ChatGPT Work و Claude Cowork؛ هوش مصنوعی که کار را تحویل میگیرد
تا همین یک سال پیش، استفاده از هوش مصنوعی در کسبوکار یک الگوی ثابت داشت: کاربر پرسشی مینوشت و پاسخی میگرفت و بقیه کار را خودش انجام میداد. تابستان ۲۰۲۶ این الگو تغییر کرد. OpenAI روز نهم ژوئیه محصولی به نام ChatGPT Work را عرضه کرد که بهجای پاسخ دادن، کار را تحویل میگیرد و انجام میدهد و Anthropic هم Claude Cowork را که از ژانویه معرفی شده بود به وب و موبایل گسترش داد.
مایکروسافت نیز در همان دوره عاملهای اختصاصی فروش و پشتیبانی خود را معرفی کرد و اتصالهای تازهای به Slack و Salesforce اضافه شد. جهتگیری هر سه شرکت یکی است و برای صاحب یک کسبوکار کوچک این پرسش را مطرح میکند که کدام بخش از کار روزانه را واقعا میتوان به این ابزارها سپرد و کدام بخش را نباید سپرد. در این مطلب به همین موضوع میپردازیم.
حالت Work در ChatGPT چه میکند
ChatGPT Work یک حالت تازه در همان محیط ChatGPT است که کنار حالت گفتوگو قرار گرفته. تفاوت بنیادی آن در نوع ورودی است: در حالت گفتوگو شما پرسش میدهید، اما در این حالت یک هدف تعریف میکنید و ابزار مسئول رسیدن به آن هدف میشود.
روند کار مشخص است. ابزار ابتدا اطلاعات لازم را از فایلها و سرویسهای متصل جمع میکند، سپس پروژه را به مراحل کوچکتر میشکند و مرحله به مرحله جلو میرود. اگر کار طولانی باشد، ساعتها روی آن میماند و در پایان خروجی نهایی را تحویل میدهد؛ خروجی میتواند یک فایل صفحهگسترده، یک ارائه، یک سند یا حتی یک وبسایت قابل اشتراکگذاری باشد، نه یک پاسخ متنی در پنجره گفتوگو.
نکته فنی مهم این است که این حالت، ChatGPT را با ابزار برنامهنویسی Codex ترکیب میکند و روی مدل GPT-5.6 اجرا میشود. همین ترکیب توضیح میدهد که چطور میتواند خروجی ساختاریافته و قابل اجرا تولید کند و نه فقط متن توصیفی.
Cowork در Claude و تفاوت رویکرد
Anthropic زودتر وارد این حوزه شده بود. Claude Cowork از ژانویه ۲۰۲۶ در دسترس است و کار آن برنامهریزی و اجرای کارهای چندمرحلهای است. تا پیش از تابستان، این ابزار عمدتا در نسخه دسکتاپ کار میکرد و همین موضوع استفاده از آن را محدود میکرد.
تغییر مهم امسال، گسترش آن به وب و موبایل بود. مهمتر از آن، اجرای کارها به سمت سرور منتقل شد؛ یعنی کار پس از بستن لپتاپ ادامه پیدا میکند و کارهای زمانبندیشده بدون آنکه دستگاهی روشن باشد اجرا میشوند. برای کسی که میخواهد گزارشی هر روز صبح آماده باشد، این تفاوت میان یک قابلیت آزمایشی و یک ابزار کاری واقعی است.
از نظر هزینه هم Anthropic تصمیم سادهای گرفته است: Cowork در همه پلنهای پرداختی گنجانده شده، از Pro با ۲۰ دلار در ماه تا Team با ۲۵ دلار برای هر کاربر و پلنهای سازمانی. یعنی مشترک فعلی برای دسترسی به آن هزینه اضافهای پرداخت نمیکند.
