گسترش چت‌جی‌پی‌تی در اوبر؛ سه هزینه پنهان هوش مصنوعی در محیط کار
اوبر طبق اعلام رسمی این شرکت، استفاده از چت‌جی‌پی‌تی ورک را برای بیش از ۳۰ هزار کارمند خود گسترش می‌دهد؛ اقدامی که پس از اجرای آزمایشی این ابزار برای هزار نفر انجام شده است. این تصمیم در ۲۲ اکتبر ۲۰۲۶ علنی شد. چند روز پیش از آن، پژوهشی داخلی در آنتروپیک که بر پایه مصاحبه با ۱۷ کارمند انجام شده بود، پرسشی مهم را پیش روی مدیرانی قرار داد که چنین قراردادهایی را تأیید می‌کنند: آیا هوش مصنوعی بیش از آنکه از حجم کار کم کند، کار تازه ایجاد می‌کند؟
این تناقض در خبرهای فناوری کسب‌وکار طی هفته جاری نیز دیده می‌شود. متا ابزارهای مدیریتی تازه‌ای به فوروم اضافه کرده، گوگل حضور جمینای را در محصولات تبلیغاتی خود گسترش داده و اوپن‌ای‌آی داستان صاحب یک رستوران را منتشر کرده است که در آن، کاری سه‌ساعته به چند دقیقه کاهش یافته است. همه این اتفاق‌ها در شرایطی رخ می‌دهند که مدل‌های هوش مصنوعی با سرعت به‌روزرسانی می‌شوند؛ موضوعی که در مقایسه GPT-6.1 Sol، سونت ۵.۵ و جمینای ۴ آرگون بررسی کرده‌ایم. این چرخه عرضه، مدل‌های پیشرفته جدید را ظرف چند هفته در اختیار خریداران قرار داده است.
پیش از ورود به تحلیل، باید به یک نکته احتیاطی توجه کرد: گزارش‌های موجود ثابت نمی‌کنند که هوش مصنوعی به‌طور کلی در کسب‌وکارها حجم کار را افزایش می‌دهد. آنچه در دست داریم، پژوهش داخلی یک شرکت، استقرار ابزاری در مقیاسی بسیار بزرگ و مجموعه‌ای از اطلاعیه‌های عرضه محصولات است. در این مقاله، این موارد از یکدیگر تفکیک می‌شوند و مشخص خواهد شد کدام اطلاعات تأیید شده‌اند، کدام موارد ادعای شرکت‌های عرضه‌کننده هستند و کدام‌یک برداشت تحلیلی نویسنده‌اند.
مروری بر مهم‌ترین اخبار هوش مصنوعی در کسب‌وکار طی هفته
پنج رویداد، محور اخبار این هفته را تشکیل می‌دهند. هرکدام از زاویه‌ای متفاوت به یک پرسش مشترک می‌پردازند: وقتی یک عامل هوش مصنوعی مرحله نخست کار را انجام می‌دهد، ادامه کار بر عهده چه کسی خواهد بود؟ جدول زیر فقط اطلاعات تأییدشده در منابع مربوط به هر رویداد را نشان می‌دهد.
| شرکت | اعلام یا اقدام | جزئیات تأییدشده | وضعیت اطلاعات |
|---|---|---|---|
| اوبر | گسترش استفاده از چت‌جی‌پی‌تی ورک در سراسر شرکت | بیش از ۳۰ هزار کارمند پس از اجرای آزمایشی برای هزار نفر؛ اعلام‌شده در ۲۲ اکتبر ۲۰۲۶ | اعلام رسمی شرکت |
| آنتروپیک | پژوهش داخلی درباره هوش مصنوعی در محیط کار | سوابق استخدامی، داده‌های استفاده از ابزارها، داده‌های خروجی کار، نظرسنجی‌ها و ۱۷ مصاحبه | پژوهش شرکتی |
| متا | ابزارهای مدیریتی فوروم | Admin AI، دستیار مدیریتی Admin Assist و تقویم مشترک ناظران | معرفی محصول |
| گوگل | ابزارهای تجاری مبتنی بر جمینای | عرضه در Display & Video 360 و Search Ads 360 و اتصال موجودی تبلیغات تلویزیون متصل لینکدین | معرفی محصول |
| اوپن‌ای‌آی؛ روایت مشتری | رستوران‌های تد تیلور | کاهش زمان تطبیق ماهانه حساب‌های نقدی از سه ساعت به ۵ تا ۱۰ دقیقه در سه رستوران | مورد منتشرشده از سوی عرضه‌کننده |
سه مورد از این پنج رویداد، به معرفی محصول از سوی شرکت‌های عرضه‌کننده مربوط می‌شوند. تنها مورد آنتروپیک پژوهشی درباره نحوه واقعی صرف وقت افراد است؛ با این حال، آنتروپیک نیز شرکتی است که عامل‌های هوش مصنوعی می‌فروشد. خوانندگان باید هر دو نکته را در ارزیابی شواهد در نظر بگیرند.
