ایمیل؛ راه حلی جدید برای استفاده راحت‌تر از هوش مصنوعی در محیط کار

شرکت‌های هوش مصنوعی خیلی دارن روی “ایجنت‌ها” یا همون “عامل‌های هوش مصنوعی” مانور میدن و میگن اینا قراره محل کار رو حسابی متحول کنن. اما کارشناس‌ها معتقدن که هنوز این ایجنت‌ها آماده ورود به بازار نیستن. چرا؟ چون معمولاً توی تصمیم‌گیری مستقل مشکل دارن، زیاد اطلاعات غلط تولید می‌کنن، نمی‌تونن با بقیه ایجنت‌ها همکاری کنن، به محرمانه بودن اطلاعات توجهی ندارن و با سیستم‌های موجود هم خوب سازگار نمیشن.

پیش‌کسوت‌های این حوزه مثل آندری کارپاتی و علی قدسی میگن دقیقاً مثل ماشین‌های خودران، آدما باید توی کار با این ایجنت‌ها باشن تا موفق بشن. یعنی انسان‌ها باید در جریان کار باشن.

اینجا یه استارتاپ به اسم میکسوس (Mixus) وارد عمل میشه و میخواد این مشکل رو حل کنه. پلتفرم ایجنت هوش مصنوعی اون‌ها نه تنها آدما رو توی چرخه کار نگه میداره، بلکه به کاربرها اجازه میده مستقیماً از توی ایمیل یا اسلک با این ایجنت‌ها در ارتباط باشن.

الیوت کاتز، هم‌بنیان‌گذار میکسوس، به تک‌کرانچ گفته: “ما داریم به سراغ مشتری‌ها میریم، اونجایی که الان هستن. هر کارمندی الان کجاست؟ بیشترشون توی ایمیل هستن. و چون ما می‌تونیم این کار رو از طریق ایمیل انجام بدیم، باور داریم این یه راهیه که می‌تونیم دسترسی به ایجنت‌ها رو برای همه آسون کنیم.”

اگه میکسوس واقعاً قابل اعتماد کار کنه، ممکنه یه مشکل بزرگ رو توی حوزه ایجنت‌های هوش مصنوعی حل کنه. بیشتر شرکت‌های هوش مصنوعی الان یا یه دستیار آماده مثل چت‌جی‌پی‌تی یا جمینای بهتون میدن، یا توسعه‌دهنده‌ها باید با فریم‌ورک‌هایی مثل LangChain، AutoGen یا CrewAI، ایجنت‌های اختصاصی خودشون رو بسازن.

میکسوس فقط از اواخر سال ۲۰۲۴ به صورت آزمایشی از دانشگاه استنفورد شروع به کار کرده، اما همین الان ۲.۶ میلیون دلار سرمایه اولیه جذب کرده و چند تا مشتری هم پیدا کرده، از جمله فروشگاه‌های زنجیره‌ای لباس رینبو شاپس (Rainbow Shops) و همچنین شرکت‌هایی توی حوزه مالی و فناوری.

این استارتاپ میگه بزرگترین نقطه قوتشون راحتی استفاده هست، هم توی ساختن ایجنت‌ها و هم توی تعامل باهاشون. کاربرها می‌تونن توی پلتفرم میکسوس، از طریق چت، ایجنت‌هاشون رو با دستورات متنی تنظیم کنن، یا به سادگی با ایمیل کردن دستورالعمل‌ها به agent@mixus.com. بعدش میکسوس، ایجنت‌های تک مرحله‌ای یا چند مرحله‌ای رو مستقیماً از توی صندوق ورودی ایمیلتون می‌سازه، اجرا می‌کنه و مدیریت میکنه.

مثلاً، یک مدیر پشتیبانی مشتری می‌تونه چنین دستوری بده:

“یه ایجنت بساز که تمام کارهای باز توی Jira توی پروژه mixus-dummy رو پیدا کنه و یه گزارش با اطلاعات تمام کارهای عقب‌افتاده برای من بفرسته. ایمیل‌هایی برای تمام کسانی که کار عقب‌افتاده دارن بنویس و بذار من توی چت بررسیشون کنم با فرمت ساده و واضح برای ایمیل (بدون پیوست/سند). وقتی من تایید کردم، ایمیل‌ها رو بفرست. همین الان اجراش کن. و از این به بعد، هر دوشنبه ساعت ۷ صبح به وقت اقیانوس آرام اجراش کن.”

کاتز و شای مگزیماف (هم‌بنیان‌گذار دیگه) این ایجنت‌ها رو برای تک‌کرانچ نشون دادن و توضیح دادن که چطور میشه برای ایجنت‌ها، تاییدکننده انسانی اضافه کرد؛ فقط کافیه دستور بدید توی کدوم مرحله ایجنت باید از شما تایید بخواد.

مثلاً، اون‌ها یه ایجنت رو برای تحقیق درباره خبرنگارهای تک‌کرانچ قبل از ارسال خبر بهشون اجرا کردن. ایجنت اخبار و روندهای فناوری رو شناسایی و جمع‌آوری کرد، اطلاعات رو تحلیل کرد تا زوایای خبری احتمالی رو پیدا کنه، و یه گزارش تحقیقی خلاصه‌نویسی شده از یافته‌ها تهیه کرد. توی مرحله آخر، به ایجنت دستور داده شد که اطلاعات رو برای تایید به کاتز بفرسته. بعد از تایید، ایجنت گزارش کامل تحقیق رو برای مگزیماف ارسال می‌کرد.

بنیان‌گذارها اشاره کردن که انسان‌ها می‌تونن به اندازه نیاز، کم یا زیاد توی چرخه باشن – مگزیماف گفت سازمان‌ها می‌تونن قوانینی برای کل شرکت تعیین کنن، مثلاً مطمئن بشن که اگه ایمیلی خارج از شرکت ارسال میشه، حتماً توسط یک انسان بررسی بشه.

اضافه کردن همکارای دیگه به این جریان کار هم آسونه؛ کافیه اونا رو توی چت با ایجنت هوش مصنوعی تگ کنید، یا اونا رو توی ایمیلی که برای ایجنت می‌فرستید، سی‌سی (کپی) کنید. این یه مزیت بزرگ دیگه نسبت به ایجنت‌های موجود توی بازاره: بیشتر مدل‌ها تک کاربره هستن، و در حالی که Notion AI و Slack به کاربرها اجازه همکاری توی فضاهای مشترک رو میدن، اما به هوش مصنوعی اجازه نمیدن مکالمات و کارها رو بین هم‌تیمی‌ها به صورت لحظه‌ای مدیریت کنه.

یکی دیگه از ویژگی‌های اصلی میکسوس، توانایی اون برای به خاطر سپردن فایل‌ها، چت‌ها، دستورات و ایجنت‌ها هست.

مگزیماف گفت: “ما فضاهایی (Spaces) رو ایجاد کردیم تا هر تیم، هر فرد، هر گروه از افراد بتونن یک حافظه مشترک داشته باشن. بعد همه ایجنت‌های من، همه فایل‌های من، همه افراد می‌تونن توی حافظه همون فضای خاص باشن.”

در حالی که چت‌جی‌پی‌تی و کلود هر دو از حافظه پشتیبانی می‌کنن، اما طرح‌های شرکتیشون هنوز از حافظه مشترک ایجنت‌ها بین کاربرها پشتیبانی نمیکنن.

میکسوس دیگه چه کارایی می‌تونه بکنه؟ توی مصاحبمون، بنیان‌گذارها یه دمو یک ساعته اجرا کردن که طیف وسیعی از کاربردها و توانایی‌ها رو نشون میداد. ایجنت‌های میکسوس واقعاً توانمند به نظر میرسن و نشون‌دهنده درجه بالایی از استقلال و حافظه هستن که این شرکت رو توی سطح بالاتری از ایجنت‌های هوش مصنوعی قرار میده. البته، اگه محصول به همین قابلیت اطمینانی که توی دمو نشون دادن، کار کنه.

مثل بقیه ایجنت‌ها، میکسوس می‌تونه با ابزارهای دیگه از جیمیل تا جیرا ادغام بشه، و کاربرها می‌تونن ایجنت‌ها رو بلافاصله یا طبق برنامه زمان‌بندی شده اجرا کنن. ایجنت‌ها می‌تونن اسناد یا صفحه‌های گسترده رو توی همون محیط اجرا و ویرایش کنن – مشابه چت‌جی‌پی‌تی، مایکروسافت کوپایلت و گوگل جمینای، اما اون‌ها اغلب محدود به محیط‌های ایزوله (sandboxed) هستن.

میکسوس همچنین به ایجنت‌ها اجازه میده به طور مستقل توی بستر سازمانی حرکت کنن – مثلاً با بررسی تیکت‌های جیرا، متوجه بشن که چه کسی توی سازمان مسئول یک کاره.

ایجنت‌های میکسوس که بر اساس ترکیب Claude 4 از Anthropic و o3 از OpenAI ساخته شدن، به وب هم دسترسی دارن، که به گفته مگزیماف میشه ازش برای کارهایی مثل تحقیق زنده یا پایش استفاده کرد. اون این قابلیت رو “گوگل آلرتس روی استروئید” (Google Alerts on steroids) توصیف کرد، یعنی یه جور گوگل آلرتس خیلی پیشرفته.

در مجموع، میکسوس کمتر شبیه یه ابزار بهره‌وریه و بیشتر شبیه یه همکار دیجیتالی خستگی‌ناپذیر – یه تلاش جاه‌طلبانه دیگه برای بازآفرینی هوش مصنوعی به عنوان یه همکار. اگه اونطوری که تبلیغ میشه کار کنه، “همکار” بعدی شما شاید انسان نباشه، اما ممکنه صندوق ایمیلتون رو سریع‌تر از خودتون تمیز کنه!

Leave a Reply

Your email address will not be published. Required fields are marked *


Notice: ob_end_flush(): Failed to send buffer of zlib output compression (1) in /home/techstor/public_html/wp-includes/functions.php on line 5481

Notice: ob_end_flush(): Failed to send buffer of zlib output compression (1) in /home/techstor/public_html/wp-includes/functions.php on line 5481