Az MI chatbotokból a vállalatok igyekeznek a lehető legtöbbet kihozni, és ennek eredményeként már olyan fejlesztések is jönnek, amik igencsak túlmutatnak egy szimpla chatbot képességein. Egyre több megoldást lehet látni arra, hogy kezdik a rendszerek átvenni a gépek kezelését a felhasználóktól, így még nagyobb segítségükre lehetnek.

Elsőként az Anthropic-nál láttuk, hogy computer use néven bejelentett egy olyan funkciót, melynek keretében egészen sok funkciót képes az adott számítógépen munkára fogni a mesterséges intelligencia. Külső beavatkozás nélkül kezeli a PC-t. Ezt követte nem sokkal később a Google-től a Project Jarvis, ami folyamatosan fejlődik, és egyre több lehetőséget nyújthat. Innentől pedig már az OpenAI-nak is van hasonló próbálkozása, noha az eddigiekhez képest az Operator azért korlátoltabb.

Lényegében egy MI ügynökkel van dolgunk az Operator esetén, mellyel már nemcsak csevegni lehet, hanem végre tud hajtani különböző feladatokat is a számítógépeken. Tudja a képet görgetni, kiválasztja a szövegmezőket, és ír is azokba minden akadály nélkül. „Felmegy az internetre, és elvégzi azokat a műveleteket, amikre megkéri a felhasználó” – emelte ki az Operator kapcsán az OpenAI csapata.

Kicsit a Google fejlesztéséhez hasonlóan működik az újdonság, csak itt nem a Chrome böngészőn belül tudja az MI a funkciókat elérni és az oldalakt kezelni, hanem ehhez egy saját fejlesztésű, alternatív böngészőt vonultat fel. Az OpenAI összerakott egy olyan környezetet, amit eleve az egyedi igényeihez tudott alakítani, és ebben a közegben tevékenykedhet hatékonyan és rutinosan az Operator.

A különleges Computer-Using Agent modell több különböző eszköz ötvözésével jött létre. Magában foglalja ez a GPT-4o multimodális modellt, ami gondoskodik a vizuális érzékelésről, így látja majd az MI a weboldalak felületét, az azokon megjelenő vizuális elemeket. Képes interakcióba lépni a grafikus felülettel az egyedi feltanítási folyamatát követően. Kiemelte az OpenAI, hogy nem szükséges egyedi API-t telepíteni az adott eszközre, nem nyúl bele a gépbe mélyebben a szolgáltatás, így is képes a feladatát ellátni.

Az Operator jelenleg még nem tökéletes, egy ideig biztosan nem is lesz az, sok időre van még szükség a fejlesztéséhez. Amikor valamilyen gondja akad, akkor akár kérheti is azt, hogy a felhasználó segítsen neki. Sőt mi több, vannak olyan helyzetek, amikor mindenképpen felhasználói beavatkozásra lesz szükség, ilyenek például azok a felületek, ahol érzékeny személyes adatokat, például belépési információkat kell bevinni.

Elvileg nem lehet az Operatort visszaélésekre, illegális tartalmak böngészésére használni, az ilyen irányú kéréseket el fogja utasítani. Persze garantáltan lesznek olyanok, akik próbálják majd bűnbe vinni az MI segítőt, de a cég víziója szerint egy hatékony munkatársként lehet majd erre tekinteni. Nagy cégekkel is igyekszik együttműködni az OpenAI a lehetőségek bővítését szem előtt tartva, az Operator eszköztára folyamatosan gyarapodhat.

Noha az OpenAI által fejlesztett MI ügynök biztos nem olyan látványos, mint az Anthropic által létrehozott computer use, de van itt egy nagyon fontos különbség. Az Operator mostantól a széles közönség számára is elérhető, már amennyiben az érdeklődő hajlandó ezért egy rakás pénzt kifizetni. A nettó 200 dolláros havi díj mellett igénybe vehető ChatGPT Pro előfizetés része lett az újdonság az USA-ban.

A mesterséges intelligencia ilyen irányba történő fejlődése nagyon izgalmas azoknak a szempontjából, akik valamilyen egészségügyi probléma miatt nem tudják a klasszikus módon használni a PC-ket. Ha az MI tényleg képes lesz mindenféle feladatot végrehajtani a számítógépeken, az nagy segítséget jelenthet majd a hátrányos helyzetű, például mozgásukban korlátozott emberek számára.