تصور کنید برای سفر خانواده به دیزنی‌لند، به‌جای ساعت‌ها جست‌وجو در وب‌سایت‌های مختلف، فقط یک درخواست بنویسید و تماشا کنید که یک دستیار دیجیتال تمام جزئیات را در یک سند مرتب می‌کند. یک پرامپت واحد در Gemini اکنون می‌تواند ایده‌ای مبهم برای تعطیلات را در کمتر از پنج دقیقه به یک Google Doc ساختاریافته، شامل داده‌های پرواز و گزینه‌های هتل تبدیل کند. این تحول، هوش مصنوعی را از یک رابط چت ساده به یک عامل (Agent) — شبیه به یک منشی خبره که به‌جای حرف زدن، واقعاً کارها را انجام می‌دهد و به‌صورت خودکار تب‌های مرورگر و ساخت اسناد را مدیریت می‌کند — تبدیل کرده است.
این قابلیت در حالی عرضه می‌شود که گوگل تلاش می‌کند اکوسیستم خود را عمیق‌تر با تجربه هوش مصنوعی ادغام کند. همان‌طور که در تحلیل قبلی ما درباره‌ی چالش‌های آموزشی مدل‌های زبانی اشاره کردیم و به پرونده‌های حقوقی ناشران بر سر کپی‌رایت کتاب‌ها پرداختیم، تمرکز گوگل اکنون از بحث‌های حقوقی و جنجالی داده‌های آموزشی، به سمت کاربردهای عملی و عامل‌محور (Agentic) برای کاربران عادی تغییر یافته است. این رویکرد اتوماسیون در حوزه‌های مختلف در حال گسترش است؛ برای مثال، در بخش‌های تخصصی‌تر مانند صنعت صید، سیستم‌های اتوماسیون هوش مصنوعی توانسته‌اند گزارشات پیچیده سفرهای تجاری را مدیریت کرده و ریسک جریمه‌های منطقه‌ای را به حداقل برسانند.
به گزارش ZDNET، الیس بتِرز پیکارو، نویسنده و مشارکت‌کننده حوزه هوش مصنوعی، از Gemini برای طراحی یک برنامه سفر کامل استفاده کرد. او متوجه شد که مدل می‌تواند هم‌زمان لجستیک سفر را مدیریت کرده و مستندات آن را تولید کند؛ یعنی دقیقاً مانند یک کانسیرژ دیجیتال عمل می‌کند. او با استفاده از Gemini توانست آنچه را که یک «سند اولیه» (Starter Doc) برای برنامه سفر خانواده‌اش نامید، ایجاد کند و نشان داد که AI چگونه می‌تواند مدیریت تدارکات و مستندسازی را به‌طور هم‌زمان به عهده بگیرد.
سازوکار اتوماسیون
پیکارو با ارسال درخواستی برای سفر به دیزنی‌لند در اواخر ماه اوت، عملکرد مدل را به چالش کشید. او دقیقاً از این پرامپت استفاده کرد: «یک برنامه سفر برای دیزنی‌لند در اواخر اوت ایجاد کن و همه چیز را برای بررسی در یک Google Doc جمع‌آوری کن. من جزئیات پرواز از فورت کووینگتون نیویورک، شامل نزدیک‌ترین و ارزان‌ترین فرودگاه‌ها را می‌خواهم. همچنین پیشنهادهای Airbnb برای ۸ نفر می‌خواهم؛ لطفاً جاهایی نزدیک به دیزنی‌لند که استخر داشته باشند پیدا کن. همچنین دوست دارم به ساحل بروم و از مرکز فضایی کندی بازدید کنم.»
او اشاره کرد که ویژگی گشت‌وگذار خودکار (Auto Browse) — که مثل دستیاری است که تب‌های مرورگر را به‌جای شما باز و بسته می‌کند — کنترل صفحه را به دست گرفت، در یک تب یک سند ایجاد کرد، در تبی دیگر Airbnb را باز کرد و به همین ترتیب پیش رفت. نتایج در مدل Gemini 3.5 در مرورگر کروم در عرض چند دقیقه به شرح زیر بود:
- ساخت سند: مدل به‌طور خودکار یک Google Doc جدید در یک تب جداگانه برای بررسی آسان کاربر ایجاد کرد.
- لجستیک فرودگاهی: مدل فرودگاه Massena را به‌عنوان نزدیک‌ترین فرودگاه به فورت کووینگتون شناسایی کرد. با این حال، برای یافتن پروازهای تجاری ارزان‌تر به اورلاندو (MCO)، پیشنهاد داد که کاربر تا مونترال (YUL) (حدود ۱.۵ ساعت فاصله) یا سیراکیوز (SYR) (حدود ۳.۵ ساعت فاصله) رانندگی کند.
- قیمت پروازها: برای اواخر اوت، پروازهای رفت‌و‌برگشت از سیراکیوز با قیمت‌های پایین تا حدود ۲۳۰ دلار با شرکت United، یا پروازهای مستقیم از مونترال با شرکت Air Canada را با قیمت حدود ۴۰۵ دلار پیدا کرد.
- اقامتگاه‌ها: مناطق Kissimmee یا Davenport پیشنهاد شدند و به‌طور خاص به Windsor Hills یا ChampionsGate اشاره شد. مدل ذکر کرد که ویلاهای با ۴ اتاق خواب یا بیشتر در این مناطق برای ۸ مهمان مناسب هستند، معمولاً دارای استخرهای خصوصی محصور (Screened-in) می‌باشند و تنها ۱۰ تا ۲۰ دقیقه با دیزنی‌لند فاصله دارند.
- مرکز فضایی کندی: بازدید از این مرکز با اشاره به فاصله ۷۵ دقیقه‌ای از دیزنی در برنامه گنجانده شد. برای اواخر اوت، ساعات کاری روزانه از ۹ صبح تا ۵ عصر ذکر شد و قیمت بلیط‌های ورودی یک‌روزه عمومی ۷۷ دلار برای بزرگسالان و ۶۷ دلار برای کودکان درج گردید.
- دسترسی به ساحل: یک روز برای گروه برنامه‌ریزی شد تا به Cocoa Beach بروند، زیرا این ساحل دقیقاً در کنار مرکز فضایی قرار دارد.
بررسی محدودیت‌ها و قابلیت اطمینان
برای تأیید این نتایج، آزمایش‌هایی با استفاده از هر دو حالت «Thinking» (تفکری) و «Flash» (سریع) انجام شد. هر دو حالت اسنادی مشابه با اطلاعات هسته‌ای یکسان تولید کردند که نشان می‌دهد برای این نوع درخواست‌های سبک، مدل‌های بهینه شده و سریع‌تر (Lighter-weight) کفایت می‌کنند. با این حال، برخی ناکارآمدی‌ها مشاهده شد: Gemini ممکن است لینک‌هایی را در خلاصه چت قرار دهد که به سند Google Doc تولید شده منتقل نمی‌شوند و جداولی که از Google Flights وارد می‌شوند، ممکن است در سند نهایی به‌صورت ناقص (Truncated) ظاهر شوند.
در تست دیگری با یک پرامپت محدودکننده‌تر برای سفر ۴ روزه به پاریس در اواخر سپتامبر، عملکرد Gemini ثابت ماند. کاربر تصریح کرد که اطلاعات پرواز نمی‌خواهد، بودجه Airbnb برای دو نفر زیر ۶۰۰ دلار باشد و شرط سخت‌گیرانه‌ای گذاشت که موزه لوور به‌طور کامل حذف شود. Gemini با موفقیت لوور را حذف کرد و موزه‌های هنری جایگزین را پیشنهاد داد. با این حال، مدل نتوانست روزهای بازگشایی دقیق آن موزه‌ها را مشخص کند که نشان‌دهنده یک شکاف جزئی در ارائه جزئیات است.
اثر گشت‌وگذار خودکار و سوگیری گوگل
یک نکته عجیب در رفتار گشت‌وگذار خودکار (Auto Browse) مشاهده شد. در تست‌های تکمیلی، بتِرز پیکارو دریافت که Auto Browse گاهی در نمایش لینک‌های Airbnb شکست می‌خورد یا اقامتگاه‌هایی را نمایش می‌داد که برای تاریخ‌های انتخاب شده در دسترس نبودند.
مهم‌تر از آن، وقتی درخواست اقامتگاه‌های ارزان در پاریس داده شد، Auto Browse به‌جای Airbnb، وب‌سایت Google Hotels را باز کرد. این موضوع نشان‌دهنده یک ترجیح استراتژیک است: Gemini ممکن است پلتفرم‌های داخلی گوگل را به رقبای شخص ثالث ترجیح دهد، حتی زمانی که کاربر صراحتاً نام یک سرویس خاص مانند Airbnb را آورده است. این سوگیری می‌تواند فرآیند برنامه‌ریزی را برای کاربر پیچیده کند.
مقایسه با رقبا
اجرای پرامپت‌های مشابه در ChatGPT نتایج اطلاعاتی نزدیکی داشت، اما یک تفاوت عملکردی کلیدی و اساسی وجود کرد: ChatGPT نمی‌تواند به‌طور بومی (Native) یک Google Doc ایجاد کند، مگر اینکه کاربر از یک کانکتور خاص Google Workspace استفاده کند. بدون این دسترسی، کاربران مجبورند پاسخ‌های دریافت‌شده در پنجره چت را به‌صورت دستی کپی کرده و در یک سند جداگانه Paste کنند.
فعال‌سازی گشت‌وگذار خودکار
کاربران می‌توانند با دنبال کردن این مراحل در مرورگر کروم به این ویژگی‌های عاملی دسترسی پیدا کنند:
۱. روی سه نقطه عمودی در گوشه راست بالای تب کروم کلیک کنید.
۲. گزینه Settings (تنظیمات) را انتخاب کنید.
۳. به مسیر AI Innovations و سپس Gemini in Chrome بروید.
۴. به پایین صفحه بروید و گزینه Auto Browse (که با عبارت Let Chrome browse for you شناخته می‌شود) را فعال (Toggle on) کنید.
برای اکثر کاربران، این بدان معناست که هوش مصنوعی دیگر فقط یک پژوهشگر نیست، بلکه یک مجرا و اجراکننده است. ارزش واقعی در ایجاد یک «سند اولیه» (Starter Doc) است؛ پیش‌نویسی که ۹۰٪ کامل است و کاربر صرفاً نیاز به تأیید و پرداختن به جزئیات نهایی آن دارد. همان‌طور که پیکارو اشاره کرد، او همچنان پس از اتمام کار، جست‌وجوهای دستی خود را انجام داد تا مطمئن شود قیمت پروازها و اطلاعات به‌طور جامع بررسی شده‌اند.
این تغییر نشان می‌دهد که آینده بهره‌وری در AI، نه در چت‌های بهتر، بلکه در «تفویض اختیار» (Delegation) بهتر است. ما به سمتی می‌رویم که AI مرورگر را مدیریت می‌کند و انسان صرفاً خروجی AI را مدیریت و نظارت می‌کند.
برای بهره‌مندی حداکثری، کاربران باید همچنان یک بررسی دستی نهایی روی قیمت‌ها و موجودی‌ها انجام دهند، زیرا AI گاهی اوقات جداول داده را هنگام خروجی گرفتن به سند ناقص می‌کند یا اطلاعات قدیمی ارائه می‌دهد. باید نظاره‌گر باشیم که این گشت‌وگذار عاملی چگونه تکامل می‌یابد و به‌ویژه اینکه آیا گوگل به ترجیح دادن سرویس‌های خود بر وب آزاد ادامه می‌دهد یا خیر، زیرا این موضوع می‌تواند بر بی‌طرفی توصیه‌های مبتنی بر AI تأثیر بگذارد.
گام بعدی شما
- قابلیت Auto Browse را در کروم فعال کنید و برای برنامه‌ریزی یک پروژه کوچک یا سفر، یک «سند اولیه» بخواهید.
- نتایج قیمت‌ها و تاریخ‌ها را حتماً به‌صورت دستی چک کنید، چون مدل ممکن است در انتقال جداول دچار خطا شود.
- بررسی کنید آیا Gemini در درخواست‌های شما هم سرویس‌های گوگل را به جای رقبا ترجیح می‌دهد یا خیر.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو