Két személyes mesterséges intelligencia-asszisztens, az OpenAI Dots és a Meta Muse képességeit vetették össze egy gyakorlati próbán: egy fantáziakört szervezni az Atlanta-i WNBA-döntő megtekintésére, egy lila témájú brunch-közvetítős partit lebonyolítani és emlékprogramokat készíteni. A teszt során mindkét rendszer jól kezelte a több lépéses feladatokat, de akadtak pontatlanságok, szerkesztési hiányosságok és a valós fizetési/memóriaműveletek végrehajtásában is korlátok mutatkoztak.
Miért fontos ez
Különböző AI-vállalatok versenyeznek azért, hogy olyan digitális asszisztenst hozzanak létre, amelyet mindennapi teendőkre — például vásárlásra vagy utazástervezésre — használunk. A kérdés továbbra is az, hogy ezek az ügynökök elérik-e azt a megbízhatóságot és autonómiát, amelyet a felhasználók elvárnak, illetve felülmúlják-e a „humán benchmarkot”: gyorsabbak vagy jobbak-e, mint egy ember.
A tesztfeladatok
A szerző a következőket kérte meg mindkét asszisztenstől:
- Repülőjegy- és jegyvásárlási opciók keresése a 3. meccsre Atlantába.
- Egy lila témájú brunch watch party megszervezése, receptekkel és meghívókkal.
- 1980-as éveket idéző WNBA-döntős emlékprogram és a Meccs 1-ről készült fotók emlékkiadvánnyá alakítása.
- Valkyries (Golden State Valkyries) relikviák, végül WNBA kártyák keresése és megvásárlásának segítése.
Miben voltak jók
Mindkét asszisztens meglepően hatékonyan boldogult a több lépésből álló feladatokkal. Mindketten észlelték, hogy a 3. meccs időpontját előrébb hozták egy nappal, és hogy a jegyek még nem kerültek a nagyközönség elé — a ma elérhető ülőhelyek elsősorban a másodlagos piacon voltak, valószínűleg feláras áron.
- Repülőopciók: mindkettő jó járatlehetőségeket talált.
- Jegyvásárlás: Muse megnyitott egy böngészőt és lehetőséget adott, hogy a szerző beírja adatait a jegyelővételi regisztrációhoz; Dots felhívta a figyelmet egy ütemezési konfliktusra, amelyet a szerző iskolai beiratkozási vásárhoz kapcsolódó naptáradatából következtetett.
Kreatív eredmények és hiányosságaik
Mindkét asszisztens képes volt széles utasításokból összetett, kész anyagokat előállítani, de egyik sem pótolja teljesen az emberi szerkesztőt.
- Brunch-kiadványok: Muse egy színes, 10 oldalas receptfüzetet készített (például ube-palacsinta és levendulás-mézes vaj), míg Dots egy gyakorlatiasabb, 8 oldalas csomagot állított össze részletes főzési útmutatókkal és figyelemmel az étrendi preferenciákra. Muse bevásárlólistája 12 tojást írt elő, miközben a receptje összesen 13-at követelt — ez a típusú apró inkonzisztencia többször előfordult.
- Meghívók és dizájn: mindkét asszisztens készített meghívóterveket és dizánelemeket, amelyek nyelvi és esztétikai szerkesztést igényeltek, mielőtt elküldhetővé váltak volna.
- Menürealitás: a generált menük jóval bonyolultabbak voltak annál, mint amit a szerző ténylegesen elkészítene egy meccsnéző partira (a szerző saját bevallása szerint valószínűleg csak lila mázzal bevont fánkot venne).
Emlékprogramok és fotókönyv
A 1980-as éveket idéző, kinyomtatható emlékprogramok terén Dots és Muse is saját verziót készített:
- Dots 38 oldalas, „vintage” stílusú programja vizuálisan gazdagabbnak bizonyult: játékosfotók, grafikai elemek és kiterjedt statisztikák szerepeltek benne.
- Muse 35 oldalas változata kevésbé volt vonzó, de tartalmazott kreatív elemeket, például egy fiktív számítógépes hirdetést és egy reklámot a képzeletbeli brunch eseményre.
Mindkét program tartalmazott vitatható vagy pontatlan statisztikákat. Muse később önkéntesen küldött egy frissítést, amelyben több téves adatot javított.
A fotóemlékeknél Dots 12 oldalas változatot készített mindössze 47 másodperc alatt; Muse ennél lényegesen tovább dolgozott, bár javasolt egy érdekes fotós összeállítást, amely a Valkyries-rajongók különböző generációit emelte volna ki.
Hol akadtak el: a tényleges végrehajtás
Amikor a szerző vásárlásra adta a fejét — végül WNBA kosárlabda-kártyákat választott — mindkét asszisztens segített az opciók és árak összehasonlításában. A szerző a Target-ot választotta, ahol üzleti hitelkártyája 5% kedvezményt és ingyenes szállítást biztosított.
- Muse megpróbálta a vásárlást végrehajtani, de a Target bejelentkezési oldalán elakadt.
- Dots inkább arra irányított, hogy a Target alkalmazást használja, ahol a szerző fiókja és fizetési adatai már elmentve voltak; ez a kevésbé automatizált út végül gyorsabbnak bizonyult.
Ebből látszik, hogy bár mindkét rendszer támogatja a vásárlást felhasználói jóváhagyással, a tényleges fizetési folyamatoknál még mindig gyakoriak a technikai és jogosultsági korlátok.
A bizalom kérdése
A teszt rávilágított arra is, hogy az asszisztensek többet tehetnének, ha a felhasználó hajlandó lenne nagyobb hozzáférést adni fiókjaihoz és pénzügyi adataihoz. A szerző saját komfortszintje szerint még nem szeretne olyan kiterjedt jogosultságot adni, amely lehetővé tenné százas vagy ezres nagyságrendű automatikus vásárlásokat vagy meghatározó döntéseket a rendszer számára.
Végkövetkeztetés
Összességében a teszt szerint a Dots és a Muse hasznos kutatási és szervezési segédeszközök: elvégzik az előkészítő munkát, összegyűjtik az opciókat és javaslatokat adnak, de a végső döntéseket és a finom szerkesztési munkát egyelőre jobb, ha az ember hozza meg. A szerző megjegyezte, hogy személyesen nem utazott el Atlantába és nem tartott brunch-t a más elfoglaltságai miatt, viszont végül három doboz WNBA-kártyát vásárolt — természetesen „kutatási céllal”.
Elérhetőségek és költségek
- Muse: ingyenes a legtöbb használati esetben, opcionális havi előfizetések 20 és 100 dollárért.
- Dots: elérés ChatGPT Pro előfizetéssel, amely havi 100 dollártól indul, vagy üzleti/enterprise csomagon keresztül.
A teszt tanulsága az, hogy a személyes AI-asszisztensek gyorsan fejlődnek és már jelenleg is komoly segítséget nyújtanak összetett feladatok szervezésében, de a pontosság, a végrehajtás és a felhasználói bizalom terén még maradtak fontos kihívások.