مقایسه دو سرویس در یک نگاه
| ویژگی | ChatGPT Work | Claude Cowork |
|---|---|---|
| زمان عرضه | نهم ژوئیه ۲۰۲۶ | ژانویه ۲۰۲۶، گسترش در تابستان |
| محل اجرا | داخل محیط ChatGPT، کنار حالت گفتوگو | وب، موبایل و دسکتاپ |
| ادامه کار پس از بستن دستگاه | اجرای طولانیمدت روی سرور | بله، همراه با کارهای زمانبندیشده |
| نوع خروجی | سند، ارائه، صفحهگسترده و وبسایت | اجرای مرحلهای کارها و خروجی فایل |
| پلن مورد نیاز | از پلن Plus با ۲۰ دلار | همه پلنهای پرداختی از Pro با ۲۰ دلار |
در عمل هر دو ابزار یک کار را انجام میدهند و تفاوت اصلی در جزئیات تجربه کاربری و اکوسیستم اطراف آنها است. اگر پیشتر یکی از این دو سرویس را استفاده میکردید، منطقیترین انتخاب همان سرویس است، چون هزینه یادگیری مجدد و انتقال داده معمولا از تفاوت قابلیتها بیشتر میشود. مقایسه کلی دو سرویس را در مطلب Claude یا ChatGPT بررسی کردهایم.
تفاوت یک عامل با یک چتبات
اصطلاح عامل یا agent در ماههای گذشته زیاد استفاده شده و معنای آن گاهی مبهم میماند. تفاوت اصلی در سه چیز است: هدفمحوری، ابزارگیری و پیوستگی.
چتبات به یک پیام پاسخ میدهد و منتظر پیام بعدی میماند. عامل یک هدف را میگیرد، خودش تصمیم میگیرد برای رسیدن به آن چه مراحلی لازم است، از ابزارهای بیرونی مانند جستوجو، فایلها یا اجرای کد استفاده میکند و تا رسیدن به نتیجه یا شکست کامل، مسیر را ادامه میدهد.
این تفاوت یک پیامد مهم دارد. هرچه زنجیره مراحل طولانیتر شود، احتمال انحراف از مسیر هم بیشتر میشود. به همین دلیل شرکتها در معرفی مدلهای تازه امسال روی پایداری در کارهای طولانی تاکید کردهاند و نه فقط کیفیت پاسخ کوتاه. بررسی این موضوع را در مطلب معرفی Claude Opus 5 با جزئیات بیشتری آوردهایم.
مایکروسافت و عاملهای تخصصی
رویکرد مایکروسافت متفاوت است. این شرکت بهجای یک عامل عمومی، عاملهای تخصصی برای وظایف مشخص معرفی کرده است؛ یکی برای فروش و دیگری برای خدمات و پشتیبانی مشتری. این عاملها در محیط ابزارهای موجود سازمان کار میکنند و اتصال به Slack و Salesforce هم در همین راستا اضافه شده است.
منطق این تصمیم روشن است. سازمانها ابزارهای خود را عوض نمیکنند و هوش مصنوعی اگر بخواهد در سازمان جا بیفتد باید داخل همان ابزارها بنشیند. برای کسبوکارهای کوچک این خبر اهمیت کمتری دارد، چون معمولا از این پلتفرمهای سازمانی استفاده نمیکنند، اما جهت حرکت بازار را نشان میدهد.
چرا هر سه شرکت به سمت بازار سازمانی رفتهاند
دلیل اقتصادی است. مشتری سازمانی هزینه بیشتری از کاربر خانگی میپردازد، دیرتر سرویس را ترک میکند و درآمد پایدارتری ایجاد میکند. با توجه به اینکه هر دو شرکت اصلی این حوزه برای عرضه عمومی سهام آماده میشوند، جذب مشتری سازمانی برای آنها اهمیت راهبردی دارد.
پیامد این رقابت برای کاربران کوچک مثبت است. قابلیتهایی که در ابتدا برای سازمانها طراحی شدهاند، برای جذب بازار در پلنهای ۲۰ دلاری هم قرار میگیرند. Cowork نمونه روشن آن است: یک ابزار عامل کامل که در پلن شخصی گنجانده شده است.
کدام کارها را میتوان واگذار کرد
پاسخ عملی این پرسش به جنس کار بستگی دارد، نه به سختی آن. کارهایی که ورودی مشخص، معیار موفقیت روشن و خروجی قابل بازبینی دارند، بهترین نامزد واگذاری هستند.
| نوع کار | مناسب واگذاری | دلیل |
|---|---|---|
| تهیه توضیحات محصول برای فروشگاه | بله | ورودی ساختاریافته و خروجی قابل بازبینی |
| مرتبسازی و پاکسازی فایلهای صفحهگسترده | بله | قاعدهمند و تکرارشدنی |
| تهیه گزارش دورهای از داده موجود | بله | قابل زمانبندی و با قالب ثابت |
| پیشنویس پاسخ به پرسشهای پرتکرار مشتری | با بازبینی انسانی | لحن و صحت اطلاعات نیاز به تایید دارد |
| تصمیمگیری درباره قیمت و شرایط فروش | خیر | پیامد تجاری مستقیم و نیاز به قضاوت |
| پاسخ نهایی به شکایت مشتری | خیر | مسئولیت و ارتباط انسانی |
قاعده ساده این است: هر کاری که اگر اشتباه انجام شود در بازبینی قابل تشخیص و اصلاح باشد، قابل واگذاری است. هر کاری که خطای آن مستقیم به مشتری یا به تصمیم مالی برسد، باید در اختیار انسان بماند.
تفاوت این ابزارها با اتوماسیون سنتی
پرسش منطقی این است که چه تفاوتی میان یک عامل هوش مصنوعی و ابزارهای اتوماسیون سنتی وجود دارد. سالها است که میتوان با ابزارهای گردش کار، مراحل تکراری را خودکار کرد و این ابزارها هم پایدار و ارزان هستند.
تفاوت در انعطاف است. اتوماسیون سنتی بر پایه قواعد از پیش تعیینشده کار میکند و اگر ورودی از قالب انتظار خارج شود، متوقف میشود یا خروجی نادرست میدهد. عامل هوش مصنوعی میتواند با ورودی نامنظم کار کند، از متن نامرتب اطلاعات استخراج کند و در میانه کار تصمیم بگیرد.
در مقابل، همین انعطاف باعث میشود نتیجه کاملا قابل پیشبینی نباشد. اتوماسیون سنتی هر بار خروجی یکسان میدهد، اما عامل هوش مصنوعی میتواند در دو اجرا نتایج کمی متفاوت تولید کند. انتخاب درست به جنس کار بستگی دارد: برای فرآیندهای دقیق و ساختاریافته اتوماسیون قاعدهمحور مناسبتر است و برای کارهایی که ورودی آنها نامنظم و متنی است، عامل هوش مصنوعی بازده بیشتری دارد.
کیفیت ورودی، عامل تعیینکننده نتیجه
تجربه چند ماه گذشته یک نکته را روشن کرده است. تفاوت نتیجهای که دو کاربر از یک ابزار عامل میگیرند، بیشتر به کیفیت صورت مسئله بستگی دارد تا به قدرت مدل. هدف مبهم، خروجی مبهم تولید میکند.
یک هدف خوب چند مشخصه دارد: قالب خروجی مشخص است، محدوده داده تعریف شده، معیار پذیرش روشن است و موارد خارج از محدوده هم ذکر شدهاند. صرف پنج دقیقه برای نوشتن دقیق صورت مسئله، معمولا چند ساعت بازنویسی خروجی را حذف میکند.
نکته دوم، مدیریت مصرف است. کارهای عاملی بهطور طبیعی توکن بیشتری مصرف میکنند، چون مدل چند مرحله را پشت سر هم اجرا میکند. اگر با محدودیت سهمیه مواجه میشوید، پیش از ارتقای پلن ارزش دارد روش استفاده را بهینه کنید؛ چند تکنیک عملی را در مطلب کاهش مصرف توکن در ChatGPT و Claude توضیح دادهایم.
اتصال به فایلها و داده، جایی که باید احتیاط کرد
قدرت این ابزارها از اتصال آنها به داده شما میآید و ریسک آنها هم از همینجا. وقتی به یک عامل دسترسی به پوشه فایلها یا حسابهای کاری میدهید، عملا اجازه خواندن آن اطلاعات را صادر کردهاید.
چند قاعده عملی در این زمینه توصیه میشود. دسترسی را به کمترین محدوده لازم برای همان کار محدود کنید، اطلاعات هویتی و مالی مشتریان را در فایلهای کاری قابل دسترس قرار ندهید، و پیش از دادن دسترسی به دادههای حساس، سیاست نگهداری داده سرویس را بررسی کنید. برای کسبوکارهایی که با اطلاعات مشتری کار میکنند، این موضوع یک ملاحظه جدی و نه یک نکته تشریفاتی است.
انتظار واقعبینانه از نتیجه
این ابزارها در معرفیهای رسمی با نمونههای موفق نمایش داده میشوند و همین باعث میشود انتظار اولیه کاربر بالاتر از واقعیت باشد. تجربه عملی نشان میدهد در کارهای چندمرحلهای، بخشی از خروجی نیاز به اصلاح دارد و این طبیعی است.
معیار درست ارزیابی این نیست که آیا خروجی بدون دخالت قابل استفاده است یا نه، بلکه این است که مجموع زمان تعریف کار و بازبینی خروجی، از زمان انجام دستی همان کار کمتر است یا نه. در کارهای تکرارشدنی این معادله معمولا به نفع واگذاری است، چون هزینه تعریف کار یک بار پرداخت میشود و بازده آن هر هفته تکرار میشود.
برای کسبوکار کوچک ایرانی، هزینه در برابر بازده
حساب اقتصادی این تصمیم برای یک کسبوکار کوچک ساده است. یک اشتراک ۲۰ دلاری اگر هفتهای چند ساعت کار اداری و تولید محتوا را کوتاه کند، بازده روشنی دارد. مقایسه درست، هزینه اشتراک در برابر ارزش زمان آزادشده است، نه هزینه اشتراک در مقابل صفر.
در مقابل، انتظار اینکه این ابزارها جای یک نیروی متخصص را بگیرند واقعبینانه نیست. یک عامل هوش مصنوعی میتواند پیشنویس تولید کند، داده را مرتب کند و کارهای تکراری را بردارد، اما تصمیمهای تخصصی و مسئولیت نهایی همچنان انسانی است.
دسترسی تیمی و نکتهای درباره حساب مشترک
وقتی یک ابزار از حالت شخصی به ابزار کاری تبدیل میشود، پرسش دسترسی تیمی مطرح میشود. پلنهای تیمی برای همین طراحی شدهاند و مزیت آنها فقط تعداد کاربر نیست؛ مدیریت متمرکز دسترسی و جدا بودن فضای کاری هر عضو هم اهمیت دارد.
راهحل رایج اما پرریسک، استفاده چند نفره از یک حساب شخصی است. این روش سه مشکل ایجاد میکند: ورود همزمان از چند دستگاه میتواند به محدود شدن حساب منجر شود، تاریخچه و فایلهای همه اعضا در یک فضا مخلوط میشود، و در صورت خروج یک نفر از تیم، امکان قطع دسترسی اختصاصی او وجود ندارد.
برای کسبوکاری که یک گردش کار روزانه را به این ابزار سپرده است، هزینه یک اختلال دسترسی معمولا از تفاوت قیمت پلن تیمی بیشتر میشود.
محدودیتهای کاربران ایرانی
پیش از هر برنامهریزی، سه محدودیت عملی را باید در نظر گرفت. محدودیت اول، دسترسی است: ثبتنام و پرداخت از محدوده IP ایران ممکن نیست و تلاش برای پرداخت مستقیم به تعلیق حساب منجر میشود. محدودیت دوم، پرداخت است، چون کارتهای شتاب روی درگاههای بینالمللی پذیرفته نمیشوند.
محدودیت سوم به پایداری مربوط است. برای کسبوکاری که یک گردش کار روزانه را به این ابزار وابسته میکند، قطع دسترسی در میانه کار هزینه واقعی دارد. به همین دلیل انتخاب اشتراک پایدار و اختصاصی اهمیت بیشتری از اختلاف قیمت دارد؛ تفاوت این دو نوع حساب را در مطلب تفاوت اکانت اشتراکی و اختصاصی توضیح دادهایم.
راه عملی، تهیه اشتراک از طریق واسط داخلی با پرداخت ریالی است. اشتراک ChatGPT و اشتراک Claude AI در بخش ابزارهای هوش مصنوعی با پرداخت ریالی در دسترس هستند و قیمت روز هر پلن در صفحه محصول درج شده است.
یک نمونه گردش کار عملی
برای اینکه بحث انتزاعی نماند، یک نمونه واقعی را در نظر بگیرید: فروشگاه اینترنتی کوچکی که هر هفته چند محصول تازه اضافه میکند. کارهای تکراری این فروشگاه شامل نوشتن توضیح محصول، تهیه عنوان و توضیحات متا، دستهبندی و بهروزرسانی فایل موجودی است.
در این سناریو میتوان فایل مشخصات محصولات را به عامل داد و خواست که برای هر محصول توضیح، عنوان و توضیحات متا در قالب یکسان تولید کند و همه را در یک فایل صفحهگسترده تحویل بدهد. بازبینی انسانی روی خروجی انجام میشود و سپس در سایت بارگذاری میشود. زمان صرفشده برای تعریف دقیق کار یک بار پرداخت میشود و هر هفته بازده میدهد.
نکته مهم این است که کیفیت سئوی نهایی به ساختار سایت و استراتژی محتوا بستگی دارد، نه فقط به متن تولیدشده. برای بررسی وضعیت فنی سایت میتوانید از اسکنر سئوی رایگان کافه لایسنس استفاده کنید.
جایی که ابزار جای تیم را نمیگیرد
عاملهای هوش مصنوعی در تولید و مرتبسازی خوب عمل میکنند، اما در دو حوزه جایگزین کار تخصصی نمیشوند: تصمیمهای ساختاری و اجرای فنی. طراحی معماری یک سایت، تعریف استراتژی محتوا، پیکربندی درست سرور و مدیریت کمپین تبلیغاتی همچنان به تخصص انسانی نیاز دارند.
اگر در این حوزهها به کمک نیاز دارید، خدمات طراحی سایت و سئو و مدیریت تبلیغات گوگل ادز کافه لایسنس در دسترس است و شرح کامل آن را در مطلب طراحی سایت و سئو حرفهای آوردهایم. رویکرد منطقی، ترکیب این دو است: ابزار برای کارهای تکراری و تخصص انسانی برای تصمیمها.
یک روش دومرحلهای برای بازبینی خروجی
واگذاری کار به یک عامل، بازبینی را حذف نمیکند بلکه شکل آن را تغییر میدهد. روشی که در عمل جواب میدهد، تقسیم بازبینی به دو مرحله است.
مرحله اول، بررسی صحت است: آیا اعداد، نامها، قیمتها و ارجاعها درست هستند؟ این مرحله را نمیتوان حذف کرد، چون خطای واقعی معمولا در همین جزئیات پنهان میشود و در متنی که روان نوشته شده کمتر به چشم میآید. مرحله دوم، بررسی تناسب است: آیا لحن با برند شما هماهنگ است، آیا چیزی اضافه گفته شده و آیا نکته مهمی جا افتاده است.
تفکیک این دو مرحله از هم بازده بازبینی را بالا میبرد، چون هر بار روی یک نوع خطا تمرکز میکنید. برای متنهایی که به مشتری میرسد، انجام هر دو مرحله ضروری است و برای فایلهای داخلی معمولا مرحله اول کافی است. با گذشت زمان و شناخت الگوی خطاهای رایج، این بازبینی سریعتر انجام میشود.
اشتباههای رایج در استفاده از ابزارهای عامل
- تعریف هدف مبهم و انتظار خروجی دقیق از آن.
- دادن دسترسی گسترده به فایلها و حسابهای کاری بدون محدود کردن دامنه.
- انتشار خروجی بدون بازبینی انسانی، بهویژه در متنهایی که به مشتری میرسد.
- واگذاری تصمیمهای مالی و قیمتگذاری به ابزار.
- ارتقای پلن پیش از بهینه کردن روش استفاده و مدیریت مصرف.
- ساختن یک گردش کار حیاتی روی حسابی که پایداری آن مشخص نیست.
جمعبندی
تابستان ۲۰۲۶ نقطهای بود که ابزارهای هوش مصنوعی از پاسخ دادن به انجام دادن رسیدند. ChatGPT Work و Claude Cowork هر دو یک هدف را دنبال میکنند و هر دو در پلنهای ۲۰ دلاری در دسترس هستند، که یعنی این قابلیت دیگر مخصوص سازمانهای بزرگ نیست.
نکتهای که در ارزیابی این ابزارها باید در نظر گرفت، فاصله میان نمایشهای رسمی و کار روزمره است. در معرفیها بهترین حالت نشان داده میشود، در حالی که بازده واقعی به کیفیت تعریف کار، ساختار داده شما و دقت بازبینی بستگی دارد. کسبوکارهایی که نتیجه گرفتهاند معمولا از یک کار مشخص و کوچک شروع کردهاند، نه از تلاش برای خودکار کردن همه چیز در یک مرحله.
برای یک کسبوکار کوچک، مسیر درست شروع کوچک است: یک کار تکراری مشخص را انتخاب کنید، آن را دقیق تعریف کنید و نتیجه را با زمان انجام دستی همان کار مقایسه کنید. اگر معادله جواب داد، کار بعدی را اضافه کنید. آشنایی بیشتر با قابلیتهای این ابزارها را میتوانید در مطلب Claude AI چیست و چه کاربردهایی دارد و مقایسه پلنها را در تفاوت ChatGPT Plus و Pro دنبال کنید.
سوالات متداول
ChatGPT Work چه زمانی عرضه شد
روز نهم ژوئیه ۲۰۲۶، همزمان با معرفی خانواده مدلهای GPT-5.6 که این حالت روی آن اجرا میشود.
تفاوت این حالت با گفتوگوی معمولی چیست
در گفتوگوی معمولی پرسش میدهید و پاسخ میگیرید. در این حالت یک هدف تعریف میکنید و ابزار اطلاعات لازم را جمع میکند، کار را به مراحل میشکند و خروجی نهایی مانند سند، ارائه، فایل صفحهگسترده یا وبسایت را تحویل میدهد.
برای استفاده از Claude Cowork باید هزینه جداگانه بدهم
خیر. این ابزار در همه پلنهای پرداختی Claude گنجانده شده است، از پلن Pro تا پلنهای تیمی و سازمانی.
آیا کار پس از بستن لپتاپ ادامه پیدا میکند
در Cowork بله؛ اجرای کارها سمت سرور انجام میشود و کارهای زمانبندیشده بدون روشن بودن دستگاه اجرا میشوند.
چه کارهایی را نباید به این ابزارها سپرد
تصمیمهای قیمتگذاری و شرایط فروش، پاسخ نهایی به شکایت مشتری و هر کاری که خطای آن مستقیم به مشتری یا به تصمیم مالی برسد. این موارد به قضاوت و مسئولیت انسانی نیاز دارند.
آیا این ابزارها جای نیروی متخصص را میگیرند
در کارهای تکراری و تولید پیشنویس، بخش قابل توجهی از زمان را آزاد میکنند. اما تصمیمهای ساختاری مانند معماری سایت، استراتژی محتوا و مدیریت کمپین تبلیغاتی همچنان به تخصص انسانی نیاز دارد.
کاربر ایرانی چطور به این قابلیتها دسترسی پیدا میکند
از طریق تهیه اشتراک با پرداخت ریالی از واسط داخلی. ثبتنام و پرداخت مستقیم از محدوده ایران ممکن نیست و به تعلیق حساب منجر میشود.
