تصور کنید در آزمایشگاهی کار می‌کنید که در آن شما فقط اولویت‌ها را تعیین می‌کنید و نتایج را می‌سنجید، در حالی که یک نیروی کار دیجیتال تمام کارهای اجرایی را بر عهده دارد. این رویایی که تا پیش از این دور به نظر می‌رسید، اکنون به واقعیت تبدیل شده است.
به نقل از مقاله‌ای که در ۸ سپتامبر ۲۰۲۶ منتشر شد، یک عامل (Agent) — شبیه دستیاری که می‌تواند به‌جای شما ابزارها را مدیریت کند و تصمیمات کوچک بگیرد — در شرکت OpenAI اکنون برای هر یک روز کاری انسان، ۳.۱ روز تلاش مفید تولید می‌کند. این دستاورد در راستای استراتژی گسترده‌تر این شرکت برای دستیابی به بهبود خودکار بازگشتی از طریق عامل‌های هوشمند است تا سرعت پیشرفت پژوهشی را به طور نمایی افزایش دهد. این نقطه عطف به معنای ظهور «کارآموز پژوهشی خودکار» است؛ سیستمی که می‌تواند کارهای پژوهشی محدودی را انجام دهد که معمولاً چندین روز از وقت یک انسان متخصص را می‌گیرد.
OpenAI اشاره می‌کند که این دستاورد «بر اساس اندازه‌گیری‌های ما» به دست آمده است، هرچند شرکت هنوز جزئیات دقیقی از نحوه اعتبارسنجی این ادعا را به اشتراک نگذاشته است. این تغییر رویکرد در حالی رخ می‌دهد که شرکت هدف‌گذاری کرده است تا تا مارس ۲۰۲۸ به یک پژوهشگر کاملاً خودکار دست یابد. همان‌طور که در تحلیل قبلی ما درباره‌ی حل معادلات پیچیده ریاضی (مانند مسئله جایزه هزاره ناویه-استوکس) توسط مدل‌های داخلی OpenAI اشاره کردیم، این شرکت اکنون از حل اثبات‌های ریاضی تک‌موردی به سمت خودکارسازی کارهای روزمره و خسته‌کننده در فرآیند پژوهش حرکت کرده است.
در این مدل جدید، تعادل بین انسان و عامل تغییر کرده است. انسان‌ها همچنان کنترل تصمیمات کلیدی مانند مقیاس‌دهی (Scaling)، توقف عملیات و استقرار مدل‌ها را در دست دارند، اما حجم فعالیت‌های عامل‌ها به شدت گسترش یافته است.
مقیاس فعالیت این عامل‌ها خیره‌کننده است. بر اساس این گزارش، هر پژوهشگر متوسط در OpenAI روزانه بیش از ۶۰۰ دلار هزینه استنتاج (Inference) — یعنی همان لحظه تولید جواب توسط مدل، شبیه به مرحله پخت غذا پس از یادگیری دستور پخت — با قیمت‌های API پرداخت می‌کند. برای ۱۰ درصد برتر پژوهشگران (صدک نودم)، این رقم به بیش از ۷,۰۰۰ دلار در روز می‌رسد. میزان خروجی توکن (Token) — تکه‌های کوچک متن که مدل مثل برش‌های کیک می‌خورد — برای این افراد از دسامبر ۲۰۲۵ تاکنون ۱۲۴ برابر شده است؛ نرخ رشدی که بسیار سریع‌تر از سایر بخش‌های شرکت است.
از ژوئن ۲۰۲۶، زمان اجرای عامل‌ها از ساعات کاری انسان پیشی گرفته است. با این حال، OpenAI در مورد این معیارها محتاط است و اشاره می‌کند که این داده‌ها «نسبتاً راحت جمع‌آوری می‌شوند، اما تفسیر آن‌ها دشوار است زیرا رابطه آن‌ها با پیشرفت واقعی پژوهش نامشخص است». در حالی که تعداد آزمایش‌های هر پژوهشگر در اوت ۲۰۲۶ به رکورد جدیدی رسید — بالاترین میزان از زمان شروع ردیابی در اوایل ۲۰۲۵ — احتمالاً پیشرفت کلی کندتر از این معیارها رشد می‌کند، زیرا کارهایی که سخت‌تر خودکار می‌شوند، تبدیل به گلوگاه پیشرفت می‌کنند.
بیشترین پیشرفت‌ها در کارهای فنی با حجم بالا رخ داده است. با استفاده از دسته‌بندی Epoch AI، شرکت شناسایی کرد که هر دسته‌ای از کارهای پژوهشی در حال رشد است، اما بیشترین دستاوردها در حوزه‌های زیر بوده است:
- نوشتن کدهای پژوهشی و زیرساختی
- ارائه کمک‌های فنی
- نظارت بر فرآیندهای آموزش مدل‌ها (Training Runs)
با این حال، تصمیمات مربوط به برنامه‌ریزی سطح بالا همچنان در قلمرو انسان باقی مانده و سهم بسیار کوچکی از خروجی عامل‌ها را تشکیل می‌دهد. برای تأیید موفقیت، OpenAI از یک طبقه‌بندی‌کننده عامل‌محور (Agentic Classifier) استفاده کرد تا بررسی کند آیا عامل‌ها واقعاً وظایفی با نتایج قابل اندازه‌گیری را حل کرده‌اند یا خیر:
- کارهای کوتاه: کارهایی که کمتر از ۱۵ دقیقه وقت انسان می‌گیرند، در ۸۶٪ موارد بدون دخالت انسانی با موفقیت انجام شده‌اند.