گسترش چت‌جی‌پی‌تی ورک در اوبر؛ از هزار کاربر آزمایشی تا ۳۰ هزار کارمند
افزایش شمار کاربران از هزار نفر به بیش از ۳۰ هزار نفر، گسترشی ۳۰ برابری است که در یک مرحله اعلام شده است. طبق گزارش‌ها، برنامه اوبر شامل اتصال ابزار به سامانه‌های داخلی شرکت، ایجاد کتابخانه‌ای داخلی از مهارت‌ها و آموزش کارکنان نیز می‌شود. اهمیت این سه مؤلفه از تعداد کاربران بیشتر است؛ زیرا نشان می‌دهد اوبر این استقرار را پروژه‌ای برای مدیریت تغییر سازمانی می‌بیند، نه صرفاً خرید مجوز استفاده از یک نرم‌افزار.
آزمایش‌های اولیه معمولاً به پرسشی محدود پاسخ می‌دهند: آیا کاربران پیشگام از ابزار رضایت دارند؟ اما گسترش آن در سراسر شرکت، پرسش دشوارتری را مطرح می‌کند: آیا سازمان می‌تواند این فناوری را در مقیاس وسیع جذب و مدیریت کند؟ اوبر در اطلاعاتی که برای این گزارش در دسترس بوده، آمار بهره‌وری حاصل از دوره آزمایشی را منتشر نکرده است. بنابراین، توجیه گسترش ابزار بر هدف اعلام‌شده شرکت استوار است، نه بر نتایجی که به‌صورت عمومی ارائه شده باشند.
بااین‌حال، ابعاد این تصمیم معیار مهمی برای بازار به شمار می‌رود. هنگامی که شرکتی در این مقیاس دستیار مبتنی بر عامل هوش مصنوعی را در اختیار ده‌ها هزار نفر قرار می‌دهد، تیم‌های تدارکات در شرکت‌های رقیب نیز می‌پرسند چرا هنوز به اجرای آزمایشی محدود بسنده کرده‌اند. علاقه‌مندان به قراردادهای سازمانی می‌توانند اخبار بعدی را در بخش هوش مصنوعی تک‌کرانچ دنبال کنند. اقدام اوبر همچنین یک مشتری بزرگ و مشخص را به‌عنوان نمونه استفاده گسترده از محصول سازمانی اوپن‌ای‌آی معرفی می‌کند.
چت‌جی‌پی‌تی ورک در داخل شرکت چه می‌کند؟
بررسی‌های انجام‌شده برای این گزارش، چت‌جی‌پی‌تی ورک را عاملی توصیف می‌کنند که برای انجام کارهای چندمرحله‌ای طراحی شده است؛ از جمله پژوهش، تهیه خلاصه جلسات، ساخت ارائه، تحلیل داده و انجام وظایفی که به چند برنامه مختلف نیاز دارند. گزارش‌ها حاکی از آن است که این ابزار در اوبر به سامانه‌های کاری مانند گوگل درایو، جیمیل، تقویم گوگل و اسلک متصل می‌شود. تفاوت آن با یک چت‌بات اهمیت دارد: چت‌بات به پرسش پاسخ می‌دهد، اما عامل یک هدف را دریافت می‌کند، اطلاعات را از چند سامانه جمع‌آوری می‌کند و در نهایت محصولی آماده تحویل می‌دهد.
همین طراحی است که نظارت بر عملکرد را به هزینه‌ای واقعی تبدیل می‌کند. خواندن پاسخ یک چت‌بات ممکن است چند ثانیه طول بکشد، اما بررسی یک ارائه ده‌اسلایدی که از اطلاعات سه صندوق ورودی و دو فضای ذخیره‌سازی تهیه شده، زمان قابل‌توجهی می‌برد. فرد بررسی‌کننده نیز باید به‌اندازه کافی با موضوع آشنا باشد تا بتواند خطاها را تشخیص دهد. در نتیجه، بخشی از تلاش از تولید محتوا به بررسی و تأیید آن منتقل می‌شود.
کتابخانه مهارت‌ها و آموزش کارکنان
کتابخانه داخلی مهارت‌ها، کم‌سروصداترین بخش اطلاعیه اوبر و شاید یکی از معنادارترین آن‌هاست. وجود چنین کتابخانه‌ای نشان می‌دهد که شرکت انتظار دارد کارکنان، گردش‌کارهای تکرارشونده را به شکل الگوهای قابل‌استفاده مجدد درآورند تا دیگران نیز بتوانند از آن‌ها بهره ببرند. این روش می‌تواند کارهای تکراری را کاهش دهد، اما وظیفه تازه‌ای هم ایجاد می‌کند: باید فرد یا تیمی مسئول نگهداری، آزمایش و کنار گذاشتن این مهارت‌ها هنگام تغییر ابزارها یا سیاست‌ها باشد.
مدیران اوبر و اوپن‌ای‌آی چه گفتند؟
پراوین نپالی ناگا، مدیر ارشد فناوری اوبر، در توضیح این گسترش بر مشارکت کارکنان در شکل دادن به فناوری تأکید کرد. او در اطلاعیه شرکت گفت: «با تحول شیوه کار بر اثر هوش مصنوعی، می‌خواهیم ابزارهایی در اختیار همه قرار دهیم تا نوآوری کنند، مشکلات را حل کنند و به شکل دادن آینده اوبر کمک کنند.» او افزود: «گسترش چت‌جی‌پی‌تی ورک در سراسر شرکت، گامی هیجان‌انگیز در مسیر تحقق این هدف است و بی‌صبرانه منتظرم ببینم تیم‌های ما با آن چه چیزهایی می‌سازند.»
