تصور کنید تنها با یک دستور، هوش مصنوعی ۱۰ دقیقه بهطور خودمختار تحقیق کند، چندین تب مرورگر باز کند و موجودی لحظهای کالاها را فیلتر نماید. با معرفی ChatGPT Work، شرکت OpenAI پارادایم تعامل را تغییر داد؛ حالا ما با ابزاری روبهرو هستیم که بهجای پاسخ به سؤالات، از طریق یک رابط عاملمحور (Agentic) — شبیه به کارآموزی که دستورات شما را میگیرد و بدون نیاز به نظارت لحظهای، مراحل کار را پیش میبرد — وظایف را به سرانجام میرساند. این ابزار برای اجرای توالیهایی از وظایف طراحی شده است که نیازی به هدایت مداوم انسان ندارند.
این تحول در حالی رخ میدهد که صنعت به سمت «هوش مصنوعی عاملمحور» حرکت میکند؛ سامانههایی که میتوانند بهطور مستقل برنامهریزی کرده و از ابزارها استفاده کنند. همانطور که در تحلیل قبلی ما دربارهی کاهش نرخ ردِ فراخوانی ابزارها (Tool-call refusal rates) به ۴ درصد در مدلهایی مانند GPT-5.6 اشاره کردیم، تمرکز اکنون از «توانایی» مدل در استفاده از ابزار، به «نحوه مدیریت» یک پروژه پیچیده در طول زمان تغییر یافته است. برای یک متخصص، تفاوت این رویکرد در این است که بهجای درخواست یک برنامه سفر، هوش مصنوعی واقعاً پروازها را رزرو کرده و تقویم شما را تنظیم کند. این رویکرد در راستای چشمانداز گستردهتری است که در آن عاملهای هوش مصنوعی توانستهاند بار مهندسی در محاسبات علمی را بهطور چشمگیری کاهش دهند و بهرهوری در حوزههای تخصصی را ارتقا بخشند.
سازوکار محیط کاری عاملمحور
ChatGPT Work با چتهای استاندارد متفاوت است و بهعنوان یک عامل با هدف خاص عمل میکند. در حالی که حالت Deep Research بر تحلیل عمیق وب متمرکز است، حالت Work میتواند از طریق اپلیکیشن دسکتاپ با محیط محلی کاربر تعامل داشته باشد.
حالت Deep Research در واقع یک پژوهشگر وب عاملمحور با هدف خاص است که میتواند تحلیلهایی بسیار عمیقتر از نسخه استاندارد ChatGPT ایجاد کند. اما ChatGPT Work این قابلیتها را گسترش داده است. این ابزار میتواند مرورگر وب کاربر یا یک مرورگر داخلی را باز کند. نکته کلیدی این است که این ابزار میتواند بهصورت بصری روی صفحه وب جابهجا شود، بهجای آنکه صرفاً دادههای HTML یک صفحه وب را بازیابی کند.
این رویکرد با ابزارهای برنامهنویسی عاملمحور مانند Claude Code یا Codex شرکت OpenAI همسو است. در واقع، ابزارهایی مثل Claude Cowork و ChatGPT Work مستقیماً از دل این ابزارهای کدنویسی تکامل یافتند؛ چرا که OpenAI و Anthropic متوجه موج عجیبی از کاربران غیربرنامهنویس شدند که از ابزارهای تخصصی برنامهنویسی برای انجام کارهای عمومی و روزمره استفاده میکردند.
قابلیتهای کلیدی و بستر عملیاتی
به گزارش وبسایت ZDNET در ۲۴ اوت ۲۰۲۶، این ابزار قابلیتهای زیر را دارد:
- باز کردن و پیمایش در مرورگر وب (خواه مرورگر داخلی باشد یا مرورگر شخصی کاربر).
- ایجاد، جابهجایی و تغییر نام فایلها در سیستم محلی کاربر.
- پردازش توالیهای طولانی از مراحل بدون نیاز به ارسال دستور (Prompt) جدید برای هر اقدام.
- محدود کردن عملیات به پوشههای خاص یا سلسلهمراتبهای مشخص برای جلوگیری از ایجاد هرجومرج در کل سیستم.
این رویکرد مبتنی بر پوشه برای سازماندهی حیاتی است. کاربران با انتخاب یک پوشه خاص برای کار، میتوانند یک پروژه پیچیده را ایزوله کنند و اطمینان حاصل کنند که هوش مصنوعی به فایلهای خارج از آن سلسلهمراتب تعیینشده اثر نمیگذارد.
