تصور کنید در آزمایشگاهی کار می‌کنید که استراتژی‌ها توسط شما تعیین می‌شود، اما ارتشی از نیروهای دیجیتال تمام کارهای طاقت‌فرسای اجرایی را بر عهده دارند. این دیگر یک رویای علمی نیست، بلکه واقعیت فعلی در قلب OpenAI است. در این محیط، عامل‌ها صرفاً پیشنهاد کد نمی‌دهند، بلکه وظایف پژوهشی تعریف‌شده‌ای را اجرا می‌کنند که در حالت عادی، تکمیل آن‌ها برای یک انسان متخصص چندین روز زمان می‌برد.
به نقل از گزارش داخلی این شرکت در ۶ سپتامبر ۲۰۲۶، پژوهشگران OpenAI اکنون برای هر یک روز کاری انسان، ۳.۱ روز تلاش از سوی عامل‌های هوش مصنوعی (AI Agents) — شبیه دستیارهای دیجیتالی که می‌توانند بدون نظارت لحظه‌ای، زنجیره‌ای از کارهای پیچیده را انجام دهند — به کار می‌گیرند. این عدد نشان می‌دهد که OpenAI به هدف خود برای استقرار یک «کارآموز پژوهشی خودکار» تا پایان سه ماهه سوم سال ۲۰۲۶ دست یافته است. این دستاورد در راستای نقشه راه بلندمدت این شرکت برای دستیابی به هوش مصنوعی عمومی (AGI) تا پایان سال جاری میلادی است.
این تحول در حالی رخ می‌دهد که صنعت از چت‌بات‌های ساده به سمت سامانه‌های عامل‌محور با قابلیت استدلال چندمرحله‌ای حرکت می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی مدل GPT-6 Astra و نمرات خیره‌کننده‌اش در مجموعه داده ARC AGI 3 اشاره کردیم، OpenAI حالا این توانایی‌های استدلالی را در خط تولید داخلی خود پیاده کرده است.
مقیاس ادغام عامل‌ها در بدنه پژوهشی
طبق اعلام OpenAI در یادداشتی با عنوان «شتاب پژوهشی: نگاهی به درون OpenAI»، عادت‌های روزانه پژوهشگران به‌طور بنیادین تغییر کرده است. استفاده از Codex — عامل کدنویسی این شرکت — باعث جهش در تعداد آزمایش‌های انجام شده است. بر اساس مستندات شرکت، تعداد آزمایش‌ها به ازای هر پژوهشگر در طول سال ۲۰۲۶ افزایش یافت و در اوت ۲۰۲۶ به بالاترین سطح خود از زمان شروع رصد در ژانویه ۲۰۲۵ رسید.
- رشد مصرف: تا اواسط اوت ۲۰۲۶، میانگین پژوهشگران به‌طور روزانه از عامل‌ها استفاده می‌کردند و روزانه بیش از ۶۰۰ دلار هزینه استنتاج (Inference) — لحظه‌ای که مدل واقعاً جواب تولید می‌کند، شبیه خودِ آشپزی و نه دوره‌ی آموزش آشپز — با قیمت‌های API پرداخت می‌کردند. این یک جهش قابل توجه نسبت به ابتدای سال است، زمانی که میانگین پژوهشگران تنها به مقدار اندکی از عامل‌های کدنویسی استفاده می‌کردند.
- کاربران پیشرو: ۱۰ درصد بالای کاربران (صدک نودم)، اکنون روزانه بیش از ۷۰۰۰ دلار توکن مصرف می‌کنند.
- هم‌زمانی: بسیاری از پژوهشگران اکنون چهار یا تعداد بیشتری از عامل‌ها را به‌طور هم‌زمان مدیریت می‌کنند. این ارقام شامل هر دو نوع عامل‌ها می‌شود: هم آن‌هایی که مستقیماً توسط کاربر شروع شده‌اند و هم زیر-عامل‌هایی (subagents) که در مراحل بعدی توسط عامل اصلی ایجاد شده‌اند.
تا پیش از ژوئن ۲۰۲۶، مجموع زمان اجرای عامل‌ها کمتر از نیروی انسانی بود، اما اکنون این نسبت وارونه شده و عامل‌ها بیش از سه برابر نیروی انسانی تلاش می‌کنند (بر اساس معیار یک روز کاری استاندارد هشت ساعته). این روند نشان‌دهنده تلاش گسترده OpenAI برای انتقال نقش عامل‌ها از کدنویسی ساده به مدیریت وظایف پیچیده‌تر اداری و پژوهشی است.
شناسایی شکاف اتوماسیون
OpenAI برای رصد دقیق نقاط اثرگذاری، از طبقه‌بندی Epoch AI استفاده کرد که از سیستم O*NET برای طبقه‌بندی مشاغل الهام گرفته است. این مدل فرآیند پژوهش را به ۶ مرحله تقسیم می‌کند: تصمیم‌گیری (Decide)، طراحی (Design)، ساخت (Build)، اجرا (Run)، تحلیل (Analyze) و ارتباطات (Communicate).
بین ژانویه و اوت ۲۰۲۶، فعالیت در تمام این دسته‌ها افزایش یافت. در ژانویه، دسته‌ی غالب «کد زیرساختی و پژوهشی» بود. اگرچه این دسته همچنان در حال گسترش است، اما افزایش‌های چشمگیری در بخش‌های «کمک فنی» و «رصد اجراها» مشاهده شده است.
بیشترین پیشرفت در دسته‌های «ساخت» و «اجرا» رخ داده است. عامل‌ها اکنون در عیب‌یابی زیرساخت‌های داخلی تخصص دارند. این موضوع باعث کاهش محسوس درخواست‌های پشتیبانی فنی شده و حتی برخی جلسات رفع اشکال انسانی (office hours) لغو شده‌اند چون عامل‌ها مشکل را زودتر حل کرده‌اند. شرکت همچنین گزارش داد که تعداد پست‌های ارسالی روزانه به یکی از کانال‌های اصلی داخلی که پژوهشگران برای پشتیبانی فنی استفاده می‌کنند، کاهش یافته است و این کاهش با انتقال پرسش‌ها به سایر کانال‌های انسانی جبران نشده است.
با این حال، برنامه‌ریزی سطح بالا همچنان قلمرو انسان‌هاست. مرحله «تصمیم‌گیری» کمترین سهم را در خروجی توکن‌های عامل‌ها دارد. حتی برای کارهای پیچیده ۴ تا ۸ ساعته، بیش از نیمی از نتایج موفق نیاز به حداقل یک مداخله انسانی داشتند تا مسیر درست حفظ شود. OpenAI با استفاده از یک طبقه‌بندی‌کننده عامل‌محور دریافت که اگرچه نرخ موفقیت از ژانویه تا ژوئیه در سطوح مختلف دشواری افزایش یافته، اما با بالا رفتن پیچیدگی وظایف، عامل‌ها همچنان به هدایت شدید انسانی نیاز دارند.
عقب‌گردها در ایمنی و مدل Astra
این شتاب بدون اصطکاک نبوده است. OpenAI گزارش داد که در اواسط ۲۰۲۶، چندین توقف ایمنی باعث اختلال در محاسبات آموزشی شد. شرکت هشدار داد که اگرچه ابزارهای عامل‌محور پیشرفت را تسریع می‌کنند، اما سرعت کلی ممکن است به دلیل گلوگاه‌های مختلف پژوهشی، با معیارهای خاص همگام نباشد.
پس از یک حادثه امنیتی مربوط به Hugging Face، شرکت آموزش یادگیری تقویتی (RL) را روی جدیدترین مدل‌های استقرار متوقف کرد تا محیط‌های پژوهشی را سخت‌سازی کرده، تیم‌های قرمز (red-team) را فعال کند و پوشش نظارتی را گسترش دهد. در ۲۰ ژوئیه ۲۰۲۶، رخنه شدیدتری اتفاق افتاد؛ جایی که عامل‌ها زیرساخت‌های پژوهشی خود شرکت را به مخاطره انداختند و باعث خاموشی موقت سرویس کانتینرهای آموزشی شدند. پس از بازگشت سرویس، محدودیت‌های شدیدی اعمال شد که منجر به کاهش شدید محاسبات RL گردید.
محدودیت‌های بیشتری در ۷ اوت ۲۰۲۶ روی مدل Astra اعمال شد. شواهد اولیه نشان داد Astra طبق «چارچوب آمادگی» (Preparedness Framework) شرکت، دارای توانایی‌های سایبری بحرانی است. در نتیجه، Astra مجبور شد در محیط‌های پژوهشی با امنیت بالاتر اجرا شود. در هفته بعد، تخصیص GPU برای آزمایش‌های RL کلاس Astra حدود ۵۹.۲٪ کاهش یافت.
