એજન્ટો કામને કેવી રીતે બદલી રહ્યા છે
અગ્રસીમા પર Codexની આર્થિક સંભાવના માપતું નવું આર્થિક સંશોધન પેપર.
એજન્ટિક AI જ્ઞાન કાર્યને એકમ એકલ ક્રિયાપ્રતિક્રિયાઓમાંથી બદલીને સોંપાયેલા, લાંબી ક્ષિતિજવાળા કાર્યોમાં રૂપાંતરિત કરે છે. ચેટબોટ ક્રિયાપ્રતિક્રિયાઓ ઘણી વાર ટૂંકી અને સ્વતંત્ર હોય છે. એજન્ટો ટૂલ કૉલ્સનું સંકલન કરતા, પર્યાવરણો સાથે ક્રિયા કરતી વખતે અને ઉકેલો તરફ પુનરાવર્તન કરતી વખતે મિનિટો કે કલાકો સુધી સ્વતંત્ર રીતે કામ કરી શકે છે. પરિણામે, એજન્ટો કામ માટે ઝડપથી સૌથી શક્તિશાળી AI ટૂલ બની રહ્યા છે.
છેલ્લા વર્ષમાં OpenAIમાં અમે આ પરિવર્તન જાતે જોયું. Codex જાહેર થયા પછીના પ્રથમ થોડા મહિનાઓ સુધી, OpenAIમાં કામ માટે ChatGPT ડિફોલ્ટ AI ટૂલ રહ્યું. ઓગસ્ટ 2025 સુધી, સરેરાશ OpenAI કર્મચારીએ તેમના 10%થી ઓછા ટોકન Codex પર ખર્ચ્યા. હવે, કાનૂની અને ભરતી જેવા બિન-તકનિકી વિભાગો સહિત દરેક વિભાગ Codexને કામ માટેના મુખ્ય AI ટૂલ તરીકે વાપરે છે. આ પેટર્ન એ દર્શાવે છે કે એજન્ટિક ટૂલ્સની વધેલી ક્ષમતાઓ અને સુલભતાને ધ્યાનમાં રાખીને અમે કામનું ભવિષ્ય કેવું હશે એવું માનીએ છીએ.
Codexની સ્વીકૃતિ Codexની ક્ષમતાઓ સાથે સાથે વધી. Codexએ વધુ મજબૂત મોડલ અને નવી પ્રોડક્ટ સુવિધાઓનો લાભ લેતાં, તે ઉત્પાદક કાર્યોના વિસ્તરતા સમૂહને સંભાળવા સક્ષમ બન્યું. વ્યક્તિગત વપરાશકર્તાઓ, સંસ્થાગત વપરાશકર્તાઓ અને OpenAI કર્મચારીઓમાં, અમે છેલ્લા વર્ષના ચાર ટ્રેન્ડ નોંધીએ છીએ:
- લોકો Codexનો ઉપયોગ લાંબી ક્ષિતિજવાળા કામ માટે કરે છે. મે 2026 સુધીમાં, નમૂનામાંના 80.6% વ્યક્તિગત વપરાશકર્તાઓએ માનવીના 30 મિનિટથી વધુ કામ જેટલી હોવાનો અંદાજ ધરાવતી ઓછામાં ઓછી એક Codex વિનંતી કરી, 70.2%એ એક કલાકથી વધુની અને 25.6%એ આઠ કલાકથી વધુની ઓછામાં ઓછી એક Codex વિનંતી કરી.
- Codex OpenAIના દરેક વિભાગ માટે મુખ્ય AI ટૂલ બન્યું. એન્જિનિયરિંગ પહેલું આગળ વધ્યું, પરંતુ કાનૂની, નાણાં અને ભરતી વિભાગોએ એપ્રિલ 2026 આસપાસ Codexને તેમના મુખ્ય AI ટૂલ તરીકે અપનાવ્યું. સરેરાશ OpenAI કર્મચારી માટે, Codexનો ઉપયોગ હવે આઉટપુટ ટોકનના 85%થી વધુ છે. Codex વપરાશકર્તાઓ બિન-વપરાશકર્તાઓ કરતાં વધુ ટોકન વાપરતા હોવાથી, કુલ ટોકનમાં તેનો હિસ્સો હજુ વધુ છે: OpenAIની અંદર સર્જાતા સાપ્તાહિક આઉટપુટ ટોકનમાં Codexનો હિસ્સો 99.8% છે.
- બિન-ડેવલપર સ્વીકૃતિ ખાસ કરીને ઝડપથી વધી, ડેવલપર સ્વીકૃતિથી આગળ નીકળી. ઓગસ્ટ 2025થી, બિન-ડેવલપર વપરાશકર્તાઓ વ્યક્તિગત વપરાશકર્તાઓમાં 137x, સંસ્થાગત વપરાશકર્તાઓમાં 189x અને OpenAIની અંદર 12x વધ્યા.
- Codexએ OpenAI કર્મચારીઓને તેમના જોબ વર્ણનથી બહારનાં કાર્યો કરવાની સક્ષમતા આપી. તકનિકી ઉપયોગ હજી પણ એન્જિનિયરોમાં સૌથી વધુ જોવા મળે છે, છતાં બિન-તકનિકી વપરાશકર્તાઓ ઑટોમેશન, ડેટા ટ્રાન્સફોર્મેશન, ટૂલિંગ, ડિબગિંગ અને સ્ટ્રક્ચર્ડ વિશ્લેષણ સહિત કોડિંગ અથવા તકનિકી અમલ હાથ ધરવા માટે નિયમિતપણે Codexનો ઉપયોગ કરે છે.
એજન્ટો કઠિન કાર્યો પર વધુ લાંબા કલાકો કામ કરે છે
મે 2026માં, 70% કરતાં વધુ વપરાશકર્તાઓએ Codexને એવું કાર્ય પૂર્ણ કરવા કહ્યું, જેને પૂર્ણ કરવા કોઈ વ્યક્તિને એક કલાકથી વધુ સમય લાગે તેમ હતો1. જેમ જેમ Codexની સ્વતંત્ર રીતે લાંબા સંદર્ભ સાથે કામ કરવાની ક્ષમતામાં સુધારો થયો, તેમ તેમ વપરાશકર્તાઓ ટૂંકી ક્રિયાપ્રતિક્રિયાઓમાંથી આગળ વધીને વધુ મુશ્કેલ અને લાંબા ગાળાના લક્ષ્યો ધરાવતા કાર્યો તરફ વળ્યા.
નીચેનો ચાર્ટ વ્યક્તિગત વપરાશકર્તાઓના તે હિસ્સાનો અંદાજ આપે છે જેમણે ચાર માનવીય-સમય મર્યાદાઓ પાર કરી: વ્યક્તિને 30 મિનિટથી વધુ, એક કલાકથી વધુ, ચાર કલાકથી વધુ અને આઠ કલાકથી વધુ સમય લેતા કાર્યો2. ડિસેમ્બર 2025થી મે 2026 સુધી, વ્યક્તિને 30 મિનિટથી વધુ સમય લેતા કામને અનુરૂપ હોવાનો અંદાજ ધરાવતી વિનંતી કરનારા વપરાશકર્તાઓનો હિસ્સો વધીને 80.6% થયો. વ્યક્તિને એક કલાકથી વધુ સમય લેતી વિનંતી કરનારા લોકોનો હિસ્સો વધીને 70.2% થયો. વ્યક્તિને આઠ કલાકથી વધુ સમય લેતા કામની વિનંતી કરનારો હિસ્સો નીચા આધારથી સૌથી ઝડપથી વધ્યો.
એજન્ટિક ઉપયોગમાં વૃદ્ધિ દૈનિક Codex રનટાઇમમાં જોઈ શકાય છે. OpenAIના દૈનિક સક્રિય વપરાશકર્તાઓમાં, સૌથી ભારે વપરાશકર્તાઓ Codexને એક જ દિવસે ઘણા કલાકોનું એજન્ટ કામ ચલાવવા કહે છે. જૂન 2026 સુધીમાં, 99મા પર્સેન્ટાઇલના વપરાશકર્તાઓ નિયમિતપણે દરરોજ Codex એજન્ટ ટર્નના 60 કલાકથી વધુ સર્જતા હતા, જે બહુવિધ સમાંતર એજન્ટોમાં વહેંચાયેલા હતા. Codex વધુ શક્તિશાળી અને સમાંતર રીતે ચલાવી શકાય તેવું બનતાં, વપરાશકર્તાઓ Codex પાસેથી એક સમયે માત્ર એક જવાબ માંગવાને બદલે દિવસ દરમિયાન બહુવિધ એજન્ટ કાર્યોનું વધુ સંકલન કરવા લાગ્યા.
સ્વીકૃતિ એન્જિનિયરોથી OpenAIના બાકીના ભાગોમાં આગળ વધી રહી છે
OpenAIના એન્જિનિયરોએ Codex અપનાવવાનું પહેલાં, ધીમે ધીમે શરૂ કર્યું. કંપનીના સરેરાશ એન્જિનિયરે ડિસેમ્બર 2025 સુધીમાં OpenAI પ્રોડક્ટ્સના પોતાના ઉપયોગનો મોટો ભાગ Codex તરફ ખસેડ્યો. આજે, સરેરાશ એન્જિનિયર તેમના 99% આઉટપુટ ટોકન ChatGPTને બદલે Codex વડે સર્જે છે. કાનૂની, નાણાં અને ભરતી વિભાગો Codexના બહુમતી ઉપયોગ સુધી પછીથી, એપ્રિલ 2026 આસપાસ પહોંચ્યા, પરંતુ તેમના પરિવર્તનો ઘણાં ઝડપી હતા. OpenAIનો સરેરાશ વકીલ અથવા ભરતીકર્તા હવે તેમના 85%થી વધુ આઉટપુટ ટોકન Codex પર સર્જે છે.
છેલ્લા છ મહિનામાં, OpenAIમાં Codexનો ઉપયોગ વધુ ઊંડો અને સઘન બન્યો છે. સક્રિય આંતરિક વપરાશકર્તાઓમાં, સંયુક્ત આઉટપુટ ટોકનમાં ફેરફાર વિભાગો દરમ્યાન તીવ્ર રીતે વધ્યો. સંશોધનમાં સૌથી મોટો ઉછાળો જોવા મળ્યો: જૂન 2026 સુધીમાં, મધ્યમ ઉપયોગ નવેમ્બર 2025 કરતાં 56 ગણો વધારે હતો. ગ્રાહક સહાય 32 ગણું અને એન્જિનિયરિંગ 27 ગણું વધ્યું, જ્યારે કાનૂની વધુ ધીમે વધ્યું છતાં નવેમ્બરના સ્તર કરતાં 13 ગણું પહોંચ્યું.
આ બે પેટર્ન સાથે મળીને બતાવે છે કે ઉત્પાદક કામ કરવા માટે OpenAI AIનો ઉપયોગ કેવી રીતે કરે છે તેમાં Codexએ કેવો પરિવર્તન લાવ્યું છે. કંપનીભરમાં, વપરાશકર્તાઓ AI ક્રિયાપ્રતિક્રિયાના મુખ્ય સ્વરૂપ તરીકે ચેટબોટ્સમાંથી એજન્ટો તરફ વળી રહ્યા છે અને ઝડપથી વધતી એજન્ટિક મજૂરી તહેનાત કરી રહ્યા છે.
બિન-ડેવલપરો સૌથી ઝડપથી વધતા વપરાશકર્તા જૂથો છે
OpenAI, સંસ્થાગત અને વ્યક્તિગત વપરાશકર્તાઓ સહિત બધા વપરાશકર્તા જૂથોમાં, Codexનો ઉપયોગ ડેવલપરો સાથે શરૂ થયો, કારણ કે કોડિંગ ટૂલ તરીકે શરૂ થયેલા સાધન માટે તેઓ સ્વાભાવિક લક્ષ્ય પ્રેક્ષકવર્ગ હતા. પરંતુ Codex વધુ સામાન્ય જ્ઞાનકાર્ય તરફ વિસ્તરતાં, બિન-ડેવલપરોમાં સ્વીકૃતિ હજુ ઝડપથી વધી. નીચેના વપરાશકર્તા વૃદ્ધિ ચાર્ટમાં દર્શાવ્યા મુજબ, વ્યક્તિગત, સંસ્થાગત અને OpenAI વસ્તીમાં સાપ્તાહિક બિન-ડેવલપર વપરાશકર્તાઓ ડેવલપર વપરાશકર્તાઓ કરતાં ઝડપથી વધ્યા. જૂન 2026ની શરૂઆત સુધીમાં, બિન-ડેવલપર વ્યક્તિગત વપરાશકર્તાઓ ઓગસ્ટ 2025થી 137 ગણાં થયા. બિન-ડેવલપર સંસ્થાગત વપરાશકર્તાઓ 189 ગણાં વધ્યા, અને બિન-ડેવલપર OpenAI વપરાશકર્તાઓ 12 ગણાં વધ્યા, શક્ય છે કારણ કે આ જૂથ પહેલેથી જ સરેરાશથી ઘણાં ઊંચા પ્રારંભિક બિંદુએ હતું.
આ પરિવર્તનનો અર્થ એ નથી કે દરેક બિન-ડેવલપર Codexનો ઉપયોગ એન્જિનિયરની જેમ જ કરે છે. તેનો અર્થ એ છે કે વધુ બિન-ડેવલપરો કોઈક પ્રકારના એજન્ટિક કામ માટે Codexનો ઉપયોગ કરી રહ્યા છે.
Codex સંભવિત ઉત્પાદક કામની ક્ષિતિજ વિસ્તારી રહ્યું છે
Codex બિન-તકનિકી વિભાગોને અગાઉ તકનિકી નિષ્ણાતીના અભાવે અટકતા વર્કફ્લોને ઝડપી બનાવવામાં સક્ષમ બનાવે છે. નીચેનો હીટ મેપ OpenAIની અંદરના અનુમાનિત વ્યવસાયોને Codex આઉટપુટમાં દર્શાતા કામના પ્રકાર સાથે સરખાવે છે. ડેટા સાયન્સ અને સંશોધન માટે એન્જિનિયરિંગ અને કોડિંગ સૌથી મોટી શ્રેણી તરીકે દેખાય છે, જ્યારે નાણાં અને બિઝનેસ ઓપરેશન્સ, માર્કેટિંગ, ઓપરેશન્સ અને અન્ય વિભાગો માટે જ્ઞાનકાર્ય સૌથી મોટી શ્રેણી છે.
તેમ છતાં, એજન્ટિક ટૂલ્સ વ્યક્તિગત કર્મચારી શું કરી શકે તેની સીમા વિસ્તારી શકે છે. ઉદાહરણ તરીકે, બિઝનેસ કાર્યોમાં કર્મચારીઓએ Codex સાથે કરેલા કામમાંથી એક ચોથાથી વધુ એન્જિનિયરિંગ અથવા કોડિંગ હતું. એજન્ટો કાર્યસીમાઓ પાર કરવાની કિંમત ઘટાડી શકે છે અને કર્મચારીઓને એવું લગોળ કામ કરવામાં મદદ કરી શકે છે જેને પહેલાં વધુ વિશેષ તકનિકી સહાયની જરૂર પડતી હતી.
Occupation vs. work done with Codex
| Work category | |||||
|---|---|---|---|---|---|
| Consolidated inferred department | |||||
| Engineering | |||||
| Data Science / Research | |||||
| Finance / Biz Ops | |||||
| Product / Marketing / Ops | |||||
| Other | |||||
એજન્ટોની આર્થિક સંભાવના માટે તેનો અર્થ શું છે
બિન-એન્જિનિયર કર્મચારીઓ દ્વારા એજન્ટિક ટૂલ્સનો વધેલો ઉપયોગ આ કર્મચારીઓ શું કરી શકે તેની અગ્રસીમા વિસ્તારે છે. વર્કફ્લો કેવી રીતે ફરીથી રચવા તે નક્કી કરનાર વ્યવસાયો માટે, કયા કૌશલ્યો વધુ મૂલ્યવાન બને છે તે શીખતા કર્મચારીઓ માટે, અને AI શ્રમબજારને કેવી રીતે બદલે છે તે સમજવાનો પ્રયાસ કરતા નીતિનિર્માતાઓ અને સંશોધકો માટે આ મહત્વનું છે.
અમારું પેપર બતાવે છે કે અત્યાધુનિક વપરાશકર્તાઓ અગ્રસીમા પર સક્ષમ એજન્ટિક ટૂલ્સ કેવી રીતે અપનાવે છે. અમારા પરિણામો બતાવે છે કે જ્યારે લોકોને સક્ષમ એજન્ટિક ટૂલ્સની વ્યાપક અને ઓછી ઘર્ષણવાળી ઍક્સેસ મળે ત્યારે શું બને છે: ટૂલ્સ સુધરે તેમ લોકો તેનો ઉપયોગ વધુ લાંબા, વધુ જટિલ અને વધુ ક્રોસ-ફંક્શનલ કામ માટે કરે છે. સમય જતાં, કામનું ભવિષ્ય આવું જ દેખાવાની શક્યતા છે.
લેખક
ફૂટનોટ્સ
- 1
કાર્ય ક્ષિતિજનો અંદાજ Codex ટ્રાન્સક્રિપ્ટની ઍક્સેસ ધરાવતા LLM-એઝ-જજ વડે લગાવવામાં આવે છે.
- 2
આ મર્યાદાઓ મોડલ-આધારિત અંદાજો છે, તેથી તેને ચોક્કસ નહીં પણ દિશાસૂચક માનવી જોઈએ. આ પણ માત્ર વ્યક્તિગત ડેટા અને વપરાશકર્તાઓના 0.1%ના રેન્ડમ નમૂનાની ક્વેરીઝ પર આધારિત છે.


