தனிப்பட்ட AI உதவியைத் தாண்டி, அணித் தர அடுக்காக agents-ஐ நிறுவனம் நிலைநாட்டுகிறது
OpenAI, ChatGPT-இல் workspace agents-ஐ அறிமுகப்படுத்துவதன் மூலம், தனிப்பட்ட உற்பத்தித்திறனிலிருந்து ஒருங்கிணைந்த பணியிட தானியக்கம் நோக்கி தனது முயற்சியை விரிவாக்குகிறது. இந்த புதிய தயாரிப்பு நிறுவனங்களுக்குள் பகிரப்பட்ட, நீண்டநாள் நீடிக்கும் பணிகளுக்காக வடிவமைக்கப்பட்டதாக நிறுவனம் கூறுகிறது.
ஏப்ரல் 22 அன்று அறிவிக்கப்பட்ட இந்த அம்சம், ChatGPT Business, Enterprise, Edu, மற்றும் Teachers திட்டங்களுக்கு research preview ஆக அறிமுகப்படுத்தப்படுகிறது. OpenAI workspace agents-ஐ GPTs-ன் ஒரு வளர்ச்சியாக விவரிக்கிறது: Codex-powered agents, அவை ஒருமுறை உருவாக்கப்பட்டு, ஒரு குழுவுடன் பகிரப்பட்டு, அறிக்கைகள் தயாரித்தல், செய்திகளை draft செய்தல், code எழுதுதல், கோரிக்கைகளை வழிமாற்றுதல், அல்லது இணைக்கப்பட்ட அமைப்புகளுக்கு இடையில் வேலை நகர்த்துதல் போன்ற பல படி workflows-ஐ கையாள பயன்படுத்தப்படலாம்.
முக்கிய வாதம், AI ஒரு தனிப்பட்ட பயனருக்கு வேகமாக உரை உருவாக்க உதவலாம் என்பதல்ல. மாறாக, குழுக்கள் மீண்டும் மீண்டும் நடைபெறும் ஒரு workflow-ஐ, நிறுவன permissions-க்குள் செயல்படும், சரியான tools-இலிருந்து context-ஐ எடுக்கும், தேவைப்படும் போது approval கேட்கும், மேலும் பயனர் offline-இல் இருந்தாலும் cloud-இல் தொடர்ந்து இயங்கும் ஒரு agent-ஆக தொகுக்கலாம் என்பதே.
தனிப்பட்ட prompting-இலிருந்து பகிரப்பட்ட செயல்முறை தானியக்கம் வரை
அந்த வேறுபாடு முக்கியமானது. இதுவரை பொதுவான generative AI பயன்பாடு பெரும்பாலும் தனிப்பட்ட knowledge worker-ஐ மையமாகக் கொண்டு விளக்கப்பட்டுள்ளது: இந்த document-ஐ சுருக்கவும், இந்த email-ஐ draft செய்யவும், இந்த code snippet-ஐ எழுதவும். Workspace agents வேறொரு மதிப்புத் தரத்தை நோக்குகின்றன. அவை business process infrastructure-க்கு இன்னும் அருகில் அமர வேண்டும்; இங்கு சவால் ஒருவரின் output அல்ல, மாறாக மனிதர்கள், அமைப்புகள், approvals, மற்றும் handoffs இடையிலான ஒருங்கிணைப்பே.
OpenAI-யின் சொந்த framing அந்தப் புள்ளியையே வலியுறுத்துகிறது. நிறுவனங்களுக்குள் முக்கியமான பல workflows shared context மற்றும் cross-team decisions-இல் சார்ந்திருப்பதாகவும், workspace agents அந்த சூழல்களுக்காக வடிவமைக்கப்பட்டதாகவும் நிறுவனம் கூறுகிறது. அதன் sales team ஒரு agent-ஐ call notes மற்றும் account research-இலிருந்து விவரங்களை சேகரிக்க, leads-ஐ qualify செய்ய, மற்றும் பிரதிநிதியின் inbox-இல் நேரடியாக follow-up emails draft செய்ய பயன்படுத்தும் ஒரு internal use case-ஐ அது எடுத்துக்காட்டுகிறது.
இந்த model பரவலாக வேலை செய்தால், அது enterprise AI adoption-இல் ஒரு அர்த்தமுள்ள படியை குறிக்கலாம். மதிப்பு “AI as assistant” என்பதிலிருந்து “AI as workflow participant” என்பதற்குத் திசைமாறுகிறது; அது தகவலை சேகரிக்கவும், முன் நிர்ணயிக்கப்பட்ட படிகளைப் பின்பற்றவும், மனிதர் ஒவ்வொரு முறையும் context-ஐ மீண்டும் சேர்க்க காத்திருப்பதற்குப் பதிலாக பணிகளை முன்னேற்றிக் கொண்டிருக்கவும் முடியும்.
