پیوندی به رویدادی که نزدیک به دو دهه مورد اعتماد رهبران سازمان‌ها قرار گرفته است. کنفرانس Transform 2025 ونتوربییت، افراد پیشرو در استراتژی‌های هوش مصنوعی سازمانی را گرد هم می‌آورد. در این کنفرانس، اولیویه گودمنت، رئیس محصول پلتفرم API اوپن‌ای‌آی، نگاهی پشت صحنه به نحوه پذیرش و استقرار عوامل هوش مصنوعی در مقیاس بزرگ ارائه داد.
در یک پانل بحث ۲۰ دقیقه‌ای که به‌طور انحصاری با گودمنت برگزار کردم، این محقق سابق استرایپ و مدیر فعلی API اوپن‌ای‌آی، جدیدترین ابزارهای توسعه‌دهنده اوپن‌ای‌آی شامل Responses API و Agents SDK را مورد بررسی قرار داد و الگوهای واقعی، ملاحظات امنیتی و نمونه‌های بازگشت سرمایه از کاربران اولیه مانند استرایپ و باکس را برجسته کرد.
برای رهبران سازمانی که قادر به شرکت در این جلسه زنده نبودند، هشت نتیجه‌گیری کلیدی ارائه می‌شود: به گفته گودمنت، سال ۲۰۲۵ یک تغییر واقعی در چگونگی استقرار هوش مصنوعی در مقیاس بزرگ را نوید می‌دهد. با بیش از یک میلیون توسعه‌دهنده فعال ماهانه که به‌طور جهانی از پلتفرم API اوپن‌ای‌آی استفاده می‌کنند و استفاده از توکن‌ها در سال گذشته ۷۰۰ درصد افزایش یافته است، هوش مصنوعی به سمت فراتر رفتن از آزمایش‌ها در حال حرکت است.
وی خاطرنشان کرد: «این پنج سال است که ما به‌طور اساسی GPT-3 را راه‌اندازی کرده‌ایم… و در واقع، پنج سال گذشته فوق‌العاده بوده است.» گودمنت تأکید کرد که تقاضای فعلی دیگر محدود به ربات‌های چت نیست. «موارد استفاده از هوش مصنوعی از سؤالات ساده به مواردی که برنامه، عامل می‌تواند برای شما کار انجام دهد، در حال حرکت است.»
این تغییر به اوپن‌ای‌ایی انگیزه داد تا در ماه مارس دو ابزار بزرگ مواجهه با توسعه‌دهندگان را معرفی کند: Responses API و Agents SDK. یکی از تم‌های اصلی، انتخاب معماری بود. گودمنت اشاره کرد که حلقه‌های عامل واحد که دسترسی کامل به ابزارها و زمینه را در یک مدل محصور می‌کنند، به طور نظری زیبا هستند اما اغلب در مقیاس بزرگ عملی نیستند. «ساخت عوامل واحد دقیق و قابل اعتماد کار سختی است. واقعاً دشوار است.»
با افزایش پیچیدگی—ابزارهای بیشتر، ورودی‌های بیشتر از کاربران، منطق بیشتر—تیم‌ها اغلب به سمت معماری‌های ماژولار با زیرعوامل تخصصی حرکت می‌کنند. «عملکردی که بوجود آمده این است که عوامل را به چندین زیرعامل تقسیم کنید… شما جداسازی مسائل را مانند نرم‌افزار انجام می‌دهید.» این زیرعوامل مانند نقش‌ها در یک تیم کوچک عمل می‌کنند: یک عامل تریاز، نیت را طبقه‌بندی می‌کند، عوامل سطح یک مسائل روتین را مدیریت می‌کنند و دیگران موارد خاص را تشدید یا حل می‌کنند.
گودمنت API پاسخ‌ها را به‌عنوان یک تحول بنیادی در ابزارهای توسعه‌دهنده معرفی کرد. پیش از این، توسعه‌دهندگان به‌طور دستی توالی‌های فراخوانی مدل را مدیریت می‌کردند، اما اکنون این ارکستراسیون به‌طور داخلی مدیریت می‌شود. «API پاسخ‌ها احتمالاً بزرگ‌ترین لایه انتزاعی جدیدی است که از تقریباً GPT-3 معرفی کرده‌ایم.» این امکان را به توسعه‌دهندگان می‌دهد که نیت را بیان کرده و فقط به پیکربندی جریان‌های مدل بپردازند.
گودمنت بر اهمیت امنیت و انطباق تأکید کرد و نوارهای کلیدی را ذکر کرد که باعث می‌شود پشته اوپن‌ای‌آی برای بخش‌های دارای مقرراتی مانند مالی و بهداشت و درمان مناسب باشد: ارزیابی جایی است که به‌دنبال آن، وی بزرگ‌ترین فاصله را بین دمو و تولید می‌بیند. «نظر من این است که ارزیابی مدل احتمالاً بزرگ‌ترین گلوگاه برای پذیرش گسترده هوش مصنوعی است.» اوپن‌ای‌آی اکنون ابزارهای ردیابی و ارزیابی را با پشته API شامل می‌کند تا به تیم‌ها کمک کند تعریف کنند موفقیت چه شکلی دارد و چگونه عملکرد عوامل در طول زمان را پیگیری کنند.
گودمنت همچنین اشاره کرد که برخی از موارد کاربرد سازمانی اولیه به سودهای قابل ملاحظه‌ای دست یافته‌اند. او مثال‌هایی از موارد استفاده باارزش دیگر نیز به اشتراک گذاشت که شامل پشتیبانی مشتری (شامل صدا)، حاکمیت داخلی و دستیارهای دانشی برای پیمایش در مستندات پیچیده می‌شود.
گودمنت بر روی عامل انسانی در استقرارهای موفق تأکید کرد. «یک بخش کوچک از افراد بسیار باکیفیت وجود دارند که هر زمان با مشکلی مواجه می‌شوند و فناوری جدیدی پیدا می‌کنند، به سمت آن می‌شتابند.» این قهرمانان داخلی همیشه از بخش مهندسی نمی‌آیند. چیزی که آنها را متحد می‌کند، پایداری است. «واکنش اولیه آنها این است که، خوب، چطور می‌توانم این را عملی کنم؟»
اوپن‌ای‌آی شاهد بسیاری از استقرارهای اولیه است که توسط این گروه هدایت می‌شود—افرادی که استفاده اولیه از چت‌جی‌پی‌تی را در سازمان‌ها پیش برده و اکنون در حال آزمایش با سیستم‌های کامل عامل هستند. همچنین او به فاصله‌ای اشاره کرد که بسیاری آن را نادیده می‌گیرند: تخصص حوزه.
گودمنت نگاهی به نقشه راه ارائه داد و بیان داشت که اوپن‌ای‌آی به‌طور فعال بر روی ابزارهایی که توسعه‌دهندگان غیرتخصصی نیز بتوانند از آن استفاده کنند، کار می‌کند. این تغییرات رادیکال نیستند بلکه لایه‌های تدریجی هستند که آنچه را که قبلاً ممکن بوده گسترش می‌دهند.
گودمنت در پایان جلسه تأکید کرد که مدل‌های دارای قابلیت استدلال—مدل‌هایی که قبل از پاسخ‌دهی می‌توانند فکر کنند—واقعاً تسهیل‌کننده‌های تحول بلندمدت خواهند بود. «من هنوز بر این باورم که ما به‌طور کلی در سطح بلوغ GPT-2 یا GPT-3 این گونه مدل‌ها هستیم….ما هنوز در حال کاوش در سطح اولیه آنچه مدل‌های استدلال می‌توانند انجام دهند هستیم.»
برای تصمیم‌گیرندگان سازمانی، پیام واضح است: زیرساخت‌های اتوماسیون عاملی اکنون در دسترس است. آنچه مهم است، اکنون ساختن یک مورد استفاده متمرکز، توانمندسازی تیم‌های چندمنظوره و آمادگی برای تکرار است. مرحله بعدی خلق ارزش نه در دموهای نوآورانه است، بلکه در سیستم‌های بادوام، شکل‌گرفته بر اساس نیازهای واقعی و انضباط عملی برای اطمینان از قابلیت اطمینان آنها است.