Cognizant با ۲۵ هزار نفر پشت OpenAI؛ گروه Frontier برای رساندن Codex و ChatGPT به شرکت‌های بزرگ

شرکت خدمات فناوری Cognizant گروهی بیش از ۲۵ هزار نفره برای ارائه‌ی Codex و ChatGPT به مشتریان سازمانی ساخته است. این خبر فقط یک همکاری تجاری دیگر نیست؛ نشانه‌ای است از اینکه رقابت هوش مصنوعی سازمانی از «کدام مدل بهتر است» به «چه کسی می‌تواند آن را واقعاً در شرکت پیاده کند» رسیده است.

۱. دقیقاً چه اتفاقی افتاد؟

شرکت Cognizant که در بازار نزدک با نماد CTSH معامله می‌شود، اعلام کرد گروهی تازه با نام «گروه توانمندی OpenAI Frontier» تشکیل داده است. بر اساس بیانیه‌ی رسمی این شرکت، بیش از ۲۵ هزار متخصص در این گروه قرار می‌گیرند و مأموریتشان رساندن محصولات OpenAI، به‌ویژه Codex و ChatGPT، به دل کسب‌وکارهای مشتریان است.

هدف مشخص است: کمک به سازمان‌ها تا مدل‌های OpenAI را در توسعه‌ی نرم‌افزار، خدمات مشتری و عملیات روزمره به کار بگیرند. راوی کومار اس، مدیرعامل Cognizant، در این باره گفت که با Codex و ChatGPT، شرکت OpenAI هم نحوه‌ی ساخت نرم‌افزار و هم نحوه‌ی اداره‌ی کسب‌وکار را هم‌زمان تغییر می‌دهد. از طرف OpenAI نیز دالی راجیک، مدیر ارشد درآمد این شرکت، گفت Cognizant به شرکت‌های بیشتری کمک می‌کند هوش مصنوعی را به اثر تجاری معنادار تبدیل کنند.

این اعلام در چارچوب برنامه‌ی همکاری OpenAI با شرکای خدماتی انجام شده است. Cognizant یکی از معدود شرکای سطح «پیشرفته» در شبکه‌ی شرکای OpenAI است. اگر تازه با خود OpenAI و مسیر رشدش آشنا شده‌اید، مقاله‌ی «OpenAI چیست؟» در سایت مستر چت‌جی‌پی‌تی نقطه‌ی شروع خوبی است.

۲. تز اصلی: مشکل «مدل» نیست، «آدم» است

مهم‌ترین جمله‌ی این خبر شاید همان است که Cognizant در توجیه کارش می‌گوید: مانع اصلی بسیاری از شرکت‌ها دسترسی به مدل‌های پیشرو نیست، بلکه کمبود نیروی ماهر است که بتواند با آن مدل‌ها داخل سیستم‌ها و فرایندهای موجود چیز بسازد. این ادعا از زبان یک شرکت خدماتی طبیعتاً به نفع خودش هم هست، اما با تجربه‌ی بسیاری از سازمان‌ها هم‌خوانی دارد.

هر شرکت بزرگی می‌تواند اشتراک ChatGPT یا دسترسی API بخرد. اما اتصال مدل به داده‌های داخلی، رعایت قوانین امنیتی، تعریف مجوزها، سنجش کیفیت خروجی و تغییر عادت‌های کاری کارکنان، کاری است که با خرید اشتراک انجام نمی‌شود. همین شکاف است که شرکت‌های خدماتی بزرگ می‌خواهند آن را پر کنند. برای نگاهی گسترده‌تر به اینکه هوش مصنوعی در کسب‌وکار کجا واقعاً ارزش می‌سازد، مقاله‌ی اهمیت هوش مصنوعی در کسب‌وکار را ببینید.

آموزش به‌جای وعده

اعدادی که Cognizant درباره‌ی آموزش کارکنان داده، بخشی از همین استدلال است. بیش از ۲۱ هزار نفر از کارکنان این شرکت تاکنون بیش از ۴۰ هزار نشان آموزشی OpenAI را با گذراندن مسیرهای یادگیری این شرکت به دست آورده‌اند. یعنی میانگین هر فرد دارنده‌ی نشان، نزدیک به دو نشان گرفته است.

علاوه بر این، Cognizant از چیزی به نام «مدل نیروی کار Frontier» حرف می‌زند که در آن دو نقش تعریف شده است: «مهندس تأییدشده‌ی Frontier» و «اپراتور کسب‌وکار Frontier». گواهی این نقش‌ها مستقیماً از سوی خود شرکت‌های سازنده‌ی مدل‌های پیشرو صادر می‌شود. این یعنی مدرک‌دهی در اکوسیستم هوش مصنوعی دارد به همان مسیری می‌رود که سال‌ها پیش برای ابر و پایگاه داده رفته بود.

۳. سه حوزه‌ی نخست کار

گروه جدید با سه حوزه‌ی مشخص شروع می‌کند. این تمرکز نشان می‌دهد که کجا بیشترین تقاضای واقعی سازمانی وجود دارد.

مهندسی نرم‌افزار بومی هوش مصنوعی با Codex

حوزه‌ی اول، استفاده از Codex برای نوشتن، آزمودن و عرضه‌ی کد است. به گفته‌ی Cognizant، تیم‌های فروش و موفقیت مشتری خود این شرکت هم از یک راهکار مبتنی بر OpenAI برای یافتن و دنبال‌کردن فرصت‌های تجاری استفاده می‌کنند و شرکت می‌گوید هر رویکردی را ابتدا درون خودش آزمایش می‌کند، بعد به مشتری پیشنهاد می‌دهد. همچنین رویدادهای هکاتون Codex در هند و قاره‌ی آمریکا در مجموع بیش از ۱۲ هزار شرکت‌کننده داشته است.

نوسازی برنامه‌های قدیمی و مین‌فریم

حوزه‌ی دوم شاید ملموس‌ترین باشد: نوسازی سیستم‌های قدیمی. محصولی با نام Cognizant Application Modernizer که روی مدل‌های OpenAI ساخته شده، کار را از مهندسی معکوس کدهای قدیمی مین‌فریم تا تولید کد بومی ابر پوشش می‌دهد. Cognizant می‌گوید مهندسان انسانی هر تصمیم مهم را بازبینی می‌کنند و این شرکت برای بیش از ۵۰۰ مشتری تجربه‌ی نوسازی مین‌فریم دارد.

بانک‌ها، بیمه‌ها و شرکت‌های بزرگ هنوز بخش مهمی از عملیات خود را روی سیستم‌هایی اجرا می‌کنند که نسل نویسندگانشان بازنشسته شده است. اگر هوش مصنوعی بتواند فهم و تبدیل این کدها را ارزان‌تر کند، بازار بسیار بزرگی باز می‌شود. البته این ادعای شرکت است و نتیجه‌ی مستقل و عمومی‌ای از آن منتشر نشده است.

عملیات مشتری مبتنی بر عامل

حوزه‌ی سوم، به‌کارگیری مدل‌ها در فروش، خدمات و پشتیبانی است؛ یعنی همان جایی که عامل‌های هوش مصنوعی می‌توانند بخشی از مکالمه‌ها و گردش‌کارها را انجام دهند. برای درک بهتر ظرفیت‌ها و محدودیت‌های این نوع کاربردها، مقاله‌ی پتانسیل و محدودیت‌های واقعی هوش مصنوعی مرور خوبی است.

۴. نمونه‌ی عملی: دستیار یک شرکت دارویی

Cognizant برای نشان‌دادن نتیجه، پروژه‌ای را مثال زده است. این شرکت همراه با یک شرکت زیست‌دارویی جهانی، دستیاری سازمانی مبتنی بر OpenAI ساخته که جست‌وجو، تولید محتوا، ترجمه و فرایند تأیید را در یک محیط جمع می‌کند.

طبق گفته‌ی Cognizant، این دستیار تاکنون بیش از ۵ میلیون گفتگو انجام داده و زمان تولید محتوا را ۶۰ درصد کاهش داده است. نکته‌ی احتیاط: این اعداد از خود شرکت آمده و نام مشتری یا روش اندازه‌گیری منتشر نشده است. با این حال، حوزه‌ی دارو انتخاب معناداری است، چون محتوای تنظیم‌شده، ترجمه و تأییدهای چندمرحله‌ای در آن حجم بسیار زیادی دارد.

۵. شرط‌بندی دوگانه: OpenAI و Gemini

برای فهم کامل خبر باید به یک جزئیات زمانی نگاه کرد. حدود ۱۱ روز پیش از اعلام گروه OpenAI، شرکت Cognizant ۱۸ هزار نفر را پشت Gemini گوگل قرار داده بود. به عبارت دیگر، این شرکت دو گروه بزرگ و هم‌زمان ساخته است و هیچ‌کدام به قیمت کنار گذاشتن دیگری نیست.

این رویکرد منطقی است. مشتریان سازمانی معمولاً نمی‌خواهند به یک تأمین‌کننده‌ی مدل وابسته شوند، و یک شرکت خدماتی که با چند سازنده کار می‌کند می‌تواند برای هر مسئله بهترین ابزار را پیشنهاد دهد. اگر برایتان جالب است که مدل‌های مختلف در عمل چه تفاوتی دارند، مقایسه‌ی ChatGPT و DeepSeek یک نمونه‌ی ساده و خواندنی است.

۶. پیشینه: OpenAI چطور به این نقطه رسید؟

این خبر یک اتفاق ناگهانی نیست. بر اساس گزارش‌های منتشرشده، OpenAI در ماه آوریل Cognizant و CGI را برای آوردن Codex به شرکت‌های بزرگ جذب کرد، در ماه مه بازوی اجرایی خودش را برای استقرار در سازمان‌ها راه‌اندازی کرد و در ماه ژوئیه شرکت Northslope را خرید.

یعنی OpenAI هم از شرکای خدماتی کمک می‌گیرد و هم کم‌کم خودش به کار پیاده‌سازی نزدیک می‌شود. برای شرکتی مثل Cognizant، OpenAI هم شریک است و هم، در درازمدت، رقیب بالقوه. این دوگانگی را باید در تحلیل بلندمدت این بازار در نظر داشت.

نکته‌ی دیگر، نقش بازبینی انسانی است. Cognizant تأکید می‌کند در پروژه‌های نوسازی، مهندسان انسانی هر تصمیم مهم را بررسی می‌کنند. این جمله هم پیام اطمینان‌بخش به مشتریان محتاط است و هم اعترافی ضمنی که خروجی مدل‌ها، حتی در سطح پیشرو، هنوز بدون نظارت برای سیستم‌های حساس مالی و بیمه‌ای کافی نیست. در عمل، ارزش واقعی این گروه‌ها در همین لایه‌ی کنترل، آزمون و مسئولیت‌پذیری است، نه صرفاً در سرعتِ نوشتن کد.

۷. این خبر برای ایران و کاربران فارسی‌زبان چه معنایی دارد؟

به‌طور مستقیم، این همکاری روی کاربران عادی اثری ندارد. اما چند درس عملی دارد. اول اینکه مهارت «ساختن با هوش مصنوعی داخل سیستم‌های واقعی» اکنون یکی از ارزشمندترین مهارت‌های بازار کار فناوری است و شرکت‌های بزرگ حاضرند هزاران نفر را برای آن آموزش بدهند.

دوم اینکه توانایی دقیق نوشتن دستور و تعریف خروجی خوب، پایه‌ی همه‌ی این کارهاست. اگر می‌خواهید از همین حالا مهارتش را بسازید، راهنمای نوشتن پرامپت برای مبتدی‌ها و بخش آموزش‌های ChatGPT مسیر شروع خوبی هستند. سوم اینکه تصور «یک نفر با هوش مصنوعی همه‌چیز را می‌سازد» هنوز با واقعیت سازمانی فاصله دارد؛ درباره‌ی همین موضوع، مقاله‌ی توهم توسعه‌دهنده‌ی تنها در برابر مهندس واقعی را بخوانید.

۸. پرسش‌های متداول

گروه OpenAI Frontier در Cognizant چیست؟

گروهی با بیش از ۲۵ هزار متخصص است که Cognizant برای ارائه‌ی Codex و ChatGPT و راهکارهای مبتنی بر مدل‌های OpenAI به مشتریان سازمانی ساخته است.

آیا Cognizant فقط با OpenAI کار می‌کند؟

خیر. حدود ۱۱ روز پیش از این اعلام، همین شرکت ۱۸ هزار نفر را پشت Gemini گوگل هم گذاشته بود، پس رویکردش چندفروشنده‌ای است.

نشان‌های آموزشی OpenAI چه تعدادی صادر شده است؟

طبق بیانیه‌ی Cognizant، بیش از ۲۱ هزار نفر از کارکنان این شرکت بیش از ۴۰ هزار نشان آموزشی OpenAI گرفته‌اند.

اعداد نمونه‌ی دارویی تا چه حد قابل اتکاست؟

این اعداد، یعنی بیش از ۵ میلیون گفتگو و ۶۰ درصد کاهش زمان تولید محتوا، از سوی خود Cognizant اعلام شده و تأیید مستقلی برای آن منتشر نشده است.

خبرهای بیشتر را کجا دنبال کنم؟

در بخش اخبار هوش مصنوعی سایت و در کانال تلگرام ما.