محدودیتهای دسترسی و ظرفیت
اوپنایآی این ابزار را برای همه کاربران، حتی سطح رایگان، در دسترس قرار داده است؛ اما «سوخت» یا توان پردازشی مورد نیاز برای عملیات عاملمحور بسیار زیاد است. این عملیات با توکن (Token) — تکههای کوچکی از متن، شبیه برشهای یک کیک طولانی که مدل تکهتکه میخورد — اندازهگیری میشوند و کاربران رایگان تنها مقدار اندکی ظرفیت دریافت میکنند تا بتوانند «طعم» سرویس را بچشند.
برای کاربران طرح ChatGPT Plus با هزینه ۲۰ دلار در ماه، ظرفیت بسیار مستحکمتر است و اجازه استفاده منظم و متوسط را میدهد. به عنوان مثال، یکی از کاربران گزارش داد که با استفاده از Codex (که ابزاری مشابه در حوزه عاملمحور است)، توانسته ماهانه حدود ۲۰ ساعت کدنویسی متمرکز انجام دهد. در آن مورد خاص، ابزار پس از حدود ۵ ساعت کار شدید، تا زمان بازنشانی محدودیت مصرف، بهطور کامل متوقف میشد.
از آنجا که هر درخواست ترکیبی متفاوتی از منابع را میطلبد، OpenAI معیار واحد و مطلق برای مصرف ارائه نمیدهد. قاعده کلی این است: کاربران رایگان یک دوره آزمایشی دارند، کاربران ۲۰ دلاری از ظرفیت متوسط بهره میبرند و سطوح بالاتر اجازه «استفاده انبوه» (Binge usage) از ویژگیهای عاملمحور را دارند.
ادغام دسکتاپ و مفهوم «سوپر اپلیکیشن»
برای استفاده از ChatGPT Work در محیط محلی کامپیوتر، نصب اپلیکیشن دسکتاپ الزامی است. در جولای ۲۰۲۶، اوپنایآی سرویسهای ChatGPT، Work و Codex را در یک «سوپر اپلیکیشن» واحد ادغام کرد.
اگرچه این ادغام ابزارها را متمرکز کرد، اما یک اثر جانبی داشت و باعث حذف برخی از بهترین ویژگیهای اپلیکیشن قبلی ChatGPT شد. با وجود نارضایتی برخی کاربران از این ویژگیهای حذفشده، این سوپر اپلیکیشن همچنان دروازه اصلی دسترسی به قابلیتهای عاملمحور در محیط دسکتاپ است.
رابط کاربری و پیمایش
پس از اجرا، دو دکمه متمایز بالای نوار پیامها دیده میشود: Chat و Work. تغییر بین این دو دکمه، حالت عملکرد هوش مصنوعی را تغییر میدهد.
در حالت Work، رابط کاربری بهگونهای بهروز میشود که گزینه انتخاب پوشه را شامل شود. این کار به کاربر اجازه میدهد محدوده دسترسی مدل به فایلها را پیش از ارسال دستور تعریف کند. پس از تنظیم حالت، کاربر مانند یک چت معمولی دستور میدهد، اما مدل اکنون میتواند طیف گستردهتری از اقدامات عاملمحور را اجرا کند.
کاربرد واقعی: مورد پژوهش آمازون
برای نمایش این قدرت، پژوهشگری از ChatGPT Work برای یافتن ماوسهای عمودی بیسیم در آمازون استفاده کرد. دستور کاربر این بود که مدل سختافزارهای خاصی را فیلتر کند — بهویژه ماوسهایی که قابلیت جابهجایی بین حداقل دو دستگاه بلوتوث (ترجیحاً سه دستگاه) را داشته باشند — و موجود بودن ارسال Prime را بررسی کند.
بهجای اینکه کاربر یک ساعت وقت خود را صرف خواندن عناوین محصولات برای یافتن مشخصات جابهجایی بین دستگاهها کند، هوش مصنوعی حدود ۱۰ دقیقه بهطور خودمختار جستوجو کرد. کاربر مأموریتی را تعریف کرد که نسخه استاندارد یا حتی Deep Research قادر به انجام آن نبودند: مدل باید موجودی لحظهای را چک کرده و سپس هر گزینه واجد شرایط را در یک تب جداگانه مرورگر باز میکرد.
این روند به کاربر اجازه داد تا صرفاً بین نتایج نهایی جابهجا شود، گزینههای نامناسب را ببندد و محدوده ارزیابی را بدون جستوجوی دستی محدود کند. این فرآیند بهقدری بهینه بود که کاربر توانست در حین کارِ عامل، برای نوشیدن قهوه از سیستم فاصله بگیرد.
