Agents များက အလုပ်ကို ပြောင်းလဲနေသည့်ပုံ

Agentic AI သည် အသိပညာအလုပ်၏ ယူနစ်ကို တစ်ကြိမ်ချင်း တုံ့ပြန်ဆက်သွယ်မှုများမှ တာဝန်လွှဲအပ်ထားသော အချိန်အလျားရှည် အလုပ်များသို့ ပြောင်းလဲပေးသည်။ Chatbot နှင့် ဆက်သွယ်မှုများသည် မကြာခဏ တိုတောင်းပြီး တစ်ခုချင်းစီ ပြည့်စုံလေ့ရှိသည်။ Agents များသည် tool call များကို စီမံညှိနှိုင်းခြင်း၊ environment များနှင့် ဆက်သွယ်ခြင်း၊ ဖြေရှင်းချက်များဆီသို့ ထပ်တလဲလဲ တိုးတက်အောင်လုပ်ခြင်းတို့ဖြင့် မိနစ်များ သို့မဟုတ် နာရီများကြာ လွတ်လပ်စွာ လုပ်ဆောင်နိုင်သည်။ ထို့ကြောင့် agents များသည် အလုပ်အတွက် အစွမ်းထက်ဆုံး AI tool အဖြစ် လျင်မြန်စွာ ဖြစ်လာနေသည်။

ပြီးခဲ့သည့်နှစ်အတွင်း ဤပြောင်းလဲမှုကို OpenAI တွင် ကျွန်ုပ်တို့ ကိုယ်တိုင်မြင်တွေ့ခဲ့ရသည်။ Codex ကို အများပြည်သူထံ ဖြန့်ချိပြီးနောက် ပထမ လအနည်းငယ်အတွင်း OpenAI အတွင်း အလုပ်အတွက် မူလသုံး AI tool မှာ ChatGPT ဖြစ်နေဆဲဖြစ်သည်။ ၂၀၂၅ ဩဂုတ်လအထိ ပျမ်းမျှ OpenAI ဝန်ထမ်းတစ်ဦးသည် ၎င်း၏ တိုကင်များ၏ 10% ထက်နည်းသော ပမာဏကိုသာ Codex တွင် သုံးစွဲခဲ့သည်။ ယခုအခါ ဥပဒေရေးရာနှင့် လူခေါ်ယူရေးကဲ့သို့ နည်းပညာမဟုတ်သော ဌာနများအပါအဝင် ဌာနတိုင်းသည် Codex ကို အလုပ်အတွက် အဓိက AI tool အဖြစ် အသုံးပြုနေသည်။ ဤပုံစံသည် agentic tool များ၏ စွမ်းရည်နှင့် လက်လှမ်းမီနိုင်မှု ပိုမိုကျယ်ပြန့်လာသဖြင့် အနာဂတ်အလုပ်ပုံစံ ဖြစ်လာမည်ဟု ကျွန်ုပ်တို့ ယုံကြည်သည့်အရာကို ထင်ဟပ်စေသည်။

Codex အသုံးပြုမှုသည် Codex ၏ စွမ်းရည်များနှင့်အတူ တိုးတက်လာခဲ့သည်။ Codex သည် ပိုမိုအားကောင်းသော မော်ဒယ်များနှင့် ထုတ်ကုန် feature အသစ်များကို အသုံးချလာသည်နှင့်အမျှ ထုတ်လုပ်မှုတန်ဖိုးရှိသော အလုပ်များကို ပိုမိုကျယ်ပြန့်စွာ တာဝန်ယူနိုင်လာသည်။ တစ်ဦးချင်းအသုံးပြုသူများ၊ အဖွဲ့အစည်းအသုံးပြုသူများနှင့် OpenAI ဝန်ထမ်းများအကြား ပြီးခဲ့သည့်နှစ်အတွင်း လမ်းကြောင်းလေးခုကို ကျွန်ုပ်တို့ မှတ်တမ်းတင်ထားသည်-

• လူများသည် Codex ကို အချိန်အလျားပိုရှည်သော အလုပ်များအတွက် အသုံးပြုကြသည်။ ၂၀၂၆ မေလတွင် နမူနာယူထားသော တစ်ဦးချင်းအသုံးပြုသူများ၏ 80.6% သည် လူ့အလုပ်အချိန် ၃၀ မိနစ်ထက် ကျော်မည်ဟု ခန့်မှန်းထားသော Codex request အနည်းဆုံးတစ်ခု ပြုလုပ်ခဲ့ပြီး၊ 70.2% သည် တစ်နာရီထက် ကျော်မည်ဟု ခန့်မှန်းထားသော request တစ်ခု ပြုလုပ်ခဲ့ကာ 25.6% သည် ရှစ်နာရီထက် ကျော်မည်ဟု ခန့်မှန်းထားသော Codex request အနည်းဆုံးတစ်ခု ပြုလုပ်ခဲ့သည်။
• Codex သည် OpenAI ရှိ ဌာနတိုင်းအတွက် အဓိက AI tool ဖြစ်လာခဲ့သည်။ အင်ဂျင်နီယာဌာနက ပထမဆုံး ပြောင်းလဲခဲ့သော်လည်း ဥပဒေရေးရာ၊ ဘဏ္ဍာရေးနှင့် လူခေါ်ယူရေးတို့သည် ၂၀၂၆ ဧပြီဝန်းကျင်တွင် Codex ကို ၎င်းတို့၏ အဓိက AI tool အဖြစ် အသုံးပြုလာခဲ့သည်။ ပျမ်းမျှ OpenAI ဝန်ထမ်းတစ်ဦးအတွက် ယခု Codex အသုံးပြုမှုသည် output တိုကင်များ၏ 85% ကျော်ရှိသည်။ Codex အသုံးပြုသူများသည် မသုံးသူများထက် တိုကင်များကို ပိုမိုသုံးစွဲလေ့ရှိသောကြောင့် စုစုပေါင်းတိုကင်များထဲမှ ၎င်း၏ အချိုးမှာ ပို၍မြင့်သည်- OpenAI အတွင်း ထုတ်လုပ်သော အပတ်စဉ် output တိုကင်များ၏ 99.8% ကို Codex က ဖန်တီးပေးနေသည်။
• Developer မဟုတ်သူများ၏ အသုံးပြုမှုသည် အထူးလျင်မြန်စွာ တိုးလာပြီး developer အသုံးပြုမှုကို ကျော်လွန်ခဲ့သည်။ ၂၀၂၅ ခုနှစ်၊ ဩဂုတ်လမှစ၍ developer မဟုတ်သော အသုံးပြုသူများသည် တစ်ဦးချင်းအသုံးပြုသူများတွင် ၁၃၇ဆ၊ အဖွဲ့အစည်းအသုံးပြုသူများတွင် ၁၈၉ဆ နှင့် OpenAI အတွင်း ၁၂ဆ တိုးလာခဲ့ပါသည်။
• Codex သည် OpenAI ဝန်ထမ်းများကို ၎င်းတို့၏ အလုပ်ဖော်ပြချက်အပြင်ဘက်ရှိ အလုပ်များကို လုပ်နိုင်စေခဲ့သည်။ နည်းပညာအသုံးပြုမှုသည် အင်ဂျင်နီယာများအကြား အများဆုံး ဖြစ်နေဆဲဖြစ်သော်လည်း နည်းပညာမဟုတ်သော အသုံးပြုသူများသည် automation၊ data transformation၊ tooling၊ debugging နှင့် structured analysis အပါအဝင် coding သို့မဟုတ် နည်းပညာဆိုင်ရာ အကောင်အထည်ဖော်မှုကို တာဝန်ယူရန် Codex ကို ပုံမှန်အသုံးပြုကြသည်။

၂၀၂၆ ခုနှစ် မေလတွင် အသုံးပြုသူ ၇၀% ကျော်သည် လူတစ်ဦး ပြီးမြောက်ရန် တစ်နာရီကျော် ကြာမည့် လုပ်ငန်းတစ်ခုကို အပြီးလုပ်ပေးဖို့ Codex ကို တောင်းဆိုခဲ့သည်¹။ Codex ၏ လွတ်လပ်စွာ long-context အလုပ်လုပ်နိုင်စွမ်း တိုးတက်လာသည်နှင့်အမျှ အသုံးပြုသူများသည် တိုတောင်းသော ဆက်သွယ်မှုများမှ အချိန်အလျားပိုရှည်သည့် ပိုခက်ခဲသော အလုပ်များဘက်သို့ ပြောင်းရွှေ့ခဲ့ကြသည်။ 

အောက်ပါဇယားသည် လူ့အချိန် သတ်မှတ်ချက်လေးခုကို ကျော်လွန်ခဲ့သော တစ်ဦးချင်းအသုံးပြုသူများ၏ အချိုးကို ခန့်မှန်းထားသည်- လူတစ်ဦး ၃၀ မိနစ်ကျော်၊ တစ်နာရီကျော်၊ လေးနာရီကျော်နှင့် ရှစ်နာရီကျော် ကြာမည့် အလုပ်များဖြစ်သည်²။ ၂၀၂၅ ဒီဇင်ဘာမှ ၂၀၂၆ မေအထိ လူတစ်ဦး ၃၀ မိနစ်ကျော် ကြာမည့် အလုပ်နှင့် ကိုက်ညီမည်ဟု ခန့်မှန်းထားသော တောင်းဆိုမှုပြုလုပ်သူ အသုံးပြုသူအချိုးသည် ၈၀.၆% အထိ တိုးလာခဲ့သည်။ လူတစ်ဦး တစ်နာရီကျော် ကြာမည့် တောင်းဆိုမှုပြုလုပ်သူအချိုးသည် ၇၀.၂% အထိ တိုးလာခဲ့သည်။ လူတစ်ဦး ရှစ်နာရီကျော် ကြာမည့် အလုပ်ကို တောင်းဆိုသူအချိုးမှာ အခြေခံနိမ့်နေရာမှ အမြန်ဆုံး တိုးလာခဲ့သည်။ 

Agentic အသုံးပြုမှု တိုးတက်လာခြင်းကို နေ့စဉ် Codex runtime တွင် မြင်နိုင်သည်။ OpenAI ရှိ နေ့စဉ် active user များအနက် အသုံးအများဆုံးသူများသည် တစ်ရက်အတွင်း အေးဂျင့် အလုပ်နာရီများစွာ လည်ပတ်ရန် Codex ကို တောင်းဆိုကြသည်။ ၂၀၂၆ ဇွန်တွင် 99th percentile ရှိ အသုံးပြုသူများသည် အပြိုင်အေးဂျင့် များစွာအကြား ခွဲဝေပြီး တစ်နေ့လျှင် Codex agent turn နာရီ ၆၀ ကျော်ကို ပုံမှန် ထုတ်လုပ်ခဲ့ကြသည်။ Codex ပိုမိုအားကောင်းပြီး အပြိုင်လုပ်ဆောင်နိုင်လာသည်နှင့်အမျှ အသုံးပြုသူများသည် Codex ကို တစ်ကြိမ်လျှင် အဖြေတစ်ခုသာ တောင်းဆိုခြင်းမှ တစ်နေ့တာအတွင်း အေးဂျင့် အလုပ်များစွာကို ပိုမိုစီမံညှိနှိုင်းအသုံးပြုခြင်းသို့ ပြောင်းလာခဲ့ကြသည်။

OpenAI ရှိ အင်ဂျင်နီယာများသည် Codex ကို ပထမဆုံး ဖြည်းဖြည်းချင်း စတင်အသုံးပြုခဲ့ကြသည်။ ကုမ္ပဏီရှိ ပျမ်းမျှအင်ဂျင်နီယာတစ်ဦးသည် OpenAI ထုတ်ကုန်များ အသုံးပြုမှုအများစုကို ၂၀၂၅ ဒီဇင်ဘာတွင် Codex သို့ ပြောင်းလဲခဲ့သည်။ ယနေ့တွင် ပျမ်းမျှအင်ဂျင်နီယာတစ်ဦးသည် ၎င်း၏ output တိုကင်များ၏ 99% ကို ChatGPT အစား Codex ဖြင့် ထုတ်လုပ်နေသည်။ ဥပဒေရေးရာ၊ ဘဏ္ဍာရေးနှင့် လူခေါ်ယူရေးတို့သည် ၂၀၂၆ ဧပြီဝန်းကျင်တွင် Codex ကို အများစုအသုံးပြုသည့်အဆင့်သို့ နောက်ကျမှ ရောက်ခဲ့သော်လည်း ၎င်းတို့၏ ပြောင်းလဲမှုများမှာ ပိုမိုမြန်ဆန်ခဲ့သည်။ OpenAI ရှိ ပျမ်းမျှရှေ့နေ သို့မဟုတ် recruiter တစ်ဦးသည် ယခု ၎င်း၏ output တိုကင်များ၏ 85% ကျော်ကို Codex ပေါ်တွင် ထုတ်လုပ်နေသည်။

ပြီးခဲ့သည့် ခြောက်လအတွင်း OpenAI တွင် Codex အသုံးပြုမှုသည် ပိုမိုနက်ရှိုင်းပြီး ပြင်းထန်လာခဲ့သည်။ အတွင်းပိုင်း active user များအကြား ပေါင်းစည်း output တိုကင်များ ပြောင်းလဲမှုသည် ဌာနအလိုက် သိသိသာသာ တိုးလာခဲ့သည်။ သုတေသနတွင် အကြီးမားဆုံး ခုန်တက်မှုကို တွေ့ရသည်- ၂၀၂၆ ဇွန်တွင် အလယ်အလတ်အသုံးပြုမှုသည် ၂၀၂၅ နိုဝင်ဘာထက် ၅၆ ဆ မြင့်ခဲ့သည်။ ဖောက်သည်ပံ့ပိုးရေးသည် ၃၂ ဆနှင့် အင်ဂျင်နီယာသည် ၂၇ ဆ တိုးလာပြီး၊ ဥပဒေရေးရာသည် ပိုမိုဖြည်းဖြည်း တိုးလာသော်လည်း နိုဝင်ဘာအဆင့်၏ ၁၃ ဆအထိ ရောက်ရှိခဲ့သည်။

ဤပုံစံနှစ်ခုကို ပေါင်းကြည့်ပါက OpenAI သည် ထုတ်လုပ်မှုတန်ဖိုးရှိသော အလုပ်များလုပ်ရန် AI ကို အသုံးပြုပုံကို Codex က မည်သို့ပြောင်းလဲခဲ့သည်ကို ပြသသည်။ ကုမ္ပဏီတစ်လျှောက် အသုံးပြုသူများသည် ၎င်းတို့၏ အဓိက AI ဆက်သွယ်မှုပုံစံအဖြစ် chatbot များမှ အေးဂျင့်များသို့ ပြောင်းလဲနေပြီး agentic လုပ်အားပမာဏကို အဆမြင့် တိုးတက်သည့်နှုန်းဖြင့် အသုံးချနေကြသည်။

OpenAI၊ အဖွဲ့အစည်းအသုံးပြုသူများနှင့် တစ်ဦးချင်းအသုံးပြုသူများဟူသော အသုံးပြုသူအုပ်စုအားလုံးတွင် Codex အသုံးပြုမှုသည် coding tool အဖြစ် စတင်ခဲ့သည့်အရာအတွက် သဘာဝကျသော ဦးတည်ပရိသတ်ဖြစ်သည့် developer များနှင့် စတင်ခဲ့သည်။ သို့သော် Codex သည် ပိုမိုအထွေထွေ အသိပညာအလုပ်ဘက်သို့ ကျယ်ပြန့်လာသည်နှင့်အမျှ developer မဟုတ်သူများအကြား အသုံးပြုမှုသည် ပိုမိုမြန်ဆန်စွာ တိုးလာခဲ့သည်။ အောက်ပါ အသုံးပြုသူတိုးတက်မှုဇယားတွင် ပြသထားသည့်အတိုင်း တစ်ဦးချင်း၊ အဖွဲ့အစည်းနှင့် OpenAI လူဦးရေအုပ်စုများအကြား အပတ်စဉ် developer မဟုတ်သော အသုံးပြုသူများသည် developer အသုံးပြုသူများထက် ပိုမြန်စွာ တိုးလာခဲ့သည်။ ၂၀၂၆ ဇွန်လအစောပိုင်းတွင် developer မဟုတ်သော တစ်ဦးချင်းအသုံးပြုသူများသည် ၂၀၂၅ ဩဂုတ်မှစ၍ ၁၃၇ ဆ တိုးလာခဲ့သည်။ developer မဟုတ်သော အဖွဲ့အစည်းအသုံးပြုသူများသည် ၁၈၉ ဆ တိုးလာပြီး developer မဟုတ်သော OpenAI အသုံးပြုသူများသည် ၁၂ ဆ တိုးလာခဲ့သည်။ ဤအုပ်စုသည် မူလကတည်းက ပျမ်းမျှထက် အတော်မြင့်သော စမှတ်မှ စတင်ခဲ့သောကြောင့် ဖြစ်နိုင်သည်။ 

ဤပြောင်းလဲမှုသည် developer မဟုတ်သူတိုင်းက Codex ကို အင်ဂျင်နီယာတစ်ဦးကဲ့သို့ တူညီသည့်နည်းလမ်းဖြင့် အသုံးပြုနေသည်ဟု မဆိုလိုပါ။ အစား၊ developer မဟုတ်သူ ပိုများလာခြင်းသည် Codex ကို agentic အလုပ်တစ်မျိုးမျိုးအတွက် အသုံးပြုနေကြောင်း ဆိုလိုသည်။ 

Codex သည် နည်းပညာကျွမ်းကျင်မှုကြောင့် ယခင်က ပိတ်ဆို့နှေးကွေးခဲ့သော လုပ်ငန်းစဉ်များကို နည်းပညာမဟုတ်သော ဌာနများက မြန်ဆန်စေနိုင်သည်။ အောက်ပါ heat map သည် OpenAI အတွင်း ခန့်မှန်းထားသော အလုပ်အကိုင်များကို Codex output များတွင် ကိုယ်စားပြုထားသည့် အလုပ်အမျိုးအစားနှင့် နှိုင်းယှဉ်ထားသည်။ အင်ဂျင်နီယာနှင့် coding သည် data science နှင့် သုတေသနအတွက် အကြီးဆုံးအမျိုးအစားအဖြစ် ပေါ်ထွက်လာပြီး၊ အသိပညာအလုပ်သည် ဘဏ္ဍာရေးနှင့် စီးပွားရေးလုပ်ငန်းဆောင်ရွက်မှုများ၊ marketing၊ operations နှင့် အခြားဌာနများအတွက် အကြီးဆုံးအမျိုးအစားဖြစ်သည်။ 

သို့ရာတွင် agentic tool များသည် ဝန်ထမ်းတစ်ဦးချင်းစီ လုပ်နိုင်သည့်အရာကို ချဲ့ထွင်ပေးနိုင်သည်။ ဥပမာအားဖြင့် စီးပွားရေးလုပ်ငန်းဆောင်တာများရှိ ဝန်ထမ်းများက Codex ဖြင့် လုပ်ဆောင်သည့်အလုပ်၏ လေးပုံတစ်ပုံကျော်သည် အင်ဂျင်နီယာ သို့မဟုတ် coding ဖြစ်ခဲ့သည်။ Agents များသည် အလုပ်တာဝန်နယ်နိမိတ်များကို ဖြတ်ကျော်ရွှေ့လျားရန် ကုန်ကျစရိတ်ကို လျှော့ချနိုင်ပြီး ယခင်က ပိုမိုအထူးပြု နည်းပညာပံ့ပိုးမှု လိုအပ်ခဲ့သော ဆက်စပ်အလုပ်များကို ဝန်ထမ်းများ လုပ်ဆောင်နိုင်ရန် ကူညီနိုင်သည်။

အင်ဂျင်နီယာမဟုတ်သော ဝန်ထမ်းများက agentic tool များကို ပိုမိုအသုံးပြုလာခြင်းသည် ၎င်းတို့လုပ်နိုင်သည့်အရာများ၏ စွမ်းဆောင်ရည်အမြင့်ဆုံး နယ်ပယ်ကို ချဲ့ထွင်ပေးသည်။ ၎င်းသည် လုပ်ငန်းစဉ်များကို မည်သို့ပြန်လည်ဒီဇိုင်းဆွဲမည်ကို ဆုံးဖြတ်နေသော စီးပွားရေးလုပ်ငန်းများ၊ မည်သည့်ကျွမ်းကျင်မှုများ ပိုတန်ဖိုးရှိလာမည်ကို လေ့လာနေသော ဝန်ထမ်းများ၊ AI က အလုပ်သမားဈေးကွက်ကို မည်သို့ပြောင်းလဲစေသည်ကို နားလည်ရန် ကြိုးစားနေသော မူဝါဒရေးရာတာဝန်ရှိသူများနှင့် သုတေသီများအတွက် အရေးကြီးသည်။

ကျွန်ုပ်တို့၏ စာတမ်းသည် စွမ်းဆောင်ရည်အမြင့်ဆုံး အသုံးပြုသူများက စွမ်းရည်မြင့် agentic tool များကို စွမ်းဆောင်ရည်အမြင့်ဆုံး နယ်ပယ်တွင် မည်သို့အသုံးပြုလက်ခံကြသည်ကို ပြသထားသည်။ ကျွန်ုပ်တို့၏ ရလဒ်များက လူများအနေဖြင့် စွမ်းရည်မြင့် agentic tool များကို ကျယ်ကျယ်ပြန့်ပြန့်၊ အတားအဆီးနည်းနည်းဖြင့် အသုံးပြုနိုင်သည့်အခါ ဖြစ်ပေါ်လာသောအရာကို ပြသသည်- tool များ ပိုမိုတိုးတက်လာသည်နှင့်အမျှ လူများသည် ၎င်းတို့ကို ပိုကြာ၊ ပိုရှုပ်ထွေးပြီး လုပ်ငန်းဆောင်တာများ ပိုဖြတ်ကျော်သော အလုပ်များအတွက် အသုံးပြုလာကြသည်။ အချိန်ကြာလာသည်နှင့်အမျှ ဤအရာသည် အလုပ်၏ အနာဂတ်ပုံစံ ဖြစ်လာနိုင်ဖွယ်ရှိသည်။