شکست بزرگ ربات‌های هوشمند؛ چرا هیچ‌کس با ایجنت‌ها پیتزا سفارش نمی‌دهد؟

توهم عاملیت؛ وقتی سیلیکون‌ولی به در بسته پیتزا می‌خورد

تب و تاب ایجنت‌های خودمختار و اتوماسیون تمام بخش‌های زندگی دیجیتال را فتح کرده است، اما آمارها گاهی سیلی محکمی به صورت رویاپردازانِ فناوری می‌زنند. جدیدترین گزارش مالی شرکت دوردش (DoorDash) پرده از حقیقتی برداشته که شاید برای مبلغان هوش مصنوعی چندان خوشایند نباشد. بر اساس گفته‌های تونی خو (Tony Xu)، هم‌بنیان‌گذار و مدیرعامل دوردش، تعداد سفارش‌هایی که توسط ایجنت‌های شخص ثالث هوش مصنوعی ثبت شده‌اند، تنها به «چند صد سفارش» در کل مدت زمان فعالیت این ابزارها محدود می‌شود. این آمار وقتی مضحک‌تر به نظر می‌رسد که بدانیم این غول تحویل غذا تنها در سه ماهه سوم سال نزدیک به یک میلیارد سفارش را پردازش کرده است.

این یعنی در کورس رقابت غول‌های هوش مصنوعی برای تسلط بر زندگی روزمره ما، ایجنت‌های هوشمند در ساده‌ترین تست ممکن یعنی سفارش دادن یک پرس غذا شکست خورده‌اند. تونی خو با لحنی واقع‌بینانه این وضعیت را «یک کاربرد بسیار محدود» توصیف کرد. برخلاف ادعاهای اغراق‌آمیز استارتاپ‌های حوزه هوش مصنوعی مولد (Generative AI)، کاربران ترجیح می‌دهند مسیر سنتی و مستقیم اپلیکیشن را برای رفع گرسنگی خود انتخاب کنند تا اینکه با یک مدل زبانی بزرگ (LLM) وارد چت‌رووم شوند و درخواست برگر و سیب‌زمینی سرخ‌کرده ثبت کنند. اینجاست که مرز میان نوآوری واقعی و هایپ رسانه‌ای کاملاً عیان می‌شود.

چرا خرید فوری با ال‌ال‌ام‌ها مضحک به نظر می‌رسد؟

برای درک اینکه چرا کسی تمایلی به استفاده از ایجنت‌ها برای خرید ناهار ندارد، باید به ماهیت روان‌شناختی خرید و فرآیند تصمیم‌گیری نگاهی بیندازیم. تونی خو به درستی اشاره می‌کند که ایجنت‌های هوشمند بیش از هر چیزی برای «خریدهای نیازمند بررسی طولانی» و تصمیمات پیچیده کاربرد دارند؛ جایی که مدل می‌تواند در پس‌زمینه کارهای سنگین و مقایسه‌های سخت را انجام دهد. اما فرآیند انتخاب غذا آن‌قدر حسی، سریع و لحظه‌ای است که واسطه‌گری یک ایجنت متنی تنها اصطکاک ایجاد می‌کند.

تصور کنید برای یک وعده شام ساده باید با ربات چت کنید، ترجیحات خود را توضیح دهید، خطاهای هالوسینیشن (توهم) مدل را اصلاح کنید و در نهایت منتظر بمانید تا لینک پرداخت نهایی شود. این دقیقاً نقطه مقابل انقلاب در گردش کار روزمره است که بازاریابان فناوری وعده می‌دهند. برای خرید یک پرس غذا، باز کردن اپلیکیشن و ضربه زدن روی چند دکمه، بسیار سریع‌تر و بی‌دردسرتر از کلنجار رفتن با یک ترنسفورمر (Transformer) زبانی است که شاید کلمات شما را اشتباه تفسیر کند و سس تند را از سبد خریدتان حذف کند.

موانع زیرساختی و تازه‌واردان به دنیای پروتکل‌های باز

البته برای اینکه بی‌مهابا به سیستم‌های ایجنتیک حمله نکنیم، باید به تقویم توسعه فناوری هم نیم‌نگاهی داشته باشیم. دوردش کمتر از یک ماه پیش از آمار اخیر، رابط پروتکل کانتکست مدل (Model Context Protocol یا MCP) خود را عرضه کرده است. این پروتکل استاندارد باز به ابزارهای هوش مصنوعی شخص ثالث اجازه می‌دهد به شکل ساختاریافته‌تری به پلتفرم متصل شوند. با این حال، این کانکتور در حال حاضر فقط در اختیار شمار محدودی از شرکای بتای اولیه قرار دارد و بیشتر برای نظم دادن به سفارش‌های ناهار شرکت‌ها استفاده می‌شود.

بدون چنین اتصالاتی، ایجنت‌های هوش مصنوعی باید از طریق رابط‌های وب و با هزار زحمت و کلیک شبیه‌سازی‌شده به سیستم دوردش سرک بکشند که طبیعتاً با نرخ خطای بالا همراه است. با این حال، جالب است بدانید ابزارهای هوش مصنوعی داخلی خود دوردش عملکرد متفاوتی ثبت کرده‌اند. ویژگی «از دوردش بپرس» (Ask DoorDash) که تابستان گذشته معرفی شد و می‌تواند از روی عکس یک دستور پخت، سبد خرید بسازد، آمار جالب‌توجهی ثبت کرده است. سبدهای خرید این بخش پنج برابر سریع‌تر ساخته می‌شوند و میانگین ارزش سبد خرید در آن حدود ۵۰ درصد بیشتر از سفارش‌های سنتی است.

تاریخ تکرار می‌شود؛ از پیتزاهات ۱۹۹۴ تا ایجنت‌های ۲۰۲۶

مدیرعامل دوردش برای تحلیل این وضعیت گریزی به تاریخ می‌زند و شرایط کنونی ایجنت‌ها را به نخستین آزمایش‌های آزمایشی پیتزاهات (Pizza Hut) در سال ۱۹۹۴ برای راه‌اندازی سفارش آنلاین تشبیه می‌کند. در آن دوران تاریک و اولیه وب، تصور اینکه روزی بیش از نیمی از سفارش‌های این فست‌فود زنجیره‌ای به صورت آنلاین ثبت شود، بیشتر به یک شوخی علمی-تخیلی شبیه بود. شکی نیست که در آینده‌ای نه چندان دور، تعامل با ماشین‌ها برای خرید کالاها به امری پیش پاافتاده تبدیل خواهد شد و نسل‌های بعدی به آمارهای فعلی ما با لبخند و تعجب نگاه خواهند کرد.

اما تا رسیدن به آن نقطه، نباید در دام توهمات بازاریابی گرفتار شد. تونی خو جمله طلایی خود را در این باره این‌طور بیان می‌کند: «دیدگاه من درباره تمام فناوری‌ها این است که هیچ‌وقت نباید با جاذبه بجنگید، اما در عین حال نباید توهم داشته باشید.» پذیرش این حقیقت که ایجنت‌ها هنوز برای خرید بامیه و پیتزا به کار نمی‌آیند، چیزی از ارزش‌های بنیادین یادگیری ماشین کم نمی‌کند. ما با یک جهش استدلالی بزرگ در مدل‌ها روبرو هستیم، اما سرعت پذیرش کاربر همیشه با میزان اصطکاک ابزار رابطه عکس دارد. تا زمانی که ایجنت‌ها نتوانند به راحتی لمس کردن یک صفحه نمایش، طعم و نیاز ما را حدس بزنند، سفارش غذا همچنان در انحصار انگشتان انسان باقی خواهد ماند.