معرفی OpenAI Frontier

هوش مصنوعی به تیم‌ها این امکان را داده است که کارهایی را انجام دهند که قبلاً درباره‌شان صحبت می‌کردند اما هرگز اجراء نمی‌کردند. در واقع، ۷۵٪ از کارکنان شرکت‌ها می‌گویند هوش مصنوعی به آن‌ها کمک کرده است کارهایی را انجام دهند که قبلاً نمی‌توانستند انجام دهند. ما این را از همه بخش‌ها می‌شنویم، نه فقط از تیم‌های فنی. نحوه انجام کارها تغییر کرده است و شرکت‌ها دارند اثرات آن را به‌طور جدی احساس می‌کنند.

ما طی چند سال گذشته این را در عمل با بیش از ۱ میلیون کسب و کار مشاهده کرده‌ایم. در یک تولید کنندهٔ بزرگ، عوامل مدت زمان کار بهینه‌سازی تولید را از شش هفته به یک روز کاهش دادند. یک شرکت سرمایه‌گذاری جهانی، نمایندگان را به‌صورت سرتاسری در کل فرآیند فروش به‌کار گرفت تا بیش از ۹۰٪ زمان بیشتری را برای فروشندگان فراهم کند تا با مشتریان وقت بگذرانند. و در یک تولید کننده بزرگ انرژی، عامل‌ها به افزایش تولید تا ۵٪ کمک کردند که بیش از یک میلیارد درآمد اضافی به همراه دارد.

این اتفاق برای رهبران هوش مصنوعی در تمامی صنایع رخ می‌دهد و فشار برای همگام شدن در حال افزایش است. آنچه آن‌ها را کند می‌کند، هوش مدل نیست، بلکه نحوه ساخت و اجرای عامل‌ها در سازمان‌های‌شان است.

امروز، ما Frontier را معرفی می‌کنیم، یک پلتفرم جدید که به شرکت‌ها کمک می‌کند تا عامل‌های هوش مصنوعی را بسازند، مستقر کنند و مدیریت کنند که قادر به انجام کار واقعی هستند. Frontier به عامل‌ها همان مهارت‌هایی را ارائه می‌دهد که افراد برای موفقیت در کار به آن‌ها نیاز دارند: زمینه مشترک، آشنایی اولیه، یادگیری عملی همراه با بازخورد، و مجوزها و مرزهای مشخص. به این ترتیب، تیم‌ها از موارد استفاده‌ی جداگانه فراتر می‌روند و به همکاران هوش مصنوعی دست می‌یابند که در سراسر کسب و کار فعالیت می‌کنند.

HP⁠(در یک پنجره جدید باز می‌شود)، Intuit⁠(در یک پنجره جدید باز می‌شود)، Oracle⁠(در یک پنجره جدید باز می‌شود)، State Farm⁠(در یک پنجره جدید باز می‌شود)، Thermo Fisher⁠(در یک پنجره جدید باز می‌شود) و Uber⁠(در یک پنجره جدید باز می‌شود) از جمله اولین شرکت‌هایی هستند که Frontier را پذیرفته‌اند و ده‌ها مشتری فعلی–از جمله BBVA⁠(در یک پنجره جدید باز می‌شود)، Cisco⁠(در یک پنجره جدید باز می‌شود) و T-Mobile⁠(در یک پنجره جدید باز می‌شود)–پیش‌تر رویکرد Frontier را به‌صورت آزمایشی اجراء کرده‌اند تا بخشی از پیچیده‌ترین و ارزشمندترین کارهای هوش مصنوعی خود را توانمند کنند.

شرکت‌ها همین حالا هم از سیستم‌های ناپیوسته و حاکمیتی که در سراسر ابرها، پلتفرم‌های داده و برنامه‌ها پراکنده شده‌اند، تحت فشار قرار دارند. هوش مصنوعی آن پراکندگی را آشکارتر کرد و در بسیاری از موارد، حادتر کرد. عامل‌ها اکنون در همه‌جا مستقر می‌شوند و هر کدام در آنچه می‌توانند ببینند و انجام دهند، جداگانه عمل می‌کنند. هر عامل جدید ممکن است در نهایت به‌جای کمک کردن، پیچیدگی اضافه کند، زیرا زمینه کافی برای انجام درست کار را ندارد.

