شو صار مع OpenAI فعلًا؟ من Chat إلى Work وCodex… وليش صار موضوع التوكن أهم من اسم الموديل؟

شو صار مع OpenAI فعلًا؟

إذا آخر مرة استخدمت ChatGPT كانت قبل سنة، فغالبًا الصورة الموجودة في بالك مختلفة تمامًا عن اللي موجود اليوم.

وقتها كان استخدام ChatGPT بسيط. تفتح محادثة، تكتب سؤال، وتأخذ إجابة. سواء كنت تكتب محتوى، أو تترجم نص، أو تسأل سؤالًا برمجيًا، كانت الفكرة نفسها دائمًا: سؤال وجواب.

أما اليوم، فالموضوع تغيّر بالكامل.

خلال الفترة الأخيرة ركز كثير من الناس على أسماء الموديلات الجديدة مثل GPT-5.6 وغيرها، وبدأت المقارنات بين أي موديل أقوى وأسرع وأذكى. لكن الحقيقة أن هذا ليس أهم تغيير حصل.

أكبر تغيير هو أن OpenAI بدأت تحول الذكاء الاصطناعي من Chatbot إلى منصة عمل متكاملة تساعدك على إنجاز المهام، وليس فقط الإجابة عن الأسئلة.

لهذا السبب، السؤال اليوم لم يعد:

"شو أقوى موديل؟"

بل أصبح:

"شو بدي أنجز؟"

شو صار يقدر يعمل ChatGPT؟

إذا كنت تستخدم ChatGPT فقط لكتابة المحتوى أو طرح الأسئلة، فأنت تستفيد من جزء بسيط فقط من الإمكانيات الموجودة اليوم.

أصبح بإمكانه مساعدتك في عدد كبير من المهام العملية، منها:

• كتابة مستندات وتقارير كاملة.
• تحليل ملفات PDF وWord وExcel وCSV.
• تلخيص كميات كبيرة من المعلومات.
• إنشاء عروض تقديمية وجداول عند توفر الأدوات المناسبة.
• المساعدة في البرمجة وقراءة المشاريع البرمجية.
• البحث عن معلومات حديثة عند توفر أدوات البحث.
• تنفيذ مهام طويلة تتكون من عدة مراحل.
• استخدام أدوات متخصصة لإنجاز أنواع مختلفة من الأعمال.

الفكرة لم تعد أن يكتب لك فقرة أو يجيب عن سؤال، بل أن يساعدك في إنجاز جزء كبير من العمل نفسه.

كتابة المستندات أصبحت مختلفة

في السابق كان الاستخدام المعتاد هو كتابة فقرة أو إعادة صياغة نص.

أما اليوم، فأصبح بإمكانه مساعدتك في بناء مستند كامل من البداية حتى النهاية.

على سبيل المثال، يمكنك إنشاء:

• وثائق متطلبات المشاريع (PRD / SRS).
• خطط العمل.
• التقارير.
• العقود.
• وثائق التوثيق (Documentation).
• خطط التسويق.
• دراسات أولية للمشاريع.

والأهم من ذلك أنك تستطيع تعديل المستند، وإضافة أقسام جديدة، ومراجعته أكثر من مرة، بدل إعادة كتابته من الصفر.

تحليل الملفات بدل قراءتها يدويًا

من أكثر الأمور التي تغيّرت هي طريقة التعامل مع الملفات.

بدل أن تقضي ساعات في قراءة ملف PDF طويل أو جدول Excel يحتوي آلاف الصفوف، تستطيع رفع الملف وطرح أسئلة مباشرة عليه.

على سبيل المثال:

• استخراج أهم النقاط.
• تلخيص تقرير كامل.
• مقارنة ملفين.
• تحليل بيانات المبيعات.
• اكتشاف الأنماط.
• استخراج الأخطاء أو التناقضات.

وهذا يوفر وقتًا كبيرًا، خصوصًا عند التعامل مع مستندات أو بيانات ضخمة.

البرمجة لم تعد مجرد كتابة كود

كثير من الناس يعتقدون أن دور الذكاء الاصطناعي في البرمجة هو كتابة Function أو إصلاح Error بسيط.

لكن الاستخدام اليوم أصبح أوسع من ذلك.

يمكنه المساعدة في:

• فهم مشروع برمجي كامل.
• مراجعة الكود.
• اقتراح تحسينات على الـArchitecture.
• كتابة الاختبارات.
• إصلاح الأخطاء.
• شرح الملفات المعقدة.
• اقتراح Refactoring.
• المساعدة في تنفيذ مهام داخل المشروع.

كلما كان المشروع أكبر، أصبحت قيمة هذه الأدوات أكبر.

استخدام الأدوات بدل الاعتماد على المحادثة فقط

من أكبر التغييرات التي حصلت أن الذكاء الاصطناعي لم يعد يعتمد على النموذج وحده.

إذا احتاج قراءة ملف، يستخدم أداة مخصصة لذلك.

إذا احتاج البحث عن معلومات حديثة، يستخدم أداة بحث عندما تكون متاحة.

إذا احتاج تنفيذ مهمة برمجية، يستخدم أدوات مخصصة للبرمجة.

إذا احتاج إنشاء مستند أو جدول أو عرض تقديمي، يستخدم الأدوات المناسبة لذلك عندما تكون متوفرة.

لهذا السبب أصبحت التجربة تختلف حسب الأدوات المتاحة في حسابك، وليس فقط حسب اسم الموديل الذي تستخدمه.

شو الفرق بين Chat وWork وCodex؟

رغم اختلاف الأسماء، إلا أن الفكرة بسيطة جدًا.

الموديل هو العقل الذي يفكر.

أما Chat وWork وCodex فهي بيئات مختلفة تستخدم هذا العقل بطرق تناسب أنواعًا مختلفة من العمل.

بشكل عام:

• Chat مناسب للأسئلة السريعة، والكتابة، والترجمة، والتلخيص، والمحادثات اليومية.
• Work موجه للمهام الطويلة التي تحتاج إلى ملفات متعددة، وسير عمل، ومخرجات أكبر.
• Codex مخصص لتجارب البرمجة والعمل على المشاريع البرمجية باستخدام أدوات مناسبة لهذا النوع من المهام.

لهذا السبب لم يعد اختيار الموديل هو القرار الأهم، بل اختيار البيئة المناسبة للعمل.

ليش صار موضوع التوكن مهم؟

مع تطور الأدوات، أصبح استهلاك التوكن جزءًا أساسيًا من طريقة الاستخدام.

التوكن هو الوحدة التي يُقاس بها حجم البيانات التي يقرأها النموذج ويعالجها ويكتبها.

كلما زادت كمية النصوص أو الملفات أو عدد الخطوات، زاد استهلاك التوكن.

على سبيل المثال:

• سؤال من سطرين يستهلك كمية بسيطة جدًا.
• تحليل عقد من مئة صفحة يستهلك أكثر.
• مقارنة عدة ملفات تستهلك أكثر.
• العمل على مشروع برمجي كبير يحتاج إلى قراءة ملفات كثيرة، وبالتالي يستهلك كمية أكبر.

لهذا السبب أصبح اختيار الطريقة المناسبة لتنفيذ المهمة مهمًا بقدر أهمية اختيار الموديل نفسه.

من Chatbot إلى Agent

إذا جمعت كل التغييرات الأخيرة مع بعضها، ستلاحظ أنها تتحرك في اتجاه واحد.

في البداية كان الهدف من ChatGPT أن يجيب عن الأسئلة.

اليوم أصبح الهدف أن يساعد في إنجاز العمل.

وهذا هو الفرق بين Chatbot وAgent.

الـChatbot ينتظر السؤال ثم يجيب.

أما الـAgent فيفهم الهدف، ويقسم المهمة إلى خطوات، ويستخدم الأدوات المناسبة عندما تكون متاحة، ويتعامل مع الملفات، ويبحث عند الحاجة، ثم يجمع كل النتائج في مخرج واحد.

لهذا السبب ترى أن معظم التحديثات الأخيرة تسير في الاتجاه نفسه.

الهدف لم يعد تحسين المحادثة فقط، بل تقليل الوقت والجهد اللازمين للانتقال من الفكرة إلى النتيجة.

إلى أين يتجه الذكاء الاصطناعي؟

إذا استمر هذا الاتجاه، فمن المتوقع أن تصبح أدوات الذكاء الاصطناعي أكثر قدرة على تنفيذ المهام الكاملة بدل الاكتفاء بالمساعدة في كل خطوة بشكل منفصل.

سنرى تركيزًا أكبر على:

• تنفيذ مهام طويلة بشكل مستقل.
• استخدام أدوات أكثر تخصصًا.
• العمل على مشاريع كاملة.
• تحسين التعاون بين الإنسان والذكاء الاصطناعي.
• تقليل الوقت المطلوب لإنجاز الأعمال اليومية.

بمعنى آخر، المستقبل لا يدور حول إنتاج نموذج يجيب بإجابة أفضل فقط، بل حول بناء أنظمة تستطيع مساعدتك في إنجاز العمل من بدايته حتى نهايته.

الخلاصة

إذا ركزت فقط على أسماء الموديلات، فمن السهل أن تشعر أن كل تحديث هو مجرد نسخة أقوى من السابقة.

لكن عند النظر إلى الصورة كاملة، ستلاحظ أن التغيير الحقيقي مختلف تمامًا.

OpenAI لم تعد تطور نموذجًا للمحادثة فقط، بل تبني منظومة عمل متكاملة تجمع بين النماذج والأدوات وسير العمل داخل تجربة واحدة.

ولهذا السبب أصبح السؤال الأهم اليوم ليس:

"شو أقوى موديل؟"

بل:

"شو بدي أنجز؟"

وعندما تبدأ بالتفكير بهذه الطريقة، ستصبح الاستفادة من الذكاء الاصطناعي أكبر بكثير من مجرد الحصول على إجابة لسؤال.