تصور کنید صدای شما به رابط کاربری اصلی تمام ابزارهای کاری‌تان تبدیل شود. در ۲۳ سپتامبر ۲۰۲۶، شرکت OpenAI قابلیت پشتیبانی از پلاگین‌ها را به ChatGPT Voice اضافه کرد تا این هوش مصنوعی بتواند از طریق دستورات صوتی، کارهایی را در ایمیل، تقویم و Slack اجرا کند.
این تغییر، هوش مصنوعی را از یک شریک گفتگو به یک اپراتور فعال تبدیل می‌کند. مدل زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — اکنون می‌تواند مستقیماً روی جریان کاری کاربر اثر بگذارد. همان‌طور که در تحلیل قبلی ما درباره‌ی ابزارهای اتوماسیون اشاره کردیم، هدف نهایی تبدیل مدل‌ها به عامل‌هایی است که به‌جای پیشنهاد، اقدام می‌کنند.
این پیشرفت در ادامه‌ی تلاش‌های OpenAI برای تقریب مکالمه به انسان صورت می‌گیرد تا تعاملات صوتی طبیعی‌تر و کاربردی‌تر شوند.
طبق اعلام این شرکت، تجربه جدید بر پایه مدل‌های GPT-6 Astra، Sol و Luna اجرا می‌شود. بر اساس مستندات منتشر شده، کاربران اکنون می‌توانند:
- رویدادهای تقویم را مدیریت کرده و ایمیل‌ها را با صدا ارسال کنند.
- پرداخت‌های تکراری را در اپلیکیشن‌های مالی شناسایی و لغو کنند.
- وب‌سایت‌هایی با صفحات پرداخت یکپارچه بسازند.
- در ChatGPT Work (نسخه وب، iOS و اندروید) سند، ارائه و صفحه‌گستر ایجاد کنند.
این یک چرخش راهبردی به سمت چشم‌انداز «Her» است؛ دستیاری همه‌جا حاضر که اصطکاک زندگی دیجیتال را حذف می‌کند. OpenAI روی این فرض شرط بسته است که کاربران ترجیح می‌دهند با صفحات گسترده و اسلایدهای خود حرف بزنند تا در منوهای پیچیده کلیک کنند. برای دستیابی به این سطح از تعامل، کاهش تأخیر در پاسخ‌دهی حیاتی است؛ موضوعی که در به‌روزرسانی‌های اخیر GPT-Live-1 با رسیدن به سرعت زیر یک ثانیه، به واقعیت نزدیک‌تر شد.
با این حال، طبق گزارش تحلیلگران امنیتی، دادن قدرت حذف تراکنش‌ها یا ارسال ایمیل به یک عامل (Agent) — شبیه به دستیاری که کلید خانه و کارت بانکی شما را دارد — ریسک‌های امنیتی بزرگی ایجاد می‌کند. انتقال از «خواندن داده» به «نوشتن اقدام»، یعنی یک تفسیر اشتباه صوتی می‌تواند منجر به خطاهای حرفه‌ای جبران‌ناپذیر شود.
گام بعدی شما
- اگر از نسخه Work استفاده می‌کنید، دسترسی‌های پلاگین‌های صوتی را در تنظیمات امنیتی بازبینی کنید.
- برای کاهش خطای استنتاج، دستورات صوتی خود را با کلمات کلیدی صریح و بدون ابهام صادر کنید.
- بررسی کنید کدام بخش از گردش کار روزانه شما بیشترین اصطکاک کلیکی را دارد تا آن را به دستور صوتی تبدیل کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو