اگر برای آیندهی کسبوکارتان روی «خودکارسازی کامل» حساب کردهاید، باید بدانید که هدفهای OpenAI تغییر کرد. تصور کنید سیستمی که قرار بود تمام پژوهشها را بهتنهایی انجام دهد، حالا به یک «همکار» تبدیل شده که بدون نظارت انسان پیش نمیرود.
به نقل از وبلاگ رسمی این شرکت، سام آلتمن (Sam Altman) و جاکوب پاچوکی (Jakub Pachocki)، ارشدترین پژوهشگر شرکت، اهداف سال ۲۰۲۵ خود را بازنگری کردند. طبق اعلام آنها، دیگر هدف رسیدن به خودمختاری کامل تا مارس ۲۰۲۸ نیست؛ بلکه تلاش میکنند «بخش قابلتوجهی» از تحقیقات را بهصورت تاندم یا همزمان با انسانها پیش ببرند.
این تغییر مسیر در حالی رخ میدهد که OpenAI از یک ارائهدهندهی مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — به یک شریک اجرایی تبدیل میشود. همانطور که در تحلیلهای پیشین ما دربارهی پروندههای محرمانه IPO این شرکت اشاره کردیم، این چرخش نشاندهندهی تمرکز بر درآمدهای پایدار از طریق ادغام عمیق در ساختار سازمانها است.
برای مدیریت ریسکهای این مسیر، OpenAI پیشنهاد ایجاد یک سازمان بینالمللی را داده است تا سرعت توسعهی مدلهای پیشرو را در صورت نیاز به دلایل ایمنی، کنترل یا کاهش دهد.
به گزارش منابع داخلی، این شرکت اکنون روی زیرمجموعهی جدید خود به نام DeployCo سرمایهگذاری میکند. این واحد بهجای فروش لایسنس، مهندسان خود را مستقیماً بهнутри شرکتها میفرستد تا عاملهای هوش مصنوعی (AI Agents) — مثل کارمندانی که نهتنها میدانند چه بگویند، بلکه میتوانند ابزارها را برای انجام کار بهکار بگیرند — را در جریانهای کاری موجود جایگذاری کنند.
این تصمیم در واقع اعتراف به این حقیقت است که پیادهسازی هوش مصنوعی در دنیای واقعی، بسیار سختتر از ساخت یک مدل است. برای مدیران کسبوکار، این یعنی ارزش محصول از «پرامپت» به «جریان کاری» (Workflow) منتقل شده است. روی بازگشت سرمایه و کاربرد واقعی تأکید میشود، چون سرعت پذیرش این ابزارها در سازمانها کمتر از پیشبینیهای رشد شرکت بوده است.
گام بعدی شما
- بهجای تمرکز بر مهندسی پرامپت، روی بازطراحی جریانهای کاری (Workflow Redesign) برای پذیرش عاملهای هوش مصنوعی تمرکز کنید.
- اگر از سرویسهای سازمانی استفاده میکنید، مدلهای «همکاری تاندم» را جایگزین تلاش برای خودکارسازی ۱۰۰ درصدی کنید.
- منتظر واکنش Anthropic به پیشنهاد سازمان بینالمللی ایمنی باشید تا متوجه شوید آیا سرعت توسعهی مدلها واقعاً کاهش مییابد یا خیر.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است؛ اثرات این چرخش بر نیاز به مراکز داده را در گزارش بعدی بررسی خواهیم کرد.
گفتگو