‌کند.
برنامه‌های متصل در محیط کاری کارکنان اوبر شامل گوگل درایو و اسلک، جیمیل و گوگل کلندر هستند. برای مثال، کارمندی که از ChatGPT Work بخواهد گزارش مقدماتی جلسه بررسی عملیات روز دوشنبه را آماده کند، می‌تواند انتظار داشته باشد که سامانه رویدادهای مرتبط تقویم را بررسی کند، اسناد موردنیاز را از گوگل درایو استخراج کند، گفت‌وگوهای اخیر اسلک را برای یافتن تصمیم‌های مرتبط بخواند و سپس همه اطلاعات را در سندی منسجم گردآوری کند. در پایان، سندی آماده استفاده تحویل داده می‌شود، بی‌آنکه کاربر مجبور باشد اطلاعات را به‌ترتیب و به‌صورت دستی از هر برنامه جمع‌آوری کند.
مدلی که این فرایند را اجرا می‌کند GPT-6.1 Sol است؛ مدلی که OpenAI تأیید کرده به‌صورت پیش‌فرض در استقرار اوبر استفاده می‌شود. این شرکت GPT-6.1 Sol را در رویداد DevDay در ۲۹ سپتامبر ۲۰۲۶ معرفی کرد و آن را نسخه‌ای ارتقایافته از GPT-6 Sol برای برنامه‌نویسی پیچیده، کار با رایانه و انجام وظایف حرفه‌ای دانست. این مدل از پنجره زمینه‌ای با ظرفیت یک میلیون و ۵۰ هزار توکن برخوردار است. OpenAI در ۱۱ اکتبر ۲۰۲۶ ظرفیت پیش‌فرض پنجره زمینه را از ۲۷۲ هزار به ۵۰۰ هزار توکن افزایش داد و هزینه اضافی پردازش زمینه‌های طولانی را برای مشترکان حذف کرد. بااین‌حال، سقف کامل ۱٫۰۵ میلیون توکن همچنان در صورت درخواست در دسترس است. چنین ظرفیتی به مدل اجازه می‌دهد در طول یک وظیفه، معادل حدود ۷۰۰ صفحه متن را در حافظه فعال خود نگه دارد. از نظر عملی، این مقدار برای آن کافی است که اسناد، مکاتبات و داده‌های یک پروژه کامل را به‌صورت یکجا در تحلیل خود لحاظ کند، بدون آنکه به تقسیم محتوا به بخش‌های کوچک یا راهکارهای جایگزین برای بازیابی اطلاعات نیاز داشته باشد.
OpenAI مدل GPT-6.1 Sol را برای کاربران طرح‌های Plus، Pro، Business، Enterprise و Edu عرضه می‌کند و توسعه‌دهندگان نیز از طریق API به آن دسترسی دارند. هزینه استفاده از این مدل در API به‌ازای هر یک میلیون توکن ورودی ۲ دلار و هر یک میلیون توکن خروجی ۱۰ دلار است. اوبر در سطح سازمانی از طریق ChatGPT Enterprise به این مدل دسترسی دارد؛ محصولی که قیمت آن بر اساس قرارداد اختصاصی با مشتری تعیین می‌شود.
عامل هوش مصنوعی سازمانی چه کاری انجام می‌دهد که چت‌بات قادر به انجام آن نیست؟
تمایزی که مؤسسه پژوهشی گارتنر میان هوش مصنوعی واقعاً عامل‌محور و پدیده «عامل‌نمایی» قائل می‌شود، برای درک قابلیت‌های استقرار اوبر اهمیت دارد. عامل‌نمایی به بازاریابی دوباره چت‌بات‌ها، ابزارهای خودکارسازی فرایندهای رباتیک و دستیارهای دیجیتال با عنوان «عامل هوش مصنوعی» گفته می‌شود، درحالی‌که این محصولات لزوماً توانایی انجام مستقل وظایف را ندارند. بررسی گارتنر از بازار در ژوئن ۲۰۲۵ نشان داد که از میان هزاران فروشنده‌ای که محصولات خود را با عنوان هوش مصنوعی عامل‌محور عرضه می‌کنند، تنها حدود ۱۳۰ شرکت واقعاً از قابلیت‌های خودمختار برخوردارند. منظور از این قابلیت، توانایی انجام اقداماتی با پیامد واقعی است، نه صرفاً تولید متن درباره آن اقدامات.
ChatGPT Work با سه قابلیت مشخص از چت‌بات‌های معمولی متمایز می‌شود. نخست، سازوکار بازبینی خودکار است: مدل‌های پیشرفته پیش از اجرای اقدامات مهم در ابزارهای متصل، آن‌ها را ارزیابی می‌کنند. برای نمونه، اگر عامل بخواهد ایمیلی ارسال کند یا سند مشترکی را در گوگل درایو تغییر دهد، در مواردی که اقدام پیشنهادی از آستانه تعیین‌شده برای بازبینی فراتر رود، اجرای آن متوقف می‌شود تا پیش از ادامه بررسی شود. این سازوکار در تحلیل فورکست نیوز از این پلتفرم نیز تشریح شده است. دوم، مدیران سازمانی می‌توانند به‌طور کامل مشاهده کنند که پلتفرم چه اقدامی را، در چه زمانی و با استفاده از چه داده‌هایی انجام داده است. این قابلیت امکان ثبت سوابق قابل‌ممیزی و نظارت بر اقدامات عامل را فراهم می‌کند. سوم، کنترل‌های مدیریتی در سطح فضای کاری به مدیران اجازه می‌دهند تعیین کنند هر کاربر یا تیم به کدام افزونه‌ها، منابع داده و قابلیت‌ها دسترسی داشته باشد.
اهمیت این معماری نظارتی زمانی روشن‌تر می‌شود که به پیش‌بینی گارتنر در مه ۲۰۲۶ درباره حاکمیت هوش مصنوعی توجه کنیم. بر اساس این پیش‌بینی، تا سال ۲۰۲۷ حدود ۴۰ درصد شرکت‌ها پس از آشکار شدن ضعف‌های نظارتی در محیط عملیاتی، سطح اختیارات عامل‌های خودمختار خود را کاهش خواهند داد یا استفاده از آن‌ها را متوقف خواهند کرد. ترکیب بازبینی خودکار پیش از اقدامات مهم، امکان نظارت مدیران و کنترل سطح دسترسی، دقیقاً برای مقابله با همان نوع مشکلی طراحی شده که گارتنر توصیف می‌کند: عاملی که اقدامی ناخواسته انجام می‌دهد، بی‌آنکه کسی بتواند مسئولیت یا مسیر اجرای آن را ردیابی کند.
اوبر برای تیم‌های مهندسی خود تقسیم وظایف مشخصی در نظر گرفته است. توسعه‌دهندگان و مهندسان نرم‌افزار همچنان از Codex برای توسعه نرم‌افزار و فرایندهای برنامه‌نویسی استفاده خواهند کرد، درحالی‌که ChatGPT Work برای طیف گسترده‌تری از کارکنان دانشی در بخش‌های عملیات، امور مالی، بازاریابی و محصول در نظر گرفته شده است. این تفکیک با معماری و هدف اولیه دو محصول سازگار است. Codex ابزاری تخصصی برای برنامه‌نویسی عامل‌محور است که محیط‌های ابری ایزوله و امکان کار با اطلاعات در سطح مخزن کد را در اختیار دارد. در مقابل، ChatGPT Work عاملی عمومی برای اجرای وظایف دانشی در برنامه‌های مختلف است. سومانت سوکومار، معاون مهندسی اوبر، تأیید کرده است که بیشتر کاربران برنامه آزمایشی از کارکنان غیرمهندسی بوده‌اند و فعالیت آن‌ها از تحلیل داده‌ها و شناسایی روندها تا بهینه‌سازی فرایندهای کاری را شامل می‌شده است.
