هوش مصنوعی عاملی از لحاظ کارکرد یک قدم فراتر از بات‌های گفت‌وگو است. به زبان ساده، هوش مصنوعی عاملی ابزاری‌ست که می‌تواند با استفاده از کامپیوتر مجازی خودش، کارهای شما را به نیابت از شما انجام دهد. به گفته یاش کومار (Yash Kumar) و ایسا فولفورد (Isa Fulford)، از افراد حاضر در پروژه ChatGPT Agent، این هوش مصنوعی عاملی از مدل جدیدی قدرت می‌گیرد که OpenAI به طور اختصاصی برای همین محصول توسعه داده است. OpenAI مدعی‌ست که این ابزار جدید می‌تواند کارهایی فراتر از یک چت‌بات معمولی را به سرانجام برساند، از جمله: نگاه کردن به تقویم کاربر و ارائه خلاصه‌ای از جلسات آینده با مشتریان، برنامه‌ریزی و خرید مواد لازم برای تهیه یک صبحانه خانوادگی و یا درست کردن مجموعه‌ای از اسلایدها بر مبنای تحلیل شرکت‌های رقیب.
مدل جدیدی که پشتوانه ChatGPT Agent بوده – و OpenAI به نام آن اشاره‌ای نکرده – برای انجام تسک‌های پیچیده‌ای که نیازمند چندین ابزار هستند آموزش دیده است؛ ابزارهایی مثل مرورگر متنی، مرورگر تصویری و پایانه‌ای که کاربران می‌توانند داده‌های خود را در آن وارد کنند. در حقیقت، این مدل از طریق یادگیری تقویتی آموزش دیده است؛ همان تکنیکی که برای تمام مدل‌های استدلالی OpenAI به کار گرفته می‌شود. به گفته OpenAI، هوش مصنوعی ChatGPT Agent ترکیبی‌ست از قابلیت‌های دو نمونه از ابزارهای هوش مصنوعی OpenAI به نام‌های Operator و Deep Research.
همان طور که گفته شد، ChatGPT Agent سناریوهای متنوعی را امکان‌پذیر می‌کند. به گفته Fulford، این هوش مصنوعی عاملی گزینه مناسبی برای انجام خرید آنلاین است چرا که ترکیب Operator و Deep Research عملکرد بهتری داشته و از اینکه بخواهید این پروسه را صرفاً با Operator به سرانجام برسانید کامل‌تر خواهد بود. همچنین Kumar اظهار داشته که چندی‌ست برای خودکارسازیِ بخش‌های کوچک زندگی‌اش از ChatGPT Agent استفاده می‌کند. در مثالی جالب، Kumar گفت به جای اینکه روز اول هفته به شرکت بیاید و با پارکینگی مملو از خودرو مواجه شود، با استفاده از ChatGPT Agent آخرهفته‌ها اقدام به درخواست رزرو جای پارک می‌کند.
یکی از تفاوت‌های اساسی بین ChatGPT Agent و هوش مصنوعی مولد در آن است که ChatGPT Agent ممکن است گاهی اوقات ابزاری کند به نظر برسد. یکی از مهم‌ترین ویژگی‌های ChatGPT Agent آن است که درست مثل یک انسان می‌تواند مکث کرده و تصمیم بگیرد. بسته به اینکه در لحظه چه اقدامی سودمندتر است، ChatGPT Agent می‌تواند انتخاب کند که به سرعت فکر کند و یا موضوع را عمیقاً تحلیل کند.
Kumar در پاسخ درباره میزان تأخیر این قابلیت یادآور شد که تیم پروژه ChatGPT Agent بیشتر تمرکز خود را روی «بهینه‌سازی برای تسک‌های دشوار» معطوف کرده‌اند. به عبارت دیگر آنچه بیش از سرعت برای این تیم اهمیت دارد آن است که ChatGPT Agent به‌خوبی از عهده وظیفه محول‌شده برآید. از آن گذشته، قرار نیست کاربران بنشینند و پروسه کار کردن ChatGPT Agent را تماشا کنند. به گفته Fulford حتی اگر پروسه تکمیل یک تسک توسط ChatGPT Agent تا 15 یا 30 دقیقه طول بکشد، باز هم در مقایسه با اینکه یک انسان بخواهد این پروسه را انجام دهد سریع‌تر خواهد بود.
با این اوصاف، شاید خیال کنید ChatGPT Agent اختیارات فراوانی داشته و ممکن است کارهایی انجام دهد که مطلوب شما نیست. اما به گفته Fulford، پیش از آنکه ChatGPT Agent کار غیرقابل‌برگشتی مثل فرستادن یک ای‌میل یا رزرو کردن را انجام دهد، ابتدا از شما اجازه می‌گیرد. همچنین، به گفته Kumar، این هوش مصنوعی عاملی هنوز اجازه انجام تراکنش‌های مالی را ندارد. گفتنی‌ست، به موجب مورد امنیتی دیگر (تحت عنوان Watch Mode) چنان‌چه در پروسه انجام یک تسک توسط ChatGPT Agent، کاربر به دسته‌‌های مشخصی از صفحات وب – مثل سایت‌های مالی – منتقل شود، نباید از زبانه‌ای که ChatGPT Agent در حال فعالیت است خارج شود. در غیر این صورت، ChatGPT Agent از کار می‌افتد.
به گفته OpenAI، هوش مصنوعی ChatGPT Agent از 17 جولای (26 تیر) برای کاربران نسخه‌های Plus ،Pro و Team فعال شده است اما کاربران نسخه‌های Team و Plus در طی روزهای آینده به آن دسترسی خواهند داشت. برای استفاده از این قابلیت کافی‌ست در منوی ابزارها agent mode را انتخاب کرده و یا کلمه /agent را تایپ کنید تا دسترسی به آن میسر شود. کاربران ChatGPT Enterprise و ChatGPT Education نیز به‌زودی به این قابلیت مجهز خواهند شد. البته OpenAI درباره فعال شدن ChatGPT Agent برای کاربران منطقه اقتصادی اروپا و سوییس هنوز تاریخی را مشخص نکرده است.
source