OpenAI ChatGPT Work را به سطح ۲۰ دلاری میبرد
دادههای پشتیبانیشده توسط OpenAI نشان میدهد که Codex در داخل سازمان تقریباً جهانی است اما کمتر از ۱٪ در میان مشترکین فردی است.
OpenAI از ChatGPT Work، یک محصول ۲۰ دلاری در پایینترین سطح اشتراک خود، برای وارد کردن عوامل هوش مصنوعی به جریانهای کاری اداری اصلی استفاده میکند. دادههای پذیرش پشتیبانی شده توسط OpenAI نشان میدهد که عادات داخلی عوامل این شرکت هنوز به مشتریان منتقل نشده است و مجوزها و اصطکاک تجربه کاربری به عنوان گلوگاه ظاهر شدهاند.
نکات کلیدی
- ChatGPT Work در ژوئیه ۲۰۲۶ راهاندازی شد و در پایینترین سطح اشتراک ۲۰ دلاری OpenAI قرار دارد.
- یک مطالعه پشتیبانی شده توسط OpenAI استفاده از Codex را در ژوئن ۲۰۲۶ در میان کارکنان OpenAI ۹۸٪، در میان مشترکین سازمانی ۱۷٪ و در میان مشترکین فردی کمتر از ۱٪ اندازهگیری کرد.
- OpenAI تعداد کاربرانی که از Work در مقابل Codex استفاده میکنند را فاش نکرده است، در حالی که برنامه ترکیبی را به عنوان ابزاری که توسط ۲۰ میلیون نفر استفاده میشود در مقابل "بیش از یک میلیارد" کاربری که به صورت آنلاین از ChatGPT استفاده میکنند توصیف کرده است.
- کارکنان OpenAI مفید بودن عوامل را به شدت به اتصال صندوقهای ورودی و ابزارهای محل کار مرتبط دانستند، تنظیمی که نیاز به مجوزهای گسترده دارد و تجارتهای مربوط به حریم خصوصی و کنترل را ایجاد میکند.
ChatGPT Work: تلاش ۲۰ دلاری OpenAI برای فراتر رفتن از توسعهدهندگان
ChatGPT Work تلاش OpenAI برای گرفتن جریان کاری عاملی است که توسعهدهندگان قبلاً آن را تحمل میکنند و آن را به سایرین بفروشد. این محصول "ماه گذشته" نسبت به ۲۴ اوت ۲۰۲۶ منتشر شد و در پایینترین سطح اشتراک OpenAI به قیمت ۲۰ دلار در ماه در دسترس است و به عنوان راهی برای کارمندان اداری برای اجرای عواملی که میتوانند پروژههای چند مرحلهای را تکمیل کنند، به جای فقط پاسخ دادن به سوالات، معرفی شده است.
از نظر مکانیکی، Work نسخهای اصلاح شده از Codex، ابزار کدنویسی OpenAI است که به گونهای دوباره بستهبندی شده است که غیرمهندسان نیز بتوانند از همان حلقه "کار را انجام بده" که توسعهدهندگان از کدنویسی عاملی دریافت میکنند، استفاده کنند. در چارچوب OpenAI، این محصول به منظور اتصال یک LLM به نرمافزاری که واقعاً روز یک کارمند را در بر میگیرد، طراحی شده است و سپس اجازه میدهد که در آن سیستمها با حداقل نظارت اجرا شود.
تیم اصلی محصول OpenAI، Thibault Sottiaux، هدف را به عنوان عواملی توصیف کرد که "تمام وظایف بسیار پیچیده را به طور خودکار و به روشی دلپذیر و ایمن برای شما انجام میدهند" و آن را به توزیع به جای انحصار مرتبط دانست: "این دقیقاً مأموریت OpenAI است — آوردن همه به همراه خود." انگیزه تجاری واضح است.
عوامل با مدت زمان طولانیتر توکنهای بیشتری مصرف میکنند، واحد متنی که پردازش میشود و اغلب هزینههای استفاده و درآمد را تعیین میکند، بنابراین تبدیل درخواستهای روتین به اجرای پایدار عوامل یک اهرم مستقیم برای درآمدزایی است.
فاصله پذیرش در اعداد: ۹۸٪ استفاده داخلی در مقابل کمتر از ۱٪ استفاده فردی
تمیزترین سیگنال در بسته این است که نیروی کار خود OpenAI طوری رفتار میکند که گویی آینده در حال حاضر اینجاست، در حالی که مشتریان عمدتاً اینطور نیستند. یک مطالعه پشتیبانی شده توسط OpenAI نشان داد که در ژوئن ۲۰۲۶، ۹۸٪ از کارکنان OpenAI از Codex استفاده میکردند، در مقایسه با ۱۷٪ از مشترکین سازمانی و کمتر از ۱٪ از مشترکین فردی.
این فاصله مهم است زیرا نشان میدهد گلوگاه آگاهی نیست. این تبدیل در آستانه کاربری است که کارکنان OpenAI مایل به عبور از آن برای کار هستند، اما مشترکین معمولی نیستند. تیمهای داخلی OpenAI نیز مجبور شدند از آن خط عبور کنند. اندرو آمبروسینو، مهندس ارشد اپلیکیشن دسکتاپ OpenAI، گفت که تیمهای غیرمهندسی زمانی شروع به استفاده از Codex کردند که این ابزار "به طور فعال به آنها خصمانه" بود، از جمله درخواستهایی درباره کد و خروجی "اختلاف خالی".
او گفت که تیم آن را "بین فوریه و حالا به طور کلیتر" کرده است، که فشار فعلی کار را در زمینه یک بازسازی داخلی چند ماهه از ابزارهای اول توسعهدهنده به جریانهای کار دانش عمومی قرار میدهد.
OpenAI از افشای تعداد افرادی که از Work در مقابل Codex استفاده کردند، خودداری کرد. این شرکت اپلیکیشن ترکیبی را به عنوان ابزاری که توسط ۲۰ میلیون نفر استفاده میشود، توصیف کرد، در مقایسه با "بیش از یک میلیارد" کاربر که ChatGPT را آنلاین تحریک میکنند. این مقایسه قیف را ترسیم میکند که OpenAI در تلاش است تا آن را به درآمد تبدیل کند، اما این یک معیار پذیرش تمیز نیست.
بسته مشخص نمیکند که آیا "۲۰ میلیون" کاربران فعال روزانه، کاربران فعال ماهانه، یا کاربران تجمعی هستند و "بیش از یک میلیارد" زمانبندی نشده یا به عنوان ثبتنام شده در مقابل فعال تعریف نشده است.
با این حال، خوانش جهتدار را نمیتوان نادیده گرفت. OpenAI Work را در پایینترین سطح ۲۰ دلاری قرار میدهد، که به نظر میرسد یک شرط توزیع برای ایجاد عادتسازی به جای یک فروش بالاتر است. بدون تقسیم Work در مقابل Codex، همچنین دشوار است که بگوییم آیا بستهبندی جدید تأثیری دارد یا فقط نامگذاری همان گروه کاربران قدرت است.
مشکل هارنس: مجوزها، حریم خصوصی و قابلیت کشف
کارکنان OpenAI بارها به همان مکانیزم بازمیگردند: هارنس. هارنس لایه نرمافزاری اطراف یک مدل است که تعیین میکند چه اطلاعاتی میتواند به آن دسترسی پیدا کند، کدام ابزارها را میتواند استفاده کند و چگونه وظایف را انجام میدهد. عوامل فقط "چت بهتر" نیستند. آنها یک مدل به علاوه یک هارنس هستند که میتواند اقداماتی در چندین مرحله انجام دهد، که به این معنی است که هارنس باید هم قدرتمند و هم قابل فهم برای کاربران غیر فنی باشد.
نکته این است که مفید بودن و ریسک به طور همزمان افزایش مییابند. آمبروسینو گفت که اپلیکیشن دسکتاپ به صندوق ورودی، Slack، تلفن و اپلیکیشنهایی مانند Notion و Figma دسترسی و کنترل دارد. او همچنین حالت شکست حریم خصوصی را به زبان ساده توضیح داد: "اگر از آن بخواهم که یک سند بنویسد، آیا احتمال دارد که از یک DM خصوصی در این موضوع استفاده کند و ندانسته اطلاعاتی را که نباید به اشتراک بگذارد، بگیرد؟ بله،" و افزود: "من این کار را برای شغل انجام میدهم. اگر لازم باشد، اینجا و آنجا ضربه شخصی را میپذیرم. و من مجبور نبودهام."
این گلوگاه پذیرش در یک نقل قول است. محلهای کار اصلی فقط به یک مدل بهتر نیاز ندارند. آنها به یک سطح مجوزدهی و کنترل نیاز دارند که به آنها اجازه دهد بدون احساس اینکه کلیدها را به همه میدهند، دسترسی را اعطا کنند.
این بسته همچنین اصطکاک راهاندازی را توصیف میکند که مانند یک مالیات محصول بر کاربران غیر فنی به نظر میرسد. مجوزها برای درایوهای ابری به عنوان گیجکننده توصیف شدند، با تلاشهایی برای اعطای دسترسی "خواندن" که منجر به خطاهایی شد تا اینکه یک گفتگوی موبایل نشان داد که تنها دسترسی کامل کار خواهد کرد. بسیاری از تنظیمات مهم فقط در اپلیکیشن وب در دسترس بودند و کاربران را مجبور به سوئیچ بین وب و موبایل کردند.
حتی زمانی که متصل بودند، ابزار دارای لبههای سختی بود، مانند توانایی ایجاد رویدادهای تقویم گوگل اما عدم توانایی در ایجاد تقویمهای جدید.
قابلیت کشف، نیمه دیگر مشکل هارنس است. کارمندان OpenAI درباره اینکه آیا دکمهها لازم هستند اگر کاربران فقط بتوانند از مدل بپرسند، بحثهای داخلی را توصیف کردند. آمبروسینو مخالفت کرد و گفت: "قابلیت کشف در این مرحله اهمیت دارد و در یک نقطهای ما دکمه نخواهیم داشت."
جو گرشنسون، سرپرست مهندسی هارنس OpenAI، همچنین اذعان کرد که کنترلهای تلاش و استدلال هنوز شهودی نیستند و گفت: "چیزهایی وجود دارد که میتوانیم بهتر انجام دهیم تا به آنها کمک کنیم سطح مناسب استدلال را به دست آورند..." و افزود: "این فضا را زیر نظر داشته باشید."
OpenAI همچنین در تلاش است تا عملکرد کارهای دانش را به اندازه کافی قابل اندازهگیری کند تا بتوان بر اساس آن تکرار کرد. این شرکت اعلام کرد که از یک معیار به نام GDPval استفاده میکند که از ۴۴ شغل و صدها آزمون کارهای دانش استخراج شده و با بازخورد کاربران تکمیل شده است.
این یک سیگنال است که OpenAI انتظار دارد عملکرد عوامل خارج از کدنویسی مانند معیارهای کدنویسی ارزیابی و بهبود یابد، که پیشنیازی برای فروش عوامل به سازمانهای غیر مهندسی است که خواستار تکرارپذیری خواهند بود.
سیگنالهایی که معاملهگران باید پیگیری کنند: کشش کسبوکار، خندقهای مدل در مقابل خندقهای هارنس، و فشار رقابتی
سؤال نزدیکمدت این است که آیا Work میتواند یک پایگاه کاربری گسترده ChatGPT را به استفادههای مجوزدار و متصل به ابزار تبدیل کند که توکنهای معناداری را بسوزاند بدون اینکه واکنش منفی از سوی شرکتها را به همراه داشته باشد. اولین نشانه، افشاگری است.
هرگونه تجزیه و تحلیل آینده از کاربران Work در مقابل کاربران Codex، یا برآوردهای معتبر از سوی طرفهای ثالث، مشخص خواهد کرد که آیا قرارگیری در سطح ۲۰ دلاری واقعاً مشترکین اصلی را به کاربران عامل تبدیل میکند یا خیر.
سیگنال دوم این است که آیا OpenAI اصطکاک راهاندازی را کاهش میدهد بدون اینکه کنترلها را تضعیف کند. این به معنای جریانهای مجوز سادهتر، شکافهای کمتر بین وب و موبایل، و تنظیمات تلاش یا استدلال واضحتر است تا کاربران تازهکار تجربهای با تلاش کم و نامناسب مانند "بدترین کارآموز" نداشته باشند و از سیستم خارج نشوند.
رقابت همچنین از کیفیت مدل به توزیع جریان کار تغییر میکند. این بسته رقبای خاص عمودی مانند هاروی (حقوق) و کلی (فروش) را به عنوان مدلناشناس توصیف میکند، به این معنی که میتوانند هر مدلی را که بهترین عملکرد را دارد، جایگزین کنند.
کریستین کاتالینی هشدار داد که "اگر آزمایشگاهها نتوانند به سرعت به کلیدهای مکمل دسترسی پیدا کنند،"داراییهابرای گسترش هوش مصنوعی در بازار، ارزش در جای دیگری جمع خواهد شد، که این یک تهدید مستقیم برای آزمایشگاههایی است که فرض میکنند بهبود مدلها به تنهایی رابطه مشتری را تأمین خواهد کرد.
تیم خود OpenAI در مورد اینکه دژ دفاعی کجا قرار دارد، تقسیم شده است. آمبروسینو استدلال کرد: "پاسخ ناامیدکننده این است که بسیاری از اوقات این مدل است، و یکی از چیزهایی که ما سعی کردهایم با این اپلیکیشن به خوبی انجام دهیم، بهرهبرداری کامل از مدل است."
گرشنسون اهمیت دفاعپذیری را کماهمیت جلوه داد و گفت: "شما میتوانید در کوتاهمدت با اضافه کردن یک سری اضافات — اگر و سپسها و ابزارها — نتایج خوبی بگیرید، اما مثل اینکه، بیایید، مدل بعدی در چند ماه آینده بیرون میآید و آن را منسوخ میکند."
یک نماینده عملی از تقاضا در بسته نشان میدهد که رقابت بین عاملان کدنویسی هنوز ادامه دارد. استفاده از آمار دانلود به عنوان نمایندهای برای علاقه، نشان میدهد که Claude Code تا آوریل 2026 بیشتر مورد تقاضا بود، پس از آن Codex کمی پیشی گرفت و نظرسنجیهای شرکتی نشان داد که OpenAI در حال نزدیک شدن است. بسته نام مجموعههای داده یا آمار نظرسنجی را ذکر نمیکند، بنابراین از نظر جهتگیری مفید است اما یک تابلو امتیاز دقیق نیست.
خوانش من: افزایش درآمد کار بستگی به تبدیل قیف ChatGPT به اقدامهای معتبر و مجاز دارد
آستانهای که اهمیت دارد این نیست که آیا عاملها میتوانند نمایشهای چشمگیری داشته باشند. بلکه این است که آیا OpenAI میتواند کاربران غیر فنی را متقاعد کند که مجوزهایی را بدهند که باعث میشود عاملها مفید باشند بدون اینکه احساس کنند کنترل صندوق ورودی، Slack و فایلهای خود را واگذار میکنند.
اعداد پذیرش پشتیبانی شده توسط OpenAI این نکته را روشن میکند: 98% استفاده داخلی در مقابل کمتر از 1% در میان مشترکین فردی یک مشکل تبدیل است، نه یک مشکل بازاریابی.
اگر OpenAI بتواند لایهی کنترل را ساده کند و افزایشهای ارزیابی به سبک GDPval را در جریانهای کاری بدون کدنویسی قابل مشاهده کند، کار به نظر میرسد که یک محرک مصرف توکن پایدار باشد نه فقط یک مجموعه ویژگی برای توسعهدهندگان. اگر مجوزها و قابلیت کشف باقی بمانند، ابزارهای عمودی مستقل از مدل همچنان توزیع جریان کاری را در اختیار خواهند داشت حتی اگر کیفیت مدل همگرا شود.
