OpenAI Launches ChatGPT Work: $20/Month AI Agent for Email, Slack, Notion

ലളിതമായ ചാറ്റ്‌ബോട്ടുകൾക്ക് അപ്പുറം, ബഹുതല ഡിജിറ്റൽ പ്രവർത്തനങ്ങൾ (multi-step digital workflows) നിയന്ത്രിക്കാൻ കഴിയുന്ന സ്വയംഭരണാധികാരമുള്ള AI ഏജന്റുകളെ നിർമ്മിക്കാനാണ് OpenAI ശ്രമിക്കുന്നത്. ഇതിന്റെ ആദ്യ ഏജന്റായി അവർ ChatGPT Work പുറത്തിറക്കി; ഉപഭോക്താക്കളുടെ സബ്‌സ്‌ക്രിപ്‌ഷന് പുറമെ മാസം 20 ഡോളർ അധികമായി നൽകേണ്ടി വരുന്ന ഒരു സേവനമാണിത്. ഇൻബോക്സുകൾ, Slack, Notion തുടങ്ങി മറ്റ് ടൂളുകളിൽ നിന്ന് വിവരങ്ങൾ ശേഖരിക്കാൻ കഴിയുന്ന ഒരു ഡിജിറ്റൽ സഹകാരിയായി പ്രവർത്തിക്കുമെന്ന് ഈ സേവനം വാഗ്ദാനം ചെയ്യുന്നു—ഇത് അറിവ് ഉപയോഗിച്ച് ജോലി ചെയ്യുന്നവരുടെ (knowledge workers) ദൈനംദിന രീതികളെ മാറ്റിമറിച്ചേക്കാം.

എന്തുകൊണ്ടാണ് “agentic” AI-ലേക്ക് മാറുന്നത്?

പരമ്പരാഗത ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ ചോദ്യങ്ങൾക്ക് ഉത്തരം നൽകി നിർത്തുന്നു. എന്നാൽ, എന്ത് ചെയ്യണമെന്ന് സ്വയം തീരുമാനിക്കുകയും അത് നടപ്പിലാക്കുകയും ചെയ്യുന്ന (അതായത് ഇമെയിലുകൾ അയക്കുക, സ്പ്രെഡ്ഷീറ്റുകൾ അപ്‌ഡേറ്റ് ചെയ്യുക, അല്ലെങ്കിൽ ഒരു മനുഷ്യൻ ഓരോ ബട്ടണിലും ക്ലിക്ക് ചെയ്യാതെ തന്നെ Figma-യിൽ ഡിസൈനുകൾ തയ്യാറാക്കുക തുടങ്ങിയവ) സംവിധാനങ്ങളെയാണ് “Agentic AI” എന്ന് വിളിക്കുന്നത്. ഓരോ തവണയും ഓരോ ആപ്ലിക്കേഷനുകൾക്കിടയിൽ മാറുന്നത് ജോലി സമയം നഷ്ടപ്പെടുത്തുന്ന പ്രൊഫഷനുകളിൽ, ഈ അധിക ഘട്ടം ഒരു സംഭാഷണ സഹായിയെ (conversational assistant) ഒരു ഉൽപ്പാദനക്ഷമത പങ്കാളിയായി (productivity partner) മാറ്റുന്നുവെന്ന് OpenAI എഞ്ചിനീയർമാർ പറയുന്നു.

ഡെവലപ്പർമാരിൽ നിന്ന് ഓഫീസിലുടനീളം

സോഫ്റ്റ്‌വെയർ എഞ്ചിനീയറിംഗിലാണ് Agentic AI-യുടെ ഏറ്റവും വലിയ വിജയം പ്രകടമായത്. OpenAI-യുടെ Codex മോഡൽ ഉപയോഗിച്ച് ഡെവലപ്പർമാർക്ക് തങ്ങൾ ആഗ്രഹിക്കുന്നത് ലളിതമായ ഭാഷയിൽ വിവരിക്കാനും അതിലൂടെ കോഡ് നിർമ്മിക്കാനും സാധിക്കും, ഇത് സിന്റാക്സ് (syntax) സംബന്ധമായ ബുദ്ധിമുട്ടുകൾ ഒഴിവാക്കുന്നു. OpenAI-യിലെ മിക്ക ജീവനക്കാരും Codex ഉപയോഗിക്കുന്നുണ്ടെങ്കിലും, പുറത്തുള്ള സബ്‌സ്‌ക്രൈബർമാരിൽ നൂറിൽ ഒരാൾ പോലും ഇത് ഉപയോഗിക്കുന്നില്ലെന്ന് ഒരു പഠനം കാണിക്കുന്നു. അക്കൗണ്ടന്റുമാർ, ഡോക്ടർമാർ, നിക്ഷേപകർ, മറ്റ് സാങ്കേതിക അറിവില്ലാത്ത പ്രൊഫഷണലുകൾ എന്നിവർക്കും ഇതേ “നിങ്ങൾക്ക് ആവശ്യമുള്ളത് വിവരിക്കുക” എന്ന അനുഭവം നൽകാനാണ് ChatGPT Work ലക്ഷ്യമിടുന്നത്. പഴയ വെബ്‌സൈറ്റുകൾ ഉപയോഗിക്കാനും, വിവിധ SaaS ഉൽപ്പന്നങ്ങളിൽ നിന്ന് വിവരങ്ങൾ ശേഖരിക്കാനും, അവ ഒന്നിച്ച് ചേർക്കാനും കഴിയുന്ന ലളിതമായ ഒരു ടെക്സ്റ്റ് പ്രോംപ്റ്റ് വഴി കമാൻഡ്-ലൈൻ ഇന്റർഫേസുകളും കസ്റ്റം സ്ക്രിപ്റ്റുകളും മാറ്റിസ്ഥാപിക്കുക എന്നതാണ് ഇതിന്റെ ലക്ഷ്യം.

സ്വകാര്യതയും നിയന്ത്രണവും സംബന്ധിച്ച ആശങ്കകൾ

ഒരു ഏജന്റിന് പ്രയോജനപ്പെടണമെങ്കിൽ, ഒരു മനുഷ്യനെപ്പോലെ തന്നെ വിവരങ്ങൾ കാണാൻ അതിന് കഴിയണം: സ്വകാര്യ ഇമെയിലുകൾ, ഇൻസ്റ്റന്റ് മെസ്സേജ് സംഭാഷണങ്ങൾ, ആഭ്യന്തര രേഖകൾ, ഡിസൈൻ ഫയലുകൾ എന്നിവയെല്ലാം ഇതിൽ ഉൾപ്പെടുന്നു. AI-ക്ക് ഇത്രയും വലിയ തോതിലുള്ള വിവരങ്ങൾ ലഭ്യമാക്കുന്നത് പുതിയ സുരക്ഷാ ഭീഷണികൾ (attack surface) സൃഷ്ടിക്കുമെന്ന് വിമർശകർ മുന്നറിയിപ്പ് നൽകുന്നു—ഒരു മോഡൽ ഹാക്ക് ചെയ്യപ്പെട്ടാൽ രഹസ്യവിവരങ്ങൾ ചോരാൻ സാധ്യതയുണ്ട്, കൂടാതെ ഒരു മറുപടി നൽകാൻ തങ്ങളുടെ വിവരങ്ങൾ എങ്ങനെ ഉപയോഗിക്കുന്നു എന്ന് ഉപയോക്താക്കൾക്ക് പൂർണ്ണമായി മനസ്സിലാക്കാൻ കഴിഞ്ഞേക്കില്ല. ഈ അപകടസാധ്യതയെ OpenAI ടീം അംഗീകരിക്കുന്നുണ്ടെങ്കിലും, ഇത് ഒഴിവാക്കാനാവില്ലെന്ന് അവർ പറയുന്നു; ആഴത്തിലുള്ള സംയോജനം (deep integration) ഇല്ലാതെ ഉപയോക്താക്കൾ ആവശ്യപ്പെടുന്ന ജോലികൾ പൂർത്തിയാക്കാൻ ഏജന്റിന് കഴിയില്ല.

പ്രത്യേക മേഖലകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന കമ്പനികളിൽ നിന്നുള്ള മത്സരം

സ്വയംഭരണാധികാരമുള്ള ഏജന്റുകളിൽ പന്തയം വെക്കുന്ന ഏക കമ്പനി OpenAI മാത്രമല്ല. ചില ചെറിയ കമ്പനികൾ ഒരു പ്രത്യേക തൊഴിൽ മേഖലയിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്ന ടൂളുകൾ പുറത്തിറക്കിയിട്ടുണ്ട്—ഉദാഹരണത്തിന്, ചിലത് അഭിഭാഷകർക്കും മറ്റു ചിലത് സെയിൽസ് ടീമുകൾക്കുമായി രൂപകൽപ്പന ചെയ്തവയാണ്. ഈ ഉൽപ്പന്നങ്ങൾ model-agnostic സമീപനമാണ് സ്വീകരിക്കുന്നത്: അതായത്, ഒരു പ്രത്യേക കമ്പനിയുടെ സാങ്കേതികവിദ്യയിൽ മാത്രം ഒതുങ്ങിനിൽക്കാതെ, തങ്ങളുടെ മേഖലയ്ക്ക് ഏറ്റവും മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്ന ഏത് ലാംഗ്വേജ് മോഡലും അവർ ഉപയോഗിക്കുന്നു. ഈ വഴക്കം അവരെ വേഗത്തിൽ മാറ്റങ്ങൾ വരുത്താൻ സഹായിക്കുന്നു. എന്നാൽ OpenAI-യെ സംബന്ധിച്ചിടത്തോളം, എല്ലാവർക്കും ഉപയോഗിക്കാൻ കഴിയുന്ന ഒരു പരിഹാരം (one-size-many solution) തന്നെ ഒരു സ്പെഷ്യലിസ്റ്റ് ആപ്പ് പോലെ കൃത്യമായി പ്രവർത്തിപ്പിക്കുക എന്നതാണ് വെല്ലുവിളി; അല്ലെങ്കിൽ വലിയ കമ്പനികൾ കൂടുതൽ കൃത്യതയുള്ള മറ്റ് ബദലുകൾ തിരഞ്ഞെടുക്കാൻ സാധ്യതയുണ്ട്.

കൂടുതൽ സമയം പ്രവർത്തിക്കുന്ന ഏജന്റുകൾക്ക് പിന്നിലെ സാമ്പത്തിക ലാഭം

ഒരു ഏജന്റ് നിർമ്മിക്കുന്ന ഓരോ ടോക്കണും (ഓരോ വാക്കോ കോഡ് ഭാഗമോ) OpenAI-ക്ക് കമ്പ്യൂട്ടിംഗ് വിഭവങ്ങൾ ചിലവാകുന്നുണ്ട്, കൂടാതെ ടോക്കൺ ഉപയോഗത്തിന്റെ അടിസ്ഥാനത്തിലാണ് കമ്പനി ഉപയോക്താക്കളിൽ നിന്ന് പണം ഈടാക്കുന്നത്. ഒരു ഏജന്റ് മിനിറ്റുകൾ നീണ്ടുനിൽക്കുന്ന ഒരു വർക്ക്ഫ്ലോ പ്രവർത്തിപ്പിക്കുകയും, ഒന്നിലധികം API-കളുമായി സംവദിക്കുകയും, ഒരു റിപ്പോർട്ട് തയ്യാറാക്കുകയും ചെയ്യുമ്പോൾ, ഒരു സാധാരണ ചാറ്റിനെ അപേക്ഷിച്ച് ടോക്കണുകളുടെ എണ്ണം വളരെയധികം വർദ്ധിക്കുന്നു. ഇത് ഓരോ ഉപയോക്താവിൽ നിന്നുമുള്ള വരുമാനം വർദ്ധിപ്പിക്കുന്നു, പ്രത്യേകിച്ച് $20 അധികമായി നൽകുന്ന സബ്‌സ്‌ക്രൈബർമാരിൽ നിന്ന്. ഈ സേവനം വലിയൊരു ഉപയോക്താവിവരത്തിലേക്ക് വ്യാപിപ്പിക്കുക എന്നതാണ് ഇതിന്റെ ബിസിനസ്സ് ലക്ഷ്യം; കൂടുതൽ പ്രൊഫഷണലുകൾ ദിവസവും ഈ ഏജന്റിനെ ആശ്രയിക്കുന്തോറും, കമ്പ്യൂട്ട് ക്ലസ്റ്ററുകളിലും മോഡൽ പരിശീലനത്തിലും (model training) വലിയ തോതിൽ നിക്ഷേപം നടത്താൻ ആവശ്യമായ വരുമാനം കമ്പനിക്ക് ലഭിക്കും.

ഇനി ശ്രദ്ധിക്കേണ്ട കാര്യങ്ങൾ

• Adoption metrics – സാങ്കേതിക അറിവില്ലാത്ത ഉപയോക്താക്കൾക്ക് ഇത് പഠിച്ചെടുക്കാൻ കഴിയുമോ എന്നും, സെൻസിറ്റീവ് ആയ ജോലികൾ ഏജന്റിനെ ഏൽപ്പിക്കാൻ അവർക്ക് വിശ്വാസം ഉണ്ടാകുമോ എന്നും ആദ്യകാല ഉപയോഗ ഡാറ്റയിലൂടെ അറിയാൻ സാധിക്കും.
• Privacy safeguards – on-device inference അല്ലെങ്കിൽ കൂടുതൽ ശക്തമായ permission controls എന്നിവ നടപ്പിലാക്കുന്നത് വലിയ കമ്പനികൾക്ക് (enterprise buyers) ഈ സേവനം ഉപയോഗിക്കാനുള്ള ആത്മവിശ്വാസം നൽകിയേക്കാം.

ചുരുക്കത്തിൽ

ChatGPT-യെ ഒരു സജീവ സഹകാരിയായി മാറ്റാനുള്ള OpenAI-യുടെ ശ്രമം ഓഫീസുകളിലെ ഉൽപ്പാദനക്ഷമതയെ പുനർനിർവചിച്ചേക്കാം, എന്നാൽ സ്വകാര്യതാ ആശങ്കകളും, ഇത് ഉപയോഗിക്കാൻ പഠിക്കാനുള്ള പ്രയാസങ്ങളും, നിലവിൽ വിപണിയിൽ സ്വാധീനമുള്ള എതിരാളികളും ഈ പാതയിൽ വെല്ലുവിളികളാണ്. തങ്ങളുടെ ഡിജിറ്റൽ ജീവിതത്തിലേക്ക് ഒരു AI-ക്ക് ആഴത്തിലുള്ള പ്രവേശനം നൽകുന്നതിലെ അപകടസാധ്യതയേക്കാൾ ഉപരിയായി, ഇതിന്റെ സൗകര്യവും നേട്ടങ്ങളും വലുതാണെന്ന് വൈവിധ്യമാർന്ന പ്രൊഫഷണലുകളെ ബോധ്യപ്പെടുത്തുന്നതിനെ ആശ്രയിച്ചിരിക്കും ഇതിന്റെ വിജയം.