نشانه‌های سازمانی: شرکت‌های پیشرو چه رویکردهایی را متفاوت دنبال می‌کنند

هوش مصنوعی سازمانی وارد مرحله ای تازه شده است: کارهای بیشتری به عامل ها واگذار می‌شود و شرکت هایی که در این مسیر پیشروترند، فاصله خود را با بقیه بیشتر می‌کنند. شرکت‌های پیشرو به همان مدل های هوش مصنوعی مشابه سایر سازمان ها دسترسی دارند، اما استفاده خود را سریع تر و عمیق تر می‌کنند. آنچه آن ها را متمایز می‌کند این است که چگونه آن مدل ها را به کار می‌گیرند: حرکت از مرحله کمک به مرحله واگذاری، ارائه زمینه و ابزار به عامل ها برای انجام وظایف پیچیده، و شتاب بخشیدن به AI عامل محور فراتر از توسعه نرم افزار.

پژوهش ما در OpenAI درباره اینکه عامل‌ها چگونه شیوه انجام کارها را دگرگون می‌کنند، نشان می‌دهد این تحول در سازمانی که از ابتدا بر پایه هوش مصنوعی شکل گرفته است، چه شکلی می‌تواند داشته باشد. Enterprise Signals این بررسی را در مقیاسی گسترده‌تر و در میان مشتریان سازمانی OpenAI در سراسر جهان دنبال می‌کند تا چگونگی گسترش کارهای عامل‌محور در سازمان‌ها و ویژگی‌های متمایزکننده شرکت‌های پیشرو را نشان دهد.

در این شماره از Enterprise Signals نشان می‌دهیم که شکاف میان شرکت‌های پیشرو—یعنی ۱۰٪ برتر از نظر میزان استفاده ماهانه از هوش مصنوعی—و شرکت‌های متعارف—یعنی شرکت‌های قرارگرفته در ۱۰٪ میانی—در حال افزایش است. بررسی می‌کنیم شرکت‌های پیشرو چه رویکرد متفاوتی در پیش گرفته‌اند و سایر سازمان‌ها چگونه می‌توانند فاصله خود را با آن‌ها کاهش دهند.

نکات کلیدی:

• کاربرد سازمانی هرچه بیشتر عامل محور می‌شود. تا ماه ژوئن، Codex در میان مشتریان سازمانی ۶۴% از توکن های خروجی ترکیبی Codex و ChatGPT را تولید کرد که نشان می‌دهد عامل هایی گذار به سمت کارهای واگذار شده و اساسی تر را ممکن می‌کنند.
• شکاف میان شرکت‌های پیشرو و سایر شرکت‌ها در حال افزایش است.شرکت‌های پیشرو—یعنی شرکت‌هایی که هر ماه از نظر میزان استفاده از هوش مصنوعی در میان ۱۰٪ برتر قرار می‌گیرند—اکنون به‌ازای هر کاربر فعال، ۸٫۳ برابر شرکت‌های متعارف توکن خروجی تولید می‌کنند؛ این نسبت در ژانویه ۲٫۶ برابر بود.
• شرکت‌های پیشرو بیش از سایر شرکت‌ها از قابلیت‌های پیشرفته استفاده می‌کنند.هر هفته، ۲۱٪ از کاربران فعال شرکت‌های پیشرو از افزونه‌ها استفاده می‌کنند؛ درحالی‌که این رقم در شرکت‌های متعارف ۹٪ است. در OpenAI،‏ ۹۵٪ از کارکنان هر هفته از افزونه‌ها استفاده می‌کنند؛ این رقم ظرفیت بالای گسترش استفاده از آن‌ها را نشان می‌دهد.
• عامل ها در حال گسترش در سراسر کارهای دانشی هستند. از فوریه، کاربران فعال هفتگی سازمانی Codex در بخش حقوقی ۱۰۸ برابر، در فروش ۴۱ برابر، در استخدام ۴۱ برابر، و در بازاریابی ۲۶ برابر رشد کردند، در مقایسه با مهندسی ۵ برابر.
• کارکنان کم‌سابقه‌تر بیشتر از هوش مصنوعی استفاده می‌کنند: میزان استفاده از هوش مصنوعی در میان کارکنانی که در ابتدای مسیر حرفه‌ای خود هستند، بالاترین است و با افزایش سابقه شغلی کاهش می‌یابد؛ این امر می‌تواند نشان‌دهنده مزیت نسبی کارکنان کم‌سابقه‌تر در بهره‌گیری از هوش مصنوعی باشد.

