OpenAI در DevDay 2026 که ۷ مهر (۲۹ سپتامبر) در سان‌فرانسیسکو برگزار شد، محصولی به نام Dots معرفی کرد: ایجنت‌هایی که «همیشه روشن» هستند، داخل ChatGPT زندگی می‌کنند و بعد از بستن پنجره گفتگو هم به کار ادامه می‌دهند. برای تیم‌های نرم‌افزاری، سؤال اصلی این نیست که Dots چقدر جذاب است؛ این است که چه کاری را می‌شود با خیال راحت به یک ایجنت همیشه‌فعال سپرد، و چه دسترسی‌هایی نباید به آن داد.

این مقاله خلاصه‌ای دقیق از چیزی است که درباره Dots اعلام شده، به‌علاوه یک ماتریس تصمیم و یک چک‌لیست امنیتی که از دید یک برنامه‌نویس بک‌اند نوشته‌ام.

شفافیت درباره منبع‌ها: من Dots را شخصاً استفاده نکرده‌ام؛ این قابلیت فعلاً فقط برای پلن‌های Pro و Business Premium در بازارهای مشخص عرضه شده است. اطلاعات محصول از اطلاعیه رسمی OpenAI با عنوان «Introducing dots» و گزارش‌های TechCrunch و VentureBeat در همان روز رونمایی است. هر جا چیزی هنوز اعلام نشده، همین را نوشته‌ام.

Dots دقیقاً چیست؟

OpenAI در اطلاعیه رسمی، Dots را «دستیارهای فعال» توصیف کرده که می‌توانند روی پروژه‌های پیچیده و کارهای روزمره به‌طور مداوم کار کنند. تفاوت اصلی با ChatGPT معمولی این است که Dots منتظر پیام شما نمی‌ماند:

  • همیشه فعال: بعد از بستن گفتگو هم کار را ادامه می‌دهد، پروژه‌ها را پیگیری می‌کند و به اطلاعات تازه واکنش نشان می‌دهد.
  • کامپیوتر و مرورگر اختصاصی: طبق گزارش‌ها، هر Dot یک کامپیوتر ابری ایزوله و مرورگر خودش را دارد، مگر اینکه صراحتاً به دستگاه دیگری وصل شود.
  • اتصال به ابزارها: از طریق اکوسیستم پلاگین OpenAI به بیش از ۴٬۰۰۰ اپلیکیشن وصل می‌شود.
  • کانال‌ها: ChatGPT وب و موبایل، Slack و Microsoft Teams، و تعامل صوتی. TechCrunch نوشته از طریق Codex هم در دسترس است.
  • یادگیری ترجیحات: با بازخورد شما عادت‌ها و اولویت‌هایتان را یاد می‌گیرد. هر کاربر یک Dot اصلی دارد که می‌تواند اسمش را تعیین کند.
  • مدل: طبق گزارش TechCrunch و VentureBeat، Dots با مدل GPT-6 Astra کار می‌کند.

OpenAI همزمان «ChatGPT Space» را هم معرفی کرد: لایه‌ای مشترک که اعضای تیم، ChatGPT و ایجنت‌ها روی یک زمینه مشترک کار می‌کنند و برای کاربران واجد شرایط جای بخش Library را می‌گیرد.

Specialist Dots برای سازمان‌ها

علاوه بر Dot شخصی، OpenAI پیش‌نمایشی از «Specialist Dots» نشان داده است: ایجنت‌های سازمانی با هویت مستقل برای مدیریت دسترسی، سخت‌افزار تأمین‌شده توسط IT و اتصال عمیق به سیستم‌های اصلی سازمان. به گزارش VentureBeat، OpenAI این ایجنت‌ها را داخل شرکت برای خرید، پردازش فاکتور، ایمیل مارکتینگ، پشتیبانی مشتری و قراردادهای تجاری آزمایش کرده است. نکته مهم برای تیم‌های فنی این است که هویت جداگانه یعنی می‌شود دسترسی ایجنت را مثل یک کارمند جدید مدیریت و محدود کرد، نه با کلید شخصی یک نفر.

کنترل‌های امنیتی اعلام‌شده

طبق گزارش VentureBeat از جزئیات اعلام‌شده:

  • جستجوی فعال (proactive research) فقط با ابزارهای read-only انجام می‌شود که نمی‌توانند پیام بفرستند یا محتوا تغییر دهند.
  • با «Custom Rules» می‌شود برای هر نوع اقدام تعیین کرد مجاز است، تأیید لازم دارد یا ممنوع است.
  • «Activity View» برای بررسی کارهایی که Dot در پس‌زمینه انجام داده.
  • یک سیستم بازبینی خودکار، اقدام‌های پیامددار را پیش از اجرای مستقل بررسی می‌کند.
  • عملیات حساس مثل تغییر رمز عبور برای کاربر انسانی رزرو شده است.
  • برای مشتریان Business و Enterprise، محتوای workspace به‌طور پیش‌فرض برای آموزش مدل استفاده نمی‌شود.

TechCrunch هم نوشته OpenAI با Microsoft روی یکپارچه‌سازی با کنترل‌های امنیتی Agent 365 کار می‌کند. خود OpenAI هم یادآوری کرده که Dots ممکن است اشتباه کند و کارهای پیامددار باید بازبینی شوند.

دسترسی و قیمت

Dots از روز رونمایی برای کاربران Pro و Business Premium در «بازارهای واجد شرایط» عرضه می‌شود. مشتریان Enterprise، Edu و Healthcare وقتی مدیر workspace فعالش کند، نسخه بتا را می‌بینند. اولین Dot برای Pro و Business Premium بدون هزینه اضافه است. قیمت Dotهای بیشتر، سرعت بالاتر و Specialist Dots هنوز اعلام نشده است. API عمومی برای ساخت Dot از کد اعلام نشده است. دسترسی کاربران ایران هم به محدودیت‌های رسمی کشورهای پشتیبانی‌شده OpenAI وابسته است.

برای تیم بک‌اند چه معنایی دارد؟

یکی از مثال‌های خود OpenAI مستقیماً به برنامه‌نویس‌ها مربوط است: Dot بازخورد مشتری را زیر نظر می‌گیرد، باگ را پیدا می‌کند، اصلاح را می‌سازد و یک pull request همراه ویدیوی نمایشی برمی‌گرداند. TechCrunch در نقد خود اشاره کرده که این کار قبلاً هم با Codex و ابزارهای ایجنتی مشابه ممکن بود و Dots بیشتر آن‌ها را در یک تجربه همیشه‌فعال جمع کرده است. این نقد منصفانه است. تفاوت واقعی، «همیشه‌فعال بودن» و اتصال به ابزارهای تیم است، و همین تفاوت ریسک را هم بیشتر می‌کند.

ماتریس تصمیم: کدام ابزار برای کدام کار؟

کارابزار مناسب‌تردلیل
پیاده‌سازی یک قابلیت یا refactor مشخص در مخزنایجنت کدنویسی مثل Codex یا Claude Code، با بازبینی شماکار محدود و قابل بازبینی؛ نیازی به همیشه‌فعال بودن نیست
پایش بازخورد کاربران و پیشنهاد اصلاح باگDots، فقط با خروجی pull requestکار مداوم است، اما خروجی تا قبل از merge قابل بازبینی می‌ماند
گزارش هفتگی وضعیت خطاها و کندی‌هاDots با دسترسی read-onlyخواندن و جمع‌بندی، بدون نیاز به تغییر سیستم
تصمیم سریع داخل کد، مثل مسیریابی تیکتمدل تصمیم‌گیر مثل Jev یا قانون ساده در کدباید در کسری از ثانیه و قابل تست انجام شود، نه با یک ایجنت
دسترسی به دیتابیس production، اجرای migration، تغییر DNS یا پرداختانساناقدام‌های غیرقابل‌برگشت؛ هیچ ایجنتی نباید بدون تأیید انسانی انجامشان دهد

درباره مدل‌های تصمیم‌گیر مثل Jev در مقاله Jev چیست و چطور در Laravel از آن استفاده کنیم مفصل نوشته‌ام.

چک‌لیست قبل از وصل کردن یک ایجنت همیشه‌فعال به سیستم‌های فنی

  1. حساب جدا، نه حساب شخصی. اگر Specialist Dots یا امکان مشابه در دسترس است، ایجنت باید هویت و توکن خودش را داشته باشد تا بشود دسترسی‌اش را جدا محدود و در صورت لزوم باطل کرد.
  2. حداقل دسترسی. برای مخزن کد، فقط ساخت branch و pull request؛ نه push مستقیم به main و نه تغییر تنظیمات CI یا secretها.
  3. production فقط خواندنی، و ترجیحاً اصلاً نه. لاگ و متریک را از ابزار مانیتورینگ بخواند، نه از دیتابیس اصلی. اگر دسترسی به داده لازم است، یک replica با داده حساس حذف‌شده بدهید.
  4. قوانین تأیید را صریح بنویسید. هر اقدامی که پیام به مشتری می‌فرستد، پول جابه‌جا می‌کند یا داده حذف می‌کند، باید «نیازمند تأیید» یا «ممنوع» باشد.
  5. بازبینی فعالیت را برنامه‌ریزی کنید. بررسی هفتگی Activity View یا لاگ معادل، و هشدار برای اقدام‌های غیرمنتظره.
  6. داده حساس را بشناسید. قبل از اتصال به Slack یا ابزار تیکت، مشخص کنید چه اطلاعاتی از مشتریان در آن کانال‌ها هست و آیا قوانین قراردادی یا حریم خصوصی اجازه پردازش آن را می‌دهند.
  7. راه خاموش کردن. بدانید چطور ایجنت را فوراً متوقف و همه توکن‌هایش را باطل کنید، و این کار را یک بار امتحان کنید.

این همان منطقی است که برای هر سرویس بیرونی با دسترسی به سیستم‌هایتان رعایت می‌کنید. چک‌لیست کامل‌تر امنیت Laravel را در چک‌لیست امنیت Laravel آورده‌ام.

چه چیزهایی هنوز معلوم نیست

  • قیمت Dotهای اضافه و Specialist Dots.
  • API برای ساخت و کنترل Dot از کد.
  • عملکرد واقعی در کارهای طولانی مهندسی؛ تا امروز ارزیابی مستقلی که بتوانم به آن استناد کنم ندیده‌ام. هر ادعای «چند برابر سریع‌تر» را تا وقتی آزمایش مستقل منتشر نشده، ادعای تبلیغاتی در نظر بگیرید.

جمع‌بندی

Dots قدم بعدی از «چت با هوش مصنوعی» به سمت «همکار هوش مصنوعی همیشه‌فعال» است. برای تیم‌های بک‌اند، بیشترین ارزش آن احتمالاً در کارهای مداوم و قابل بازبینی است: پایش، جمع‌بندی و پیشنهاد اصلاح در قالب pull request. ریسک اصلی هم در همان همیشه‌فعال بودن است. دسترسی حداقلی، قوانین تأیید صریح و بازبینی منظم، تفاوت بین یک دستیار مفید و یک حادثه امنیتی است.

اگر می‌خواهید ابزارهای هوش مصنوعی را به شکل امن و قابل کنترل در فرایند توسعه یا بک‌اند محصولتان وارد کنید، در خدمت مشاوره فنی و معماری با هم بررسی‌اش می‌کنیم.

پرسش‌های متداول

آیا Dots API دارد؟

در زمان رونمایی، API عمومی برای ساخت یا کنترل Dot از کد اعلام نشده بود و دسترسی از طریق ChatGPT، Slack، Teams و Codex است.

آیا می‌شود به Dots دسترسی production داد؟

توصیه نمی‌کنم. دسترسی را به خواندن لاگ و متریک و ساخت pull request محدود کنید و هر اقدام غیرقابل‌برگشت را نیازمند تأیید انسانی بگذارید.