اگر مدیر یک تیم فنی هستید و هنوز از هوش مصنوعی فقط برای چت استفاده می‌کنید، باید بدانید که بازی در حال تغییر است. ابزارهای AI دیگر قرار نیست فقط دستیار باشند، بلکه قرار است کل جریان کاری شما را بازطراحی کنند.
به نقل از گزارش‌های داخلی، تعداد کاربران فعال هفتگی Codex در سه ماه اخیر ۵ برابر شده و تا ژوئن ۲۰۲۶ به بیش از ۴ میلیون کاربر در سراسر جهان رسیده است. این رشد سریع، تنها یک عدد نیست؛ بلکه نشان می‌دهد شرکت OpenAI در حال گذار از یک رابط چت ساده به یک سامانه عامل‌محور (Agentic) — یعنی سیستمی که می‌تواند وظایف حرفه‌ای چندمرحله‌ای را به تنهایی پیش ببرد — است. این تحول در ساختار عملیاتی و جذب استعدادهای سطح بالا، بخشی از استراتژی توسعه‌ی سریع شرکت است؛ همان‌طور که پیوستن چهره‌های کلیدی مانند نوآم شازیر به OpenAI نشان داد، این شرکت به شدت در حال تقویت لایه‌های تخصصی خود برای دستیابی به مقیاس‌های جدید است.
این استراتژی در حالی رخ می‌دهد که صنعت با شکافی عمیق بین «استفاده اولیه از AI» و «تحول واقعی کسب‌وکار» دست‌وپنجه نرم می‌کند. همان‌طور که در تحلیل قبلی ما درباره‌ی تراشه Jalapeño اشاره کردیم، اوپن‌ای‌آی ابتدا روی سخت‌افزار تمرکز کرد، اما حالا به دنبال تصاحب «آخرین مایل» از ارزش سازمانی است تا مطمئن شود AI نه یک افزونه، بلکه قلب تپنده عملیات شرکت‌هاست.
ظهور DeployCo
در آوریل ۲۰۲۶، آرنو فورنیه به عنوان مدیر فناوری شرکت استقرار اوپن‌ای‌آی که در داخل سازمان DeployCo نامیده می‌شود، منصوب شد. فورنیه سابقه عمیقی در این حوزه دارد؛ او دو سال پیش تیم مهندسی استقرار پیشرو (FDE) را بنیان گذاشت و مدیریت بخش‌های جهانی و EMEA را بر عهده داشت.
این شرکت تابعه در می ۲۰۲۶ در کنار ۱۹ شرکت سرمایه‌گذاری خصوصی و یکپارچه‌سازان جهانی سیستم‌ها معرفی شد. برای تسریع حضور در اروپا، DeployCo اخیراً شرکت مشاوره بریتانیایی Tomoro را خرید. این معامله حدود ۱۵۰ مهندس استقرار پیشرو و متخصص پیاده‌سازی را به این مجموعه اضافه کرد.
فورنیه در گفتگو با رسانه THE DECODER تأکید کرد که این شرکت یک مجموعه جهانی با حضور رهبری کلیدی در اروپا خواهد بود. این مهندسان مانند پلی میان تیم‌های پژوهشی اوپن‌ای‌آی و مشتریان نهایی عمل می‌کنند تا رشد شرکت بر پایه کاربردهای واقعی دنیای بیرون باشد.
مدل مهندسی استقرار پیشرو (FDE)
فورنیه توضیح می‌دهد که یک مدل یا API به تنهایی ارزش خلق نمی‌کند. ارزش زمانی ظاهر می‌شود که فناوری در فرآیندهای تجاری جاساز شود، قوانین انطباقی را رعایت کند و قابل نظارت باشد. طبق گفته‌های او، اگر سازندگان فناوری عمیقاً با مشتریان درگیر نشوند، ارتقای ابزارها بر اساس نیاز واقعی دشوار می‌شود.
بخش FDE دو هدف مشخص را دنبال می‌کند:
- حل مشکلات فوری مشتری: مهندسان در محل شرکت حضور می‌یابند تا AI را در تاروپود جریان‌های کاری سازمانی جای دهند.
- هوش پژوهشی: شناسایی چالش‌های واقعی استقرار برای بازگرداندن داده‌ها به تیم توسعه مدل.
این تیم‌ها در مراکز کلیدی مثل پاریس، لندن و مونیخ فعال هستند و پروژه‌های مشترکی با شرکت‌های آلمانی دارند. آن‌ها در کنار شرکای مشاوره‌ای مانند Deloitte، Accenture، Capgemini، BCG و McKinsey فعالیت می‌کنند، اما نقش اصلی آن‌ها این است که مطمئن شوند مشاوران از آخرین سطح فناوری استفاده می‌کنند. فورنیه اشاره کرد که این شرکت‌های بزرگ مشاوره با وجود ایجاد واحدهای AI، هنوز در «همگامی با سرعت فناوری» مشکل دارند.
