Muse با آزمون اعتماد کاربران Meta روبه‌رو است

Meta با معرفی دستیار هوش مصنوعی Muse در رویداد سالانه Connect، نشان داده است که می‌خواهد هوش مصنوعی را به ابزارهای روزمره کاربران پیوند بزند؛ اما تجربه اولیه یکی از خبرنگاران TechCrunch نشان می‌دهد جلب اعتماد، به‌ویژه هنگام دسترسی به اطلاعات شخصی و مالی، ممکن است از خود قابلیت‌های فنی دشوارتر باشد. در گفت‌وگویی در پادکست Equity، خبرنگاران TechCrunch ضمن بررسی استقبال از Muse، درباره تفاوت راهبرد Meta با شرکت‌هایی مانند OpenAI و Anthropic و پرسش مهم‌تری بحث کردند: آیا کاربران حاضرند چنین دستیارهایی را وارد بخش‌های حساس زندگی‌شان کنند؟

تمرکز Meta بر مصرف‌کننده، در برابر موج ابزارهای سازمانی

معرفی Muse در رویداد Connect، به گفته شرکت‌کنندگان در گفت‌وگو، در زمانی انجام شده که توجه بسیاری از شرکت‌های بزرگ هوش مصنوعی به ابزارهای کدنویسی و کاربردهای سازمانی جلب شده است. Anthony Ha در پادکست Equity گفت بخش زیادی از بحث‌های اخیر درباره بازار هوش مصنوعی بر مشتریان سازمانی متمرکز بوده؛ بازاری که به‌نظر می‌رسد شرکت‌ها برای درآمدزایی در مقیاس بزرگ به آن چشم دوخته‌اند.

او در عین حال این مسیر را تنها انتخاب ممکن ندانست. به گفته Ha، شاید Meta فرصتی متفاوت در محصولاتی ببیند که مستقیماً برای کاربران عادی ساخته می‌شوند؛ به‌خصوص اگر شرکت‌هایی مانند OpenAI و Anthropic بخش بیشتری از توجه خود را به بازار سازمانی معطوف کنند. در این نگاه، Muse فقط یک قابلیت تازه نیست، بلکه بخشی از تلاش Meta برای پیش‌بردن هوش مصنوعی در همان حوزه‌ای است که این شرکت سال‌ها در آن حضور داشته: زندگی روزمره کاربران.

Kirsten Korosec نیز در گفت‌وگو یادآوری کرد که Meta از راه Facebook، Instagram و WhatsApp به بخش بزرگی از عادت‌های دیجیتال روزانه مردم راه پیدا کرده است. او این سابقه را دلیلی دانست که تمرکز این شرکت بر بازار مصرف‌کننده می‌تواند با توانمندی‌هایش سازگار باشد. این ارزیابی به‌معنای تضمین موفقیت Muse نیست؛ اما نشان می‌دهد Meta برخلاف برخی رقیبان، برای دسترسی به کاربران عادی از شبکه‌ای از محصولات شناخته‌شده برخوردار است.

یک تجربه چشمگیر، اما نه لزوماً کاربردی هرروزه

Sean O’Kane، خبرنگار TechCrunch، پیش از گفت‌وگو Muse را امتحان کرده بود. او گفت این دستیار در قالب یک برنامه و با رابطی شبیه چت‌بات در دسترس است و می‌تواند پیشنهادهایی درباره کارهایی که قادر به انجامشان است ارائه کند. در یکی از این پیشنهادها، Muse اعلام کرد می‌تواند بررسی کند آیا پول مطالبه‌نشده‌ای به نام کاربر وجود دارد یا نه.

O’Kane با کمک این قابلیت از وجود مبلغی آگاه شد که پیش‌تر از آن خبر نداشت و گفت چکی برایش در راه است. این تجربه، به گفته او، ارزشمند و غیرمنتظره بود؛ زیرا اگر Muse آن را پیشنهاد نمی‌داد، احتمالاً خودش دنبال چنین موضوعی نمی‌رفت. بااین‌حال، او آن را بیشتر به یک «ترفند جالب» تشبیه کرد تا قابلیتی که به‌تنهایی بتواند کاربر را برای استفاده مداوم از برنامه ترغیب کند.

نکته اصلی برای O’Kane این بود که پیدا کردن پول مطالبه‌نشده اتفاقی نیست که مرتب تکرار شود. به همین دلیل، یک نتیجه موفق در نخستین روز استفاده هنوز نشان نمی‌دهد Muse در زندگی روزانه کاربر چه جایگاهی پیدا می‌کند. این تمایز برای سنجش دستیارهای هوش مصنوعی اهمیت دارد: نمایش یک قابلیت چشمگیر می‌تواند توجه جلب کند، اما استفاده مستمر معمولاً به حل مسئله‌هایی نیاز دارد که به‌طور منظم برای کاربر پیش می‌آیند.

Meta، بنا بر آنچه در گفت‌وگو مطرح شد، کاربردهایی گسترده‌تر را نیز در نظر دارد؛ از جمله بررسی امور مالی روزمره، شناسایی هزینه‌های تکراری یا پیدا کردن برداشت‌های دوباره. نمونه‌هایی که O’Kane برای توضیح این دسته از خدمات نام برد، لغو اشتراک‌هایی است که فرد دیگر از آن‌ها استفاده نمی‌کند و تشخیص هزینه‌های تکراری کارت اعتباری. اما رسیدن به چنین قابلیت‌هایی می‌تواند مستلزم آن باشد که کاربر اطلاعاتی حساس، مانند داده‌های کارت اعتباری یا حساب Gmail، را در اختیار دستیار بگذارد.

مسئله اعتماد، فراتر از امنیت فنی

بحث اعتماد به Muse فقط درباره این نیست که آیا یک سامانه می‌تواند اطلاعات را از نظر فنی ایمن نگه دارد. کاربران ممکن است بخواهند بدانند اطلاعاتشان در چه شرکتی ذخیره یا پردازش می‌شود و مدل کسب‌وکار آن شرکت چه انگیزه‌ای برای جمع‌آوری داده دارد. O’Kane گفت بخشی از آمادگی‌اش برای امتحان Muse از این تصور ناشی شده بود که برنامه در آغاز او را مانند کاربری تازه می‌بیند و بی‌درنگ به حساب‌هایش در Facebook، Instagram یا Threads متصل نمی‌شود.

او گفت این شروعِ کم‌اتصال باعث شد راحت‌تر با دستیار کار کند؛ اما به‌تدریج Muse کاربر را به پیوند دادن حساب‌ها و وارد کردن اطلاعات بیشتر ترغیب می‌کند تا زمینه بیشتری درباره او داشته باشد. به این ترتیب، مسئله از توانایی انجام یک کار مشخص فراتر می‌رود: کاربران باید تصمیم بگیرند آیا مزیت‌های احتمالی یک دستیار شخصی ارزش در اختیار گذاشتن داده‌های حساس را دارد یا نه.

O’Kane گفت اعتمادش به Meta با اعتمادی که به Apple دارد یکسان نیست. او به تجربه‌اش با Siri در نسخه جدید iOS اشاره کرد و گفت در آن مقطع، برای سپردن اطلاعات حساس به نسخه‌ای از چنین دستیارهایی که با Apple پیوند داشته باشد آمادگی بیشتری احساس می‌کرد. او این تفاوت را هم به برداشتش از امنیت اطلاعات و هم به تفاوت مدل‌های کسب‌وکار نسبت داد.

به گفته O’Kane، تبلیغات بخش محوری کسب‌وکار Meta است. او نسبت به این استدلال که شناخت بیشتر از کاربر می‌تواند تبلیغاتی دقیق‌تر و جذاب‌تر بسازد، بدبین بود. این گفته نظر شخصی او در گفت‌وگو است، نه نتیجه یک ارزیابی فنی از نحوه کار Muse؛ بااین‌حال، نشان می‌دهد سابقه و تصویر عمومی یک شرکت می‌تواند بر میزان تمایل افراد به استفاده از محصول هوش مصنوعی آن اثر بگذارد.

مزیت توزیع، در کنار پرسش درباره ارزش ماندگار

در همان گفت‌وگو، Muse با OpenClaw مقایسه شد؛ محصولی که O’Kane آن را نمونه‌ای از دستیارهایی توصیف کرد که کاربر می‌تواند از طریق پیام با آن‌ها تعامل کند و انجام برخی کارها را به آن‌ها بسپارد. او گفت Meta کار و دستاوردهای گروه OpenClaw را خرید و در محصول خود به‌کار گرفت. این مقایسه کمک می‌کند Muse را نه صرفاً یک چت‌بات، بلکه تلاشی برای ساخت دستیار عاملی بدانیم: سامانه‌ای که قرار است از پاسخ‌گویی فراتر برود و اقدام‌هایی را به‌جای کاربر انجام دهد.

بااین‌حال، توانایی انجام کار و آمادگی کاربر برای سپردن آن کار دو موضوع جداگانه‌اند. هرچه وظیفه دستیار به حساب‌های مالی، ایمیل یا دیگر اطلاعات شخصی نزدیک‌تر شود، اعتماد و شفافیت اهمیت بیشتری پیدا می‌کند. در مقابل، اگر کاربر نخواهد اطلاعاتش را متصل کند، ممکن است برخی از کاربردهای روزمره‌ای که Meta برای این نوع دستیارها مطرح می‌کند در دسترس نباشد یا ارزش کمتری داشته باشد.

Korosec و Ha بر امکان بهره‌گیری Meta از جایگاه مصرف‌کننده‌محورش تأکید کردند؛ O’Kane هم تجربه‌ای را شرح داد که نشان داد Muse می‌تواند دست‌کم در یک مورد نتیجه‌ای ملموس به همراه داشته باشد. اما او گفت تا زمان گفت‌وگو، جز همان فرصت یک‌باره، کاربرد دیگری پیدا نکرده بود که برایش به همان اندازه مفید باشد. بنابراین، ارزیابی اولیه محصول همچنان میان دو پرسش معلق است: آیا Meta می‌تواند دستیارش را به ابزاری واقعاً سودمند برای کارهای تکراری تبدیل کند، و آیا کاربران حاضرند برای آن به این شرکت اعتماد کنند؟

این خبر برای چه کسانی اهمیت دارد

تازه‌واردان و علاقه‌مندان به دستیارهای هوش مصنوعی می‌توانند از تجربه Muse تصویری واقعی‌تر از تفاوت میان یک قابلیت جذاب و یک محصول روزمره به دست آورند. تجربه O’Kane نشان می‌دهد یک پیشنهاد به‌موقع ممکن است به نتیجه‌ای ملموس برسد، اما این اتفاق به‌تنهایی برای اثبات ارزش پایدار یک دستیار کافی نیست.

این موضوع برای کاربرانی که قصد دارند اطلاعات مالی، ایمیل یا حساب‌های شخصی خود را به یک ابزار هوش مصنوعی متصل کنند نیز اهمیت دارد. نمونه Muse یادآوری می‌کند که تصمیم درباره استفاده از چنین محصولی فقط به امکانات آن مربوط نیست؛ اعتبار شرکت، مدل کسب‌وکار و میزان راحتی کاربر با پیوند دادن حساب‌ها هم در این تصمیم نقش دارند. برای شرکت‌های فعال در حوزه هوش مصنوعی نیز این پرسش مطرح است که آیا دسترسی گسترده به کاربران، بدون اعتماد پایدار و کاربردهای تکرارشونده، می‌تواند به استفاده مداوم از محصول منجر شود یا نه.