آیا تجربه اوبر برای شرکت‌های دیگر نیز کاربرد دارد؟
سرعت گسترش یک پلتفرم عامل‌محور از مرحله آزمایشی به سراسر سازمان، بیش از هر عامل دیگری به یک متغیر بستگی دارد: اینکه آیا برنامه آزمایشی می‌تواند به‌اندازه کافی سریع نتایج قابل‌اندازه‌گیری ارائه دهد تا سرمایه‌گذاری لازم برای ایجاد سازوکارهای نظارتی در مقیاس بزرگ توجیه شود یا نه. استقرار اوبر نمونه‌ای مهم برای بررسی این موضوع است، هرچند OpenAI و اوبر هنوز شاخص‌های مشخصی از افزایش بهره‌وری منتشر نکرده‌اند. دو شرکت قصد دارند هم‌زمان با پیشرفت اجرای طرح، آمار پذیرش فناوری و نتایج قابل‌اندازه‌گیری آن را منتشر کنند.
اقدام اوبر نخستین استقرار بزرگ هوش مصنوعی عامل‌محور در سازمان‌ها طی سال ۲۰۲۶ نیست. طبق گزارش‌ها، بانک کامن‌ولث استرالیا ChatGPT Enterprise را برای حدود ۵۰ هزار کارمند خود به کار گرفته است. مورگان استنلی نیز اعلام کرده بیش از ۹۸ درصد تیم‌های مشاوران مالی این شرکت از دستیار داخلی مبتنی بر مدل‌های OpenAI استفاده می‌کنند. این نمونه‌ها در کنار تجربه اوبر نشان می‌دهند که استفاده گسترده سازمانی از هوش مصنوعی در سال ۲۰۲۶ از مرحله‌ای استثنایی عبور کرده و به امری رایج‌تر تبدیل شده است. چنین استقرارهایی دیگر فقط به شرکت‌های پیشگام محدود نیستند، بلکه به قابلیت‌هایی عملیاتی تبدیل شده‌اند که کارفرمایان بزرگ در صنایع مختلف برای به‌کارگیری گسترده آن‌ها سرمایه‌گذاری می‌کنند.
درآمد OpenAI از مشتریان سازمانی اکنون از درآمد بخش مصرف‌کنندگان فردی پیشی گرفته است. سارا فرایر، مدیر مالی این شرکت، در ۱۴ اوت ۲۰۲۶ این تغییر را به سرمایه‌گذاران اعلام کرد؛ اتفاقی که حدود دو فصل مالی زودتر از پیش‌بینی خود شرکت رخ داد. درآمد حاصل از مشتریان تجاری OpenAI تنها در ژوئیه ۲۰۲۶ رشدی ۳۲ درصدی داشت. بر اساس اعلام مدیر مالی، نرخ درآمد سالانه‌شده شرکت تا اوت ۲۰۲۶ به حدود ۴۰ میلیارد دلار رسید و گزارش‌های بعدی نیز از ادامه رشد قدرتمند آن تا سپتامبر حکایت داشتند.
چرا OpenAI برای جذب مشتریان شاخص سازمانی با جدیت رقابت می‌کند؟
استقرار ChatGPT Work در اوبر، علاوه بر ارزش مالی قرارداد، مزیت تجاری مهم دیگری برای OpenAI دارد: این شرکت اکنون می‌تواند به مشتری شناخته‌شده‌ای اشاره کند که فناوری آن را در مقیاس ۳۰ هزار کارمند به کار گرفته است. اعلام این همکاری نیز در همان هفته‌ای صورت گرفت که بزرگ‌ترین رقبای OpenAI در حال مطرح کردن ادعاهای خود درباره محصولات سازمانی بودند. Claude Cowork متعلق به آنتروپیک که در ژانویه ۲۰۲۶ معرفی شد و Copilot Cowork مایکروسافت که در ۹ ژوئیه، هم‌زمان با عرضه ChatGPT Work، به دسترسی عمومی رسید، همگی برای جذب بودجه سازمان‌ها در حوزه هوش مصنوعی عامل‌محور رقابت می‌کنند
هشدار ۴۰ درصدی گارتنر برای استقرار اوبر چه معنایی دارد؟
آنوشری ورما، تحلیلگر ارشد گارتنر، در تحلیل ژوئن ۲۰۲۵ خود هشدار داده بود که بیشتر پروژه‌های هوش مصنوعی عامل‌محور هنوز «آزمایش‌های اولیه یا طرح‌های اثبات قابلیت هستند که عمدتاً تحت تأثیر هیاهوی تبلیغاتی شکل گرفته‌اند و اغلب در جای نامناسب به کار گرفته می‌شوند». به گفته او، افزایش هزینه‌ها، نامشخص بودن ارزش تجاری و ناکافی بودن کنترل‌های ریسک باعث می‌شود بیش از ۴۰ درصد پروژه‌های فعلی هوش مصنوعی عامل‌محور در مسیر لغو شدن تا پیش از ورود به مرحله عملیاتی، تا پایان سال ۲۰۲۷ قرار بگیرند. پیش‌بینی دیگری از گارتنر که در مه ۲۰۲۶ منتشر شد نیز حاکی از آن است که ۴۰ درصد شرکت‌های استفاده‌کننده از عامل‌های خودمختار، پس از آشکار شدن مشکلات نظارتی در محیط عملیاتی، اختیارات این عامل‌ها را کاهش می‌دهند یا آن‌ها را از رده خارج می‌کنند.
استقرار جدید اوبر در شرایطی انجام شده که هشدارهای گارتنر به‌طور مشخص با آن ارتباط پیدا می‌کنند. طبق گزارش رسانه‌ها، کارکنان اوبر تمام بودجه سال ۲۰۲۶ این شرکت برای ابزارهای هوش مصنوعی را تنها در چهار ماه مصرف کردند. اوبر در سپتامبر ۲۰۲۶ از اخراج حدود ۳۳۰۰ کارمند خبر داد؛ تعدادی معادل تقریباً ۱۰ درصد نیروی کار شرکت که بزرگ‌ترین موج تعدیل نیرو در اوبر از زمان همه‌گیری کووید-۱۹ محسوب می‌شد. این شرکت ضرورت کاهش لایه‌های مدیریتی و پیچیدگی ساختار سازمانی را دلیل این تصمیم اعلام کرد. دارا خسروشاهی، مدیرعامل اوبر، صراحتاً از نسبت دادن این اخراج‌ها به هوش مصنوعی خودداری کرد. بااین‌حال، شرکت پیش‌تر در ژوئیه ۲۰۲۶ حدود ۱۰ درصد از موقعیت‌های شغلی بخش خدمات مشتریان خود را حذف کرده بود؛ اقدامی که در گزارش‌ها به‌عنوان بخشی از بازسازی ساختار سازمانی مرتبط با پذیرش هوش مصنوعی توصیف شد.
اوبر اعلام نکرده است که ChatGPT Work مستقیماً جایگزین موقعیت‌های شغلی بیشتری خواهد شد. این طرح همچنین شامل کتابخانه داخلی آموزش مهارت‌های هوش مصنوعی، اتصال‌های تأییدشده به سامانه‌های دیگر و آموزش‌های اختصاصی کارکنان است؛ اقداماتی که با هدف تسهیل پذیرش فناوری طراحی شده‌اند، نه اعلام جایگزینی نیروی انسانی. بااین‌حال، پرسش اصلی همچنان پابرجاست: آیا اوبر می‌تواند از استقرار سراسری هوش مصنوعی عامل‌محور، بازگشت سرمایه‌ای روشن و قابل‌اندازه‌گیری به دست آورد؟ این دقیقاً همان موضوعی است که گارتنر معتقد است بیشتر شرکت‌ها هنوز قادر به اثبات آن نیستند. انتشار آمار پذیرش و عملکرد این فناوری که برای آینده برنامه‌ریزی شده، باید سرانجام به این پرسش پاسخ دهد.
برای مدیران فناوری سازمانی که از بیرون تحولات اوبر را دنبال می‌کنند، مهم‌ترین جنبه عملی این ماجرا صرفاً اجرای طرح نیست، بلکه شرایطی است که اجرای آن در دل آن اتفاق می‌افتد. اوبر هم‌زمان در حال بازسازی ساختار نیروی کار خود، مدیریت فشار ناشی از هزینه‌های هوش مصنوعی و رقابت با شرکت‌های فعال در حوزه خودروهای خودران است؛ شرکت‌هایی که ممکن است در آینده کسب‌وکار اصلی اوبر را تهدید کنند. تعهدات واقعی شرکت‌ها برای به‌کارگیری هوش مصنوعی سازمانی در چنین فضای پرفشاری شکل می‌گیرد. تصمیم اوبر برای سرمایه‌گذاری در این مقیاس و در چنین شرایطی، روشن‌ترین نشانه از مرحله‌ای است که چرخه پذیرش هوش مصنوعی سازمانی در اکتبر ۲۰۲۶ به آن رسیده است.
پرسش‌های متداول
ChatGPT Work چیست و چه تفاوتی با ChatGPT Enterprise دارد؟
ChatGPT Enterprise محیط مدیریت‌شده سازمانی است؛ فضایی کاری که امکانات حفاظت از حریم خصوصی، استانداردهای امنیتی، ابزارهای مدیریتی و زیرساخت رعایت الزامات قانونی و سازمانی را فراهم می‌کند. در مقابل، ChatGPT Work قابلیت عامل‌محوری است که درون همین محیط فعالیت می‌کند. این ابزار هدف کاربر را دریافت می‌کند و با هماهنگ‌سازی چند مرحله اجرایی، وظیفه را در برنامه‌های متصل، از جمله گوگل درایو، جیمیل، گوگل کلندر و اسلک انجام می‌دهد. به بیان دیگر، ChatGPT Enterprise چارچوب مدیریتی و نظارتی را فراهم می‌کند و ChatGPT Work عاملی است که کار واقعی را درون این چارچوب انجام می‌دهد. مدیران سازمانی می‌توانند تعیین کنند عامل به چه برنامه‌هایی متصل شود، کدام اقدامات به بررسی انسانی نیاز داشته باشند و چه اطلاعاتی از سوابق فعالیت برای ممیزی در اختیار مدیران قرار گیرد.
مدل GPT-6.1 Sol چه قابلیت تازه‌ای برای کارکنان دانشی سازمان‌ها فراهم می‌کند؟
مهم‌ترین قابلیت GPT-6.1 Sol برای فعالیت‌های سازمانی، پنجره زمینه‌ای یک میلیون و ۵۰ هزار توکنی آن است؛ ظرفیتی که امکان نگهداری معادل حدود ۷۰۰ صفحه متن در حافظه فعال مدل طی یک وظیفه را فراهم می‌کند. در محیط کار دانشی، این ویژگی به مدل اجازه می‌دهد پیش از تولید خروجی، محتوای یک پوشه کامل پروژه، زنجیره‌ای از مکاتبات ایمیلی، سوابق تقویم و یک کانال اسلک را هم‌زمان بررسی کند، بدون آنکه لازم باشد اطلاعات به بخش‌های کوچک تقسیم شوند یا به‌صورت مرحله‌به‌مرحله بازیابی شوند. OpenAI این مدل را در ۲۹ سپتامبر ۲۰۲۶ در رویداد DevDay معرفی کرد و آن را از نظر صرفه اقتصادی در سطحی پایین‌تر از مدل پرچم‌دار GPT-6 Astra قرار داد. این شرکت در ۱۱ اکتبر ۲۰۲۶ نیز ظرفیت پیش‌فرض پنجره زمینه را از ۲۷۲ هزار به ۵۰۰ هزار توکن افزایش داد و هزینه اضافی پردازش زمینه‌های طولانی را برای مشترکان حذف کرد.
آیا گارتنر انتظار دارد بیشتر طرح‌های هوش مصنوعی عامل‌محور موفق شوند؟
خیر. بر اساس تحلیل گارتنر در ژوئن ۲۰۲۵، بیش از ۴۰ درصد پروژه‌های فعلی هوش مصنوعی عامل‌محور تا پایان سال ۲۰۲۷ به دلیل افزایش هزینه‌ها، نامشخص بودن بازگشت سرمایه و ناکافی بودن کنترل‌های ریسک لغو خواهند شد. پیش‌بینی دوم این مؤسسه در مه ۲۰۲۶ نیز نشان می‌دهد که ۴۰ درصد شرکت‌های استفاده‌کننده از عامل‌های خودمختار، پس از آشکار شدن ضعف‌های نظارتی در محیط عملیاتی، اختیارات آن‌ها را کاهش می‌دهند یا استفاده از آن‌ها را متوقف می‌کنند. تحلیلگران گارتنر همچنین خاطرنشان کرده‌اند که از میان هزاران عرضه‌کننده محصولاتی با عنوان هوش مصنوعی عامل‌محور، تنها حدود ۱۳۰ شرکت واقعاً قابلیت‌های خودمختار دارند. آنچه استقرار اوبر را از نظر حاکمیت و نظارت قابل‌توجه می‌کند، دقیقاً سازوکارهای کنترلی همراه آن است: بازبینی خودکار که پیش از اجرای اقدامات مهم فرایند را متوقف می‌کند، امکان مشاهده و ممیزی فعالیت‌ها برای مدیران و کنترل‌های مدیریتی در سطح فضای کاری. این‌ها همان تدابیر حفاظتی هستند که معمولاً در استقرارهای ناموفق مورد بررسی گارتنر وجود نداشته‌اند.
تعدیل نیروهای اخیر اوبر چه ارتباطی با گسترش هوش مصنوعی در این شرکت دارد؟
این دو تحول از نظر زمانی پشت سر هم رخ داده‌اند، اما دو رویداد متمایز هستند. اوبر در سپتامبر ۲۰۲۶ اخراج حدود ۳۳۰۰ کارمند، معادل تقریباً ۱۰ درصد نیروی کار خود را اعلام کرد؛ بزرگ‌ترین تعدیل نیرو در این شرکت از زمان همه‌گیری کرونا. دارا خسروشاهی، مدیرعامل اوبر، دلیل این تصمیم را کاهش لایه‌های مدیریتی و پیچیدگی ساختار سازمانی عنوان کرد، نه هوش مصنوعی. استقرار ChatGPT Work در ۲۲ اکتبر ۲۰۲۶ نیز کارکنان دانشی باقی‌مانده در شرکت را پوشش می‌دهد. اوبر ادعا نکرده است که این ابزار جایگزین موقعیت‌های شغلی بیشتری خواهد شد و طرح جدید شامل آموزش اختصاصی کارکنان و کتابخانه داخلی مهارت‌های هوش مصنوعی است. بااین‌حال، شرایط کلی همچنان اهمیت دارد: اوبر ابتدا تمام بودجه هوش مصنوعی سال ۲۰۲۶ خود را در چهار ماه مصرف کرد، سپس ساختار سازمانی‌اش را تغییر داد و پس از آن به استقرار یک پلتفرم عامل‌محور در سراسر شرکت برای کارکنان دانشی باقی‌مانده متعهد شد. پرسش بی‌پاسخ این است که آیا این روند به افزایش بهره‌وری قابل‌اندازه‌گیری منجر خواهد شد یا نه؛ موضوعی که اوبر و OpenAI گفته‌اند با پیشرفت اجرای طرح، نتایج آن را گزارش خواهند کرد.