تصور کنید مشاور ارشدی در یک بانک بزرگ هستید که باید هزاران خط کد قدیمی COBOL را به سیستم‌های مدرن تبدیل کند؛ حالا ابزاری در اختیار دارید که این فرآیند هفته‌ای را به چند ساعت کاهش می‌دهد. این همان واقعیت جدیدی است که IBM برای ۱۵۰ هزار مشاور خود رقم زده است.
طبق اعلام رسمی IBM در ۱۳ اوت ۲۰۲۶، این شرکت در یک مشارکت راهبردی، مدل‌های جدید OpenAI شامل GPT-5.6، Codex و ChatGPT Work را مستقیماً در پلتفرم IBM Consulting Advantage ادغام کرد. این اقدام، بار تدارکات هوش مصنوعی را از دوش مشتری برمی‌دارد؛ یعنی به‌جای آنکه یک بانک یا سازمان دولتی لایسنس‌های OpenAI را بخرد، IBM این هوش را به‌عنوان بخشی از خدمات مشاوره خود ارائه می‌دهد.
این استراتژی دقیقاً روی «آخرین مایل» (Last Mile) استقرار AI تمرکز دارد؛ یعنی همان فرآیند دشوار ادغام مدل‌های امن در گردش‌کارهای پیچیده و قدیمی شرکت‌ها. مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — اکنون نه به‌عنوان یک چت‌بات ساده، بلکه به‌عنوان ابزاری بومی در دل خدمات IBM قرار گرفته است.
اندی بالدوین، نایب رئیس ارشد جهانی بخش مشاوره IBM، اشاره کرد که چالش اصلی سازمان‌ها نه دسترسی به فناوری، بلکه ادغام هوش مصنوعی به‌صورت امن و در مقیاس گسترده است. دنیس درسر، مدیر ارشد درآمد OpenAI، افزود که هدف، استقرار هوش مصنوعی است که «عملیاتی باشد و با اولویت‌های واقعی کسب‌وکار همسو شود».
همان‌طور که در تحلیل قبلی ما درباره‌ی OpenAI Codex و ادغام آن در محیط‌های توسعه (IDE) و رابطهای خط فرمان (CLI) اشاره کردیم، این همکاری اکنون کدنویسی عامل‌محور را از میز برنامه‌نویس به جعبه‌ابزار مشاوران سازمانی می‌برد. این رویکرد یادآور استراتژی شرکت‌های دیگر در این حوزه است؛ برای مثال، شرکت EPAM نیز پیش از این برنامه‌ای برای گواهینامه‌دار کردن ۵۰۰۰ مشاور خود برای عملیاتی‌سازی مدل‌های OpenAI را کلید زده بود. طبق گزارش IBM، این همکاری در سه محور اصلی پیش می‌رود:
- تبدیل عملیاتی: تبدیل فرآیندهای قدیمی مالی، منابع انسانی، تدارکات و عملیات مشتریان به گردش‌کارهای آماده برای AI.
- نوسازی نرم‌افزاری: استفاده از Codex و ChatGPT Work برای به‌روزرسانی زیرساخت‌های نرم‌افزاری فرسوده و قدیمی.
- امنیت سایبری: گسترش برنامه OpenAI Daybreak و سرویس امنیت خودکار IBM.
برای پشتیبانی از این مقیاس، IBM یک واحد تخصصی به نام OpenAI Practice راه‌اندازی کرده است. این واحد شامل هزاران مهندس است که گواهینامه‌های OpenAI Partner Network را دریافت کرده‌اند. این واحد شامل تیم‌های «استقرار پیشرو» (Forward-deployed units) است که مستقیماً درون محیط‌های عملیاتی مشتریان فعالیت می‌کنند. به موجب این توافق، IBM به سطح Elite در شبکه شرکای OpenAI ارتقا یافت.
زیرساخت فنی
مرکز این ادغام، خانواده مدل‌های GPT-5.6 است که در اواخر ژوئن ۲۰۲۶ عرضه شدند. این خانواده شامل سه مدل تخصصی است که برای نیازهای مختلف سازمانی طراحی شده‌اند:
- Sol: مدل پرچم‌دار برای استدلال‌های پیچیده و عامل‌های هوش مصنوعی (AI Agents) — شبیه به مدیران ارشدی که می‌توانند تصمیمات استراتژیک بگیرند.
- Terra: بهینه‌شده برای بارهای کاری روزمره در محیط تولید (Production).
- Luna: نسخه‌ای سبک برای حداکثر بهره‌وری و سرعت.
بر اساس بررسی‌های IBM، عرضه تدریجی این خانواده از سوی OpenAI ابتدا با حدود ۲۰ سازمان آغاز شده بود. اما اکنون IBM با ادغام این مدل‌ها در Consulting Advantage، یکی از گسترده‌ترین کانال‌های توزیع سازمانی را برای خانواده GPT-5.6 ایجاد می‌کند که به‌طور خاص بخش‌های خدمات مالی، دولتی، مخابرات و خرده‌فروشی را هدف قرار داده است.
لایه امنیتی
بخش امنیت سایبری این همکاری، توسعه رابطهای است که از ۲۲ ژوئن ۲۰۲۶ با پیوستن IBM به برنامه OpenAI Daybreak آغاز شد. این تلاش بخشی از Project Lightwell است؛ تعهدی ۵ میلیارد دلاری از سوی IBM و Red Hat برای ایمن‌سازی زنجیره تأمین نرم‌افزارهای متن‌باز.
سرویس امنیت اپلیکیشن IBM از مدل‌های OpenAI برای شناسایی و تأیید آسیب‌پذیری‌های نرم‌افزاری در محیط مشتری استفاده می‌کند. این کار از طریق اجرای محدود (Bounded Execution) و دسترسی فقط-خواندنی به مخازن کد انجام می‌شود تا امنیت داده‌ها حفظ شود. OpenAI در ۱۰ اوت ۲۰۲۶ برنامه Daybreak را گسترش داد و IBM را در کنار شرکایی چون Accenture، Capgemini و EY قرار داد.
دسترسی‌های OpenAI برای این بخش به دو سطح تقسیم شده است:
- Daybreak Blue: برای گردش‌کارهای دفاعی گسترده.
- Daybreak Red: مخصوص کارهای حساس‌تر و تحت نظارت شدید، مانند تیم قرمز (Red Teaming) و تست نفوذ.
نکته کلیدی این است که مدل‌ها نزد شریک (IBM) باقی می‌مانند؛ یعنی IBM مدیریت دسترسی، تأیید هویت و ثبت وقایع (Logging) را بر عهده دارد و مدل را به مشتری نهایی منتقل نمی‌کند. این موضوع در حالی رخ می‌دهد که سازمان‌ها با افزایش ریسک‌های امنیتی ناشی از عامل‌های خودکار مواجه‌اند؛ ریسکی که اخیراً منجر به جذب سرمایه ۱۲۵ میلیون دلاری برای شرکت Zenity شد.
ابعاد مالی و مقیاس
برای IBM، مخاطرات مالی بسیار بالاست. تا پایان سال ۲۰۲۵، سبد کسب‌وکار هوش مصنوعی زاینده (Generative AI) — شبیه به یک کارخانه تولید محتوا که یاد گرفته است هر نوع متنی را بسازد — در این شرکت از ۱۲.۵ میلیارد دلار فراتر رفت که ترکیبی از تراکنش‌های نرم‌افزاری و قراردادهای مشاوره است. با رسیدن درآمد مشاوره سالانه به ۲۱.۱ میلیارد دلار در سال ۲۰۲۵ (افزایش ۲ درصدی)، IBM روی این شرط‌بندی کرده است که ادغام AI رشد بیشتری ایجاد کند.
پلتفرم Consulting Advantage پیش از این کارآمدی خود را ثابت کرده است. در ۱۹ ژانویه ۲۰۲۶، IBM سرویس Enterprise Advantage را برای مشتریان عرضه کرد و گزارش داد که Consulting Advantage در بیش از ۱۵۰ پروژه مشتری به کار گرفته شده و بهره‌وری مشاوران را تا ۵۰ درصد افزایش داده است. در می ۲۰۲۶ نیز IBM این قابلیت‌ها را با عرضه نسخه‌ای که به‌طور بومی با AWS ادغام شده بود، گسترش داد.
این مشارکت نشان‌دهنده چرخش بازار AI از «دسترسی به مدل» به «مقیاس اجرا» است. ارزش دیگر در کلید API نیست، بلکه در هزاران انسانی است که می‌دانند چگونه آن API را روی یک سیستم قدیمی COBOL در یک بانک خرده‌فروشی پیاده کنند. OpenAI یک کانال توزیع عظیم و پیش‌ساخته به دست می‌آورد و IBM جایگاه خود را به‌عنوان پل ضروری به دنیای سازمان‌های بزرگ تثبیت می‌کند.
باید منتظر ماند و دید که این حرکت چگونه بر چشم‌انداز رقابتی سایر غول‌های خدماتی مانند Accenture و Capgemini تأثیر می‌گذارد؛ شرکت‌هایی که اگرچه به مدل‌های Daybreak دسترسی دارند، اما ممکن است فاقد مقیاس پلتفرم تحویل (Delivery Platform) مشابه IBM باشند.
گام بعدی شما
- اگر مدیر فناوری هستید، بررسی کنید که آیا ابزارهای فعلی شما فقط «دسترسی به مدل» هستند یا «راهکار اجرا» برای سیستم‌های قدیمی.
- مدل‌های خانواده GPT-5.6 (به‌ویژه Sol) را برای وظایفی که نیاز به استدلال پیچیده دارند، در اولویت قرار دهید.
- استراتژی «مدیریت دسترسی توسط شریک» را برای کاهش ریسک‌های امنیتی در استقرار عامل‌های AI بررسی کنید.
گفتگو