تصور کنید در مسیر خانه هستید و با یک دستور صوتی، تمام ایده‌های پراکنده برای پروژه هفته آینده را به یک ساختار منظم در گوگل داکس تبدیل کنید، بدون اینکه حتی یک کلمه تایپ کنید. گوگل در ۲۶ اوت ۲۰۲۶ به‌روزرسانی جدیدی را منتشر کرد که Gemini Live را از یک شریک گفتگو به یک عامل (Agent) — شبیه به یک دستیار اجرایی که فقط حرف نمی‌زند، بلکه کارها را پیش می‌برد — تبدیل می‌کند. اکنون یک دستور صوتی واحد می‌تواند یک جریان کاری چندروزه را در محیط گوگل داکس (Docs) و گوگل شیتس (Sheets) فعال کند.
این تغییر در حالی رخ می‌دهد که تعامل صوتی در حال تبدیل شدن به رابط اصلی کاربران است. به نقل از وبلاگ The Keyword، حدود ۶۳٪ از کاربران Gemini در حال حاضر از دستورات صوتی استفاده می‌کنند. نیل جوشی، مدیر مدیریت محصول Gemini Live، تأکید می‌کند که در دنیای پرشتاب امروز، صحبت کردن سریع‌ترین راه برای دریافت کمک از هوش مصنوعی است و می‌گوید: «زندگی با سرعت زیادی پیش می‌رود و بیان بلند یک پرامپت، اغلب سریع‌ترین راه برای دریافت کمک از Gemini است.»
همان‌طور که در تحلیل قبلی ما درباره‌ی Gemini 3.5 Transcribe و توانایی آن در حذف کلمات زائد و اصطلاحات تخصصی (Jargon) اشاره کردیم، تمرکز گوگل اکنون از «درک گفتار» و رونویسی به «اجرای عملیات» تغییر کرده است؛ یعنی تمرکز بر اتفاقاتی که پس از رونویسی رخ می‌دهد.
سامانه عامل‌محور Spark
مرکز این به‌روزرسانی، سامانه Spark است که یک سیستم وظایف عامل‌محور (Agentic Task System) محسوب می‌شود. برخلاف پاسخ‌های معمول مدل زبانی بزرگ (LLM) — که مثل کتابخانه‌داری است که فقط به سؤال شما جواب می‌دهد و بعد ساکت می‌شود — Spark می‌تواند یک هدف کلی را در ذهن نگه دارد، آن را به مراحل کوچک‌تر تقسیم کند و در پس‌زمینه، طی چند روز یا هفته روی آن کار کند. این قابلیت‌ها در واقع تکامل یافته‌ی سازوکارهایی است که از طریق اتصال به Apps Script، مقیاس‌پذیری خودکارسازی‌ها را افزایش می‌دهد.
ویژگی‌های کلیدی Spark عبارتند از:
- اجرای متقاطع برنامه‌ها: Spark به‌صورت یکپارچه در محیط گوگل داکس، شیتس، درایو و وب فعالیت می‌کند.
- کارکرد ناهمگام: این سیستم می‌تواند وظایف زمان‌بندی‌شده را حتی زمانی که اپلیکیشن Gemini کاملاً بسته است، به اجرا ادامه دهد.
- پردازش ورودی‌های نامنظم: کاربران می‌توانند هنگام رانندگی یا رفت‌وآمد، افکار خود را به‌صورت پراکنده بیان کنند و Spark آن‌ها را سازماندهی کرده و تا زمان رسیدن کاربر به میز کارش، یک طرح ساختاریافته در Docs آماده می‌کند.
- کاربردهای خانگی: برای مثال، یک خانواده می‌تواند از Gemini بخواهد یک برنامه غذایی هفتگی را مدیریت کند، یک منوی گیاهی با پروتئین بالا طراحی نماید و بر اساس دستورپخت‌های ذخیره‌شده در داکس، یک لیست خرید ایجاد کند.
دسترسی به Spark برای مشترکان Google AI Pro و طرح‌های بالاتر فراهم شده است. البته برخی کاربران در مراحل اولیه با تأخیر در فعال‌سازی حساب‌های خود در سرویس‌های مشابه Gemini Notebook مواجه شدند که نشان‌دهنده چالش‌های توزیع مرحله‌بندی شده گوگل است.
کنترل اینباکس و گزارش‌های روزانه
گوگل علاوه بر عامل‌های پس‌زمینه، قابلیت Daily Brief (گزارش روزانه) صوتی را برای مشترکان AI Plus اضافه کرد. با پرسش «گزارش روزانه‌ام چیست؟»، کاربر یک خلاصه ترکیبی و سنتز شده از به‌روزرسانی‌های Gmail و تقویم خود را می‌شنود.
علاوه بر این، Gemini Live اکنون به ابزاری برای اولویت‌بندی و تصفیه (Triage) گفتگو-محور در Gmail تبدیل شده است. بر اساس مستندات گوگل، کاربران می‌توانند درباره ایمیل‌های فوری سؤال کنند — مثلاً «آیا امروز ایمیل فوری از مدرسه بچه‌ها آمده است؟» — و سپس بدون لمس گوشی، آن پیام‌ها را جست‌وجو، خلاصه، ستاره‌دار یا به‌طور کامل حذف کنند.
هوش شخصی‌سازی‌شده
برای اتصال این ابزارها، قابلیت Personal Intelligence به Gemini Live حافظه‌ای از گفتگوهای گذشته و برنامه‌های متصل (مانند Photos، Search و YouTube) می‌دهد. این یعنی مدل می‌تواند نقاط پراکنده را به هم وصل کند؛ مثلاً دستورپخت خاصی را که در یک چت قدیمی بحث شده بود به یاد آورد یا نام رستورانی را از یک سفر قدیمی پیدا کند.
مسیر بین این ابزارها به‌صورت خودکار مدیریت می‌شود. در یک دموی ارائه شده، کاربر هنگام دم کردن قهوه، می‌پرسد: «روز من چگونه است؟». پس از دریافت گزارشی از برنامه زمانی و اینباکس، کاربر درخواست می‌کند که Gemini دعوت‌نامه‌های رویدادها را از ایمیل استخراج کرده، ورودی‌های تقویم خانواده را ایجاد کند و زمان رانندگی را به آن‌ها اضافه کند؛ وظیفه‌ای که Gemini به‌طور خودکار برای اجرای پس‌زمینه به Spark می‌سپارد.
بستر راهبردی
این معرفی بخشی از یک موج گسترده‌تر از استقرار Gemini در سطوح مصرف‌کننده و سازمانی است. به‌روزرسانی‌های اخیر شامل موارد زیر است:
- مرورگر Chrome: قابلیت Gemini در کروم برای تمام کاربران اندروید در آمریکا باز شد و Auto Browse به نسخه موبایل منتقل شد.
- حمل‌ونقل: شرکت Waymo دستیار Gemini را در روبوتاکسی‌های سفارشی Ojai خود ادغام کرد.
- بخش سازمانی: گوگل در حال وارد کردن Gemini Enterprise به حوزه حقوقی با ارائه عامل‌های تخصصی برای وکالت است.
برای کاربر تجاری، این یعنی گذار به یک دستیار اجرایی واقعی. سیستم دیگر منتظر نیست شما مکانیسم هر مرحله را تعریف کنید، بلکه بر اساس «قصد» (Intent) شما، تصمیم می‌گیرد از کدام ابزار استفاده کند. این یعنی کاهش بار ذهنی برای مهندسی پرامپت (Prompt Engineering) — که شبیه هنر سؤال درست پرسیدن از یک مشاور است — و جایگزینی آن با «تفویض اختیار».
برای فعال‌سازی، باید از تنظیمات Personal Intelligence گزینه مربوطه را فعال کرده و روی آیکون Live در اپلیکیشن ضربه بزنید.
باید منتظر ماند و دید که چگونه این الگوی «عامل‌محور» از اپلیکیشن‌های مصرف‌کننده به عامل‌های تخصصی حقوقی که گوگل در حال حاضر برای شرکت‌های بزرگ وکالت مستقر می‌کند، منتقل می‌شود.
گام بعدی شما
- اگر مشترک AI Pro هستید، یک پروژه چندروزه (مثل برنامه‌ریزی سفر) را به صورت صوتی به Spark بسپارید تا قدرت اجرای پس‌زمینه را بسنجید.
- تنظیمات Personal Intelligence را بررسی کنید تا دسترسی مدل به تقویم و ایمیل برای گزارش‌های روزانه فعال شود.
- برای مدیریت ایمیل‌های حجیم، از دستورات صوتی «تصفیه و اولویت‌بندی» در Gemini Live استفاده کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است؛ اثر این عامل‌ها بر مصرف انرژی و تراشه‌های TPU را در گزارش بعدی بررسی خواهیم کرد.
گفتگو