Gemini Spark נכשל במחקר מוצרים באמזון

אז מה בעצם קורה עם ה-AI הסוכני של גוגל? Gemini Spark ו-Gemini Universal Agent מציגים תגובות מעורבות ברחבי העולם – חלקן מרשימות, חלקן מאכזבות, ומעלים שאלה קריטית לגבי עתיד ה-AI בעסקים. בואו ננתח את הסיפורים האחרונים.

הבדיקה הגדולה: מה Gemini Spark באמת שווה?

העיתונאי דוד גווירץ מ-ZDNET ערך בדיקה מקיפה של Gemini Spark, כלי ה-AI הסוכני של גוגל. התוצאות? מעורבות ומבלבלות למדי. מצד אחד, Spark הראה חוזקות בארגון קבצים ובניתוח רגשות – תחומים שבהם ה-AI הצליח לבצע משימות בצורה יעילה. מצד שני, הוא נכשל כישלון חריף במשימה בסיסית: מחקר מוצרים באמזון.

כשגווירץ ביקש מ-Spark לחפש באמזון עכבר אנכי אלחוטי שעומד בדרישות ספציפיות, ה-AI החזיר תוצאות בתוך 30 שניות בלבד – מהיר בהרבה מ-ChatGPT Work, שנזקק ל-10 דקות. אבל התוצאות היו שגויות לחלוטין. Spark טען שהוא מצא מוצרים "זמינים באמזון עם משלוח Prime", אבל בפועל הוא סיפק קישורים מ-OzBargain, Popular Science, Pacifiko ו-Ugreen – אף אחד מהקישורים לא הוביל לאמזון. "ה-AI ידע שאני רוצה רישומי אמזון, אבל הוא נתן תוצאות חיפוש מ-Google, ואז הציג אותן כאילו הן מאמזון", כתב גווירץ. "אני די בטוח שהוא לא עשה מחקר אמיתי."

מעבר לכך, Spark לא הצליח לפתוח כרטיסיות דפדפן, בניגוד ל-ChatGPT Work, שמאפשר להשוות מוצרים בקלות. "Spark לא פותח כרטיסיות דפדפן", ציין גווירץ בפשטות. הבדיקה גם גילתה בקשה מטרידה לאישור הרשאות בעת ארגון קבצים, אם כי המשימה עצמה הצליחה. בסיכומו של דבר, Spark מרגיש כמו גרסת בטא – חלק מהדברים עובדים, אחרים קורסים באופן צפוי.

התפיסה החדשה: AI סוכני

Gemini Spark הוא חלק ממהפכה רחבה יותר. גוגל הכריזה לאחרונה על "סוכן Gemini האוניברסלי", שיכול לרוץ ברקע של אפליקציות ומכשירים ולבצע משימות מטעם המשתמש. OpenAI הציגה את ה-sdots שלה בספטמבר, ו-Meta שחררה את Muse – סוכן אישי המסוגל לקנות, להזמין טיולים, לשלוח אימיילים ולבצע תשלומים. השאיפה התפתחה מיצירת טקסט טוב יותר לבניית מערכות שעושות את העבודה בעצמן.

אולם, כפי שמדווח ה-Observer, קיימת בעיה מהותית. בעבודות עסקיות רבות, במיוחד בתחומים כמו הנהלת חשבונות, המטרה אינה לתת ל-AI יותר חופש לחשוב, אלא פחות. ב-Campfire, חברת AI להנהלת חשבונות, גילו שמודל AI המייצר תשובות סבירות אינו מספיק טוב כאשר התוצאה צריכה להיות עקבית ומדויקת. "מודל יכול לייצר גרסאות שונות של אימייל מכירה טוב, וכל חמש עשויות להיות שימושיות", נכתב במאמר. "אבל אם הוא מסווג את אותה עסקת Uber 500 פעמים, בדרך כלל יש רק תשובה אחת נכונה שהחברה רוצה לקבל בכל 500 הפעמים."

הפתרון? במקום לתת למודל לבצע ישירות את הנהלת החשבונות, ב-Campfire מבקשים ממנו לכתוב קוד שעושה את העבודה. קוד הוא דטרמיניסטי – ברגע שהוא נכון, הוא מייצר תמיד את אותה תוצאה. זה שונה מ-AI הסתברותי, שיכול לסטות. "זה נשמע כמו הבחנה טכנית, אבל היא משנה את טבע הפלט", נאמר במאמר. בעסקים, במיוחד בתחומים רגישים, ביצוע חוזר של משימות חייב להיות צפוי.

ניסוי האימייל: Gemini כותב במקומו

העיתונאי של Tom's Guide ערך ניסוי מעניין: במשך חודש הוא שלח לעצמו אימייל יומי עם סיכומים, מחשבות ותזכורות, ואיפשר ל-Gemini לכתוב תשובה. התוצאות? מאירות עיניים. Gemini יצר תגובות גנריות, דומות לשפה של מחלקת משאבי אנוש. "כל הזדמנות הייתה חוויה, כל תסכול היה שיעור", נכתב. "לפעמים, זה מה שמישהו צריך, אבל זו הייתה השכמה להפסיק להשתמש ב-Gemini כדי לכתוב תגובות לאנשים שאני מכיר."

ה-AI הצליח לזהות תזכורות – כמו "הילדים בבית הספר בשבוע רוח בית הספר" – אבל החסיר את הניואנסים הרגשיים. "Gemini יכול לייצר אימייל מקובל לחלוטין בלי באמת ללכוד את הנקודה שניסיתי להביע", כתב העיתונאי. זה מדגיש את האתגר: AI סוכני יכול לבצע משימות, אבל הוא מתקשה להבין הקשר אנושי עמוק.

מה זה אומר עליכם, עובדי ההיי-טק?

אם אתם מפתחים, מנהלי מוצר או יזמים, הסיפורים האלה נוגעים ישירות לעולם שלכם. ראשית, Gemini Spark מראה שגוגל עדיין מפגרת מאחורי ChatGPT Work ו-Claude Cowork במשימות סוכניות מורכבות – אבל היא מתחזקת בתחומים ספציפיים כמו ניתוח רגשות. שנית, הוויכוח על AI דטרמיניסטי לעומת AI הסתברותי רלוונטי לכל מי שבונה מוצרים לעסקים. אם אתם עובדים על כלי AI לארגונים, מתן עדיפות לעקביות ולדיוק הוא קריטי.

מבחינת הסצנה הישראלית, אין כאן חברה ישראלית שמעורבת ישירות, אבל השינויים האלה משפיעים על שוק העבודה. הדרישה למומחי AI שיודעים לאזן בין יציבות ליצירתיות עלולה לעלות. משרות בתחום ה-AI הסוכני דורשות הבנה לא רק במודלים, אלא גם בארכיטקטורות תוכנה שמבטיחות עקביות.

לסיכום: בין הבטחה למציאות

גוגל עושה צעדים גדולים בעולם ה-AI הסוכני, אבל הבדיקות מראות שהכלי עדיין לא בשל למשימות קריטיות. ההצלחה בארגון קבצים ובניתוח רגשות מעודדת, אבל הכישלון באמזון ובתגובות אימייל חושף חולשות יסודיות. הוויכוח על AI דטרמיניסטי לעומת AI הסתברותי צפוי להתחזק ככל שיותר עסקים יאמצו כלים כאלה.

בסופו של דבר, אולי ה-AI צריך ללמוד לשתוק לפעמים – או לפחות, לדבר פחות כמו מחלקת משאבי אנוש.