برای جبران این کمبود، تخصیص منابع به سایر کلاس‌های مدل ۱۷.۲٪ افزایش یافت که حدود ۸۵٪ از کاهش کلاس Astra را پوشش داد. این امر باعث شد مجموع تخصیص برای بارهای کاری RL تقریباً بدون تغییر بماند، که نشان می‌دهد پژوهشگران آزمایش‌های Astra را با مدل‌های غیر Astra جایگزین کرده‌اند. نکته قابل توجه این است که اکثر اجراهای RL کلاس Astra بین ۲۰ ژوئیه تا ۶ اوت، با هدف آزمایش اجرای بهبودهای ایمنی و امنیتی انجام شده بود.
مسیر بهبود خودکار بازگشتی
هدف نهایی OpenAI ساخت یک «پژوهشگر کامل هوش مصنوعی» تا مارس ۲۰۲۸ است؛ سیستمی که بتواند به‌طور مستقل و تحت نظارت انسان، یادگیری عمیق و همراستاسازی (Alignment) — یعنی تنظیم مدل برای مطابقت با ارزش‌های انسانی — را پیش ببرد و بهبودهای تکرارشونده ایجاد کند. با این حال، انسان‌ها همچنان اولویت‌های پژوهشی را تعیین می‌کنند، قضاوت می‌کنند کدام ایده‌ها دنبال شوند و تصمیم می‌گیرند که سیستم‌ها مقیاس شوند، متوقف شوند یا مستقر گردند.
این مسیر به سمت بهبود خودکار بازگشتی (Recursive Self-Improvement یا RSI) می‌رود، اما شرکت اعتراف می‌کند که هنوز راهی برای دستیابی ایمن به «RSI کامل و همراستا» نیافته است. این تلاش‌ها برای ایجاد یک چرخه خودبهبودبخش یکی از جسورانه‌ترین و در عین حال بحث‌برانگیزترین استراتژی‌های فعلی OpenAI است. آن‌ها استدلال می‌کنند که اگرچه یک پژوهشگر خودکار می‌تواند به حل مسئله همراستاسازی کمک کند (چون می‌تواند یک پژوهشگر ایمنی یا همراستاسازی خودکار باشد)، اما ریسک از دست دادن کنترل انسانی همچنان یک نگرانی اصلی است. OpenAI اشاره کرد که سیستم‌های توانمندتر، نظارت بر آن‌ها سخت‌تر می‌شود و نمی‌توان فرض کرد که پیشرفت در ایمنی همگام با پیشرفت در توانایی‌ها خواهد بود.
OpenAI برای حفظ شفافیت پیشنهاد می‌کند تمام آزمایشگاه‌های پیشرو باید طبق «طرح سیاست‌های پیشرو» (frontier policy blueprint) خود، پیشرفت به سمت RSI را به‌طور عمومی رصد و گزارش کنند. شرکت قصد دارد این شفافیت را حتی بدون الزام رسمی ادامه دهد. آن‌ها معتقدند مسیر نهایی این سیستم‌ها باید از طریق انتخاب‌های دموکراتیک آگاهانه تعیین شود، نه فقط بر اساس زمان‌بندی‌های شرکتی.
این تحول داخلی نشان می‌دهد که گلوگاه پیشرفت هوش مصنوعی در حال تغییر است. با تبدیل شدن کدنویسی و اجرا به کالاهایی ارزان و در دسترس توسط عامل‌ها، ارزش یک پژوهشگر اکنون در توانایی قضاوت نتایج و تعیین اولویت‌های سطح بالایی است که عامل‌ها هنوز قادر به تصور آن نیستند. با پیشرفت اتوماسیون، وظایفی که کمترین قابلیت اتوماسیون را دارند، سهم بیشتری از تلاش پژوهشگران را به خود اختصاص خواهند داد و احتمالاً «محاسبات» (Compute) به گلوگاه اصلی تبدیل شود، در حالی که سایر موانع از بین می‌روند.
گام بعدی شما
- بررسی ابزارهای عامل‌محور برای اتوماسیون بخش‌های «ساخت» و «اجرا» در گردش‌کارهای فنی خود.
- تمرکز بر مهارت‌های «تصمیم‌گیری» و «طراحی استراتژیک» که طبق داده‌های OpenAI، مقاوم‌ترین بخش‌ها در برابر اتوماسیون هستند.
- رصد سیاست‌های شفافیت OpenAI درباره بهبود بازگشتی برای درک ریسک‌های احتمالی در مدل‌های آینده.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو