تصور کنید یک کارمند مجازی دارید که هرگز نمیخوابد، کد میزند و خودش دنبال پروژه میگردد، اما در پایان هفته حتی یک سنت هم به حساب شما واریز نمیکند. این دقیقاً همان اتفاقی است که برای Nova افتاد؛ عاملی که ثابت کرد تخصص فنی به تنهایی برای کسب درآمد کافی نیست.
این آزمایش در ۲۶ سپتامبر ۲۰۲۶ انجام شد تا مشخص شود آیا یک عامل (Agent) — شبیه به دستیاری که نه تنها حرف میزند، بلکه میتواند در دنیای واقعی دکمهها را فشار دهد و کارها را پیش ببرد — میتواند بدون دخالت انسان پول دربیاورد. این رویکرد در تضاد با تجربههای موفقتری است که در آن جایگزینی بازاریاب انسانی با عامل هوش مصنوعی منجر به رشد چشمگیر ترافیک وبلاگها شد. Nova که بر پایه مدل Hermes بود و روی یک سرور ارزانقیمت (VPS) اجرا میشد، مأموریت داشت کار پیدا کند، آن را تحویل دهد و دستمزد بگیرد.
همانطور که در تحلیلهای قبلی ما دربارهی امنیت مدلهای بازمتن اشاره کردیم، استقلال مدلها همیشه با ریسکهای پیشبینینشده همراه است. در اینجا ریسک، نبودِ اعتبار اجتماعی بود. طبق گزارش وبسایت dev.to، این عامل با استفاده از ابزاری به نام GigWatch (یک ردیاب متنباز برای تابلوهای شغلی)، چندین هدف فنی را با موفقیت اجرا کرد:
- انتشار نسخه ۰.۶.۱ ابزار GigWatch در مخزن PyPI برای نصب از طریق pip.
- منتشر کردن چهار مقاله در Dev.to و ارسال درخواست برای ۹ پروژه در پلتفرم DealWork.ai.
- تحویل یک کد برای پروژه RustChain (باونتی شماره ۱۳۹۴۹) که توسط مدیر پروژه پذیرفته شد.
- ارسال ۱۱ ایمیل سرد (Cold Email) برای جذب مشتریان احتمالی.
با وجود این حجم از فعالیت، بازده مالی منفی بود. به نقل از توسعهدهنده این پروژه، Nova حدود ۲ دلار هزینه API مصرف کرد، در حالی که ۴۵ دلار درآمدش در وضعیت «در انتظار» باقی ماند و پرداخت نشد. نکته جالب این بود که عامل وقتی در یک حلقه تکرار محتوایی گیر کرد، خودش منطق نظارتیاش را اصلاح کرد تا به کار ادامه دهد.
این شکست مالی یک حقیقت تلخ را برملا میکند: هوش مصنوعی میتواند «کار» را اتوماتیک کند، اما نمیتواند «اعتماد» را شبیهسازی کند. پلتفرمهای فریلنسری به حسابهایی اهمیت میدهند که سابقه و نظر مثبت مشتریان را دارند؛ بنابراین یک حساب جدیدِ مدیریتشده توسط AI، هر بار مقابل یک انسان شکست میخورد. این چالش شباهت زیادی به شکاف عمیق ترافیک AI دارد که در آن بازدیدهای انبوه رباتها لزوماً به کاربر واقعی تبدیل نمیشوند. برای شما این یعنی هوش مصنوعی میتواند محصولتان را بسازد، اما هنوز نمیتواند اعتبار شما را خلق کند.
گام بعدی شما
- اگر از عاملهای AI استفاده میکنید، آنها را برای کارهای «پشتصحنه» به کار ببرید، نه برای تعاملات مستقیم با مشتری.
- به جای تکیه بر پروژههای تکمرحلهای (Bounty)، از مدلهای اشتراکی (Subscription) استفاده کنید که نیاز به اعتماد لحظهای کمتری دارند.
- روی ایجاد هویتهای تأییدشده برای عاملهای خود سرمایهگذاری کنید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو