تصور کنید به جای جنگیدن با ده‌ها تب باز و جابه‌جایی دستی فایل‌ها، یک اپراتور مجازی تمام کارهای خسته‌کننده شما را در پس‌زمینه انجام دهد. حالا این تصور با قابلیت جدید Perplexity به واقعیت تبدیل شده است؛ ابزاری که دیگر فقط یک چت‌بات نیست، بلکه یک عامل (Agent) است که می‌تواند فرمان سیستم‌عامل شما را در دست بگیرد. یک عامل هوش مصنوعی واحد اکنون همه چیز را مدیریت می‌کند؛ از ابزارهای آموزش زبان ایتالیایی گرفته تا حسابرسی پیچیده فاکتورها که مستقیماً روی یک مک (Mac) اجرا می‌شود. Perplexity با استفاده از مهارت «کامپیوتر شخصی» (Personal Computer)، نشان می‌دهد که می‌تواند تکالیف چندمرحله‌ای را از طریق تعامل با فایل‌های کاربر، اپلیکیشن‌های بومی و سرویس‌های ابری، بدون نیاز به دخالت دستی انسان، مدیریت کند.
این تغییر، گذاری است از مدل‌های «پیشنهاددهنده» به مدل‌های «اجراکننده». در حالی که دستیارهای معمولی هوش مصنوعی فقط یک نقشه یا برنامه پیشنهادی می‌کشند، عامل‌ها (Agents) در واقع آن برنامه را اجرا می‌کنند. برای کاربران معمولی مک، این یعنی هوش مصنوعی دیگر فقط یک پنجره ساده در نمایشگر نیست؛ بلکه یک اپراتور مجازی است که مجموعه‌ای از مجوزها را برای اقدام در سطح سیستم‌عامل دریافت کرده است. به عبارت دیگر، یک عامل هوش مصنوعی (AI Agent) — شبیه به کارآموزی که کلید دفتر شما را دارد و می‌داند هر پرونده کجاست — مستقیماً وارد عملیات می‌شود و تغییرات واقعی در محیط دیجیتال شما ایجاد می‌کند.
همان‌طور که در تحلیل قبلی ما درباره‌ی پروتکل‌های ارتباطی مدل‌ها اشاره کردیم، کلید موفقیت این سیستم‌ها در سطح دسترسی آن‌هاست. این رویکرد جدید در واقع تکامل یافته‌ی همان تلاش‌هایی است که Perplexity برای جایگزینی جست‌وجوی سنتی گوگل با پاسخ‌های مستقیم به کار گرفته بود تا تجربه کاربر را از یافتن لینک‌ها به دریافت نتایج نهایی تغییر دهد. به گزارش ZDNET، قابلیت «کامپیوتر شخصی» در ابتدا تنها برای مشترکین Perplexity Max محدود شده بود، اما اکنون برای کاربران Pro و Enterprise نیز گسترش یافته است. برای استفاده از این قابلیت، کاربران باید اپلیکیشن مک Perplexity را نصب کنند و مجوزهای لازم برای ضبط صفحه (Screen Recording)، میان‌برهای کیبورد و دسترسی به هارد درایو (Hard Drive Access) را صادر کنند. این مجوزها ضروری هستند، زیرا هوش مصنوعی باید بتواند در کل محیط مک فعالیت کند و موانع امنیتی سیستم‌عامل را برای انجام تکالیف رد کند.
سه ستون اصلی دسترسی
خودمختاری این عامل بر سه نوع ادغام و دسترسی خاص استوار است که در ادامه بررسی می‌کنیم:
- دسترسی به فایل‌های محلی (Local File Access): هوش مصنوعی می‌تواند به هر پوشه‌ای در هر جای مک متصل شود تا فایل‌ها را جست‌وجو کند، آن‌ها را مشاهده نماید و فایل‌های جدیدی ایجاد کند.
- کنترل اپلیکیشن‌ها (App Control): این عامل می‌تواند مستقیماً با هر یک از برنامه‌های بومی macOS کار کرده و آن‌ها را هدایت کند. این دسترسی شامل اپلیکیشن‌هایی نظیر Messages (پیام‌ها)، Notes (یادداشت‌ها)، Mail (پست الکترونیک)، Maps (نقشه‌ها)، Photos (عکس‌ها) و Settings (تنظیمات) می‌شود.
- سرویس‌های خارجی (External Services): مدل به پلتفرم‌های ابری متصل می‌شود تا با فایل‌های مستقر در فضای ابری کار کند. سرویس‌های پشتیبانی شده شامل Google Drive، OneDrive، Box، Dropbox، SharePoint، Slack، GitHub و Shopify هستند.
کاربران می‌توانند این ادغام‌ها را از طریق گزینه «Customize» (سفارشی‌سازی) در پنل سمت چپ اپلیکیشن مدیریت کنند. در صفحه اتصال‌دهنده‌ها (Connectors)، آن‌ها می‌توانند با کلیک بر روی نام سرویس مورد نظر و سپس زدن دکمه «Add connector» و ورود به حساب کاربری خود، سرویس‌های خاص را به هوش مصنوعی متصل کنند.
ناوبری در وب و رابط کاربری
برای تعاملات عمیق‌تر با وب — مانند ورود به حساب‌های کاربری، پر کردن فرم‌های آنلاین و کلیک کردن بر روی دکمه‌های وب‌سایت‌ها — هوش مصنوعی به نصب مرورگر Comet نیاز دارد. در حالی که AI می‌تواند از Safari یا سایر مرورگرهای استاندارد برای وب‌گردی عادی و خواندن اطلاعات استفاده کند، اما برای اینکه بتواند در صفحات مختلف «عمل» (Act) کرده و با محتوا تعامل فعال داشته باشد، مرورگر Comet الزامی است.
رابط کاربری برای دسترسی سریع طراحی شده است. کاربران می‌توانند یک جلسه کاری را با کلیک بر روی آیکون Perplexity در Dock شروع کنند. روش جایگزین، فشار دادن هم‌زمان دو کلید Command است که یک پنجره کوچک برای درخواست‌های تایپی یا صوتی باز می‌کند. همچنین، این سیستم از حالت صوتی گفتگو-محور (Voice Mode) پشتیبانی می‌کند که به کاربران اجازه می‌دهد جزئیات تکالیف را به صورت شفاهی مورد بحث قرار دهند.
عملکرد در مأموریت‌های دنیای واقعی
در یک سری از آزمایش‌ها، این هوش مصنوعی پنج مأموریت مختلف را با سطوح پیچیدگی متفاوت بر عهده گرفت. برای شروع این کارها، کاربران گزینه «New Task» (تکلیف جدید) را در سمت چپ انتخاب کرده و درخواست خود را در بخش Prompt ارسال می‌کنند یا از دسته‌بندی‌های پیشنهادی انتخاب می‌کنند:
- ساخت ابزار آموزش زبان: هوش مصنوعی یک ابزار تمرینی کاملاً تعاملی برای زبان ایتالیایی با تمرکز بر عبارات روزمره ساخت. این فرآیند حدود ۱۵ دقیقه زمان برد. محصول نهایی به کاربر اجازه می‌داد عبارات مختلف ایتالیایی را در دسته‌بندی‌های متنوع ببینند و بشنوند و همچنین شامل یک کوییز برای سنجش یادگیری بود.
- تبدیل فرمت اسناد: این عامل یک سند Word را که به عنوان جزوه آموزشی eBay مورد استفاده قرار می‌گرفت، به یک ارائه PowerPoint تبدیل کرد. اگرچه خروجی اولیه جامع اما ساده و بی‌روح بود، اما هوش مصنوعی پس از درخواست دوم کاربر برای جذاب‌تر کردن بصری اثر، با موفقیت رنگ‌ها و تصاویر را به اسلایدها اضافه کرد.
- گردش کار دوزبانه: عامل یک تکلیف ترجمه پیچیده را با استفاده از Voice Mode انجام داد. مدل ابتدا یک مقاله انگلیسی را از Microsoft OneDrive استخراج کرد، آن را به ایتالیایی ترجمه نمود و یک سند مطالعه دوزبانه (متقابل/Side-by-side) ایجاد کرد که اصطلاحات و گرامرهای دشوار را برجسته می‌کرد. همچنین یک فایل صوتی متن-به-گفتار (TTS) از نسخه ایتالیایی تولید کرد و تمامی این فایل‌ها را در پوشه Documents مک ذخیره نمود.
- حسابرسی مالی: این عامل یک گردش کار مالی بین‌پلتفرمی را مدیریت کرد. مدل ابتدا پوشه «Invoices» را در گوگل درایو برای یافتن سند «My Invoices» اسکن کرد. سپس نام مشتریان و مبالغ دلاری را از هر صفحه استخراج کرده، آن‌ها را به یک صفحه گسترده اکسل (Excel) اضافه کرد و یک ردیف «مجموع» در پایین جدول قرار داد. در نهایت، این اکسل را در یک پوشه تجاری در سرویس Box کپی کرد. چون این عملیات نیازمند تعامل با وب بود، هوش مصنوعی به طور خودکار از مرورگر Comet استفاده کرد. این سطح از اتوماسیون، گامی فراتر از سیستم‌های اتوماسیون پژوهش در Perplexity است که پیش‌تر با حالت‌های Focus و ارجاعات دقیق پیاده‌سازی شده بودند و اکنون به محیط سیستم‌عامل کشیده شده است.
- تحقیق ایمیلی: مدل سعی کرد یک تکلیف تحقیقی پیچیده را با اسکن پوشه Outlook برای یافتن ایمیل‌هایی در مورد یک موضوع خاص انجام دهد. هوش مصنوعی آن ایمیل‌ها را تلخیص کرد و آن‌ها را با وب‌سایت‌های ذکر شده در متن تطبیق داد تا تناقضات یا نادرستی‌های احتمالی را بررسی کند. در نهایت، خلاصه نهایی را به عنوان یک سند Word در پوشه OneDrive ذخیره کرد.
شکاف‌های عملکردی و موانع فنی
علیرغم این موفقیت‌ها، سیستم هنوز بی‌نقص نیست. عامل راه‌اندازی شده گاهی دچار مشکلات «بینایی» (Sight issues) می‌شد. برای مثال، در طول تکلیف ترجمه، هوش مصنوعی به کاربر اطلاع داد که نمی‌تواند سندی را که از قبل در بخش Prompt ضمیمه شده است «ببیند» و از کاربر خواست که فایل را دوباره آپلود کند.
در مأموریت تحقیق Outlook، هوش مصنوعی با یک خطای ناوبری (Navigation error) خاص مواجه شد. مدل نتوانست پوشه مشخصی را که کاربر تعیین کرده بود پیدا کند و در عوض، تمام پوشه‌ها را برای یافتن موضوع موردنظر جست‌وجو کرد. این مأموریت خاص، دشوارترین عملیات بود که بیش از ۳۰ دقیقه زمان برد و اجرای ۸۶ گام مجزا را ایجاب کرد.
برای کاربر نهایی، این بدان معناست که اگرچه AI می‌تواند حجم عظیمی از کار سخت را انجام دهد، اما هنوز به یک «ویراستار» انسانی نیاز است تا خروجی نهایی را تأیید کند و گاهی اوقات عامل را که از مسیر خارج شده، به مسیر درست بازگرداند. همچنین کاربر اشاره کرد که در میانه انجام تکالیف، گاهی مجبور بود به صورت دستی مجوز دسترسی به مناطق خاص، مانند پوشه Documents را دوباره به هوش مصنوعی اعطا کند.
گذار به سمت مدیریت هوش مصنوعی
این قابلیت، کامپیوتر را از ابزاری که ما «به کار می‌گیریم» به شریکی تبدیل می‌کند که ما «مدیریت می‌کنیم». با واگذاری کارهای طاقت‌فرسایی مثل ۸۶ گام حسابرسی ایمیل یا فرمت‌بندی خسته‌کننده پاورپوینت، نقش کاربر از «انجام‌دهنده» (Doer) به «بازبین» (Reviewer) تغییر می‌کند.
با این حال، اعطای دسترسی به ضبط صفحه، میان‌برهای کیبورد و کل سیستم فایل، نیازمند سطح بسیار بالای اعتماد است. کاربران در واقع کلیدهای زندگی دیجیتال خود را در ازای افزایش بهره‌وری به یک شرکت می‌سپارند. این چالش امنیتی مشابه دغدغه‌هایی است که در تغییر رویکرد به لایه‌های کنترل از راه دور برای عامل‌های خودکار دیده می‌شود، جایی که دسترسی مستقیم به سیستم جایگزین روش‌های سنتی ارتباطی شده است. Perplexity برای کاهش این نگرانی، در حالت Voice Mode مراحل درخواست را تکرار می‌کند تا پیش از اجرا، برنامه عملیاتی را با کاربر تأیید نماید.
کاربران علاقه‌مند می‌توانند با مراجعه به صفحه Perplexity Personal Computer در مک خود، اپلیکیشن را دانلود کرده و با بررسی منوی «New Task»، دسته‌بندی‌های پیشنهادی را آزمایش کنند یا دستورات سفارشی خود را وارد نمایند.
گام بعدی شما
- اگر کاربر Pro یا Enterprise هستید، اپلیکیشن مک Perplexity را نصب کرده و دسترسی‌های سیستم (ضبط صفحه و هارد) را فعال کنید.
- از منوی «New Task» برای تعریف گردش‌های کاری چندمرحله‌ای (مانند تبدیل اسناد یا تحلیل ایمیل‌ها) استفاده کنید.
- برای عملیات‌های وب‌محور، حتماً مرورگر Comet را نصب کنید تا مدل بتواند فراتر از خواندن، «عمل» کند.
این تنها آغاز ماجراست؛ اثر موج‌گونه‌ی این تصمیم بر اکوسیستم مدل‌های بازمتن و استانداردهای امنیتی را در گزارش بعدی بررسی خواهیم کرد.
گفتگو