گوگل قابلیت تازهای در جمینای فعال کرده است که کنترل مستقیم کامپیوترهای مک را برای انجام خودکار کارها ممکن میکند. این قابلیت که «استفاده از کامپیوتر» (Computer Use) نام دارد، دستیار هوش مصنوعی جمینای را از یک چتبات متنی به یک عامل اجرایی تبدیل میکند که در محیط دسکتاپ کار میکند.
به گزارش بلومبرگ، این قابلیت امکان کلیک کردن، تایپ متن، پیمایش در منوها و تکمیل فرمها را بهصورت خودکار فراهم میسازد. گوگل روز پنجشنبه اعلام کرد دستیار هوشمند میتواند دستهای از تصاویر را در نرمافزار طراحی موردنظر کاربر اصلاح رنگ کند یا تصاویر پوشاک ذخیرهشده در پوشههای محلی را برای بارگذاری در سایتهای فروشگاهی آماده سازد.
دسترسی به این قابلیت در حال حاضر برای کاربران آمریکایی دارای اشتراکهای Google AI Plus و Pro یا Ultra در نسخه مک جمینای فراهم است. یعنی این قابلیت فعلاً هم از نظر جغرافیایی و هم از نظر سطح اشتراک محدود است؛ کاربران نسخه رایگان و کاربران خارج از آمریکا باید منتظر بمانند.
برخلاف چتباتهای متنی مرسوم، شرکتهای فعال در حوزه هوش مصنوعی نظیر OpenAI با ChatGPT و متا با دستیار Muse پیشتر ابزارهای مشابهی برای تعامل با فایلهای محلی و نرمافزارهای دسکتاپ مک عرضه کردهاند. به عبارت دیگر، جمینای در حال پر کردن یک عقبماندگی است، نه ساختن یک دستهبندی تازه؛ رقابت اصلی حالا بر سر کیفیت اجرا، پایداری و اعتماد کاربر است.
فعالیت این ابزار در محیطی جداگانه اجرا میشود تا افراد بتوانند همزمان از نمایشگر اصلی و نشانگر ماوس خود استفاده کنند. طبق اعلام گوگل، کاربران اجازه دارند دسترسی برنامهها را مشخص سازند، تمام مراحل اجرایی را بهصورت زنده ببینند، روند را متوقف کنند و مجوز اقدامات کلیدی را پیش از اجرا صادر نمایند. این چهار کنترل — تعیین دسترسی، مشاهده زنده، توقف و تأیید پیش از اقدام — در واقع پاسخ گوگل به مهمترین نگرانی کاربران است: اینکه یک عامل هوش مصنوعی بدون نظارت در فایلها و حسابهایشان کار کند.
نسخه کنونی سیری تنها وظایف مرتبط با نرمافزارهای بومی مانند ارسال پیام یا ثبت رویدادهای تقویم را بر عهده میگیرد و تسلطی بر برنامههای متفرقه ندارد. همین شکاف، موقعیت اپل را آسیبپذیر میکند: کاربر مک که میخواهد چند کلیک تکراری در یک نرمافزار طراحی یا یک پنل مدیریت فروشگاه انجام دهد، حالا میتواند این کار را به جمینای بسپارد؛ حتی اگر سیری در همان دستگاه حضور داشته باشد.
با وجود انتشار فریمورکهای جدید اپل برای توسعهدهندگان، رشد توانمندی ابزارهای رقیب چالشهای امنیتی و حریم خصوصی پیرامون دسترسی گسترده دادهها در سیستمعامل مک را برجستهتر میکند. وقتی یک عامل میتواند کلیک کند و تایپ کند، دیگر «فقط خواندن» مطرح نیست؛ او در عمل اختیار عمل دارد. همین موضوع باعث میشود مفهوم مجوز و مرز دسترسی، از یک تنظیم حاشیهای به هسته تجربه کاربری تبدیل شود.
از منظر کاربران حرفهای — از طراحان و ادیتورها تا مدیران فروشگاههای اینترنتی — ارزش اصلی این قابلیت در کارهای تکراری است: تغییر اندازه و رنگ دهها تصویر، آمادهسازی فایل محصول برای آپلود، پر کردن فرمهای تکراری و جابهجایی داده بین دو نرمافزار. این همان دسته کاری است که سالها دلیل اصلی استخدام دستیار انسانی بوده و حالا هدف مستقیم عاملهای هوشمند است.
با این حال، محدودیتهای فعلی جدی است: اتکا به بینایی ماشین برای تشخیص عناصر رابط کاربری، خطاپذیری در برنامههای غیربومی، و کندی محسوس در مقایسه با کلیک انسانی. تجربه ChatGPT و Muse نشان داده که عاملهای دسکتاپ در کارهای ساده قابل اعتمادند، اما در گردشکارهای چندمرحلهای هنوز به نظارت انسانی نیاز دارند.
برای بازار ایران، این خبر بیش از هر چیز یک نشانه است: رقابت دستیارها از «چه میگویی» به «چه میکنی» منتقل شده است. ابزارهایی که فقط پاسخ متنی میدهند، بهسرعت به کالای عمومی تبدیل میشوند؛ ارزش تازه در اجرای واقعی کار روی دسکتاپ و درون نرمافزارهاست.