با توانمندتر شدن عامل‌ها، شکاف فرصت بین آنچه مدل‌ها قادر به انجام آن هستند و آنچه تیم‌ها واقعاً می‌توانند پیاده‌سازی کنند، افزایش یافته است. این شکاف تنها ناشی از فناوری نیست. تیم‌ها همچنان در حال ایجاد دانش لازم هستند تا عامل‌ها را از مراحل آزمایشی اولیه عبور دهند و به کار واقعی وارد کنند، به همان سرعتی که هوش مصنوعی در حال پیشرفت است. تنها در OpenAI، تقریباً هر سه روز یک‌بار چیزی جدید عرضه می‌شود و این سرعت در حال افزایش است.^۱ همگام ماندن به معنای ایجاد تعادل بین کنترل و آزمایش‌گری است و انجام درست آن چالشی دشوار است.

شرکت‌ها اکنون تحت فشار هستند تا این مسئله را حل کنند، زیرا فاصله بین پیشگامان اولیه و دیگران به سرعت در حال افزایش است.

ما آموخته‌ایم که تیم‌ها فقط به ابزارهای بهتری که بخش‌هایی از پازل را حل می‌کنند، نیاز ندارند. آن‌ها برای وارد کردن عامل‌ها به مرحله تولید به کمک نیاز داشتند، با رویکردی جامع برای ساخت، استقرار و مدیریت عامل‌ها.

ما با بررسی این موضوع شروع کردیم که سازمان‌ها چگونه از قبل افراد را در مقیاس بزرگ مدیریت می‌کنند. آن‌ها فرآیندهای پذیرش ایجاد می‌کنند. آن‌ها دانش سازمانی و زبان داخلی را آموزش می‌دهند. آن‌ها امکان یادگیری از طریق تجربه را فراهم می‌کنند و عملکرد را از طریق بازخورد بهبود می‌بخشند. آن‌ها دسترسی به سیستم‌های صحیح را فراهم می‌کنند و مرزها را تعیین می‌کنند. همکاران هوش مصنوعی به همان نیازها احتیاج دارند.

برای اینکه همکاران هوش مصنوعی واقعاً کار کنند، چند چیز اهمیت دارد:

• آن‌ها باید درک کنند که کارها واقعاً چگونه در سراسر سیستم‌ها انجام می‌شود.  
• آن‌ها به دسترسی به یک رایانه و ابزارهایی برای برنامه‌ریزی، اقدام و حل مسائل واقعی نیاز دارند. 
• آن‌ها باید درک کنند که «خوب» چگونه به نظر می‌رسد، تا با تغییر کار، کیفیت بهبود یابد.
• و آن‌ها به یک هویت، مجوزها و مرزهایی نیاز دارند که تیم‌ها بتوانند به آن اعتماد کنند.

و همه این‌ها باید در بسیاری از سیستم‌ها کار کند، که اغلب در میان چندین فضای ابری پراکنده‌اند. Frontier با سیستم‌هایی که تیم‌ها از قبل دارند کار می‌کند، بدون اینکه آن‌ها را مجبور به تغییر پلتفرم کند. شما می‌توانید داده‌های موجود و هوش مصنوعی خود را در جایی که قرار دارند کنار هم بیاورید—و همچنین با استفاده از استانداردهای باز، برنامه‌هایی را که از قبل استفاده می‌کنید یکپارچه کنید. این یعنی نه فرمت‌های جدید و نه کنار گذاشتن عامل‌ها یا برنامه‌هایی که از قبل مستقر کرده‌اید.

قدرت فوق‌العادهٔ این رویکرد این است که همکاران هوش مصنوعی از طریق هر رابطی در دسترس و مفید هستند و پشت یک رابط کاربری یا برنامهٔ واحد گیر نیفتاده‌اند. آن‌ها می‌توانند با افراد در هر جایی که کار انجام می‌شود همکاری کنند، چه این کار تعامل با ChatGPT باشد، چه از طریق جریان‌های کاری با Atlas، یا درون برنامه‌های کاربردی تجاری موجود. این موضوع صادق است، چه عامل‌ها به‌صورت داخلی توسعه داده شوند، چه از OpenAI تهیه شوند، یا از سایر فروشندگانی که از قبل استفاده می‌کنید یکپارچه‌سازی شوند.

هر کارمند مؤثر می‌داند که کسب و کار چگونه عمل می‌کند، اطلاعات کجا قرار دارد، و تصمیم‌های خوب چگونه به نظر می‌رسند.

Frontier انبارهای داده جداافتاده، سیستم‌های CRM، ابزارهای تیکتینگ و برنامه‌های داخلی را به هم متصل می‌کند تا به همکاران هوش مصنوعی همان زمینه تجاری مشترک را ارائه دهد. آن‌ها درک می‌کنند که اطلاعات چگونه جریان می‌یابد، تصمیم‌ها کجا گرفته می‌شوند، و چه نتایجی اهمیت دارند. این به یک لایهٔ معنایی برای سازمان تبدیل می‌شود که همهٔ همکاران هوش مصنوعی می‌توانند برای انجام کار و برقراری ارتباط مؤثر به آن مراجعه کنند.

با وجود زمینه‌ی مشترک، عامل‌ها باید بتوانند واقعاً کار را انجام دهند.

تیم‌های سراسر سازمان، چه فنی و چه غیرفنی، می‌توانند از Frontier برای استخدام همکاران هوش مصنوعی استفاده کنند که بسیاری از وظایفی را که افراد هم‌اکنون روی کامپیوتر انجام می‌دهند، بر عهده می‌گیرند. Frontier به همکاران هوش مصنوعی توانایی استدلال بر روی داده‌ها و انجام وظایف پیچیده، مانند کار با فایل‌ها، اجرای کد و استفاده از ابزارها را می‌دهد، همگی در یک محیط اجرای عامل باز و قابل‌اعتماد. همکاران هوش مصنوعی در حین کار، حافظه‌هایی ایجاد می‌کنند و تعاملات گذشته را به زمینه‌ای مفید تبدیل می‌کنند که عملکرد را در طول زمان بهبود می‌بخشد.

پس از استقرار، همکاران هوش مصنوعی می‌توانند در محیط‌های محلی، زیرساخت ابری سازمانی و محیط‌های اجرایی میزبانی‌شده توسط OpenAI اجرا شوند، بدون اینکه تیم‌ها مجبور شوند شیوه انجام کارها را از نو ابداع کنند. و برای کارهای حساس به زمان، Frontier دسترسی با تأخیر کم به مدل‌های OpenAI را در اولویت قرار می‌دهد تا پاسخ‌ها سریع و یکنواخت بمانند.

برای اینکه عامل‌ها در طول زمان مفید باشند، باید از تجربه یاد بگیرند، درست مثل انسان‌ها.

روش‌های داخلی برای ارزیابی و بهینه‌سازی عملکرد، به مدیران انسانی و همکاران هوش مصنوعی به‌وضوح نشان می‌دهد چه چیزهایی به‌خوبی کار می‌کنند و چه چیزهایی نه، تا رفتارهای خوب در طول زمان بهبود یابند. با گذشت زمان، همکاران هوش مصنوعی یاد می‌گیرند که کار خوب چگونه به نظر می‌رسد و در انجام کاری که بیش از همه اهمیت دارد بهتر می‌شوند.

این‌گونه است که عامل‌ها از دموهای چشمگیر به هم‌تیمی‌های قابل‌اعتماد تبدیل می‌شوند.

Frontier اطمینان حاصل می‌کند که همکاران هوش مصنوعی در چارچوب مرزهای مشخص عمل کنند. هر همکار هوش مصنوعی دارای هویت خاص خود است، با مجوزها و محدودیت‌های مشخص. این امکان را فراهم می‌کند که بتوان با اطمینان از آنها در محیط‌های حساس و تحت نظارت استفاده کرد. امنیت و حاکمیت سازمانی⁠ به‌صورت داخلی تعبیه شده‌اند، بنابراین تیم‌ها می‌توانند بدون از دست دادن کنترل مقیاس خود را افزایش دهند.

بستن شکاف فرصت تنها یک مشکل فناوری نیست.

ما سال‌هاست که در پیاده‌سازی‌های پیچیده هوش مصنوعی با شرکت‌های بزرگ همکاری نزدیکی داشته‌ایم، بنابراین دیده‌ایم چه چیزی مؤثر است و چه چیزی مؤثر نیست. اکنون ما به تیم‌ها کمک می‌کنیم آن درس‌ها را برای سخت‌ترین مشکلات‌شان به کار بگیرند.

ما مهندسان مستقر در محل OpenAI Forward Deployed Engineers (FDEs) را با تیم‌های شما همراه می‌کنیم و شانه‌به‌شانه کار می‌کنیم تا به شما کمک کنیم بهترین شیوه‌ها را برای ساخت و اجرای عامل‌ها در محیط تولید توسعه دهید.

FDEها همچنین به تیم‌ها ارتباط مستقیم با OpenAI Research می‌دهند. هم‌زمان با استقرار عامل‌ها، ما نه‌تنها یاد می‌گیریم چگونه سیستم‌های شما را پیرامون مدل بهبود دهیم. ما همچنین یاد می‌گیریم که مدل‌ها خودشان چگونه باید تکامل یابند تا برای کار شما مفیدتر شوند. آن چرخه بازخورد، از مسئله کسب و کار شما تا استقرار و پژوهش و بازگشت، به هر دو طرف کمک می‌کند سریع‌تر حرکت کنند.

هوش مصنوعی در سازمان‌ها زمانی بهترین عملکرد را دارد که پلتفرم و برنامه‌ها با هم کار کنند. از آنجا که Frontier بر استانداردهای باز ساخته شده است، تیم‌های نرم‌افزاری می‌توانند آن را متصل کرده و عامل‌هایی بسازند که از همان زمینه مشترک بهره‌مند شوند.

این موضوع اهمیت دارد زیرا بسیاری از برنامه‌های عامل به دلیل ساده‌ای شکست می‌خورند: آن‌ها زمینه لازم را ندارند. داده‌ها در سیستم‌های مختلف پراکنده‌اند، مجوزها پیچیده هستند و هر یکپارچه‌سازی به یک پروژه‌ی منحصر به فرد تبدیل می‌شود. Frontier دسترسی اپلیکیشن‌ها به زمینه‌ی کسب و کاری موردنیازشان را (با کنترل‌های درست) آسان‌تر می‌کند، تا بتوانند از روز اول درون گردش‌کارهای واقعی کار کنند. برای شرکت‌ها، این به معنای راه‌اندازی‌های سریع‌تر بدون نیاز به یک چرخه ادغام طولانی در هر بار است.

ما همچنین با گروه کوچکی از Frontier Partners—سازندگان بومی هوش مصنوعی مانند Abridge⁠(در یک پنجره جدید باز می‌شود)، Clay⁠(در یک پنجره جدید باز می‌شود)، Ambience⁠(در یک پنجره جدید باز می‌شود)، Decagon⁠(در یک پنجره جدید باز می‌شود)، Harvey⁠(در یک پنجره جدید باز می‌شود) و Sierra⁠(در یک پنجره جدید باز می‌شود)—کار می‌کنیم که متعهد می‌شوند با Frontier به صورت عمیق‌تری همکاری کنند. آن‌ها به‌طور نزدیک با OpenAI همکاری خواهند کرد تا نیازهای مشتریان را بیاموزند، راه‌حل‌ها را طراحی کنند و از پیاده‌سازی پشتیبانی کنند. به مرور زمان، برنامه را گسترش خواهیم داد و از سازندگان بیشتری که بر هوش مصنوعی سازمانی تمرکز دارند استقبال می‌کنیم.

اکنون سؤال این نیست که آیا هوش مصنوعی نحوه انجام کارها را تغییر خواهد داد یا خیر، بلکه این است که سازمان شما با چه سرعتی می‌تواند عامل‌ها را به یک مزیت واقعی تبدیل کند.

Frontier امروز برای گروه محدودی از مشتریان در دسترس است و طی چند ماه آینده به‌صورت گسترده‌تری در دسترس خواهد بود. اگر می‌خواهید امکان همکاری با ما را بررسی کنید، با تیم OpenAI خود تماس بگیرید.