نقش هوش مصنوعی سازمانی از پاسخ‌گویی به پرسش‌ها به انجام عملی کارها در حال تغییر است. این تغییر ابتدا با Codex در مهندسی نرم‌افزار به‌طور جدی نمود پیدا کرد. اکنون ChatGPT Work دامنه هوش مصنوعی عامل‌محور را به فراتر از توسعه‌دهندگان گسترش می‌دهد و به کارکنان سراسر سازمان امکان می‌دهد به‌جای صرفاً درخواست کمک، انجام وظایف مهم را به آن واگذار کنند.

از ژوئن ۲۰۲۶، استفاده از AI عامل محور (که به صورت توکن های Codex تعریف می‌شود) ۶۴ ٪ از مجموع توکن های خروجی Codex و ChatGPT را در میان مشتریان سازمانی تشکیل می‌داد. هم ChatGPT و هم AI عامل محور از همان مدل های پیشروی زیر بنایی استفاده می‌کنند؛ تفاوت در این است که آن هوشمندی چگونه به کار گرفته می‌شود.

ChatGPT به مردم کمک می‌کند سؤال بپرسند، ایده ها را توسعه دهند و روی مشکلات کار کنند. AI عامل محور (مانند Codex و ChatGPT کار) به مدل ابزارهایی می‌دهد تا با رایانه شما کار کند و به آن اجازه می‌دهد اطلاعات پیدا کند، فایل ها را ویرایش کند و وظایف چند مرحله ای را به طور خود مختار یا تحت نظارت انجام دهد. انجام وظایف پیچیده و طولانی مدت می‌تواند به محاسبات بسیار بیشتری نیاز داشته باشد، که به توضیح این موضوع کمک می‌کند که چرا مصرف توکن عامل محور به سرعت رشد کرده است.

هر ماه، مشتریان سازمانی را براساس تعداد توکن‌های خروجی به‌ازای هر کاربر فعال رتبه‌بندی می‌کنیم. شرکت‌های پیشرو، شرکت‌هایی هستند که در آن ماه در میان ۱۰٪ برتر قرار می‌گیرند؛ شرکت‌های متعارف نیز در بازه صدک‌های ۴۵ تا ۵۵ قرار دارند. در ماه ژوئن، تعداد توکن‌های خروجی به‌ازای هر کاربر فعال در شرکت‌های پیشرو ۸٫۳ برابر شرکت‌های متعارف بود؛ شکافی که نسبت به رقم ۲٫۶ برابری ژانویه، تقریباً سه برابر شده است.

شکاف پیشرو همچنین در صنایع مختلف نیز امتداد می‌یابد؛ به طوری که بزرگ ترین شکاف در استفاده از توکن در اطلاعات و فناوری (۱۱.۷ برابر) و کوچک ترین آن در تولید (۵.۳ برابر) است. در مقابل، استفاده از توکن در میان شرکت های معمولی در صنایع مختلف مشابه است و در سال گذشته رشد نسبتاً محدودی داشته است (۱.۹ تا ۲.۸ برابر). این نشان می‌دهد که بسیاری از سازمان ها هنوز از دستیارهای گفتگوی ساده استفاده می‌کنند و همچنان فرصت قابل توجهی برای گسترش و تعمیق بکار گیری و استفاده از عامل ها برای انجام کارهای پیچیده تر وجود دارد.

توکن‌ها به‌تنهایی معیار دقیقی برای سنجش ارزش یک کسب‌وکار نیستند؛ یک پاسخ کوتاه ممکن است بسیار ارزشمند باشد، اما یک پاسخ طولانی فایده چندانی نداشته باشد. بااین‌حال، حجم توکن‌ها نشان می‌دهد کارکنان تا چه اندازه از هوش مصنوعی برای انجام کارهای پیچیده‌تر استفاده می‌کنند و چه میزان از کار خود را به آن می‌سپارند.

