OpenAI Codex skills మరియు plugins‌ను AI workplace automation యొక్క తదుపరి పొరగా నిలిపింది

chat assistant నుండి process-following work agent వరకు

OpenAI యొక్క తాజా Codex మార్గదర్శకం, AIని రోజువారీ పనిలోకి మరింత లోతుగా తీసుకెళ్లడానికి కంపెనీ ఏమి కోరుకుంటుందో మరింత స్పష్టంగా చూపుతుంది. కొత్త Academy explainer‌లో OpenAI రెండు నిర్మాణ భాగాలను వివరిస్తుంది: plugins, ఇవి Codex‌ను బాహ్య పరికరాలు మరియు సమాచార వనరులతో కలుపుతాయి; మరియు skills, ఇవి ఒక టీమ్ లేదా కంపెనీ పని ఎలా చేయాలని కోరుకుంటుందో దానికి శిక్షణ ఇస్తాయి.

ఈ తేడా ముఖ్యమైనది, ఎందుకంటే ఇది AI ఉపయోగకరతను ఒకసారి చేసే prompting కంటే ముందుకు తీసుకెళ్తుంది. ఒక plugin సిస్టమ్‌కు access ఇస్తుంది. ఒక skill దానికి procedure ఇస్తుంది. రెండింటిని కలిపి ఉపయోగిస్తే, అవి ఆఫీస్ పనికి ఒక తేలికపాటి operational layer‌లా కనిపించడం మొదలవుతుంది; ఇందులో ఒక AI agent connected systems నుండి data తీసుకుని, ప్రతి సారి మళ్లీ సూచించకుండా, స్థిరమైన, సంస్థ-నిర్దిష్ట workflow‌ను వర్తింపజేయగలడు.

ఇది చిన్న మెరుగుదలలాగా అనిపించవచ్చు, కానీ ఇది పెద్ద లక్ష్యాన్ని సూచిస్తుంది. కేవలం conversational helper‌గా కాకుండా, Codex‌ను tools‌ని కలుపగల, context‌ను పొందగల, మరియు repeatable process‌ను దగ్గరగా అనుసరించగల వ్యవస్థగా నిలిపారు; తద్వారా తక్కువ పర్యవేక్షణతో నిజమైన outputs ఇవ్వగలదు.

plugins ఏమి చేస్తాయి

OpenAI explainer ప్రకారం, plugins Codex‌ను ఇతర tools మరియు సమాచార వనరులతో కలుపుతాయి. అది ఇచ్చే ఉదాహరణలు futuristic కంటే practical: email inbox‌ను స్కాన్ చేయడం, Google Drive‌లోని files‌ను సూచించడం, లేదా టీమ్ ఇప్పటికే ఉపయోగిస్తున్న మరో tool నుండి సమాచారం తీసుకోవడం. అంటే, plugins chat interface‌ను పని జరుగుతున్న systems నుండి వేరు చేసే manual copy-paste‌ను తగ్గించడానికే.

ఇది ముఖ్యమైనది, ఎందుకంటే అనేక workplace tasks fragmented context వల్ల bottleneck అవుతాయి. ఒక report‌కు email, documents, dashboards, మరియు internal notes నుండి సమాచారం అవసరం కావచ్చు. connectors లేకపోతే, AI ఏదైనా ఉపయోగకరంగా చేయడానికి ముందు వినియోగదారు వీటన్నింటినీ manual‌గా సేకరించాల్సి ఉంటుంది. plugins, connected environments నుంచి కావలసినదాన్ని నేరుగా retrieve చేయడానికి system‌ను అనుమతించడం ద్వారా ఆ దూరాన్ని తగ్గిస్తాయి.

కొత్త plugin సృష్టించడం సాధారణంగా skill సృష్టించడం కంటే ఎక్కువ technical expertise అవసరమని OpenAI కూడా చెబుతోంది. దీని అర్థం, plugins infrastructure‌గా, skills టీమ్‌లు తమ స్వంత operating playbooks‌ను నిర్వచించడానికి మరింత accessible‌గా ఉండేలా ఉద్దేశించబడ్డాయని సూచిస్తుంది.

skills ఏమి చేస్తాయి

plugins access‌ను అందిస్తే, skills method‌ను అందిస్తాయి. ఒక నిర్దిష్ట టీమ్ లేదా కంపెనీలో పని ఎలా జరుగుతుందో Codex‌కు నేర్పే playbook‌గా OpenAI ఒక skill‌ను వివరిస్తోంది. కంపెనీ ఇచ్చిన ఉదాహరణలు ఎంతో చెప్పేవి: ఒక టీమ్ newsletter‌ను ఎలా రాస్తుంది, customer account brief‌ను ఎలా సిద్ధం చేస్తుంది, project plans‌ను ఎలా format చేస్తుంది, external communications‌ను brand voice కోసం ఎలా సమీక్షిస్తుంది, లేదా data‌ను సేకరించేటప్పుడు ఏ tools‌ను ఏ క్రమంలో తనిఖీ చేస్తుంది.

ఇది వ్యాపార పనిలోని ఒక ప్రధాన సత్యాన్ని ప్రతిబింబిస్తుంది: అనేక పనులు కొంతమేరకే generic. వారపు status update, customer brief, లేదా internal report బయటకు సాధారణంగా కనిపించవచ్చు, కానీ వాస్తవంలో ప్రతి సంస్థకు తనదైన నిర్మాణం, approval logic, మరియు tone ఉంటుంది. skills అనేవి OpenAI ఆ variability‌కు ఇచ్చిన పరిష్కారం. repeated prompt engineering‌పై ఆధారపడకుండా, టీమ్ ఒకసారి expectations‌ను encode చేసి, తర్వాత వాటిని మళ్లీ ఉపయోగించవచ్చు.

OpenAI వివరణ ఎంత operational‌గా ఉందో గమనించదగినది. కంపెనీ skills‌ను creativity boosters‌గా చూపించడం లేదు. process execution‌ను standardize చేసే మార్గాలుగా చూపిస్తోంది.

రెండింటిని కలిపితే ఎందుకు ముఖ్యం

ఈ framework‌లో అత్యంత ఆసక్తికరమైన భాగం, OpenAI రెండింటినీ కలిపి ఎలా ఉపయోగించాలో చెప్పడమే. source text‌లోని ఉదాహరణ స్పష్టంగా ఉంది: ఒక skill, Codex‌కు Google Drive plugin‌ను ఉపయోగించి folder‌లోని తాజా files‌ను తీసుకురావాలని, ఆ తర్వాత టీమ్‌కు నచ్చిన format‌లో weekly project update డ్రాఫ్ట్ చేయాలని చెప్పగలదు. ఈ కలయిక AIని generalized text generator నుంచి workflow actor‌కు దగ్గరగా మార్చుతుంది.

దీని అర్థం newsletters లేదా status summaries కంటే పెద్దది. ఒక system సరైన files‌ను retrieve చేయగలిగితే, సరైన క్రమంలో సరైన tools‌ను తనిఖీ చేయగలిగితే, మరియు అవసరమైన నిర్మాణంలో పని తయారు చేయగలిగితే, విస్తృతమైన recurring knowledge tasks ఆటోమేట్ కావచ్చు. పూర్తిగా autonomous కాకపోయినా, గతంతో పోలిస్తే మరింత delegated‌గా.

ఇక్కడే “thinking help” మరియు “work help” మధ్య తేడా మరింత స్పష్టమవుతుంది. సంప్రదాయ chat systems, వినియోగదారు అన్ని context‌ను తీసుకువచ్చి, ప్రతి దశను చురుకుగా నిర్దేశించినప్పుడు ఉపయోగకరంగా ఉంటాయి. ఒక connected, process-aware agent పనిలోని procedural middle భాగాన్ని చేయడం ప్రారంభిస్తుంది.

OpenAI ఏమి సూచిస్తోంది

Academy guidance ఒక product education అయినప్పటికీ, అది strategy కూడా సూచిస్తుంది. enterprise AI adoption యొక్క తదుపరి దశ raw model capabilityపై మాత్రమే ఆధారపడకుండా, AI systems existing work environments‌లో ఎంత బాగా సరిపోతాయో దానిపై ఆధారపడుతుందని OpenAI పందెం వేస్తోంది అనిపిస్తోంది. tools access, repeatable process knowledge, మరియు organization-specific behavior, సాధారణ intelligence ఎంత ముఖ్యమో అంతే ముఖ్యంగా ఒక AI system నిజంగా పనిలో ఉపయోగకరంగా మారుతుందా అనే విషయంలో ఉండవచ్చు.

ఇది ఒక ముఖ్యమైన మార్పు, ఎందుకంటే ఇది perfectly crafted prompts‌పై ఉన్న దృష్టిని తగ్గిస్తుంది. ఈ మోడల్‌లో, మెరుగైన మార్గం చాలాసార్లు నిర్మాణంలో ఒక్కసారి పెట్టుబడి పెట్టడం: సరైన systems‌ను కనెక్ట్ చేయడం, సరైన workflow‌ను నిర్వచించడం, మరియు agent‌ను అదే setup‌ను మళ్లీ మళ్లీ ఉపయోగించనివ్వడం.

పరిమితులు స్పష్టంగా ఉన్నాయి. connected systems governance ఆందోళనలను తెస్తాయి, మరియు repeatable workflows‌కు ఇప్పటికీ review అవసరం. OpenAI itself Codex‌ను ఏమి ముఖ్యమో దానికి దిశనిచ్చే విధంగా, పని తుది రూపం దాల్చే ముందు review అవసరమని పేర్కొంటుంది. కానీ దిశ స్పష్టం. కంపెనీ AIని కేవలం responsive‌గా కాక, operational‌గా చేయాలని చూస్తోంది.

skills మరియు plugins మామూలుగా వినిపించే జంట. కానీ వాస్తవంలో, అవి ఒక పెద్ద ఆలోచనను సూచిస్తాయి: AI పని వాతావరణాన్ని చూడగలిగినప్పుడు మరియు అందులోని local rules‌ను అనుసరించగలిగినప్పుడు మరింత విలువైనదిగా మారుతుంది. enterprises experimentation‌ను దాటి ముందుకు వెళ్లాలనుకుంటే, ఇది మరో చిన్న conversational polish మెరుగుదల కంటే ఎక్కువ ముఖ్యమైన innovation కావచ్చు.

• OpenAI ప్రకారం plugins Codex‌ను బాహ్య tools మరియు data sources‌తో కలుపుతాయి.
• skills‌ను టీమ్-స్పెసిఫిక్ workflows కోసం మళ్లీ ఉపయోగించగల playbooks‌గా వివరిస్తోంది.
• రెండింటిని కలిపి ఉపయోగిస్తే Codex సమాచారాన్ని తీసుకుని, ఆ తర్వాత నిర్వచించిన ప్రక్రియను వర్తింపజేయగలదు.
• ఈ framework పునరావృతమయ్యే operational work‌ను మరింత నేరుగా నిర్వహించే AI systems వైపు సంకేతం ఇస్తుంది.

ఈ వ్యాసం OpenAI నివేదికపై ఆధారపడి ఉంది. మూల వ్యాసాన్ని చదవండి.