گرگ براکمن، رئیس و هم‌بنیان‌گذار اوپن‌ای‌آی، نیز در همان اطلاعیه درباره این همکاری گفت: «اکنون تیم‌های سراسر اوبر می‌توانند از مجموعه مدل‌ها و عامل‌های پیشرفته ما برای انجام کارهای پیچیده‌تر، اتصال ابزارهایی که هر روز استفاده می‌کنند و افزایش میزان کار انجام‌شده بهره ببرند.»
با دقت در این اظهارات مشخص می‌شود که هر دو مدیر درباره قابلیت‌های فناوری وعده داده‌اند، نه صرفه‌جویی در زمان. ناگا از کارهایی سخن می‌گوید که کارکنان خواهند ساخت و براکمن بر انجام وظایف پیچیده‌تر تأکید می‌کند. هیچ‌یک ادعا نمی‌کند که این گسترش ساعات کاری را کاهش خواهد داد. این برداشت با متن اظهارات آن‌ها سازگار است و با یافته‌های آنتروپیک که در ادامه بررسی می‌شود نیز ارتباط دارد.
پژوهش آنتروپیک: توجه انسان به گلوگاه تبدیل می‌شود
پژوهش داخلی آنتروپیک، سوابق استخدامی، داده‌های استفاده از ابزارها، اطلاعات مربوط به خروجی کار، نظرسنجی‌ها و مصاحبه با ۱۷ کارمند را در کنار هم قرار داده است. بر اساس نتایج منتشرشده در منابع در دسترس، این پژوهش نشان می‌دهد که کارکنان با افزایش حجم خروجی عامل‌های هوش مصنوعی، وظایف بیشتری در زمینه هماهنگی و نظارت بر عهده گرفته‌اند. مجله فورچون این یافته را پوشش داد و عبارت نقل‌شده از آنتروپیک را چنین گزارش کرد: «این شتاب، توجه انسان را به گلوگاه خروجی عامل‌ها تبدیل می‌کند.»
این جمله عصاره بحث را بیان می‌کند. اگر عامل‌ها سرعت تولید کار را افزایش دهند، عامل محدودکننده به افرادی تبدیل می‌شوند که باید خروجی‌ها را بخوانند، تأیید کنند، مسیرشان را اصلاح کنند و اطلاعات آن‌ها را با یکدیگر تطبیق دهند. میزان خروجی افزایش می‌یابد، اما تعداد ساعات روز کاری انسان تغییر نمی‌کند.
در تفسیر این یافته‌ها باید دو محدودیت را در نظر گرفت. نخست اینکه ۱۷ مصاحبه، نمونه‌ای کوچک برای یک پژوهش کیفی است و این مطالعه در داخل شرکتی انجام شده که خود سازنده چنین ابزارهایی است. دوم اینکه نتایج قابل‌بررسی، ثابت نمی‌کنند همین الگو در شرکت‌های دیگر نیز وجود دارد. بنابراین، بهتر است این یافته‌ها را نشانه‌ای معتبر اما اولیه بدانیم، نه اثبات اثری که در کل اقتصاد اندازه‌گیری شده باشد.
چرا عامل‌های هوش مصنوعی می‌توانند کار هماهنگی را افزایش دهند؟
پژوهش جداگانه آنتروپیک درباره سامانه‌های چندعاملی، نمونه‌ای ملموس از رقابت بر سر ظرفیت پردازش ارائه می‌کند. در این پژوهش آمده است: «در یکی از اجراها، ۲٫۴ میلیون درخواست کار ثبت شد، اما فقط ۱۱۷ کار پذیرفته شد.» این مثال به رقابت عامل‌ها برای دریافت کار مربوط است، نه کارکنان یک دفتر؛ بااین‌حال، نشان می‌دهد حجم درخواست‌ها با چه سرعتی می‌تواند از ظرفیت رسیدگی فراتر برود.
همین منطق در محیط کار انسانی نیز صدق می‌کند. وقتی هر کارمند بتواند چند عامل را هم‌زمان به کار بگیرد، شمار پیش‌نویس‌ها، خلاصه‌ها و اقدامات پیشنهادی چند برابر می‌شود. در این شرایط، فردی باید درخواست‌ها و خروجی‌ها را اولویت‌بندی و بررسی کند. سه سازوکار توضیح می‌دهند که چرا هوش مصنوعی ممکن است کار بیشتری ایجاد کند، حتی اگر انجام هر وظیفه به‌تنهایی سریع‌تر شده باشد.
افزایش حجم خروجی، بار بازبینی را بیشتر می‌کند
پیش‌نویس‌های سریع‌تر به معنای پیش‌نویس‌های بیشتر است. اگر مدیری قبلاً روزانه چهار سند را بررسی می‌کرد و حالا دوازده سند دریافت کند، زمان لازم برای بررسی نیز سه برابر می‌شود؛ مگر اینکه معیارهای بازبینی پایین آورده شوند. گزارش پیشین ما درباره کاهش ۵۲ درصدی زمان کدنویسی با هوش مصنوعی و افزایش کدهای بی‌کیفیت در پروژه‌های متن‌باز همین الگو را در حوزه نرم‌افزار نشان داد؛ جایی که افزایش سرعت تولید، هزینه بیشتری را بر دوش نگه‌دارندگان پروژه‌ها گذاشت.
هماهنگی میان عامل‌ها و انسان‌ها
هر عاملی که با جیمیل، اسلک و درایو کار می‌کند، ردپایی از فعالیت خود بر جای می‌گذارد که هنگام مشاهده نتیجه‌ای نادرست، کسی باید آن را دنبال کند. واگذاری وظایف، پیگیری پیشرفت و رفع خطاها همگی کارهای هماهنگی هستند. این وظایف معمولاً در پیش‌بینی‌های بهره‌وری دیده نمی‌شوند، اما ساعت‌های واقعی از وقت کارکنان را مصرف می‌کنند.
متا ابزارهای Admin AI و Admin Assist را برای مدیران فوروم معرفی کرد
متا مجموعه‌ای از ابزارهای مدیریتی برای فوروم معرفی کرده است که شامل Admin AI، ابزار Admin Assist و تقویم مشترک ناظران می‌شود. تقویم، اگرچه کم‌زرق‌وبرق‌ترین بخش این مجموعه است، شاید بیش از بقیه ماهیت مسئله را نشان دهد. نظارت بر انجمن‌ها کاری نوبتی است و تقویم مشترک ابزاری برای هماهنگی افراد به شمار می‌رود، نه خودکارسازی وظایف. متا در کنار کمک هوش مصنوعی، قابلیتی ارائه کرده که کارکرد اصلی آن سازمان‌دهی افرادی است که همچنان در فرایند تصمیم‌گیری حضور دارند.
مدیران انجمن‌ها گروه مناسبی برای بررسی مسئله افزایش یا کاهش حجم کار هستند. آن‌ها اغلب در نقش‌های داوطلبانه یا نیمه‌حرفه‌ای فعالیت می‌کنند، وقت محدودی دارند و حجم مطالب ارسالی نیز لزوماً کاهش نمی‌یابد. دستیار هوش مصنوعی که به پرسش‌های تکراری پاسخ دهد و موارد نیازمند بررسی را علامت‌گذاری کند، ممکن است کارهای خسته‌کننده را کم کند. اما در عین حال می‌تواند صف تازه‌ای از موارد علامت‌گذاری‌شده بسازد که کسی باید به آن‌ها رسیدگی کند. در منابع موجود برای این گزارش، متا داده‌ای درباره نتایج عملی منتشر نکرده است؛ بنابراین، اثر خالص این ابزارها هنوز اندازه‌گیری نشده است.
گوگل استفاده از جمینای را در خرید تبلیغات گسترش می‌دهد
گوگل ابزارهای تجاری تازه‌ای معرفی کرده است که جمینای را به Display & Video 360 و Search Ads 360 می‌آورند و موجودی تبلیغاتی تلویزیون متصل لینکدین را نیز به اکوسیستم تبلیغاتی این شرکت پیوند می‌دهند. برای تبلیغ‌دهندگان، بخش مربوط به لینکدین راهی برای دسترسی به مخاطبان حرفه‌ای از طریق جایگاه‌های ویدئویی شبیه تبلیغات تلویزیونی فراهم می‌کند؛ آن هم با استفاده از ابزارهای خرید تبلیغاتی‌ای که از قبل در اختیار دارند.
در عملیات تبلیغاتی، مسئله حجم کار می‌تواند هزینه‌ساز شود. ابزارهای مولد قادرند تغییرات کمپین را سریع‌تر از زمانی که یک کارشناس تبلیغات برای خواندن گزارش تغییرات نیاز دارد، برنامه‌ریزی، بهینه‌سازی و اجرا کنند. این سرعت، اهمیت بازبینی را افزایش می‌دهد. اگر خریدار تبلیغات نتواند توضیح دهد چرا مبلغ یک پیشنهاد تغییر کرده است، همچنان مسئول هزینه‌کرد خواهد بود. گوگل در منابع بررسی‌شده برای این گزارش، آماری درباره زمان صرفه‌جویی‌شده یا نرخ خطاها ارائه نکرده است.
آزمون رستوران‌ها: تطبیق حساب‌های نقدی تد تیلور
روایت مشتری اوپن‌ای‌آی درباره تد تیلور، روشن‌ترین نمونه این هفته از کاری است که واقعاً کاهش یافته است. تیلور زمان لازم برای تطبیق ماهانه حساب‌های نقدی را در سه رستوران از سه ساعت به پنج تا ده دقیقه رسانده است. این فرایند شامل مقایسه سوابق فروش، اطلاعات پرداخت و واریزهای نقدی می‌شود؛ بنابراین، کاری محدود و مبتنی بر قواعد مشخص است که نتیجه درست آن را می‌توان به‌وضوح تعیین کرد.
در این روایت، از فرصتی بالقوه برای بهبود جریان نقدی سالانه به میزان ۵۰ هزار تا ۱۰۰ هزار دلار نیز سخن گفته شده است، اما این رقم پیش‌بینی است و نه صرفه‌جویی تأییدشده. ازاین‌رو، نباید آن را به‌عنوان نتیجه‌ای محقق‌شده گزارش کرد. ادعای کاهش زمان از سه ساعت به چند دقیقه نیز در قالب مطالعه موردی منتشرشده از سوی عرضه‌کننده و مربوط به یک کسب‌وکار است؛ بنابراین، نشان می‌دهد چه چیزی ممکن است، نه اینکه این نتیجه در همه موارد معمول باشد.
مقایسه این نمونه با ماجرای اوبر و پژوهش آنتروپیک نکته مهمی را روشن می‌کند. در تطبیق حساب‌های نقدی، معیار مشخصی برای کنترل وجود دارد: مجموع ارقام یا با هم تطبیق دارند یا ندارند. اما خروجی‌های باز و پیچیده، مانند ارائه‌ها و گزارش‌های پژوهشی، معیار ساده‌ای برای سنجش ندارند و کیفیت آن‌ها باید به قضاوت انسان ارزیابی شود. کاهش واقعی کار بیشتر در وظایفی رخ می‌دهد که بررسی صحت نتیجه در آن‌ها کم‌هزینه است.
لایه مدل‌های هوش مصنوعی در پسِ این گسترش‌ها
محصولات هوش مصنوعی محیط کار بر مجموعه‌ای از مدل‌ها متکی هستند که با سرعت زیادی تغییر می‌کند. فهرست‌های رصد انتشار مدل‌ها، از اواخر سپتامبر به بعد، توالی فشرده‌ای از عرضه‌های جدید را نشان می‌دهند. تاریخ‌های جدول زیر از همین فهرست‌ها و گزارش‌های پیشین ما درباره مدل‌ها گرفته شده‌اند؛ هرجا فقط ماه انتشار در دسترس بوده، همین محدودیت مشخص شده است.
| مدل | سازنده | زمان عرضه | حوزه تمرکز گزارش‌شده |
|---|---|---|---|
| Claude Opus 5.5 | آنتروپیک | ۲۲ سپتامبر ۲۰۲۶ | در فهرست‌های رصد انتشار ثبت شده است |
| Claude Sonnet 5.5 | آنتروپیک | ۲۸ سپتامبر ۲۰۲۶ | در فهرست‌های رصد انتشار ثبت شده است |
| GPT-6.1 Sol | اوپن‌ای‌آی | ۲۹ سپتامبر ۲۰۲۶ | کدنویسی عامل‌محور، کار با رایانه و فعالیت‌های حرفه‌ای |
| Claude Haiku 5.5 | آنتروپیک | ۷ اکتبر ۲۰۲۶ | در فهرست‌های رصد انتشار ثبت شده است |
| Gemini 4 Argon | گوگل | عرضه عمومی در ۱۳ اکتبر ۲۰۲۶ | کدنویسی پیچیده، وظایف عامل‌محور، ریاضیات و علوم |
| Kimi K3.1 Pro | مون‌شات ای‌آی | اکتبر ۲۰۲۶؛ طبق فهرست انتشار | در میان مدل‌های عرضه‌شده در اکتبر ثبت شده است |
| Nemotron 3.5 Bolt E4B | انویدیا | اکتبر ۲۰۲۶؛ طبق فهرست انتشار | در میان مدل‌های عرضه‌شده در اکتبر ثبت شده است |
گوگل همچنین Gemini Nano Banana 2.1 را برای تولید تصویر و ویرایش مکالمه‌محور منتشر کرده است. نکته عملی برای خریداران، سرعت تغییرات این بازار است. شرکتی که امروز یک محصول عامل‌محور را به‌عنوان استاندارد خود انتخاب می‌کند، در واقع روی نقشه راه عرضه‌کننده‌ای سرمایه‌گذاری می‌کند که ممکن است هر ماه تغییر کند. گزارش ما درباره پنجره متنی یک‌میلیون‌توکنی جمینای ۴ آرگون و دسترسی محدود آن به طرح‌های پولی یکی از این تغییرات را بررسی می‌کند.
مقایسه رقابتی: سه رویکرد عرضه‌کنندگان به هوش مصنوعی محیط کار
اوپن‌ای‌آی، آنتروپیک و گوگل همگی می‌خواهند لایه عامل‌های هوش مصنوعی در شرکت‌ها را در اختیار بگیرند، اما اخبار این هفته از تفاوت رویکرد آن‌ها حکایت دارد. اوپن‌ای‌آی با معرفی یک مشتری مشخص، بر استقرار در مقیاس بزرگ تأکید می‌کند. آنتروپیک درباره آثار جانبی همین دسته از فناوری‌ها پژوهش منتشر می‌کند. گوگل نیز جمینای را در محصولاتی ادغام می‌کند که کسب‌وکارها از قبل برای آن‌ها هزینه می‌پردازند. جدول زیر پرسش‌های بی‌پاسخی را نشان می‌دهد که از نگاه تحلیلی ما در هر رویکرد باقی می‌مانند.