۱۰ نکته ضروری برای استقرار عاملمحور
بهرهگیری از یک عامل نیازمند ذهنیتی متفاوت از پرامپتنویسی ساده است. برای جلوگیری از سناریوهای «AI amok» (رفتارهای خارج از کنترل)، این دستورالعملها را دنبال کنید:
۱. تکالیف خرد: بهجای یک هدف عظیم، وظایف کوچک را یکییکی به مدل بدهید.
۲. برنامهریزی پیش از اجرا: برای پروژههای طولانی، ابتدا بخواهید مدل یک برنامه مکتوب ارائه دهد و سپس هر اقدامی را اجرا کند.
۳. بررسی ظرفیت: بخش Settings > Usage را چک کنید تا مدل در میانه یک پروژه حساس متوقف نشود.
۴. سیاست عدم اشتراک رمز عبور: هرگز و تحت هیچ شرایطی رمزهای عبور خود را در اختیار عامل قرار ندهید.
۵. پشتیبانگیری از فایلها: پیش از اجازه دادن به مدل برای سازماندهی یا حذف فایلها، نسخههای پشتیبان متعددی تهیه کنید و آنها را در جایی خارج از دسترس مدل ذخیره کنید.
۶. راستیآزمایی: هر خروجی را دوباره چک کنید؛ فرض کنید مدل ممکن است «احمق» باشد و نیاز به نظارت دقیق و سرعت کنترلشده دارد.
۷. ذهنیت تفویض: کارهای خستهکننده و تکراری را شناسایی کرده و بهطور کامل به مدل بسپارید. تفویض کار یک مهارت کلیدی است.
۸. پیشنویس برای ایمیلها: هنگام استفاده از اتصال Gmail، مدل را مجبور کنید ابتدا پیشنویس بسازد تا شما بررسی کنید و سپس ارسال شود.
۹. حداقل دسترسی: کمترین دسترسی ممکن را بدهید؛ دسترسی Read-only امن است، اما هر چیزی که شامل نوشتن، حذف یا ارسال باشد میتواند نتیجه معکوس بدهد.
۱۰. حریم خصوصی دادهها: به نقل از وبسایت Tom's Guide، هرگز اطلاعات حساس شخصی را به اشتراک نگذارید تا در صورت نشت دادهها متضرر نشوید.
تحلیل: گذار به «کار بهعنوان سرویس» (Labor-as-a-Service)
برای کاربر حرفهای، این تحول به معنای گذار از «هوش مصنوعی بهعنوان مشاور» به «هوش مصنوعی بهعنوان کارمند جونیور» است. ارزش دیگر در کیفیت متن تولید شده نیست، بلکه در زمانی است که از کارهای دستی دیجیتال پس گرفته میشود. برای مثال، این ابزار پیش از این برای جستوجو در مجموعههای بزرگی از فایلهای PDF، تغییر نام آنها و سازماندهی آنها بر اساس موضوع استفاده شده است.
با این حال، رویکرد «سوپر اپلیکیشن» — ادغام ChatGPT، Work و Codex — اصطکاکاتی ایجاد کرده است. برخی کاربران گزارش میدهند که این ادغام باعث حذف ویژگیهای قبلی اپلیکیشن دسکتاپ شده تا فضای کافی برای ابزارهای عاملمحور ایجاد شود. این موضوع نشاندهنده تنشی بین سادگی یک رابط چت و پیچیدگی یک ایستگاه کاری (Workstation) است.
در نهایت، موفقیت ChatGPT Work و رقیبش Claude Cowork به «اعتماد» بستگی دارد. برخی کاربران اشاره کردهاند که حالت Work آنطور که باید، برای هر اقدام اجازه نمیگیرد. اگر عاملها بدون درخواست اجازه کافی به اجرای عملیات ادامه دهند، کاربران ممکن است آنها را صرفاً به کارهای کمریسک محدود کنند، فارغ از اینکه توانایی خام آنها چقدر زیاد است.
برای اینکه ببینید آیا جریان کاری فعلی شما برای این تغییر آماده است، سعی کنید خستهکنندهترین وظیفه مرورگر-محور خود در این هفته را شناسایی کرده و آن را به صورت توالی از گامها برای یک عامل ترسیم کنید.
گام بعدی شما
- خستهکنندهترین وظیفه مرورگر-محور خود در این هفته را شناسایی کنید و آن را به صورت یک توالی از گامهای اجرایی برای یک عامل بنویسید.
- اپلیکیشن دسکتاپ ChatGPT را نصب کرده و حالت Work را روی یک پوشه ایزوله برای مدیریت فایلهای قدیمی آزمایش کنید.
- در دستورات خود، شرط «ارائه برنامه پیش از اجرا» را اضافه کنید تا کنترل بیشتری بر خروجی داشته باشید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو