عامل‌ها چگونه کار را دگرگون می‌کنند

AI عامل‌محور، واحدهای کاری در کارهای دانشی را از تعامل‌های منفرد به وظایف بلندافقِ واگذارشده تغییر می‌دهد. تعامل با چت‌بات‌ها اغلب کوتاه و مستقل است. عامل‌ها می‌توانند هنگام هماهنگ‌سازی فراخوانی ابزارها، تعامل با محیط‌ها و تکرار برای رسیدن به راه‌حل، برای چند دقیقه یا چند ساعت به‌طور مستقل عمل کنند. در نتیجه، عامل‌ها به‌سرعت در حال تبدیل شدن به قدرتمندترین ابزار AI برای کار هستند.

در سال گذشته، این تحول را از نزدیک در OpenAI مشاهده کردیم. در چند ماه نخست پس از عرضه عمومی Codex، ChatGPT همچنان ابزار پیش‌فرض AI برای کار در داخل OpenAI بود. تا اوت ۲۰۲۵، کارمند میانگین OpenAI کمتر از ۱۰٪ توکن‌های خود را در Codex مصرف می‌کرد. اکنون همه بخش‌ها، از جمله بخش‌های غیر فنی مانند حقوقی و جذب نیرو، از Codex به‌عنوان ابزار اصلی AI خود برای کار استفاده می‌کنند. این الگو بازتاب چیزی است که با توجه به توانایی‌ها و دسترس‌پذیری گسترده‌تر ابزارهای عامل‌محور، آن را آینده کار می‌دانیم.

پذیرش Codex هم‌زمان با توانمندی‌های Codex رشد کرد. با بهره‌گیری Codex از مدل‌های قوی‌تر و قابلیت‌های محصولی تازه، این ابزار توانست مجموعه رو‌به‌گسترشی از وظایف مولد را بر عهده بگیرد. در میان کاربران فردی، کاربران سازمانی و کارکنان OpenAI، چهار روند را در سال گذشته ثبت کرده‌ایم:

• افراد از Codex برای کارهای بلندافق‌تر استفاده می‌کنند. تا مه ۲۰۲۶، ۸۰٫۶٪ از کاربران فردی نمونه‌گیری‌شده دست‌کم یک درخواست Codex داشتند که برآورد می‌شد بیش از ۳۰ دقیقه کار انسانی لازم داشته باشد؛ ۷۰٫۲٪ درخواستی داشتند که بیش از یک ساعت برآورد می‌شد؛ و ۲۵٫۶٪ دست‌کم یک درخواست Codex داشتند که بیش از هشت ساعت برآورد می‌شد.
• Codex به ابزار اصلی AI برای همه بخش‌های OpenAI تبدیل شد. مهندسی زودتر حرکت کرد، اما حقوقی، مالی و جذب نیرو حدود آوریل ۲۰۲۶ به نقطه‌ای رسیدند که Codex ابزار اصلی AI آن‌ها شد. برای کارمند میانگین OpenAI، استفاده از Codex اکنون بیش از ۸۵٪ توکن‌های خروجی را تشکیل می‌دهد. از آنجا که کاربران Codex معمولاً توکن‌های بیشتری از غیرکاربران مصرف می‌کنند، سهم آن از کل توکن‌ها حتی بالاتر است: Codex سهم ۹۹٫۸٪ از توکن‌های خروجی هفتگی تولیدشده در داخل OpenAI را به خود اختصاص می‌دهد.
• پذیرش در میان غیربرنامه‌نویسان به‌ویژه سریع رشد کرد و از پذیرش برنامه‌نویسان پیشی گرفت. از اوت ۲۰۲۵، کاربران غیربرنامه‌نویس در میان کاربران فردی ۱۳۷ برابر، در میان کاربران سازمانی ۱۸۹ برابر و در داخل OpenAI ۱۲ برابر افزایش یافتند.
• Codex به کارکنان OpenAI امکان داد وظایفی بیرون از شرح شغل خود انجام دهند. اگرچه استفاده فنی همچنان در میان مهندسان رایج‌تر است، کاربران غیر فنی مرتباً از Codex برای انجام کدنویسی یا اجرای فنی استفاده می‌کنند، از جمله خودکارسازی، تبدیل داده، ابزارسازی، اشکال‌زدایی و تحلیل ساختاریافته.

در مه ۲۰۲۶، بیش از ۷۰٪ از کاربران انجام کاری را به Codex سپردند که یک فرد برای تکمیل آن به بیش از یک ساعت زمان نیاز داشت¹. با افزایش توانایی Codex در انجام مستقل کارهایی که به زمینهٔ گسترده نیاز دارند، کاربران از تعامل‌های کوتاه به وظایف دشوارتر و طولانی‌مدت‌تر روی آوردند.

نمودار زیر سهم کاربران فردی را برآورد می‌کند که از چهار آستانه زمان انسانی عبور کرده‌اند: وظایفی که برای یک فرد بیش از ۳۰ دقیقه، بیش از یک ساعت، بیش از چهار ساعت و بیش از هشت ساعت زمان می‌برد². از دسامبر ۲۰۲۵ تا مه ۲۰۲۶، سهم کاربرانی که درخواستی ثبت کردند که برآورد می‌شد متناظر با کاری باشد که برای یک فرد بیش از ۳۰ دقیقه زمان می‌برد، به ۸۰٫۶٪ رسید. سهم کسانی که درخواستی ثبت کردند که برای یک فرد بیش از یک ساعت زمان می‌برد، به ۷۰٫۲٪ رسید. سهم درخواست‌های کاری که برای یک فرد بیش از هشت ساعت زمان می‌برد، از پایه‌ای پایین با بیشترین سرعت رشد کرد. 

رشد استفاده عامل‌محور را می‌توان در زمان اجرای روزانه Codex دید. در میان کاربران فعال روزانه در OpenAI، سنگین‌ترین کاربران از Codex می‌خواهند در یک روز واحد ساعت‌های زیادی کار عامل انجام دهد. تا ژوئن ۲۰۲۶، کاربران صدک ۹۹ به‌طور منظم بیش از ۶۰ ساعت نوبت عامل Codex در روز تولید می‌کردند که میان چند عامل موازی توزیع می‌شد. با قدرتمندتر و موازی‌پذیرتر شدن Codex، کاربران از این‌که فقط هر بار یک پاسخ از Codex بخواهند فراتر رفتند و به‌طور فزاینده‌ای چندین وظیفه عامل را در طول روز هماهنگ کردند.

مهندسان OpenAI نخستین کسانی بودند که به‌تدریج Codex را پذیرفتند. مهندس میانگین شرکت تا دسامبر ۲۰۲۵ بخش عمده استفاده خود از محصولات OpenAI را به Codex منتقل کرد. امروز، مهندس میانگین ۹۹٪ توکن‌های خروجی خود را با Codex تولید می‌کند، نه ChatGPT. حقوقی، مالی و جذب نیرو دیرتر، حدود آوریل ۲۰۲۶، به استفاده اکثریتی از Codex رسیدند، اما گذار آن‌ها بسیار سریع‌تر بود. وکیل یا مسئول جذب نیروی میانگین در OpenAI اکنون بیش از ۸۵٪ توکن‌های خروجی خود را در Codex تولید می‌کند.

در شش ماه گذشته، استفاده از Codex در OpenAI عمیق‌تر و فشرده‌تر شده است. در میان کاربران داخلی فعال، تغییر در مجموع توکن‌های خروجی در همه بخش‌ها به‌شدت افزایش یافت. پژوهش بیشترین جهش را داشت: تا ژوئن ۲۰۲۶، استفاده میانه ۵۶ برابر بیشتر از نوامبر ۲۰۲۵ بود. پشتیبانی مشتری ۳۲ برابر و مهندسی ۲۷ برابر افزایش یافت، در حالی که حقوقی آهسته‌تر رشد کرد اما همچنان به ۱۳ برابر سطح نوامبر خود رسید.

این دو الگو در کنار هم نشان می‌دهند Codex چگونه شیوه استفاده OpenAI از AI برای انجام کار مولد را دگرگون کرده است. در سراسر شرکت، کاربران از چت‌بات‌ها به عامل‌ها به‌عنوان شکل اصلی تعامل با AI مهاجرت می‌کنند و مقدار کاری عامل‌محور را که با نرخ نمایی رشد می‌کند به‌کار می‌گیرند.

در همه گروه‌های کاربری—OpenAI، کاربران سازمانی و کاربران فردی—استفاده از Codex با برنامه‌نویسان آغاز شد؛ مخاطبان طبیعی ابزاری که در ابتدا ابزار کدنویسی بود. با این حال، هرچه Codex به‌سوی کار دانشی عمومی‌تر گسترش یافت، پذیرش آن در میان غیربرنامه‌نویسان حتی سریع‌تر رشد کرد. همان‌طور که در نمودار رشد کاربران در زیر نشان داده شده، کاربران هفتگی غیربرنامه‌نویس در میان جمعیت‌های فردی، سازمانی و OpenAI سریع‌تر از کاربران برنامه‌نویس افزایش یافتند. تا اوایل ژوئن ۲۰۲۶، کاربران فردی غیربرنامه‌نویس نسبت به اوت ۲۰۲۵، ۱۳۷ برابر شدند. کاربران سازمانی غیربرنامه‌نویس ۱۸۹ برابر و کاربران OpenAI غیربرنامه‌نویس ۱۲ برابر افزایش یافتند؛ احتمالاً چون این گروه از ابتدا در سطحی بسیار بالاتر از میانگین قرار داشت. 

این تغییر به این معنا نیست که هر غیربرنامه‌نویس از Codex همان‌گونه استفاده می‌کند که یک مهندس استفاده می‌کند. بلکه یعنی شمار بیشتری از غیربرنامه‌نویسان از Codex برای نوعی کار عامل‌محور استفاده می‌کنند. 

Codex به بخش‌های غیر فنی امکان می‌دهد گردش‌کارهایی را که پیش‌تر در گلوگاه تخصص فنی گیر می‌کردند، شتاب دهند. نقشه حرارتی زیر مشاغل استنباط‌شده در داخل OpenAI را با نوع کاری که در خروجی‌های Codex نمایان است مقایسه می‌کند. مهندسی و کدنویسی برای علم داده و پژوهش به‌عنوان بزرگ‌ترین دسته دیده می‌شود، در حالی که کار دانشی بزرگ‌ترین دسته برای مالی و عملیات کسب‌وکار، بازاریابی، عملیات و سایر بخش‌هاست. 

با این حال، ابزارهای عامل‌محور می‌توانند دامنه کارهایی را که یک کارمند می‌تواند انجام دهد گسترش دهند. برای نمونه، بیش از یک‌چهارم کاری که کارکنان حوزه‌های کسب‌وکار با Codex انجام دادند، مهندسی یا کدنویسی بود. عامل‌ها می‌توانند هزینه عبور از مرزهای وظیفه را کاهش دهند و به کارکنان کمک کنند کارهای مجاوری را انجام دهند که پیش‌تر به پشتیبانی فنی تخصصی‌تری نیاز داشت.

استفاده بیشتر کارکنان غیرمهندس از ابزارهای عامل‌محور مرز توانایی‌های این کارکنان را گسترش می‌دهد. این موضوع برای کسب‌وکارهایی که تصمیم می‌گیرند گردش‌کارها را چگونه بازطراحی کنند، برای کارکنانی که می‌آموزند کدام مهارت‌ها ارزشمندتر می‌شوند، و برای سیاست‌گذاران و پژوهشگرانی که می‌کوشند بفهمند AI چگونه بازار کار را تغییر می‌دهد، اهمیت دارد.

مقاله ما نشان می‌دهد کاربران پیشرو چگونه ابزارهای عامل‌محور توانمند را در مرز فناوری می‌پذیرند. نتایج ما نشان می‌دهد وقتی افراد دسترسی گسترده و کم‌اصطکاک به ابزارهای عامل‌محور توانمند داشته باشند چه رخ می‌دهد: با بهتر شدن ابزارها، افراد از آن‌ها برای کارهای طولانی‌تر، پیچیده‌تر و میان‌کارکردی‌تر استفاده می‌کنند. با گذشت زمان، احتمالاً آینده کار چنین خواهد بود.