آزمایش Genspark AI Workspace 6.0؛ آیا دفتر کار خودکار واقعاً کارآمد است؟
بررسی دقیق ۱۸ قابلیت Genspark AI Workspace 6.0 نشان می‌دهد که این ابزار در خودکارسازی هم‌زمان چندین کار عملکرد چشمگیری دارد، اما کاربران باید کنترل دقیقی بر مصرف اعتبار و هزینه‌های داده داشته باشند.
Genspark AI Workspace 6.0 نمایانگر تحولی مهم در فناوری هوش مصنوعی است: گذار از مدلی که صرفاً به پرسش‌ها پاسخ می‌دهد، به سامانه‌ای جامع برای خودکارسازی گردش کار. کاربران به‌جای جابه‌جایی میان نرم‌افزارهای مختلف برای ساخت اسلاید، نگارش گزارش یا پردازش صفحات گسترده، اکنون می‌توانند تمام فعالیت‌های اداری خود را از طریق یک رابط کاربری واحد مدیریت کنند.
معماری عملیاتی: هماهنگی میان ابرعامل‌ها، عوامل تخصصی و مجموعه مهارت‌ها
هسته فناوری Genspark بر پایه ابرعامل (Super Agent) شکل گرفته است که نقش هماهنگ‌کننده اصلی را بر عهده دارد. این سامانه پس از دریافت دستور در یک کادر ورودی واحد، هدف را به مراحل کوچک‌تر تقسیم می‌کند، مسیر اجرای کار را مشخص می‌سازد و انجام آن را میان شبکه‌ای متشکل از ۲۸ عامل هوش مصنوعی تخصصی هماهنگ می‌کند. این عوامل در سه گروه اصلی قرار می‌گیرند: گروه اداری برای پردازش اسناد، صفحات گسترده و اسلایدها؛ گروه ساخت برای طراحی، برنامه‌نویسی و ایجاد داشبوردها؛ و گروه تولید محتوا برای ساخت تصویر، ویدئو، فایل صوتی و پادکست.
در کنار عوامل تخصصی، مخزن یکپارچه مهارت‌ها (Skill) امکان بسته‌بندی گردش‌های کار استاندارد را فراهم می‌کند. هر مهارت شامل مجموعه‌ای از مراحل پردازش، استانداردهای ارائه و قالب‌های خروجی است. تا اکتبر ۲۰۲۶، مخزن مهارت‌های جامعه کاربری ۲۲۲ مورد را ثبت کرده بود که از این میان، Anthropic تعداد ۶۷ مهارت، Genspark تعداد ۵۱ مهارت و OpenAI تعداد ۸ مهارت ارائه کرده بودند؛ سایر مهارت‌ها را اعضای جامعه به‌صورت مستقل توسعه داده بودند. کاربران می‌توانند یک گردش کار اصلاح‌شده را در حدود ۹۰ ثانیه به‌عنوان مهارتی جدید ذخیره کنند.
Genspark برای حفظ پیوستگی اطلاعات و زمینه کاری، قابلیت Second Brain و فضای ذخیره‌سازی Hub با ظرفیت ۵۰ گیگابایت را نیز ارائه می‌کند. این ساختار به مدل‌های هوش مصنوعی اجازه می‌دهد اطلاعات شخصی، قواعد پروژه‌ها و اسناد مرجع موجود در سابقه کاری را به‌طور مستمر بازیابی کنند؛ در نتیجه، کاربران نیازی ندارند اطلاعات زمینه‌ای را هر بار دوباره وارد کنند.
عملکرد در دنیای واقعی و میزان مصرف منابع در ۱۸ وظیفه
در آزمایش عملی با اشتراک Genspark Plus که ماهانه ۲۴٫۹۹ دلار هزینه دارد و سقف آن ۱۰٬۰۰۰ اعتبار است، مصرف کل اعتبار برای ۱۸ قابلیت به حدود ۱٬۸۰۴ واحد رسید. داده‌ها نشان می‌دهند که میزان مصرف منابع در کارهای معمول اداری با وظایف پیچیده چندرسانه‌ای تفاوت چشمگیری دارد.
| گروه وظایف | قابلیت‌ها | خروجی | میزان مصرف اعتبار |
|---|---|---|---|
| برنامه‌ریزی و خودکارسازی | ابرعامل و مهارت | زمان‌بندی انتشار پست‌ها برای یک ماه، ایجاد ۳ فایل اکسل و نگارش ۱۷ مقاله | ۰ اعتبار |
| داشبوردها و مدیریت ارتباط با مشتری (CRM) | تبدیل داده‌های اکسل | ایجاد یک برنامه مدیریتی با ۴ شاخص و ۳ نمودار | ۰ اعتبار؛ پردازش خودکار در هر بار اجرا ۴ تا ۷ اعتبار مصرف می‌کند. |
| تولید محتوا | AI Slides | ساخت یک ارائه ۸ اسلایدی برای معرفی کانال در ۱۳ دقیقه | ۰ اعتبار |
| تولید محتوا | AI Image و مودبورد | ایجاد پالت رنگی با ۶ طیف و حفظ یکپارچگی چهره شخصیت | ۰ اعتبار |
| صوت و محتوای چندرسانه‌ای | AI Music | تولید موسیقی متن ۹۰ ثانیه‌ای | ۴۴ اعتبار |
| صوت و محتوای چندرسانه‌ای | AI Audio | ساخت یک پیام خوشامدگویی ۵ ثانیه‌ای و یک افکت صوتی ۸ ثانیه‌ای | ۲۳ اعتبار |
| صوت و محتوای چندرسانه‌ای | AI Video | ساخت یک کلیپ ویدئویی ۵ ثانیه‌ای | ۶۹۳ اعتبار |
| صوت و محتوای چندرسانه‌ای | AI Pods | خروجی‌گرفتن از یک پادکست دوصدایی به مدت ۵ دقیقه و ۴۶ ثانیه | ۸۱۶ اعتبار |
| پژوهش و مقایسه | Deep Research | تهیه گزارشی جامع در ۸ بخش طی ۲۵ دقیقه | ۰ اعتبار |
| پژوهش و مقایسه | Fact Check | راستی‌آزمایی اطلاعات ۵ گزاره | ۰ اعتبار |
| ترجمه و گفت‌وگو | ترجمه و گفت‌وگوی هوش مصنوعی | انتخاب بهترین ترجمه با استفاده از مدل Mixture-of-Agents | ۱۵ اعتبار برای هر درخواست |
| مدیریت اسناد | Second Brain و Hub | استخراج خودکار نمایه کاربر در ۳ دقیقه | ۰ اعتبار |
| امور اداری و صورت‌جلسه | Meeting | تهیه صورت‌جلسه در ۴ بخش بر اساس یک فایل صوتی ۹ دقیقه‌ای | ۰ اعتبار؛ برای درخواست ادامه کار، ۳۳ اعتبار دیگر مطالبه می‌شود. |
| پردازش ویدئو | Clip Genius | برش خودکار یک ویدئوی بلند به دو کلیپ کوتاه | ۰ اعتبار؛ دانلود ویدئو ۲۴ اعتبار هزینه دارد. |
یکی از نقاط قوت این سامانه، توانایی آن در پردازش حجم زیادی از داده‌های صفحه گسترده است. آزمایش‌ها نشان دادند که سامانه توانست یک فایل داده شامل ۱٬۱۴۰ مقاله را به صفحه گسترده‌ای شش‌صفحه‌ای با ۱٬۲۲۲ فرمول تبدیل کند و این کار را با دقت انجام دهد. همچنین، سامانه قادر بود خطاهای محاسباتی را به‌طور خودکار شناسایی و اصلاح کند. در مقابل، وظایف رسانه‌ای، مانند تولید ویدئوی ۵ ثانیه‌ای، ۶۹۳ اعتبار مصرف کردند که به‌مراتب بیشتر از برآورد اولیه ۴۲۰ اعتبار بود.
ریسک‌های فنی و چالش‌های کنترل
با وجود عملکرد قابل‌توجه، دستیار خودکار Genspark همچنان محدودیت‌های فنی مهمی دارد. نخست، ناهماهنگی زبانی است: برخی مهارت‌ها یا وظایف مربوط به گردآوری اطلاعات نمایه کاربر، با وجود آنکه دستور اولیه به زبان ویتنامی صادر شده است، خروجی را به انگلیسی یا چینی ارائه می‌کنند.
دومین مسئله به دقت در راستی‌آزمایی اطلاعات مربوط می‌شود. ابزارهای FactCheck می‌توانند خطاهایی را در قیمت‌گذاری خدمات با توجه به بازه‌های زمانی شناسایی کنند، اما گاهی نیز به نتایج منفی قطعی و نادرستی می‌رسند؛ برای مثال، ممکن است ادعا کنند وب‌سایتی هیچ مقاله‌ای ندارد، درحالی‌که آن وب‌سایت ده‌ها مقاله منتشر کرده است. بنابراین، ادعاهای قطعی درباره نبود اطلاعات همچنان باید مستقیماً به دست انسان بررسی شوند.
در نهایت، امنیت و هزینه‌های پنهان نیز از چالش‌های این سامانه هستند. هنگام راه‌اندازی، ممکن است قابلیت اشتراک‌گذاری ایمیل با منابع خارجی به‌صورت پیش‌فرض فعال باشد یا برنامه‌های خودکار با دفعات اجرای بالا تنظیم شوند. چنین تنظیماتی می‌توانند حتی زمانی که کاربر در حال مرور سامانه نیست، موجب کسر اعتبار بدون اطلاع آشکار او شوند. در مجموع، Genspark ظرفیت چشمگیری برای توسعه الگوی دفتر کار مبتنی بر هوش مصنوعی نشان می‌دهد، اما کنترل داده‌های خروجی و مدیریت هزینه‌های عملیاتی همچنان مسئولیت‌هایی هستند که نمی‌توان به‌طور کامل به ماشین‌ها واگذار کرد.