اتحادهای استراتژیک و تقسیم کار
شرکت DeployCo به عنوان مرکز فرماندهی در «اتحاد پیشرو» (Frontier Alliance) عمل می‌کند. این مشارکت تضمین می‌کند که مشاوران ابزارهای لازم برای ارائه آخرین فناوری‌ها به مشتریان خود در اختیار داشته باشند.
فورنیه سرمایه‌گذاری این شرکت‌های مشاوره در DeployCo را سندی بر علاقه عمیق آن‌ها به اجرای ابزارهای اوپن‌ای‌آی در مقیاس بزرگ می‌داند. با این حال، مرز دقیق بین مهندسان داخلی اوپن‌ای‌آی و شرکای مشاور هنوز خاکسته‌ای است، زیرا هر دو گروه احتمالاً برای جذب پروژه‌های باارزش سازمانی با هم رقابت می‌کنند.
حلقه بازخورد پژوهشی
فورنیه شفاف‌سازی کرد که اوپن‌ای‌آی داده‌های مشتری را برای آموزش مدل‌ها استفاده نمی‌کند، مگر اینکه یک شراکت پژوهشی رسمی و صریح درخواست شده باشد. او اشاره کرد که تعداد این موارد بسیار کم است و بررسی‌های نظارتی گسترده‌ای را می‌گذراند.
در عوض، حلقه بازخورد از دو کانال دیگر تغذیه می‌شود:
- نقاط ضعف مدل: اگر یک مهندس FDE متوجه شود که قابلیت «درک مستندات» در محیط مشتری ضعیف است، این مورد به تیم پژوهش گزارش می‌شود. این چرخه باعث شد عملکرد بانک BBVA با مهاجرت از GPT-5.0 به GPT-5.5 بهبود چشمگیری یابد.
- نیازم‌های ابزاری: نیاز عملی به مدیریت چندین عامل در محیط واقعی، منجر به ایجاد مخزن متن‌باز Swarm شد که در نهایت به Agent SDK تبدیل گشت.
بازطراحی فرآیندهای تجاری
در بانک BBVA، هدف اولیه اتوماسیون نوشتن اسناد سالانه اعتبار بود. اما مهندسان FDE پیشنهاد بازطراحی کامل فرآیند را دادند. آن‌ها به جای سرعت بخشیدن به یک کار سالانه، سیستمی برای ارزیابی مداوم ریسک اعتباری ساختند.
فورنیه می‌گوید: «به جای یک بار در سال، حالا شما هر هفته یا هر روز دیدی مداوم از وضعیت شریک تجاری و میزان ریسک خود دارید.»
این قابلیت به بانک اجازه می‌دهد در زمان وقوع حوادث ژئوپلیتیکی، مثل تنش‌ها در تنگه هرمز یا جنگ اوکراین، میزان مواجهه پرتفولیو خود را در لحظه بسنجد. هدف این است که جریان‌های کاری کاملاً بازطراحی شوند، نه اینکه فقط نسخه‌های قدیمی و ناکارآمد سریع‌تر اجرا شوند.
پذیرش در اروپا و واقعیت‌های نظارتی
علیرغم سخت‌گیری‌های قانون AI اتحادیه اروپا و نگرانی‌های حریم خصوصی، فورنیه گزارش می‌دهد که مقررات به ندرت مانع اصلی پذیرش فناوری شده‌اند. او اشاره می‌کند که از دیدگاه میدانی او، مقررات «دیگر تقریباً هیچ ترمزی ایجاد نمی‌کنند».
او مشاهده کرده که تکانه پذیرش AI در شرکت‌ها بسیار زیاد است. برای حمایت از این روند، اوپن‌ای‌آی قابلیت‌های ذخیره‌سازی داده‌ها در اتحادیه اروپا و مدیریت کلیدهای سازمانی را معرفی کرد. به محض رفع این موانع فنی، بحث سریعاً به نتایج تجاری concrete منتقل می‌شود.
فورنیه اشاره کرد که فرانسه، آلمان و بریتانیا جزو ۱۰ بازار بزرگ جهانی اوپن‌ای‌آی هستند. برای مثال، شرکت Stadler آلمان که سازنده سیستم‌های تفکیک زباله است و ۶۵۰ کارمند دارد، در مطالعه موردی اوپن‌ای‌آی ذکر شده که بیش از ۸۵٪ کارکنانش هر روز فعالانه از ChatGPT استفاده می‌کنند.
جهش رشد Codex
آلمان به کانون قدرت ابزار Codex تبدیل شده است. از ژانویه ۲۰۲۶، کاربران فعال هفتگی Codex در آلمان بیش از ۷ برابر رشد کرده‌اند. این کشور در حال حاضر در رتبه ۵ جهانی کاربران فعال هفتگی و رتبه ۳ جهانی در اشتراک‌های پولی و تعداد توسعه‌دهندگان قرار دارد.
به طور کلی رشد Codex انفجاری بوده است. این ابزار بیش از ۴ میلیون کاربر هفتگی در سراسر جهان دارد که نشان‌دهنده پرش ۵ برابری در سه ماه اخیر با حفظ نرخ رشد ماهانه بالای ۷۰٪ است.
تناقض قیمت هوشمندی
از آنج که جریان‌های کاری عامل‌محور برای انجام تکالیف چندمرحله‌ای، محاسبات (Compute) — یعنی همان توان پردازشی که مثل بنزین برای موتور AI است — بیشتری می‌سوزانند، هزینه‌ها در حال افزایش است. فورنیه با ادعای اینکه قیمت هوشمندی در ۱۸ ماه گذشته «۱۰۰ برابر» کاهش یافته، با این دیدگاه مقابله می‌کند. او این کاهش را مدیون بهینه‌سازی در کل زنجیره، از تراشه‌ها گرفته تا نحوه تعامل مدل‌ها با سخت‌افزار می‌داند.
با این حال، یک تناقض وجود دارد: هزینه GPT-5.5 بسته به طول ورودی، ۴۹ تا ۹۲ درصد بیشتر از نسل قبلی است. فورنیه این را به «محاسبات زمان استنتاج» (Test-time compute) نسبت می‌دهد؛ جایی که یک مسئله پیچیده فیزیک ممکن است ده‌ها ساعت پردازش بخواهد، اما یک مسئله ریاضی ساده نیازی به آن ندارد. او معتقد است برای یک سطح ثابت از هوشمندی، قیمت‌ها کاهش یافته‌اند و تیمش در حال متقاعد کردن مشتریان است که برای هر تکلیفی نیازی به پردازش سنگین GPT-5.5 نیست.
زیرساخت محاسباتی و صورت‌حساب
وقتی در مورد احتمال شکست مدل‌های لایسنس بر اساس تعداد کاربر (Seat-based) در اثر انفجار مصرف محاسبات سوال شد، فورنیه از پاسخ مستقیم اجتناب کرد و گفت نقش او خلق ارزش است، نه تعیین استراتژی صورت‌حساب. این تنش در کل صنعت دیده می‌شود؛ سام التمن اخیراً پذیرفت که هزینه‌ها برای شرکت‌ها «مشکل بزرگی» شده است و شایعاتی مبنی بر کاهش قیمت API توسط اوپن‌ای‌آی و آنتروپیک وجود دارد.
برای کاهش این محدودیت‌ها، اوپن‌ای‌آی از دو سال پیش سرمایه‌گذاری عظیمی روی زیرساخت‌های محاسباتی خود آغاز کرد. این سرمایه‌گذاری اجازه می‌دهد Codex حتی برای کاربران رایگان در دسترس باشد و محدودیت‌های استفاده به‌طور مداوم کاهش یابد.
سوال بازگشت سرمایه (ROI)
فورنیه اعتراف می‌کند که هنوز زود است. بسیاری از پروژه‌هایی که اکنون وارد تولید شده‌اند، ۶ تا ۱۲ ماه پیش شروع شده‌اند و بازگشت سرمایه آن‌ها با تاخیر اندازه‌گیری می‌شود. او معتقد است افق زمانی عامل کلیدی است؛ مدیرانی که دو سال پیش AI را «خیلی گران» می‌دانستند، اکنون می‌بینند که همان وظایف با ROI بالا به استانداردهای پایه تبدیل شده‌اند.
او بازگشت سرمایه را در دو محور می‌بیند:
- بهره‌وری کارکنان: gains مستقیم در کارایی داخلی.
- اثرات تجاری پایین‌دستی: مثل همکاری با شرکت تجهیزات کشاورزی John Deere، جایی که AI به کشاورزان کمک می‌کند مصرف مواد شیمیایی را کاهش دهند که هم بازگشت مالی دارد و هم اثر اکولوژیک.
علیرغم این‌ها، فورنیه فرمول سخت‌افزاری دقیقی برای ارزش پروژه‌های AI ارائه نداد و گفت این فرمول توسط کسانی که در میدان هستند نوشته خواهد شد. توصیه عمل‌گرایانه او به مدیران ساده است: یک لایسنس Codex ۲۰ دلاری بخرید و آزمایش کنید، چون مزایا سریعاً آشکار می‌شوند.
گام بعدی شما
- بررسی کنید آیا جریان‌های کاری شرکت شما قابلیت تبدیل شدن به یک سیستم عامل‌محور را دارد یا فقط به دنبال سرعت بخشیدن به کارهای قدیمی هستید.
- اگر توسعه‌دهنده هستید، ابزارهای Agent SDK را برای پیاده‌سازی ارکستراسیون چندعاملی تست کنید.
- رصد کنید که آیا رقبای اوپن‌ای‌آی مثل آنتروپیک نیز شرکت‌های استقرار مشابهی برای ایجاد Lock-in سازمانی تاسیس می‌کنند یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو