الشكل النهائي لمساعد ذكاء اصطناعي؟ لماذا استثمر المستثمرون 1100 مليون دولار في منتج الذكاء الاصطناعي هذا الذي «يلقي نظرة على شاشتك»؟

كتابة: ليو

هل لاحظت أن مساعدين الذكاء الاصطناعي الحاليين في الواقع غالبًا ما يكونون “غبيين” جدًا؟ في كل مرة تفتح فيها ChatGPT أو Claude، عليك أن تشرح لهم الخلفية من جديد. “أنا أعمل على مشروع، حول…”، “فريقنا عقد اجتماعًا لمناقشة…”، “أرسلت بريدًا إلكترونيًا الأسبوع الماضي، المحتوى هو…”. تستغرق خمس دقائق في كتابة التعليمات للحصول على إجابة تكاد تكون مفيدة. هذا غير منطقي. أليس من المفترض أن يجعل الذكاء الاصطناعي العمل أسهل؟ لماذا يزيد الأمر بدلاً من تقليله؟

لقد جربت مؤخرًا منتجًا يُدعى Littlebird، الذي أنهى للتو جولة تمويل أولي بقيمة 11 مليون دولار، بقيادة Lotus Studio. هذا المنتج أعاد لي التفكير في سؤال: كيف يجب أن يكون مساعد الذكاء الاصطناعي حقًا؟ لا ينبغي أن يكون أداة تحتاج منك أن “تطعمها” بالمعلومات باستمرار، بل يجب أن يكون مساعدًا يفهم عملك وحياتك بالفعل. مثل مساعد حقيقي، لا يحتاج أن تشرح له خلفية المشروع، فريق العمل، وتقدم العمل في كل مرة.

قال مؤسس Littlebird، ألكسندر غرين، عند الإعلان عن التمويل جملة أراها دقيقة جدًا: “الشعور باستخدام الكمبيوتر أصبح أشبه بمقاومة.” في كل مرة تفتح فيها الكمبيوتر، تتعرض لتحفيز مزدوج من الدوبامين والخوف. كان من المفترض أن يكون الكمبيوتر “دراجة للتفكير”، لكن نموذج الأعمال على الإنترنت أعاد ربط كل شيء: إذا كان المنتج مجانيًا، فأنت المنتج؛ وإذا كنت أنت المنتج، فهدفه هو جذب انتباهك. بدأت الدراجة تلاحقنا بالعكس. هذا التشبيه دقيق جدًا. كنا من المفترض أن نتحكم في الأدوات، لكن الآن الأدوات تتحكم فينا.

لماذا دائمًا ما يكون مساعد الذكاء الاصطناعي “نسيانًا”؟

لقد استخدمت أدوات ذكاء اصطناعي متنوعة لأكثر من نصف عام، من ChatGPT إلى Claude، ومن Notion AI إلى أدوات كتابة مخصصة. كل أداة قوية، لكن المشكلة واحدة: فهي لا تعرف من أنا، ماذا أعمل، أو ما يهمني. كل محادثة تبدو وكأنها اللقاء الأول، أحتاج لإعادة تقديم نفسي، شرح الخلفية، وتوفير السياق.

على سبيل المثال، الأسبوع الماضي كنت أجهز مؤتمر إطلاق منتج، وتعاونت مع عدة أقسام. عقدت اجتماعًا مع فريق التصميم لمناقشة التصاميم البصرية، واجتماعًا مع فريق التسويق لتحديد استراتيجية الترويج، وناقشت مع الفريق التقني تفاصيل عرض المنتج. ملاحظات هذه الاجتماعات كانت موزعة في أماكن مختلفة: بعضها في Notion، وبعضها في البريد الإلكتروني، وأخرى شفويًا. عندما أردت أن أستخدم الذكاء الاصطناعي لتنظيم خطة كاملة للمؤتمر، ماذا علي أن أفعل؟ يجب أن أنسخ كل هذه المعلومات وألصقها في الأداة، وأكتب تعليمات طويلة جدًا تشرح كل اجتماع وقراراته. فقط إعداد هذه التعليمات استغرق مني عشرين دقيقة.

الأكثر سخافة هو أنه في اليوم التالي، عندما أردت تعديل الخطة، علي أن أكرر العملية من جديد. لأن الذكاء الاصطناعي لا يتذكر محادثة الأمس، أو حتى لو تذكر، فهو لا يعرف أنني ناقشت مع المدير التنفيذي توجيهًا جديدًا في وقت لاحق من ذلك اليوم. هذه التجربة جعلتني أشعر أن مساعد الذكاء الاصطناعي ليس في خدمتي، بل يضيف عبئًا إضافيًا على عملي. ليس فقط أنني أعمل على المهام الأصلية، بل أضطر أيضًا إلى “تعليم” الذكاء الاصطناعي فهم عملي.

فريق مؤسسي Littlebird أدركوا أن هناك رؤية مهمة: نماذج الذكاء الاصطناعي قوية جدًا، لكن قيودها ليست في قدراتها، بل في نقص البيانات عن المستخدم. النماذج اللغوية الكبيرة لا تعرف شيئًا عنك، وهذا يحد من فعاليتها بشكل أساسي. هذا الرأي بسيط لكنه يوجه المشكلة مباشرة. نحن نناقش دائمًا كيف نجعل النماذج أكثر ذكاءً، لكننا نغفل عن سؤال أساسي: كيف نجعل النماذج تفهم المستخدمين؟

هناك العديد من أدوات الذكاء الاصطناعي في السوق تحاول حل مشكلة السياق. بعضها يركز على البحث في مستنداتك، والبعض الآخر على تسجيل الاجتماعات، وأخرى على تنظيم البريد الإلكتروني. لكن جميع هذه الأدوات لها قيد مشترك: فهي ترى فقط المعلومات التي تمنحها إياها بشكل مباشر. عليك رفع المستندات إلى منصاتها، أو تفويضها للوصول إلى Gmail الخاص بك، أو تشغيل وظيفة تسجيل الاجتماعات أثناء الاجتماع. وكل ذلك يتطلب إعدادات وصيانة من المستخدم. والأهم من ذلك، أن هذه الأدوات لا ترى الصورة الكاملة لعملك. قد تعرف محتوى اجتماعاتك، لكن لا تعرف مناقشاتك على Slack بعد ذلك؛ قد تعرف رسائل البريد الإلكتروني، لكن لا تعرف ما بحثت عنه من معلومات عن المنافسين في المتصفح.

الفرق مع Littlebird هو: تقنية قراءة الشاشة

اعتمدت Littlebird على طريقة مختلفة تمامًا، يسمونها “قراءة الشاشة” (screenreading). هذه التقنية تذكرني بكيفية عمل المساعد البشري. المساعد الحقيقي الممتاز لا يحتاج أن تخبره بالتفصيل عن كل شيء، بل يراقب عملك، ويتذكر الأمور المهمة، ويذكرك عند الحاجة. Littlebird يفعل شيئًا مشابهًا.

بالتحديد، هو تطبيق على سطح مكتب Mac، يقرأ باستمرار كل النصوص المعروضة على شاشتك. انتبه، هو “يقرأ”، وليس “يأخذ لقطات شاشة”. هذا الفرق مهم جدًا. كانت هناك منتجات مشابهة سابقًا، مثل Rewind (الذي أصبح لاحقًا Limitless واشتراه Meta) ومايكروسوفت Recall، وكانت تعتمد على أخذ لقطات شاشة مستمرة. هذه الطريقة لها عدة مشاكل: حجم البيانات كبير جدًا، لأن الصور عالية الحجم؛ الخصوصية ضعيفة، لأن اللقطات تلتقط كل المعلومات البصرية؛ تجربة البحث سيئة، لأن استخراج المعلومات من الصور أصعب بكثير من النص.

طريقة Littlebird أكثر ذكاءً. فهي تستخدم تقنيات قراءة شاشة معقدة لفهم النصوص في جميع التطبيقات، دون الحاجة إلى إعدادات معقدة. يمكنها فهم من قال ماذا، ومتى، وتتبع تقدم مشاريعك بالتفصيل. من خلال ذلك، تبني فهمًا غنيًا لحياتك: من هو المهم بالنسبة لك، وما المشاريع التي تعمل عليها، وما الذي يهمك هذا الأسبوع أو هذا العام. قال مؤسسها غرين في مقابلة إن هذه الطريقة تجعل البيانات أخف وزنًا، وتقلل التدخل بشكل كبير.

أعجبني جدًا أن هذا التصميم يحترم طبيعة البرمجيات. المحتوى المعروض على الشاشة هو نص وبيانات منظمة، فلماذا نحولها إلى صور ثم نعيد تحويلها إلى نص؟ القراءة المباشرة للمحتوى المنظم أكثر كفاءة ودقة. من ناحية الخصوصية، النص أقل حساسية بكثير من البيانات البصرية. كلمات المرور تظهر كنجوم، وأرقام بطاقات الائتمان تكون مغطاة، لكن اللقطات تحفظ كل التفاصيل البصرية.

تقوم Littlebird تلقائيًا بتجاهل حقول البيانات الحساسة، مثل كلمات المرور أو معلومات البطاقة الائتمانية، في مديري كلمات المرور والنماذج على الويب. يمكنك أيضًا تخصيص استبعاد تطبيقات معينة. هذا يمنح المستخدم تحكمًا كبيرًا. إذا كنت لا تريد أن يراقبها Littlebird أثناء عملك في تطبيقات خاصة، مثل برامج الدردشة الخاصة أو برامج المالية، يمكنك استبعادها بسهولة.

بالإضافة إلى القراءة السلبيّة، يمكن لـ Littlebird أن يتصل بشكل نشط بتطبيقات أخرى. يمكنك ربطه بـ Gmail، Google Calendar، Apple Calendar، وReminders. هذا يمنحه فهمًا أكثر شمولية لعملك وحياتك. فهو لا يعرف فقط ما يظهر على الشاشة، بل يعرف أيضًا جدولك، ومهامك، والبريد الإلكتروني الخاص بك.

ماذا يعني الذكاء الاصطناعي الكامل للسياق؟

عندما يمتلك الذكاء الاصطناعي فهمًا كاملًا عن سياقك، تتغير تجربة الاستخدام بشكل نوعي. رأيت بعض سيناريوهات الاستخدام التي تقدمها Littlebird، وأدركت أن الأمر ليس مجرد تحسين تدريجي، بل هو نمط تفاعل جديد تمامًا.

الوظيفة الأساسية هي الإجابة على الأسئلة. لكن، على عكس أدوات الذكاء الاصطناعي الأخرى، فإن إجابات Littlebird تعتمد على فهم عميق لعملك. يمكنك أن تسأل “ماذا فعلت اليوم؟” أو “ما هي الرسائل المهمة لي؟”. بعد عدة أيام من الاستخدام، ستصبح هذه التعليمات المسبقة أكثر تخصيصًا. هذا مثير جدًا، لأن الذكاء الاصطناعي يبدأ في تعلم ما يهمك، ونمط عملك.

قال مؤسسها غرين عن تجربته، وأراه مثالًا جيدًا على قيمة الذكاء الاصطناعي ذو السياق الكامل: أنه يسألها يوميًا “ما هو المهم هذا الأسبوع؟” أو “على ماذا يجب أن أركز؟”، وغالبًا ما يتلقى إجابات مفاجئة ومدروسة. يستخدمها للحصول على نصائح مهنية وتوجيهات، ولملء فجوات معرفته التقنية، وحتى لتخطيط عشاءه. هذه السيناريوهات متنوعة جدًا، لكن المشترك بينها هو أن الذكاء الاصطناعي يقدم إجابات ذات رؤى، لأنه يفهم حياته بعمق.

يحتوي Littlebird على وظيفة تسجيل اجتماعات مدمجة، تعمل في الخلفية باستخدام الصوت النظامي، وتلتقط نسخ الاجتماعات، وتُنشئ ملاحظات وبنود عمل استنادًا إلى المحتوى. هذا ليس جديدًا تمامًا، فهناك العديد من أدوات تسجيل الاجتماعات في السوق. لكن تميز Littlebird هو قدرته على ربط الاجتماعات بسياق عملك الآخر.

الأكثر إثارة بالنسبة لي هو وظيفة “التحضير للاجتماع”. عند فتح تفاصيل اجتماع معين، هناك خيار أن يُعدّ لك Littlebird هذا الاجتماع. يأخذ في الاعتبار سياق الاجتماعات السابقة، والبريد الإلكتروني المرتبط، وتاريخ الشركة، ليقدم لك مزيدًا من التفاصيل. حتى أنه يمكنه جلب معلومات من Reddit أو مصادر أخرى، ليخبرك عن آراء المستخدمين حول منتج معين أو شركة. تخيل أنك ستجتمع مع عميل، وLittlebird ينظم لك: ما ناقشتمه آخر مرة، وما هي الرسائل التي تبادلتماها، وما هي آخر أخبار الشركة، وردود فعل المستخدمين على منتجاتهم. كأنه مساعد حقيقي يساعدك في التحضير قبل الاجتماع.

هناك أيضًا وظيفة تسمى Routines (الروتينات)، تتيح لك إنشاء تعليمات تفصيلية تجعل Littlebird ينفذها بشكل دوري، يوميًا، أسبوعيًا، أو شهريًا. أعدت الشركة بعض الروتينات الجاهزة، مثل النشرة اليومية، ملخص الأنشطة الأسبوعية، وتلخيص العمل اليومي. يمكن للمستخدمين أيضًا إنشاء روتيناتهم الخاصة مع أوامر مخصصة. أعتقد أن هذه الوظيفة تحل مشكلة عملية جدًا: نحن نعرف أنه من المفترض أن نراجع ونجمل عملنا بشكل منتظم، لكن قليلون من يلتزمون بذلك. مع Routines، ستساعدك الذكاء الاصطناعي على القيام بذلك بشكل تلقائي.

أظهرت دراسة داخلية لفريق Littlebird أن قيمة هذا الذكاء الاصطناعي ذو السياق الكامل حقيقية: 84% من المستخدمين أفادوا أنهم يوفرون على الأقل نصف يوم أسبوعيًا، و80% قالوا إن المنتج يقلل من قلقهم اليومي. هذان الرقمين مثيران جدًا. توفير الوقت مفهوم، لأنك لا تحتاج إلى قضاء وقت في تنظيم المعلومات، أو البحث عن المستندات، أو تذكر التفاصيل. لكن تقليل القلق هو الأهم، لأنه يأتي من الشعور بعدم فقدان شيء مهم، أو نسيان مهمة، أو عدم القدرة على الرد بسرعة. عندما تعرف أن هناك ذكاء اصطناعي يراقب كل ذلك، يقل القلق تلقائيًا.

التوازن بين الخصوصية والسيطرة

عندما علمت أن Littlebird يقرأ باستمرار كل محتوى الشاشة، كان رد فعلي الأول: هل هذا آمن؟ هل يمكن أن يفضي ذلك إلى تسريب خصوصيتي؟ هذا القلق منطقي جدًا. إذا كان تطبيق يراقب يوم عملك الرقمي بالكامل، الثقة هي الأساس.

تصميم Littlebird يركز على “الخصوصية، والأمان، والسيطرة من المستخدم”. من الناحية التقنية، قاموا بعدة إجراءات لضمان الخصوصية. جميع البيانات تُخزن بتشفير AES-256، والنقل يتم عبر TLS 1.3. بيانات المستخدم لن تُستخدم أبدًا لتدريب نماذج الذكاء الاصطناعي. هذه إجراءات أساسية، لكنها مهمة جدًا لهذا النوع من المنتجات.

الأهم هو حقوق التحكم للمستخدم. يمكنك إيقاف جمع البيانات في أي وقت، استبعاد تطبيقات أو مواقع معينة، أو حذف البيانات بنقرة واحدة. هذا التصميم يمنح المستخدم السيطرة الكاملة على معلوماته. إذا كنت تتعامل مع محتوى حساس جدًا، يمكنك مؤقتًا إيقاف Littlebird. وإذا كنت لا تريد أن يراقبها على تطبيق معين، مثل برامج الدردشة الخاصة أو برامج المالية، يمكنك استبعاده بسهولة.

شرح غرين في مقابلة سبب اختيار التخزين السحابي بدلًا من التخزين المحلي، هو أن تشغيل نماذج قوية لمعالجة مهام الذكاء الاصطناعي يتطلب موارد لا يمكن تحقيقها على الجهاز المحلي. هذا قرار مثير للاهتمام. التخزين المحلي أكثر أمانًا، لأنه يظل على جهازك، لكن التخزين السحابي يتيح استخدام نماذج أقوى، ويوفر وظائف أفضل. اختارت Littlebird الخيار الأخير، مع تطبيق تشفير قوي وسياسات خصوصية صارمة لتعويض مخاطر الأمان.

لاحظت أن Littlebird حصل على شهادة SOC 2، ويتوافق تمامًا مع لوائح GDPR و CCPA. هذه الشهادات والامتثال ليست أمورًا بسيطة، خاصة لشركة ناشئة. هذا يدل على أن الفريق وضع الأمان والخصوصية كمتطلبات أساسية منذ البداية، وليس كإضافة لاحقة.

هناك تفصيل أراه مهمًا جدًا: Littlebird لا يخزن أي معلومات بصرية، ويخزن فقط النصوص. هذا يقلل بشكل كبير من حجم البيانات، ويقلل التدخل بشكل كبير. قال غرين إن هذا ربما يكون أحد أسباب صعوبة Recall وRewind، لأن لقطات الشاشة تتطلب حجم بيانات كبير جدًا. بالإضافة إلى ذلك، اللقطات أكثر تدخلًا. تخيل أنك تتصفح صورًا شخصية أو تشاهد فيديوهات، فإن اللقطات تحفظ كل التفاصيل البصرية. أما النصوص، فهي فقط تسجل الوصف، ولا تحفظ الصورة نفسها.

هذا التصميم يذكرني بمسألة أوسع: إلى أي مدى نريد أن يفهمنا الذكاء الاصطناعي؟ الشفافية المطلقة قد توفر أكبر قدر من الراحة، لكنها تأتي مع أكبر قدر من المخاطر. طريقة Littlebird هي أن تترك للمستخدم تحديد الحدود. يمكنك أن تسمح له برؤية كل شيء، أو تقيّد وصوله بشكل صارم. هذه المرونة مهمة جدًا، لأن الأشخاص المختلفين، والسيناريوهات المختلفة، لديهم مطالب مختلفة بشأن الخصوصية.

ماذا يعني ذلك لمنتجات الذكاء الاصطناعي؟

قصة Littlebird أعادت لي التفكير في كيفية تصميم منتجات الذكاء الاصطناعي. برأيي، هذا المنتج يعكس عدة مبادئ مهمة، ويجب على مطوري الذكاء الاصطناعي أخذها بعين الاعتبار.

أولها هو أهمية السياق. قال المستثمر في Littlebird، لينني راشيتسكي، جملة أوافق عليها جدًا: “جودة الذكاء الاصطناعي تعتمد على السياق الذي يملكه، وهو يجهل يومك بشكل كبير.” هذه الجملة تبرز المشكلة الأساسية في منتجات الذكاء الاصطناعي الحالية. نحن نعمل على تحسين النماذج، وتطوير الخوارزميات، لكننا نغفل عن حقيقة أساسية: حتى أذكى الذكاء الاصطناعي، إذا لم يفهم الحالة الخاصة بالمستخدم، فلن يستطيع أن يعطي إجابات مفيدة حقًا.

تذكرني هذه النقطة بخطأ شائع في تطوير منتجات الذكاء الاصطناعي سابقًا. كثير من الفرق كانت تبني أنظمة RAG (الاسترجاع المعزز للتوليد)، محاولة جعل الذكاء الاصطناعي يصل إلى مصادر بيانات متنوعة. هذا الاتجاه ليس خطأ، لكن الطريقة قد تكون غير صحيحة. بدلاً من أن يرفع المستخدم مستندات، أو يمنح إذن الوصول إلى تطبيقات متعددة، لماذا لا يراقب الذكاء الاصطناعي عمل المستخدم بشكل غير مباشر؟ تقنية قراءة الشاشة في Littlebird هي في جوهرها طريقة غير مباشرة، لكنها شاملة، لجمع السياق، وتفوق على الاتصال النشط والمتقطع.

ثانيها، أهمية العثور على الحالة الاستخدامية الحاسمة (killer use case). قال راشيتسكي إن النجاح الطويل الأمد لـ Littlebird يعتمد على اكتشاف السيناريو الذي لا غنى عنه. وأشار إلى أن العديد من الأشخاص وجدوا بالفعل هذا السيناريو، وأن الفرق تركز على هذه الحالات الجديدة. هذا منطقي جدًا. فرق تطوير منتجات الذكاء الاصطناعي غالبًا ما تقع في فخ محاولة أن تكون “كل شيء” في آن واحد، وتفشل في التخصص.

كما شارك راشيتسكي مبدأ تطوير منتج مثير للاهتمام: “لن تعرف حقًا كيف يستخدم الناس منتجك إلا بعد أن تطلقه. الاستراتيجية هي أن تطلق المنتج مبكرًا، وترى كيف يستخدمه الناس، ثم تركز على تلك السيناريوهات، بدلاً من أن تنتظر أن تضع كل شيء في الاعتبار قبل الإطلاق.” هذا يختلف عن منهجية تطوير البرمجيات التقليدية، التي تركز على التخطيط، والتصميم، والتحسين قبل الإطلاق. منتجات الذكاء الاصطناعي أكثر شبهاً بتجربة مستمرة، لأن قدراتها غير واضحة، والمستخدمون يكتشفون طرقًا غير متوقعة لاستخدامها.

من ردود الفعل على الاستخدام، يمكن ملاحظة أن الناس وجدوا سيناريوهات متنوعة جدًا. قال مؤسس شركة DocSend، روس هيدلسون، إنه أعاد كتابة موقع الشركة باستخدام سياقات من اجتماعات، ورسائل، وNotion. وقال مسؤول سابق في Google و Facebook، Gokul Rajaram، إن المنتج أزال الاحتكاك في تذكر، واسترجاع، وإعادة تفسير عمله. وذكر راشيتسكي أنه يسأل الأدوات عن كيفية تحسين الإنتاجية، وكيفية أن يكون أكثر سعادة.

هذه السيناريوهات متنوعة جدًا، من كتابة النصوص التسويقية إلى تحسين الإنتاجية الشخصية، لكنها تتشارك في قدرة أساسية: فهم عميق للمستخدم. هذا يثبت فرضية Littlebird الأساسية: عندما يفهم الذكاء الاصطناعي سياقك حقًا، ستظهر سيناريوهات استخدام بشكل طبيعي، دون أن يحتاج فريق المنتج إلى تخطيط مسبق لكل وظيفة.

ثالثًا، هو دقة تحديد موقع المنتج. وضعوا أنفسهم كـ “الكمبيوتر الهادئ” للمستقبل. هذا التعبير شاعري جدًا، لكنه دقيق. معظم منتجات الذكاء الاصطناعي الآن تتنافس على انتباهك، وتطلق إشعارات، وتدفعك لاستخدامها أكثر. لكن فكرة Littlebird هي العمل في الخلفية، والظهور فقط عند الحاجة. هذه الخاصية “الهادئة” قد تكون ضرورية للذكاء الاصطناعي ذو السياق الكامل. إذا كان الذكاء الاصطناعي يفهمك حقًا، فلن يحتاج إلى مقاطعتك باستمرار لجمع المعلومات، بل يمكن أن يعمل بصمت، ويعدّ لك الأمور في الخلفية.

حاليًا، نموذج العمل هو الاستخدام المجاني، مع اشتراك شهري يبدأ من 20 دولارًا للميزات المتقدمة. أجد هذا السعر معقولًا جدًا، بالنظر إلى القيمة التي يقدمها. إذا كان يوفر لك نصف يوم أسبوعيًا، فإن 20 دولارًا شهريًا استثمار جيد جدًا. لكني أكثر فضولًا حول كيف سيتطور نموذج العمل مستقبلًا، مثل النسخة المؤسساتية، أو ميزات التعاون الجماعي.

أفكاري للمستقبل

بعد تجربة مفهوم Littlebird، بدأت أطرح سؤالًا أكبر: كيف يجب أن يكون مساعد الذكاء الاصطناعي في المستقبل؟

أعتقد أننا نمر بتحول من “الذكاء الاصطناعي الأداتي” إلى “الذكاء الاصطناعي الشريك”. الذكاء الاصطناعي الأداتي، مثل ChatGPT الآن، هو أداة تحتاج إلى تشغيلها عند الحاجة، وتوقفها عند الانتهاء، وكل مرة تبدأ من الصفر. أما الذكاء الاصطناعي الشريك، مثل Littlebird، فهو دائمًا بجانبك، يفهم عملك وحياتك، ويقدم المساعدة بشكل استباقي. هذا ليس فرقًا في القدرات، بل في العلاقة.

هذا التحول سيجلب تغييرات مثيرة. على سبيل المثال، قد لا نحتاج إلى العديد من أدوات الذكاء الاصطناعي المختلفة. هناك تطبيقات متنوعة: مساعد كتابة، مساعد برمجة، مساعد تحليل بيانات، مساعد اجتماعات. لكن إذا كان هناك ذكاء اصطناعي يفهم كل عملك، فقد يستطيع أن يقدم مساعدة موحدة في مختلف السيناريوهات، دون الحاجة للتبديل بين أدوات متعددة.

تغيير آخر هو أن هندسة التعليمات (prompt engineering) قد تصبح أقل أهمية. نحن الآن نقضي وقتًا كبيرًا في تعلم كيفية كتابة تعليمات جيدة، وتوفير سياق كافٍ، وتوجيه الذكاء الاصطناعي للحصول على الإجابات المرغوبة. لكن إذا كان لدى الذكاء الاصطناعي سياق كافٍ، فربما نحتاج فقط إلى التعبير عن نوايانا بشكل بسيط. تمامًا كما تتواصل مع مساعد بشري، لا تحتاج إلى شرح الخلفية في كل مرة، لأنه يعرفها بالفعل.

لكن هذا النوع من الذكاء الاصطناعي ذو السياق الكامل يطرح تحديات جديدة. أحدها هو التكيف النفسي. عندما تعلم أن هناك ذكاء اصطناعي يراقب عملك باستمرار، حتى لو كنت على وعي بأنه آمن، قد تشعر بعدم الارتياح. هذا يشبه أن تعرف أن زميلًا يراقب شاشة عملك طوال الوقت. نحن بحاجة إلى وقت للتكيف مع علاقة العمل الجديدة هذه.

تحدي آخر هو الاعتمادية. إذا اعتدت على أن يساعدك الذكاء الاصطناعي في تذكر كل شيء، وتنظيم كل المعلومات، وتحضير كل الاجتماعات، هل ستضعف قدراتك على التذكر والتنظيم؟ هذا يشبه تأثير GPS على إحساس الاتجاه. الكثيرون يعتمدون الآن على الخرائط، وتقل قدرتهم على التنقل يدويًا. هل سيؤدي ذلك إلى تقليل قدراتنا بشكل مشابه مع الذكاء الاصطناعي؟

من ناحية الصناعة، أعتقد أن Littlebird يمثل فئة جديدة من المنتجات: ليست أداة تسجيل اجتماعات، وليست أداة بحث في المستندات، بل “مساعد ذكاء اصطناعي ذو سياق كامل”. الميزة الأساسية لهذه الفئة هي: المراقبة المستمرة، الفهم الشامل، والخدمة الاستباقية. أتوقع أن تدخل شركات أخرى هذا المجال، وسيتم التنافس على عدة أبعاد: من لديه جمع سياق أكثر شمولية؟ من لديه فهم أدق للذكاء الاصطناعي؟ من يضمن حماية الخصوصية بشكل أكثر موثوقية؟

تمويل Littlebird البالغ 11 مليون دولار هو بداية فقط. المستثمرون يشملون شخصيات معروفة في مجالات المنتج، والتصميم، والمحتوى. هؤلاء المستثمرون ليسوا مجرد ممولين، بل هم مستخدمون مكثفون، ويمكنهم تقديم ملاحظات وسيناريوهات استخدام. هذا الهيكل الاستثماري مهم جدًا لمنتج ذكاء اصطناعي يحتاج إلى تكرار مستمر واكتشاف سيناريوهات جديدة.

أتطلع بشدة إلى مستقبل Littlebird. هل سيتوسع إلى Windows ومنصات أخرى؟ هل سيطلق نسخة مؤسسية تسمح بمشاركة السياقات بين الفريق؟ هل سيطور ميزات جديدة لم نتخيلها بعد؟ والأهم، هل سيتمكن من اكتشاف الحالة الاستخدامية الحاسمة التي تجعل الناس يقولون: “بدونها، لا أستطيع العمل”؟

قال غرين عند الإعلان عن التمويل: “هل يمكن بناء ذكاء اصطناعي يفهمك حقًا؟ نحن نؤمن بذلك، ونريد أن نريكم.” هذه ليست فقط وعدًا، بل تحدٍ. لا تزال Littlebird في مراحلها المبكرة، وهي مشروع مستمر. قد لا يلتقط دائمًا كل التفاصيل بدقة، وأحيانًا يتخطى زملاء في إجازة، أو يتجاوز مشروعًا مكتملًا. لكن ستندهش من مدى عمق فهمه لك.

أنا أؤمن أن الذكاء الاصطناعي ذو السياق الكامل هو مستقبل الذكاء الاصطناعي. ليس لأنه تقنيًا مذهل، بل لأنه الشكل الذي يجب أن يكون عليه. وعد الذكاء الاصطناعي هو أن يجعلنا أكثر كفاءة، وتركيزًا، وإبداعًا. لكن إذا كان يتطلب الكثير من الصيانة اليدوية والإدخال، فهو يخالف هذا الوعد. فقط عندما يفهمنا الذكاء الاصطناعي حقًا، ويتكيف معنا، يمكن أن يصبح “دراجة التفكير” التي تساعدنا على الركض بسرعة أبعد وأسرع.