ایجنٹس کام کو کیسے بدل رہے ہیں
ایک نیا اقتصادی تحقیق پیپر جو سرحد پر Codex کی معاشی صلاحیت کی پیمائش کرتا ہے.
ایجنٹک AI علمی کام کی اکائی کو واحد تعاملات سے تفویض کردہ، طویل افق والے کاموں میں بدل دیتا ہے. چیٹ بوٹ تعاملات اکثر مختصر اور خود کفیل ہوتے ہیں. ایجنٹس ٹول کالز کو منظم کرتے، ماحولوں سے تعامل کرتے، اور حل تک پہنچنے کے لیے تکرار کرتے ہوئے منٹوں یا گھنٹوں تک آزادانہ طور پر کام کر سکتے ہیں. نتیجتاً، ایجنٹس تیزی سے کام کے لیے سب سے طاقتور AI ٹول بنتے جا رہے ہیں.
گزشتہ سال کے دوران، ہم نے OpenAI میں یہ تبدیلی براہ راست دیکھی. Codex کو عوام کے لیے جاری کیے جانے کے بعد ابتدائی چند مہینوں تک، ChatGPT OpenAI کے اندر کام کے لیے ڈیفالٹ AI ٹول رہا. اگست 2025 تک، OpenAI کا اوسط کارکن اپنے ٹوکنز کا 10% سے کم Codex پر خرچ کرتا تھا. اب ہر شعبہ، بشمول قانونی اور بھرتی جیسے غیر تکنیکی شعبے، Codex کو کام کے لیے اپنا بنیادی AI ٹول استعمال کرتا ہے. یہ طرز اس بات کی عکاسی کرتا ہے کہ ایجنٹک ٹولز کی وسیع صلاحیتوں اور رسائی کے پیش نظر ہمارے خیال میں کام کا مستقبل کیا ہوگا.
Codex کو اپنانا Codex کی صلاحیتوں کے ساتھ ساتھ بڑھا. جب Codex نے مضبوط ماڈلز اور نئی پروڈکٹ خصوصیات سے فائدہ اٹھایا، تو وہ پیداواری کاموں کے بڑھتے ہوئے مجموعے کو سنبھالنے کے قابل ہوگیا. انفرادی صارفین، تنظیمی صارفین، اور OpenAI کارکنوں میں، ہم گزشتہ سال کے دوران چار رجحانات درج کرتے ہیں:
- لوگ Codex کو طویل افق والے کام کے لیے استعمال کرتے ہیں. مئی 2026 تک، نمونے میں شامل 80.6% انفرادی صارفین نے کم از کم ایک ایسی Codex درخواست کی جس کا اندازہ 30 منٹ سے زیادہ انسانی کام کے برابر تھا، 70.2% نے ایک ایسی درخواست کی جس کا اندازہ ایک گھنٹے سے زیادہ تھا، اور 25.6% نے کم از کم ایک Codex درخواست کی جس کا اندازہ آٹھ گھنٹے سے زیادہ تھا.
- Codex، OpenAI کے ہر شعبے کے لیے بنیادی AI ٹول بن گیا. انجینئرنگ نے پہلے رخ بدلا، مگر قانونی، مالیات، اور بھرتی تقریباً اپریل 2026 میں Codex کو اپنا بنیادی AI ٹول بنانے کی حد عبور کر گئے. OpenAI کے اوسط کارکن کے لیے، Codex کا استعمال اب آؤٹ پٹ ٹوکنز کے 85% سے زیادہ بنتا ہے. چونکہ Codex صارفین غیر صارفین کے مقابلے میں زیادہ ٹوکنز استعمال کرتے ہیں، اس لیے مجموعی ٹوکنز میں اس کا حصہ اور بھی زیادہ ہے: OpenAI کے اندر جنریٹ ہونے والے ہفتہ وار آؤٹ پٹ ٹوکنز کا 99.8% Codex سے آتا ہے.
- غیر ڈیولپر اپنانے میں خاص طور پر تیزی سے اضافہ ہوا، جو ڈیولپر اپنانے سے آگے نکل گیا. اگست 2025 کے بعد سے، غیر ڈیولپر صارفین انفرادی صارفین میں 137x، تنظیمی صارفین میں 189x، اور OpenAI کے اندر 12x بڑھے.
- Codex نے OpenAI کارکنوں کو اپنی ملازمت کی تعریف سے باہر کے کام کرنے کے قابل بنایا. اگرچہ تکنیکی استعمال اب بھی انجینئرز میں سب سے عام ہے، غیر تکنیکی صارفین Codex کو باقاعدگی سے کوڈنگ یا تکنیکی عمل درآمد کے لیے استعمال کرتے ہیں، جس میں آٹومیشن، ڈیٹا ٹرانسفارمیشن، ٹولنگ، ڈی بگنگ، اور ساختی تجزیہ شامل ہیں.
ایجنٹس مشکل کاموں پر زیادہ دیر کام کرتے ہیں
مئی 2026 میں، 70% سے زیادہ صارفین نے Codex کو ایک ایسا کام مکمل کرنے کو کہا جسے مکمل کرنے میں کسی شخص کو ایک گھنٹے سے زیادہ وقت لگتا1. جیسے جیسے Codex کی آزاد، طویل سیاقی کام کرنے کی صلاحیت بہتر ہوئی، صارفین مختصر تعاملات سے ہٹ کر طویل افق والے زیادہ مشکل کاموں کی طرف منتقل ہوئے.
نیچے دیا گیا چارٹ انفرادی صارفین کے اس حصے کا اندازہ لگاتا ہے جس نے انسانی وقت کی چار حدود عبور کیں: ایسے کام جن میں ایک شخص کو 30 منٹ سے زیادہ، ایک گھنٹے سے زیادہ، چار گھنٹے سے زیادہ، اور آٹھ گھنٹے سے زیادہ لگیں گے2. دسمبر 2025 سے مئی 2026 تک، ان صارفین کا حصہ جنہوں نے ایسی درخواست کی جس کا اندازہ 30 منٹ سے زیادہ انسانی کام کے برابر تھا، بڑھ کر 80.6% ہو گیا. ایسی درخواست کرنے والوں کا حصہ، جس میں ایک شخص کو ایک گھنٹے سے زیادہ لگے گا، بڑھ کر 70.2% ہو گیا. ایسے کام کی درخواست کرنے والوں کا حصہ جس میں ایک شخص کو آٹھ گھنٹے سے زیادہ لگیں گے، کم ابتدائی بنیاد سے سب سے تیزی سے بڑھا.
ایجنٹک استعمال میں اضافہ روزانہ Codex رن ٹائم میں دیکھا جا سکتا ہے. OpenAI کے یومیہ فعال صارفین میں، سب سے زیادہ استعمال کرنے والے Codex سے ایک ہی دن میں کئی گھنٹوں کا ایجنٹ کام چلانے کو کہتے ہیں. جون 2026 تک، 99ویں پرسنٹائل کے صارفین باقاعدگی سے روزانہ 60 گھنٹے سے زیادہ Codex ایجنٹ ٹرنز جنریٹ کرتے تھے، جو متعدد متوازی ایجنٹس میں تقسیم ہوتے تھے. جیسے جیسے Codex زیادہ طاقتور اور متوازی طور پر چلنے کے قابل ہوا، صارفین Codex سے ایک وقت میں صرف ایک جواب مانگنے سے آگے بڑھ کر دن بھر متعدد ایجنٹ کاموں کو تیزی سے منظم کرنے لگے.
اپنانے کا سفر انجینئرز سے باقی OpenAI کی طرف جاری ہے
OpenAI کے انجینئرز نے Codex کو سب سے پہلے، بتدریج اپنانا شروع کیا. کمپنی میں اوسط انجینئر نے دسمبر 2025 تک OpenAI مصنوعات کے اپنے استعمال کی اکثریت Codex پر منتقل کر دی. آج، اوسط انجینئر اپنے 99% آؤٹ پٹ ٹوکنز ChatGPT کے بجائے Codex سے جنریٹ کرتا ہے. قانونی، مالیات، اور بھرتی نے بعد میں، تقریباً اپریل 2026 میں، Codex کے اکثریتی استعمال کی حد عبور کی، لیکن ان کی منتقلی بہت تیز تھی. OpenAI میں اوسط وکیل یا ریکروٹر اب اپنے 85% سے زیادہ آؤٹ پٹ ٹوکنز Codex پر جنریٹ کرتا ہے.
گزشتہ چھ ماہ کے دوران، OpenAI میں Codex کا استعمال گہرا اور شدید ہوا ہے. فعال داخلی صارفین میں، مشترکہ آؤٹ پٹ ٹوکنز میں تبدیلی شعبوں میں تیزی سے بڑھی. تحقیق میں سب سے بڑی چھلانگ دیکھی گئی: جون 2026 تک، میڈین استعمال نومبر 2025 کے مقابلے میں 56 گنا زیادہ تھا. کسٹمر سپورٹ 32 گنا اور انجینئرنگ 27 گنا بڑھی، جبکہ قانونی زیادہ بتدریج بڑھا مگر پھر بھی نومبر کی سطح کے 13 گنا تک پہنچ گیا.
یہ دونوں طرز مل کر دکھاتے ہیں کہ Codex نے OpenAI کے AI کو پیداواری کام کے لیے استعمال کرنے کے طریقے کو کیسے بدل دیا ہے. کمپنی بھر میں، صارفین AI تعامل کی بنیادی شکل کے طور پر چیٹ بوٹس سے ایجنٹس کی طرف منتقل ہو رہے ہیں اور تیزی سے بڑھتی ہوئی مقدار میں ایجنٹک محنت بروئے کار لا رہے ہیں.
غیر ڈیولپرز سب سے تیزی سے بڑھنے والے صارف گروپس ہیں
تمام صارف گروپس، یعنی OpenAI، تنظیمی، اور انفرادی صارفین، میں Codex کا استعمال ڈیولپرز سے شروع ہوا، جو ایک کوڈنگ ٹول کے طور پر شروع ہونے والی چیز کے لیے فطری ہدفی سامعین تھے. تاہم، جیسے جیسے Codex زیادہ عمومی علمی کام کی طرف پھیلا، غیر ڈیولپرز میں اسے اپنانا اور بھی تیزی سے بڑھا. جیسا کہ نیچے صارف نمو کے چارٹ میں دکھایا گیا ہے، ہفتہ وار غیر ڈیولپر صارفین انفرادی، تنظیمی، اور OpenAI آبادیوں میں ڈیولپر صارفین سے زیادہ تیزی سے بڑھے. جون 2026 کے اوائل تک، غیر ڈیولپر انفرادی صارفین اگست 2025 کے بعد سے 137 گنا ہو گئے. غیر ڈیولپر تنظیمی صارفین 189 گنا بڑھے، اور غیر ڈیولپر OpenAI صارفین 12 گنا بڑھے، غالباً اس لیے کہ یہ گروپ پہلے ہی اوسط سے کافی اوپر کی ابتدائی سطح سے شروع ہوا تھا.
اس تبدیلی کا مطلب یہ نہیں کہ ہر غیر ڈیولپر Codex کو انجینئر کی طرح ہی استعمال کر رہا ہے. بلکہ اس کا مطلب ہے کہ زیادہ غیر ڈیولپرز Codex کو کسی نہ کسی قسم کے ایجنٹک کام کے لیے استعمال کر رہے ہیں.
Codex ممکنہ پیداواری کام کے افق کو وسیع کر رہا ہے
Codex غیر تکنیکی شعبوں کو ایسے ورک فلوز تیز کرنے کے قابل بناتا ہے جو پہلے تکنیکی مہارت کی وجہ سے رکے رہتے تھے. نیچے دیا گیا ہیٹ میپ OpenAI کے اندر اخذ کردہ پیشوں کا Codex آؤٹ پٹس میں ظاہر ہونے والے کام کی قسم سے موازنہ کرتا ہے. انجینئرنگ اور کوڈنگ، ڈیٹا سائنس اور تحقیق کے لیے سب سے بڑی زمرہ بندی کے طور پر ظاہر ہوتی ہیں، جبکہ مالیات اور کاروباری آپریشنز، مارکیٹنگ، آپریشنز، اور دیگر شعبوں کے لیے علمی کام سب سے بڑا زمرہ ہے.
اس کے باوجود، ایجنٹک ٹولز اس دائرے کو وسیع کر سکتے ہیں کہ ایک فرد کارکن کیا کر سکتا ہے. مثال کے طور پر، کاروباری فنکشنز میں کارکنوں نے Codex کے ذریعے جو کام کیا، اس کا ایک چوتھائی سے زیادہ حصہ انجینئرنگ یا کوڈنگ تھا. ایجنٹس کام کی حدود کے پار منتقل ہونے کی لاگت کم کر سکتے ہیں اور کارکنوں کو ایسا ملحقہ کام کرنے میں مدد دے سکتے ہیں جس کے لیے پہلے زیادہ خصوصی تکنیکی مدد درکار ہوتی تھی.
Occupation vs. work done with Codex
| Work category | |||||
|---|---|---|---|---|---|
| Consolidated inferred department | |||||
| Engineering | |||||
| Data Science / Research | |||||
| Finance / Biz Ops | |||||
| Product / Marketing / Ops | |||||
| Other | |||||
ایجنٹس کی معاشی صلاحیت کے لیے اس کا کیا مطلب ہے
غیر انجینئر ملازمین کی طرف سے ایجنٹک ٹولز کا بڑھتا ہوا استعمال اس حد کو وسیع کرتا ہے کہ یہ کارکن کیا کر سکتے ہیں. یہ ان کاروباروں کے لیے اہم ہے جو ورک فلوز کو نئے سرے سے ڈیزائن کرنے کا فیصلہ کر رہے ہیں، ان ملازمین کے لیے جو سیکھ رہے ہیں کہ کون سی مہارتیں زیادہ قیمتی بنتی ہیں، اور پالیسی سازوں و محققین کے لیے جو سمجھنا چاہتے ہیں کہ AI لیبر مارکیٹ کو کیسے بدلتا ہے.
ہمارا پیپر دکھاتا ہے کہ سرحدی صارفین سرحد پر قابل ایجنٹک ٹولز کو کیسے اپناتے ہیں. ہمارے نتائج دکھاتے ہیں کہ جب لوگوں کو قابل ایجنٹک ٹولز تک وسیع اور کم رکاوٹ والی رسائی ملتی ہے تو کیا ہوتا ہے: جیسے جیسے ٹولز بہتر ہوتے ہیں، لوگ انہیں زیادہ طویل، زیادہ پیچیدہ، اور زیادہ بین عملی کام کے لیے استعمال کرتے ہیں. وقت گزرنے کے ساتھ، امکان ہے کہ کام کا مستقبل ایسا ہی نظر آئے گا.
مصنف
حواشی
- 1
کام کے افق کا اندازہ Codex ٹرانسکرپٹس تک رسائی رکھنے والے LLM بطور جج کے ذریعے لگایا گیا ہے.
- 2
یہ حدود ماڈل کے اندازوں پر مبنی ہیں، اس لیے انہیں قطعی کے بجائے سمت نما سمجھنا چاہیے. یہ بھی صرف انفرادی ڈیٹا پر اور صارفین کے 0.1% کے بے ترتیب نمونے کی کوئریز پر مبنی ہے.