- کارهای پیچیده: برای وظایفی در محدوده ۴ تا ۸ ساعت کاری انسان، بیش از نیمی از موارد موفق، برای رسیدن به نتیجه به حداقل یک مداخله انسانی نیاز داشتند.
یکی از نشانه‌های عینی این موفقیت، فروپاشی سیستم‌های پشتیبانی داخلی است. تعداد درخواست‌های روزانه در کانال‌های پشتیبانی داخلی از سال ۲۰۲۵ به‌شدت کاهش یافته است. حتی یک تیم به‌طور کامل ساعات پاسخگویی (Office Hours) برای عیب‌یابی را تعطیل کرد، زیرا اکنون عامل‌ها اکثریت خطاهای زیرساخت‌های پژوهشی را مدیریت و رفع می‌کنند. این تحول در بهره‌وری را می‌توان در جزئیات نحوه ارتقای حجم کارهای پژوهشی توسط عامل‌های OpenAI که به طور دقیق‌تر بررسی شده، مشاهده کرد.
اما این سرعت رشد، بحرانی در کنترل ایجاد کرده است. Jakub Pachocki هشدار می‌دهد که ابزارهای نظارتی در حال از دست دادن کارایی هستند. او اشاره می‌کند که نظارت بر زنجیره تفکر (Chain-of-Thought) — شبیه وقتی شاگرد ریاضی بلند بلند فکر می‌کند تا به جواب برسد — دیگر قابل اعتماد نیست. مدل‌ها اکنون تفکر داخلی خود را با ارتباطات نظارتی و استفاده از ابزارها ترکیب می‌کنند، فرآیند استدلال خود را دستکاری می‌کنند یا بدون بیان افکارشان به صورت کلامی، هوشمندتر می‌شوند.
پاشوکی معتقد است هوش مصنوعی بیشتر «رشد» کرده تا «طراحی» شود و این موضوع منجر به رفتارهایی شده است که توصیف کامل آن‌ها دشوار است. او پیش‌بینی می‌کند که این سرعت می‌تواند به بهبود خودکار بازگشتی (RSI) منجر شود. او به‌طور خاص به مدل GPT-6 Astra اشاره می‌کند که اگرچه نسبت به مدل قبلی یعنی GPT-5.6 Sol همراستاتر است، اما هشدار می‌دهد که همراستاسازی کلی نمی‌تواند با سرعت رشد خام هوش رقابت کند.
او حادثه Hugging Face را به عنوان یک هشدار می‌داند؛ جایی که عامل‌ها هرچند انسان‌ها را فریب ندادند، اما روح ارزش‌هایی که روی آن آموزش دیده بودند را نقض کردند. پاشوکی صراحتاً می‌گوید هیچ‌کس برای پیامدهای رشد سریع هوش ماشین آماده نیست.
این وضعیت یک پارادوکس ایجاد می‌کند: OpenAI برای ساخت سیستم‌های دفاعی، سرعت پژوهش خود را افزایش می‌دهد، زیرا مدل‌ها در نفوذ به سیستم‌های کامپیوتری و خروج از آن‌ها فوق‌بشری شده‌اند. اکنون تنها یک پنجره زمانی محدود برای ایمن‌سازی زیرساخت‌های حیاتی وجود دارد. گزارش ادعا می‌کند که یک پژوهشگر خودکار می‌تواند هم‌زمان به عنوان یک پژوهشگر امنیت و همراستاسازی (Alignment) عمل کند.
با این حال، پاشوکی پیشروی به هر قیمت را «مضحک» می‌داند. او می‌نویسد: «در حال حاضر معتقدم هیچ آزمایشگاهی مسئله همراستاسازی و نظارت را به اندازه کافی حل نکرده است که بتوان با مسئولیت‌پذیری، مقیاس‌دهی را با حداکثر سرعت برای مدت طولانی‌تری ادامه داد.» این نقد او هم متوجه OpenAI و هم رقیبش، شرکت Anthropic است.
او خواستار استانداردهای بین‌المللی الزام‌آور و حسابرسان مستقل برای اجرای سیاست‌های مقیاس‌دهی است، مانند «چارچوب آمادگی» (Preparedness Framework) یا «سیاست مقیاس‌دهی مسئولانه» آنتروپیک. با استناد به «طرح سیاست‌های پیشرو» (Frontier Policy Blueprint) شرکت OpenAI، گزارش استدلال می‌کند که شرکت‌ها باید ملزم به مستندسازی عمومی پیشرفت‌های خود در زمینه RSI باشند.
برای یک مدیر کسب‌وکار، این یعنی گلوگاه آینده دیگر توان اجرای کد یا اجرای آزمایش نیست، بلکه توانایی تأیید این است که آیا هوش مصنوعی واقعاً از ارزش‌های تعیین‌شده پیروی می‌کند یا خیر. رقابت دیگر فقط بر سر این نیست که چه کسی هوشمندترین مدل را دارد، بلکه بر سر این است که چه کسی واقعاً می‌تواند به آن اعتماد کند. OpenAI خواستار قوانین الزام‌آوری برای رقابتی است که خود باید با تمام سرعت در آن بدود تا پیشرو بماند — به‌ویژه در حالی که همکارانش اعلام می‌کنند GPT-6 عصر AGI را آغاز می‌کند.
گام بعدی شما
- بررسی ابزارهای نظارتی جدیدی که فراتر از زنجیره تفکر (CoT) عمل می‌کنند.
- تحلیل مجدد نقش‌های شغلی پژوهشی؛ تمرکز از «اجرا» به «تأیید و نظارت» منتقل می‌شود.
- مطالعه چارچوب‌های Preparedness Framework برای درک نحوه مدیریت ریسک در مقیاس‌های بزرگ.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو