L'operatore non vale ancora l'abbonamento a ChatGPT Pro da 200 dollari al mese: ecco perché

L'operatore sfrutta l'intelligenza artificiale per eseguire attività di base del browser come prenotazioni e ordini. Ma questo strumento offre una profondità sufficiente per giustificare il suo costo e il suo clamore?

Questa settimana, OpenAI presenta un'anteprima di ricerca chiamata Operator. Inizialmente volevo fare un hands-on, ma una volta scoperto che hai bisogno di un account Pro (che costa $200 al mese), ho deciso di guardare le varie demo di OpenAI, condividerle con te e poi condividere i miei pensieri. Altman ha detto che gli utenti del piano Plus da $20 al mese saranno eventualmente in grado di utilizzare Operator.

L'operatore è un agente AI. Fondamentalmente, simula i clic della tastiera e del mouse in un browser, la lettura dello schermo e l'esecuzione di azioni.

Ho una lunga storia nella creazione di questo tipo di app, utilizzando principalmente la programmazione algoritmica insieme a un po' di apprendimento automatico per identificare la posizione di determinate immagini sullo schermo.

Il mio progetto più recente è stato uno strumento di auto-posting che avrebbe reso i miei post sui social media per me. Sì, ci sono una miriade di servizi in abbonamento che lo faranno per te, ma ho deciso di vedere cosa ci sarebbe voluto per costruirne uno mio.

Il mio codice utilizzava una combinazione del DOM (document object model) per le singole pagine dei servizi di social media, insieme a riconoscitori di immagini che erano in grado di trovare pulsanti (come i pulsanti + o Pubblica). Ho usato lo strumento che ho costruito per circa un anno ma ho riscontrato un intoppo molto fastidioso.

Circa ogni due settimane, uno dei sei siti che stavo navigando apportava una piccola modifica all'interfaccia dello schermo, che procedeva a violare il mio codice. Quindi, ogni due settimane, invece di pubblicare normalmente i miei post sui social media, dovevo passare qualche ora a sistemare tutto ciò che si era rotto.

Il fatto che il web sia in continua evoluzione (ad esempio, un pulsante blu "Pubblica" potrebbe trasformarsi in un pulsante rosso "Pubblica/Iscriviti al 30% di sconto" durante una promozione) potrebbe mettere fuori gioco l'IA.

Agente che utilizza il computer

Il modello utilizzato da OpenAI si chiama CUA, ovvero agente che utilizza il calcolo. Questo modello determina il modo in cui l'operatore comunica con i siti Web che dovrebbe navigare.

Nel loro video introduttivo, Sam Altman e i membri del team OpenAI Yash Kumar, Casey Chu e Reiichiro Nakano hanno spiegato che Operator non utilizza le API e non lavora sul testo estratto dal DOM. Invece, si tratta di "visualizzare" una pagina Web reale in un browser live in esecuzione nel cloud, leggendo il contesto direttamente dallo schermo.

Erano molto chiari sul fatto che il meccanismo di controllo per le pagine web era la simulazione del mouse e della tastiera, e l'input che l'intelligenza artificiale legge è la rappresentazione visiva della pagina web reale che vediamo come esseri umani.

Il team di OpenAI ha affermato che Operator funzionerà proprio come un essere umano che utilizza un browser Web: cerca, fa clic e visita i siti Web. Ma c'è una contraddizione che non ho ancora capito del tutto, ovvero che OpenAI ha collaborato con un sacco di siti (Instacart, DoorDash, Etsy, OpenTable, Tripadvisor, AP, Priceline, StubHub, Thumbtack, Target, Uber e altri).

Cosa fanno queste partnership per l'operatore? Si tratta di accordi di affiliazione in cui OpenAI ottiene un contraccolpo su qualsiasi vendita? Hanno un accordo per far sapere all'operatore se il formato del sito web è cambiato? OpenAI ha eseguito ulteriori modelli per quei siti? Ha un certo livello di accesso API ai dati che questi siti visualizzano sul web?

Fino a quando non avremo una migliore comprensione di queste risposte, non sapremo davvero la portata di ciò che l'operatore può fare. Tutte le demo mostrate sono state condotte utilizzando siti con cui l'azienda ha collaborato, quindi non è chiaro, ad esempio, se potrebbe entrare in ZDNET e costruire un elenco dei miei ultimi 10 articoli e inviarmelo via e-mail utilizzando Gmail.

In questo momento, ho l'impressione che Operator sia piuttosto superficiale in ciò che può realizzare. Questa demo, ad esempio, è stata in grado di cercare una ricetta su un sito e quindi popolare un carrello della spesa Instacart con l'elenco degli ingredienti.

C'erano demo che mostravano la prenotazione di un ristorante, l'acquisto di biglietti per una partita di basket e così via. Ognuno di questi era uno o due processi del sito in cui i dati venivano trovati su un sito e quindi applicati a un altro.

Guardrail e privacy

Sembra che OpenAI abbia preso in seria considerazione le questioni di privacy e guardrail. Ad esempio, una demo mostrava la prenotazione di quattro biglietti per il basket per un totale di oltre $1.000. È improbabile che qualcuno di noi si senta a proprio agio nel lasciare che l'IA vada avanti e spenda quel tipo di denaro per nostro conto senza supervisione.

L'operatore sa quando mettere in pausa e chiedere l'intervento umano. O almeno, dovrebbe farlo. È ancora in versione beta, quindi è possibile che possa impazzire, solo perché non è ancora finito.

Ma l'idea chiave è semplice: quando le operazioni su un sito web stanno per diventare sensibili (accedere, spendere soldi, effettuare prenotazioni, effettuare il check-out, ecc.), l'operatore chiede al suo umano di confermare l'operazione.

Inoltre, l'utente umano può assumere il controllo della finestra del browser basata su cloud. Secondo OpenAI, quando l'essere umano controlla il browser, si comporta come una sessione privata e nulla di ciò che avviene mentre l'essere umano ha il controllo viene restituito all'intelligenza artificiale.

Puoi anche scegliere di non consentire l'utilizzo delle interazioni con il tuo sito Web come dati di addestramento per l'intelligenza artificiale.

Istruzioni personalizzate specifiche per il sito

L'operatore consente di creare istruzioni personalizzate specifiche per il sito sito per ogni sito.

Nell'esempio sopra, estratto dal video qui sotto, il dimostratore vuole assicurarsi che le prenotazioni su Priceline siano completamente rimborsabili e abbiano una colazione gratuita. Inserendo quell'istruzione personalizzata nelle preferenze del sito web, l'agente AI ne terrà sempre conto quando esegue un'attività su Priceline.

Inoltre, Operator ti consentirà di salvare un'attività in modo da poterla rieseguire o programmarla in un secondo momento.

Se hai un'attività regolare che vorresti che Operator svolgesse per te, questo è un modo rapido per assicurarti di poter rieseguire il tuo lavoro quando vuoi.

Piccoli passi

L'operatore mi sembra molto simile a piccoli passi in questo momento. Ad esempio, mi piacerebbe dire a un'intelligenza artificiale di passare attraverso la mia casella di posta, trovare tutti i comunicati stampa e assegnarli a un'etichetta (sto usando Gmail). Oppure trova tutti i comunicati stampa relativi all'intelligenza artificiale e assegna loro un'etichetta, mentre il resto dei comunicati stampa ne ottiene un'altra.

Questo è sia un compito complesso che ha una durata piuttosto lunga (ho 51.000 pezzi di marketing nella mia scheda Promozioni). In quanto tale, va ben oltre l'ambito di ciò che Operator può fare.

Ma un giorno? Forse.

Sto anche cercando di evitare l'interpretazione horror fantascientifica di tutto questo. C'è una piccola parte del mio cervello che urla: "Stanno lasciando che l'IA navighi in Internet? Sono matti?"

E sì, strumenti come Operator (e anche tutte le IA che vengono addestrate su Internet nel loro complesso) stanno probabilmente aprendo le porte ad alcune cose davvero brutte, specialmente se mai dovessimo creare IA senzienti. Ma per ora, è un esercizio interessante vedere quanto bene un'intelligenza artificiale riesca a leggere una ricetta e ordinare gli ingredienti da Instacart.

Che ne pensi? Quando il prezzo scende a $20 al mese, vedi le attività che potresti assegnare a Operator? Ti preoccupa? Facci sapere cosa ne pensi nei commenti qui sotto.