شرکت های پیشرو بهره گیری خود از هوش مصنوعی را عمیق تر می‌کنند، زیرا آن را برای حل مسائل مشخص درون سازمان های خود و در سطح صنایع‌شان به کار می‌گیرند.

نخستین کاربردهای هوش مصنوعی در سازمان‌ها بر نیازهای داخلی متمرکز بودند و به کارکنان کمک می‌کردند اطلاعات موردنیاز را بیابند، پیش‌نویس اسناد را آماده کنند، داده‌ها را تحلیل کنند، کد بنویسند و فرایندهای روزمره را خودکار کنند. شرکت‌های پیشرو به‌طور فزاینده‌ای از هوش مصنوعی نه‌تنها برای بهره‌وری داخلی، بلکه در محصولات، خدمات و تجربه‌هایی که مستقیماً به مشتریان ارائه می‌شوند نیز استفاده می‌کنند.

عامل های هوش مصنوعی برای مؤثر بودن، به دسترسی به زمینه و ابزارهای مناسب نیاز دارند. افزونه ها⁠(در یک پنجره جدید باز می‌شود) مجموعه‌ای از قابلیت ها هستند که به عامل ها کمک می‌کنند گردش کارهای مشخصی را تکمیل کنند. آن ها می‌توانند مهارت هایی را که دستور العمل‌های قابل استفادهٔ مجدد ارائه می‌کنند، با برنامه هایی ترکیب کنند که به داده ها، ابزارها و اقدامات شرکت متصل می‌شوند. برای مثال، یک افزونه فروش می‌تواند راهنمای اجرایی یک تیم را با دسترسی به CRM آن ترکیب کند و به یک عامل امکان دهد از اطلاعات فعلی مشتری و پیشنهادهای گذشته برای آماده کردن پاسخی متناسب جهت بررسی استفاده کند.

شرکت‌های پیشرو در قابلیت های پیشرفته برتری آشکاری دارند. در میان کاربران فعال هفتگی، ۲۱٪ در شرکت های پیشرو از افزونه‌ها استفاده می‌کنند و ۱۹٪ از مهارت ها استفاده می‌کنند، در مقایسه با تنها ۹٪ و ۳٪ در شرکت های معمولی. با این حال، پذیرش شرکت های پیشرو تنها بخشی از آن چیزی است که ممکن است. استفاده داخلی OpenAI ظرفیت استفاده عمیق تر از این قابلیت ها را برجسته می‌کند، به طوری که استفاده هفتگی از افزونه ها به ۹۵٪ از کاربران فعال می‌رسد. پژوهش ما درباره اینکه عامل ها چگونه کار را دگرگون می‌کنند نگاهی نزدیک تر به این ارائه می‌دهد که کارکنان در OpenAI چگونه از قابلیت های پیشرفته استفاده می‌کنند.

عامل‌های هوش مصنوعی برای انجام کارهای ارزشمند به سه مؤلفه نیاز دارند: اطلاعات زمینه‌ای، ابزارهای مناسب و قابلیت ادامه فعالیت تا تکمیل کار. ۱. حافظه، ورودی گفتاری و آپ‌شاتس به کارکنان کمک می‌کنند تا اطلاعات و زمینه لازم برای انجام موفقیت‌آمیز یک کار را به‌آسانی در اختیار هوش مصنوعی قرار دهند. قابلیت کار با رایانه و مرورگر به عامل‌ها امکان می‌دهد در وب‌سایت‌ها فعالیت کنند، فایل ایجاد کنند و وظایف را به‌طور مستقل یا با نظارت کاربر انجام دهند. تعیین هدف و تکرار چرخه‌های کاری، عامل‌ها را قادر می‌سازد تا پایان یک وظیفه به کار ادامه دهند. این قابلیت‌ها در کنار یکدیگر به شرکت‌های پیشرو کمک می‌کنند تا از تمام ظرفیت عامل‌های هوش مصنوعی بهره ببرند.

اعطای دسترسی به عامل ها به سامانه های شرکت نیز ریسک های جدیدی را به همراه دارد. شرکت های پیشرو قواعد روشنی تعیین می‌کنند که مشخص کند نمایندگان کجا می‌توانند فعالیت کنند، به چه اطلاعاتی می‌توانند دسترسی داشته باشند، چه زمانی می‌توانند اقداماتی انجام دهند و افراد چگونه تصمیمات با ریسک بالاتر را بازبینی می‌کنند. این کنترل ها باید همگام با آموخته های سازمان ها از استقرارهای واقعی تکامل یابند.

شرکت‌های پیشرو همچنین یادگیری مستمر و آزمودن روش‌های تازه را به بخشی از فعالیت‌های روزمره تبدیل می‌کنند. برگزاری کارگاه‌های عملی، نشست‌های تبادل کاربردهای جدید و نمایش دستاوردهای داخلی به انتقال و گسترش روش‌های موفق میان تیم‌ها و بخش‌های مختلف سازمان کمک می‌کند.

توسعه دهندگان نرم افزار از نخستین گروه هایی بودند که عامل های هوش مصنوعی را به کار گرفتند، اما اکنون سریع ترین رشد از سوی کارکنان دانشی عمومی حاصل می‌شود. از فوریه، تعداد کاربران فعال هفتگی Codex در سازمان‌ها ۱۰۸ برابر در بخش حقوقی، ۴۱ برابر در فروش، ۴۱ برابر در استخدام و ۲۶ برابر در بازاریابی رشد کرده است، در مقایسه با ۵ برابر در میان مهندسان. 

پیشگامی حوزه نرم‌افزار در این تحول تصادفی نبود. پایگاه‌های کد، چارچوب مشخصی برای فعالیت عامل‌ها فراهم می‌کنند، آزمون‌ها امکان بررسی آسان‌تر خروجی‌ها را می‌دهند و پیشرفت‌های حوزه کدنویسی نیز پژوهش و توسعه هوش مصنوعی را سرعت می‌بخشند. طی دو سال گذشته، نحوه استفاده توسعه‌دهندگان از هوش مصنوعی تغییر کرده است: آن‌ها دیگر صرفاً برای تکمیل بخش‌های کوتاه کد از آن کمک نمی‌گیرند، بلکه انجام وظایف توسعه نرم‌افزار را از ابتدا تا انتها به عامل‌ها می‌سپارند. بسیاری از توسعه‌دهندگان دیگر کد را مستقیماً خودشان نمی‌نویسند؛ در عوض، زمان خود را صرف تعریف وظایف، هماهنگ‌کردن عامل‌ها و بازبینی نتایج می‌کنند.

در مقابل، پیشرفت در فعالیت‌های عمومیِ دانش‌محور کندتر بوده است؛ زیرا بسیاری از وظایف اطلاعات زمینه‌ای محدودی دارند، تعریف دقیق آن‌ها دشوار است و معیار روشنی برای راستی‌آزمایی نتایجشان وجود ندارد. اما با بزرگ‌تر و توانمندترشدن مدل‌ها، پیشرفت در یادگیری تقویتی و تلاش‌های هدفمند برای بهبود عملکرد در ارزیابی‌هایی مانند GDPval، مدل‌های پیشرفته می‌توانند وظایف بیشتری را در دنیای واقعی انجام دهند، از ابزارهای متنوع‌تری بهره ببرند و در محیط‌های کاری گوناگون‌تری فعالیت کنند. در نتیجه، از ابتدای سال، هوش مصنوعی عامل‌محور بیش‌ازپیش با نیازهای افراد شاغل در حوزه‌های فکری و تخصصی همسو شده و در میان آن‌ها رواج یافته است.

بررسی نمونه‌ای شامل بیش از ۱۰ میلیون پیام نشان می‌دهد که هوش مصنوعی سازمانی از کمک به کارکنان برای تولید خروجی به سمت کمک به تیم‌ها برای انجام عملی کارها در حرکت است. حتی در یک حوزه کاری واحد نیز، الگوهای استفاده از چت و هوش مصنوعی عامل‌محور تفاوت چشمگیری دارند.

نگارش همچنان رایج‌ترین کاربرد ChatGPT است؛ در مقابل، کدنویسی و عملیات مربوط به سامانه‌ها یا عامل‌ها در مجموع نزدیک به ۷۵٪ از پیام‌های عامل‌محور را تشکیل می‌دهند. این تحول در بخش‌های غیر فنی نمود بیشتری دارد؛ به‌طوری‌که عملیات مربوط به سامانه‌ها و عامل‌ها ۳۲٪ از پیام‌های جذب نیرو، ۲۶٪ از پیام‌های فروش، ۲۵٪ از پیام‌های سیاست‌گذاری و ۲۴٪ از پیام‌های ارتباطات را تشکیل می‌دهد. دامنه کارهای فنی در حال گسترش به واحدهای مختلف سازمان است؛ برای مثال، کدنویسی تقریباً ۶۰٪ از پیام‌های عامل‌محور حوزه طراحی را شامل می‌شود.

هیچ جدول رتبه‌بندی واحدی برای میزان به‌کارگیری هوش مصنوعی وجود ندارد. بسته به اینکه چه معیاری مبنا قرار گیرد، رتبه‌بندی صنایع متفاوت خواهد بود. در ماه گذشته، بخش خدمات حرفه‌ای و علمی هم در به‌کارگیری Codex و هم در میزان استفاده از رابط برنامه‌نویسی کاربردی (API) پیشتاز بود. در زمینه به‌کارگیری ChatGPT، بخش هنر، سرگرمی و تفریح پیشتاز بود؛ اما بالاترین میزان استفاده از ChatGPT به بخش تولید تعلق دارد، هرچند این بخش از نظر شدت استفاده از Codex و API در رتبه آخر قرار گرفته است.

صنایع مسیر یکسانی را برای پذیرش هوش مصنوعی دنبال نمی‌کنند. برخی از طریق ابزارهای توسعه دهندگان و محصولات مبتنی بر هوش مصنوعی در حال پیشرفت اند، در حالی که برخی دیگر شاهد استفاده روزمره گسترده تر یا فشرده تری هستند.

همان طور که هوش مصنوعی راه های جدیدی برای ارائه کالاها و خدمات در اختیار سازمان ها قرار می‌دهد، چشم انداز امنیتی را نیز دگرگون می‌کند. کمتر خطری به اندازه امنیت سایبری فوری است، به ویژه با توجه به سرعت بالای پیشرفت قابلیت های سایبری هوش مصنوعی.

هوش مصنوعی همچنین می‌تواند به مدافعان سایبری در واکنش به تهدیدها کمک کند. مدل‌ها می‌توانند مجموعه‌های بزرگ کد را تحلیل کنند، آسیب‌پذیری‌ها را بررسی کنند و به انجام فرایندهای امنیتی چندمرحله‌ای کمک کنند. اما صرفِ شناسایی مشکلات بیشتر، سامانه‌ها را ایمن‌تر نمی‌کند. چالش اصلی، تبدیل یافته‌ها به اقدامات عملی است: تشخیص آسیب‌پذیری‌های واقعی، اولویت‌بندی خطرهایی که جدی‌ترین پیامدها را دارند، آزمایش وصله‌های امنیتی و اطمینان از بررسی و اعمال سریع اصلاحات از سوی تیم‌های امنیتی. 

OpenAI Daybreak مدل های امنیت سایبری پیشرو، ابزارهای امنیتی سازمانی و یک اکو سیستم شریک را گرد هم می‌آورد تا به سازمان ها کمک کند این چالش ها را برآورده کنند و دفاع خود را در برابر تهدیدات نو ظهور تقویت کنند.

ماموریت OpenAI این است که اطمینان حاصل کند هوش مصنوعی به نفع همهٔ بشریت باشد. سازمان ها بخش عمده ای از تأثیر اقتصادی هوش مصنوعی را شکل خواهند داد و به همین دلیل، ما به طور منظم «سیگنال های سازمانی» را منتشر می‌کنیم؛ مجموعه ای تکرارشونده از شاخص ها که پذیرش، گسترش و تأثیر هوش مصنوعی در سازمان ها را دنبال می‌کند. تمام تحلیل های این گزارش بر اساس داده های استفاده سازمانیِ تجمیع شده و هویت زدایی شده هستند. ما از سیستم های خودکار برای طبقه بندی محتوای پیام استفاده کردیم و هیچ یک از کارکنان OpenAI پیام های مشتریان را بررسی نکرد.

مشتریان OpenAI Enterprise همچنین می‌توانند یک ارزیابی مقایسه‌ای سفارشی درخواست کنند تا ببینند سازمانشان براساس جدیدترین شاخص‌های استفاده و قابلیت‌ها چه جایگاهی دارد.