کار چندروزه در چند دقیقه؛ Oracle با ChatGPT و Codex

بیش از صد هزار نفر از کارکنان Oracle، از بخش جذب استعداد و آزمایشگاه برنامه‌های کاربردی Oracle گرفته تا واحد فناوری اطلاعات، از ChatGPT کار و Codex استفاده می‌کنند. در همهٔ این بخش‌ها، کارهایی که پیش‌تر به متخصصان نیاز داشت و چند روز طول می‌کشید، اکنون از عهدهٔ هر کسی برمی‌آید و در چند دقیقه انجام می‌شود. کارشناسان جذب نیرو دیگر روزها صرف تحقیق دربارهٔ بازار نمی‌کنند، کاربران کسب‌وکار به‌جای جست‌وجوی گزارش، نتیجهٔ دلخواهشان را توصیف می‌کنند و سرپرستان فنی ابزارهایی می‌سازند که قبلاً ساختشان برای یک تیم کامل ماه‌ها زمان می‌برد.

تیم جذب استعداد با استفاده از ChatGPT کار، ابزاری برای تحلیل بازار نیروی کار ساخت که شرح شغل را دریافت می‌کند، دربارهٔ نقش‌های مشابه تحقیق می‌کند، حقوق و مزایا را با معیارهای بازار می‌سنجد و نیروی کار موجود در مناطق مرتبط را ارزیابی می‌کند. این ابزار اطلاعات ارزشمندی را در اختیار کارشناس جذب نیرو می‌گذارد که برای گفت‌وگو با مدیر استخدام‌کننده به آن نیاز دارد؛ اطلاعاتی که قبلاً گردآوری آن ۲ تا ۴ روز طول می‌کشید.

جن اکرمن، معاون ارشد و مدیر جهانی جذب استعداد در Oracle، می‌گوید: «از صفر به صد رسیده‌ایم.» «حالا می‌توانیم با ابزاری که با استفاده از [ChatGPT] کار ساخته‌ایم، در حدود ۱۵ تا ۲۰ دقیقه برای جلسه آماده شویم.»

این فرایند نه‌تنها سریع‌تر، بلکه یکدست‌تر هم شده است. قبلاً کارشناسان جذب نیرو در هر جست‌وجوی استخدامی، فرایند دریافت نیازهای اولیه را به شکلی متفاوت انجام می‌دادند. اما ابزار تحلیل بازار نیروی کار این فرایند را یکدست کرده است؛ در نتیجه، همهٔ مدیران استخدام‌کننده، فارغ از اینکه با کدام کارشناس همکاری می‌کنند، به داده‌ها و تحلیل‌هایی با کیفیت یکسان دسترسی دارند.

تیم آزمایشگاه برنامه‌های کاربردی Oracle، که به اجرای بسیاری از فرایندهای اصلی کسب‌وکار این شرکت کمک می‌کند، یک هستی‌شناسی از موجودیت‌ها، روابط و قواعد شرکت ساخت تا بتوان با Codex پرسش‌های کسب‌وکار به زبان ساده را به پرس‌وجوهای SQL قابل‌اعتماد تبدیل کرد. کاربر کسب‌وکار نتیجهٔ دلخواهش را توصیف می‌کند و Codex تصمیم می‌گیرد کدام سامانه‌های داخلی را فراخوانی کند، اطلاعات را گردآوری می‌کند و یک تحلیل، گزارش یا برنامه ارائه می‌دهد.

این رویکرد، شیوهٔ پیشین انجام کار را تغییر داده است. لم گفت یکی از کاربران پس از طرح پرسشی به او مراجعه کرد که در حالت عادی پیدا کردن پاسخش حدود دو ساعت زمان می‌برد. او به لم گفت: «با ابزار جدید، درخواست را وارد کردم و تقریباً بلافاصله پاسخ گرفتم.» وقتی نتیجه را با فرایند دستی قبلی بررسی کرد، اعداد دقیقاً مطابقت داشتند.

در مهندسی محیط عملیاتی، مهندسان قابلیت اطمینان سایت از Codex برای گردآوری اطلاعات زمینه‌ای مرتبط با رخدادها و بازیابی خودکار دستورالعمل مناسب استفاده می‌کنند. این مهندسان زمان بیشتری را صرف هدایت تصمیم‌گیری‌ها می‌کنند و زمان کمتری را به جست‌وجوی اطلاعات اختصاص می‌دهند. لم می‌گوید: «یک رخداد ساده و معمولی که قبلاً رفع آن یک ساعت طول می‌کشید، حالا در چند دقیقه قابل‌رسیدگی است.»

با اینکه Codex بخش بیشتری از کار را بر عهده می‌گیرد، لم تأکید می‌کند که هیچ‌یک از این کارها بدون نظارت انسانی پیش نمی‌رود. هنوز هم باید کسی مطمئن شود که سامانهٔ زیربنایی درست ساخته شده است.

هرچند هوش مصنوعی ابزارها را می‌سازد، مسئولیت خروجی همچنان با انسان‌هاست. چند درس مهم از این تجربه به دست می‌آید:

• چارچوب‌ها و محدودیت‌های درست را تعیین کنید. لم می‌گوید: «همچنان باید در قبال طراحی سامانه، معماری، امنیت و اینکه می‌خواهید Codex کد را با چه ساختاری برایتان بنویسد، بسیار مسئولانه عمل کنید.»

• به‌جای مشخصات، نمونهٔ اولیه ارائه دهید. بری شیلموور، معاون و مشاور فنی مدیر ارشد اطلاعات، می‌گوید: «معمولاً [ایده‌ام] را روی کاغذ می‌آوردم، اما حالا آن را به شکل یک نمونهٔ اولیه درمی‌آورم.»

• مسئولیت کد را بپذیرید. لم می‌گوید: «اگر دوشادوش Codex کار نکنید، در نهایت با انبوهی از کد روبه‌رو می‌شوید که قابل‌نگهداری نیست.»

تیم Oracle با هوش مصنوعی، شیوهٔ فعالیت شرکت را به‌کلی تغییر می‌دهد. در بخش‌های جذب نیرو، تحلیل داده و مهندسی، هر واحد کسب‌وکار نتیجهٔ موردنظرش را توصیف کرد و چگونگی انجام کار را به Codex و ChatGPT سپرد. اکنون که هزاران نفر از کارکنان Oracle از ChatGPT و Codex استفاده می‌کنند، هوش مصنوعی در انجام کارهای بی‌شماری به آن‌ها کمک می‌کند. به گفتهٔ شیلموور: «نمی‌دانم پاسخ چیست، چون نمی‌دانم مسئلهٔ بعدی که باید حل کنم چه خواهد بود. فقط می‌دانم یکی از اولین کارهایی که خواهم کرد، کمک گرفتن از Codex برای حل آن است.»