| عرضه‌کننده | اقدام این هفته | نوع کار هدف | پرسش باز درباره نظارت؛ برداشت تحلیلی ما |
|---|---|---|---|
| اوپن‌ای‌آی | چت‌جی‌پی‌تی ورک در اوبر و نمونه رستوران | پژوهش، خلاصه‌ها، ارائه‌ها، تحلیل و تطبیق حساب‌ها | در مقیاس ۳۰ هزار کاربر، چه کسی خروجی‌های چندمرحله‌ای را بررسی می‌کند؟ |
| آنتروپیک | پژوهش داخلی با ۱۷ مصاحبه | هماهنگی و نظارت بر خروجی عامل‌ها | آیا این الگو خارج از یک شرکت نیز برقرار است؟ |
| گوگل | ادغام جمینای در DV360 و Search Ads 360 | برنامه‌ریزی، بهینه‌سازی و اجرای کمپین | خریداران چگونه تغییرات خودکار را ممیزی می‌کنند؟ |
| متا | ابزارهای Admin AI و Admin Assist برای فوروم | نظارت بر انجمن‌ها و پاسخ‌گویی به پرسش‌های مدیریتی | آیا حجم موارد علامت‌گذاری‌شده جای کار دستی را می‌گیرد یا صف تازه‌ای ایجاد می‌کند؟ |
عامل سازمانی خود آنتروپیک نیز در همین بازار رقابت می‌کند؛ موضوعی که در گزارش ما درباره Claude Duet و ادعای اتصال آن به ۶ هزار برنامه بررسی شده است. همین مسئله به پژوهش آنتروپیک ویژگی خاصی می‌دهد: یک عرضه‌کننده شواهدی منتشر کرده که روایت ساده و خوش‌بینانه فروش محصولات خودش را پیچیده‌تر می‌کند.
پیشینه تاریخی: ابزارهای تازه، وظایف تازه
سابقه ابزارهای بهره‌وری نشان می‌دهد که آن‌ها اغلب شکل کار را تغییر می‌دهند، نه اینکه صرفاً آن را حذف کنند. ایمیل هزینه ارسال پیام را کاهش داد، اما تعداد پیام‌هایی را که افراد باید بخوانند نیز افزایش داد. صفحات گسترده ساخت مدل‌های محاسباتی را آسان کردند و در ادامه، مدیران مدل‌های بیشتری درخواست کردند. پیام‌رسان‌های کاری زمان پاسخ‌گویی را کوتاه کردند، اما برای بسیاری از تیم‌ها روز کاری را طولانی‌تر ساختند. این مثال‌ها برای شناسایی یک الگو مطرح می‌شوند، نه به‌عنوان ادعاهایی که در این گزارش اندازه‌گیری شده باشند؛ منابع این مقاله نیز برای هیچ‌یک از آن‌ها آمار مشخصی ارائه نمی‌کنند.
تفاوت عامل‌های هوش مصنوعی در ماهیت کار اضافه‌شده است. ابزارهای قبلی حجم خواندن و نوشتن را افزایش می‌دادند، اما عامل‌ها نیاز به قضاوت را بیشتر می‌کنند؛ زیرا انسان باید تصمیم بگیرد که آیا نتیجه‌ای که به‌صورت خودکار تولید شده، درست است یا نه. وضعیت اثر این فناوری بر بازار کار نیز همچنان نامشخص است. گلدمن ساکس به موانع استخدام ناشی از هوش مصنوعی و احتمال کسری ۱۰ هزار شغل اشاره کرده است؛ موضوعی که نشان می‌دهد این فناوری هم‌زمان بر میزان کار موجود و تقاضا برای نیروی انسانی اثر می‌گذارد.
پیامدهای بازار برای خریداران سازمانی
یافته‌های آنتروپیک نحوه ارزیابی اقتصادی این ابزارها را برای خریداران تغییر می‌دهد. اگر ابزاری برای هر وظیفه ده دقیقه صرفه‌جویی کند، اما بیست دقیقه به زمان بررسی اضافه کند، استفاده از آن از نظر زمانی به‌صرفه نیست. تیم‌های تدارکات احتمالاً بیش از گذشته از عرضه‌کنندگان خواهند خواست میزان صرفه‌جویی خالص در زمان را پس از بررسی و اصلاح خروجی‌ها گزارش کنند، نه اینکه فقط سرعت انجام اولیه وظیفه را اعلام کنند.
هزینه‌ها دومین عامل فشار هستند. تحلیل منحنی ارزش هوش مصنوعی مک‌کینزی، که در گزارش ما درباره فرصت ۲٫۵۲ تریلیون‌دلاری و کاهش ۸۵۰ میلیارد دلاری آن در صورت افزایش ۳۰ درصدی هزینه‌ها بررسی شده، نشان می‌دهد بازده این فناوری تا چه اندازه به هزینه‌های جاری حساس است. ساعت‌هایی که برای نظارت اضافه صرف می‌شوند، هزینه‌ای جاری‌اند که به‌ندرت در پیش‌فاکتور عرضه‌کنندگان دیده می‌شود.
حکمرانی و کنترل نیز سومین عامل است. کارکنان از ابزارهایی استفاده می‌کنند که کارفرمایانشان تأیید نکرده‌اند؛ روندی که در گزارش استفاده ۴۵ درصد کارکنان از هوش مصنوعی خارج از نظارت رسمی شرکت‌ها دنبال کرده‌ایم. استقرارهای رسمی مانند اقدام اوبر، تا حدی برای انتقال این فعالیت‌ها به مسیرهای تحت مدیریت سازمان انجام می‌شوند. در سوی دیگر، طبق گزارش ما درباره ممنوعیت عامل‌های هوش مصنوعی شرکت‌های ثالث در پنج بانک بزرگ آمریکا، برخی بانک‌ها دسترسی به این ابزارها را مسدود کرده‌اند. بنابراین، میزان پذیرش فناوری در بخش‌های مختلف تفاوت چشمگیری دارد. اطلاعات گسترده‌تر در بخش هوش مصنوعی و یادگیری ماشین در دسترس است.
چه چیزهایی تأیید شده‌اند و چه چیزهایی هنوز نه؟
- تأییدشده در اطلاعیه شرکت: اوبر در ۲۲ اکتبر ۲۰۲۶ از گسترش چت‌جی‌پی‌تی ورک به بیش از ۳۰ هزار کارمند، پس از اجرای آزمایشی برای هزار نفر، خبر داد.
- گزارش‌شده: اتصال به ابزارهای شرکت، کتابخانه داخلی مهارت‌ها و آموزش کارکنان، بخشی از برنامه استقرار اوبر هستند.
- پژوهش شرکتی با نمونه محدود: یافته آنتروپیک درباره افزایش کارهای هماهنگی و نظارت، بر پایه ۱۷ مصاحبه و مجموعه‌ای از سوابق و داده‌های نظرسنجی است.
- ادعای عرضه‌کننده: زمان تطبیق ماهانه حساب‌های نقدی تد تیلور از سه ساعت به پنج تا ده دقیقه کاهش یافته است.
- تأییدنشده: رقم ۵۰ هزار تا ۱۰۰ هزار دلار درباره جریان نقدی سالانه، یک فرصت بالقوه است، نه نتیجه‌ای قطعی.
- اثبات‌نشده: شواهد موجود ثابت نمی‌کنند که هوش مصنوعی در مجموع و در همه کسب‌وکارها کار بیشتری ایجاد می‌کند؛ همچنین فهرست کاملی از تمام خبرهای پشت تیترهای این هفته در دسترس نیست.
انتظار می‌رود بخش تجاری هوش مصنوعی بی‌بی‌سی و رسانه‌های مشابه طی هفته‌های آینده شواهد مستقل بیشتری منتشر کنند. تا آن زمان، دقیق‌ترین توصیف این است که افزایش حجم کار بر اثر هوش مصنوعی احتمالی و در مراحل اولیه است و اثر آن هنوز در مقیاس گسترده اندازه‌گیری نشده است.
پنج پیش‌بینی برای دو فصل آینده
موارد زیر پیش‌بینی‌های ما هستند، نه واقعیت‌های گزارش‌شده؛ بنابراین، ممکن است برخی از آن‌ها محقق نشوند.
- جایگزینی ادعاهای سرعت با معیارهای صرفه‌جویی خالص در زمان. خریداران از عرضه‌کنندگان خواهند خواست ساعات صرفه‌جویی‌شده پس از بازبینی را گزارش کنند و ارائه‌های فروش قوی‌تر چنین داده‌هایی را در بر خواهند داشت.
- افزایش گسترش‌های ۳۰ برابری پس از اجرای آزمایشی. اقدام اوبر در افزایش کاربران از هزار نفر به ۳۰ هزار نفر به الگویی برای اعلام گسترش‌های مشابه در دیگر شرکت‌های بزرگ تبدیل خواهد شد.
- تبدیل ابزارهای نظارت به یک گروه محصول مستقل. داشبوردهای مدیریت صف عامل‌ها، مسیردهی تأییدها و ثبت سوابق ممیزی به شکل امکانات افزوده یا قابلیت‌های داخلی محصولات عرضه خواهند شد.
- مطالبه گزارش تغییرات از سوی خریداران تبلیغات. با خودکارتر شدن فرایندها در Display & Video 360 و Search Ads 360 به کمک جمینای، آژانس‌ها توضیحات روشن و قابل‌خواندن درباره تغییرات خودکار را مطالبه خواهند کرد.
- انتشار پژوهش دیگری درباره بار کاری از سوی یک عرضه‌کننده رقیب. صراحت آنتروپیک معیاری تازه ایجاد می‌کند و احتمال دارد یکی از رقبا داده‌های خود را درباره بار بازبینی منتشر کند.
چک‌لیست استقرار عامل‌ها با در نظر گرفتن هزینه نظارت
تیم‌هایی که قصد دارند عامل‌های هوش مصنوعی را مستقر کنند، می‌توانند بدون انتظار برای انتشار پژوهش‌های بیشتر از این یافته‌ها استفاده کنند. پیش از گسترش یک طرح آزمایشی، زمان تولید خروجی را در کنار زمان بررسی آن اندازه بگیرید. تا زمانی که ظرفیت بازبینی مشخص نشده است، تعداد عامل‌هایی را که هر فرد می‌تواند هم‌زمان به کار بگیرد محدود کنید. برای هر مهارت یا گردش‌کار مشترک، مسئول مشخصی تعیین کنید و تأیید نهایی انسانی را برای هر خروجی که از شرکت خارج می‌شود الزامی نگه دارید. راهنمای ما درباره محیط ایزوله‌سازی عامل‌های هوش مصنوعی برای محدود کردن دسترسی سرورهای MCP جنبه فنی کنترل دسترسی این عامل‌ها را توضیح می‌دهد.
پرسش‌های متداول
آیا هوش مصنوعی حجم کار کارکنان را افزایش می‌دهد؟
در برخی شرایط، بله. پژوهش داخلی آنتروپیک نشان داد که هم‌زمان با افزایش حجم خروجی عامل‌ها، کارهای هماهنگی و نظارت کارکنان نیز بیشتر شده است. این پژوهش علاوه بر داده‌های دیگر، بر ۱۷ مصاحبه تکیه داشت و نتایج قابل‌بررسی آن ثابت نمی‌کنند که این اثر در همه کسب‌وکارها وجود دارد.
چند نفر از کارکنان اوبر به چت‌جی‌پی‌تی ورک دسترسی خواهند داشت؟
طبق اطلاعیه اوبر در ۲۲ اکتبر ۲۰۲۶، بیش از ۳۰ هزار کارمند به این ابزار دسترسی خواهند داشت. پیش از این گسترش، ابزار برای هزار نفر به‌صورت آزمایشی اجرا شده بود.
چت‌جی‌پی‌تی ورک چه کارهایی انجام می‌دهد؟
این ابزار برای وظایف چندمرحله‌ای مانند پژوهش، تهیه خلاصه جلسات، ساخت ارائه و تحلیل داده طراحی شده و می‌تواند در چند برنامه مختلف کار کند. طبق گزارش‌ها، در اوبر به ابزارهایی مانند گوگل درایو، جیمیل، تقویم گوگل و اسلک متصل می‌شود.
متا چه ابزارهایی را برای فوروم معرفی کرد؟
متا ابزارهای مدیریتی Admin AI و Admin Assist و یک تقویم مشترک برای ناظران را معرفی کرد. منابع موجود هنوز نتایج اندازه‌گیری‌شده‌ای درباره عملکرد این ابزارها ارائه نمی‌کنند.
آیا صرفه‌جویی ۵۰ تا ۱۰۰ هزار دلاری رستوران تأیید شده است؟
خیر. این رقم به‌عنوان فرصتی بالقوه برای بهبود جریان نقدی سالانه مطرح شده و نتیجه‌ای تأییدشده نیست. ادعای مشخص منتشرشده این است که تد تیلور زمان تطبیق ماهانه حساب‌های نقدی را در سه رستوران از سه ساعت به پنج تا ده دقیقه کاهش داده است.
کدام مدل‌های جدید هوش مصنوعی برای عامل‌های محیط کار اهمیت دارند؟
مدل‌های عرضه‌شده اخیر شامل GPT-6.1 Sol در ۲۹ سپتامبر، Claude Opus 5.5 در ۲۲ سپتامبر، Claude Sonnet 5.5 در ۲۸ سپتامبر، Claude Haiku 5.5 در ۷ اکتبر و Gemini 4 Argon هستند که در ۱۳ اکتبر به‌صورت عمومی عرضه شد.
شرکت‌ها پیش از گسترش طرح آزمایشی عامل‌های هوش مصنوعی چه چیزی را باید اندازه بگیرند؟
معیار اصلی باید صرفه‌جویی خالص در زمان پس از بازبینی و اصلاح باشد، نه فقط سرعت انجام وظیفه. شرکت‌ها باید مدت‌زمانی را که کارکنان برای بررسی خروجی‌ها، واگذاری وظایف و رفع خطاها صرف می‌کنند ثبت کنند؛ زیرا پژوهش آنتروپیک به همین هزینه‌ها اشاره دارد.
الیاس ویرتانن
تحلیلگر امنیت سایبری
الیاس ویرتانن تحلیلگر امنیت سایبری در تک اینسایدر است و تجربه عملی او در زمینه آزمون نفوذ و مشاوره امنیتی شکل گرفته است. او پیش‌تر به‌عنوان پژوهشگر امنیت در شرکت اف‌سکیور در هلسینکی فعالیت می‌کرد و بر اطلاعات تهدید و افشای آسیب‌پذیری‌ها تمرکز داشت. ویرتانن روندهای باج‌افزار، معماری امنیتی اعتماد صفر و تحولات مقرراتی، از جمله دستورالعمل NIS2 و قانون تاب‌آوری سایبری اتحادیه اروپا، را پوشش می‌دهد. او دارای گواهی CISSP و مدرک کارشناسی ارشد امنیت اطلاعات از دانشگاه آلتو است.