تعطیلات دوازده روزه کریسمس از روز بیست‌وپنجم دسامبر آغاز می‌شود؛ اما نه در دنیای هوش مصنوعی. در روز پنجم دسامبر شرکت اوپن ای‌آی، سازنده چت‌بات چت‌جی‌پی‌تی، توفانی از عرضه محصولاتش را آغاز کرد که با عنوان «دوازده روز شیپمس (shipmas)» نام گرفت؛ توفانی که شامل عرضه کامل Sora، ابزار تولید ویدئوی این شرکت‌ و همچنین Canvas، ابزاری برای نوشتن و کدنویسی، بوده است. ناگفته نماند که گوگل هم محصولات پر سر و صدایش را زودتر از زمانی که انتظار می‌رفت ارائه کرده است. در روز یازدهم دسامبر این شرکت یک مدل جدید هوش مصنوعی مولد به نام جمینای ۲.۰ را رونمایی کرد و نمونه‌های اصلاح و تقویت‌شده‌‌ای از دو محصول هوش مصنوعی مبتنی بر این مدل را هم با نام‌های آسترا (Astra) و مارینر (Mariner) معرفی کرد. اینها می‌توانند کارهایی را از جانب کاربر انجام بدهند؛ ویژگی که آنها را به چیزی تبدیل می‌کند که صنایع مختلف آن را «هوش مصنوعی عامل» می‌نامند.

نکته جالب توجه در هر دو سری رونمایی‌ها، تمرکز بیشتر روی محصولات نسبت به مدل‌ها بود. در حالی که پژوهشگران مدل‌های زبانی بزرگ به‌طور جدی تلاش می‌کنند تا به مرزهای بعدی هوش دست یابند، توسعه‌دهندگان تحت فشار هستند تا محصولات هوشمندی را عرضه و ثابت کنند بازاری برای این نوآوری و خلاقیت وجود دارد. توسعه محصولات هوش مصنوعی مولد با چالش‌ها و مشکلات زیادی مواجه است. توسعه‌دهندگان محصولات معمولا به شکل معکوس و از نیازهای مصرف‌کننده کار خودشان را آغاز می‌کنند. با این حال سرعت پیشرفت هوش مصنوعی مولد آن‌قدر زیاد است که این تکنولوژی مسیر محصول را تعریف و تعیین می‌کند. کوین ویل، مدیر ارشد محصولات اوپن ای‌آی، در این مورد می‌گوید: «معمولا به شما یاد می‌دهند که مانند چکشی به نظر نرسید که به دنبال میخ می‌گردد، اما کامپیوترها هر دو ماه توانایی‌های تازه‌ای به دست می‌آورند که ما هرگز تا پیش از آن نداشته‌ایم.»

با این حال این محصولاتی که به تازگی رونمایی شده‌اند، با مشکلاتی روبه‌رو بوده‌اند. اوپن ای‌آی ناچار شد دسترسی به Sora را در فاصله کمی بعد از عرضه آن برای مشترکان چت‌جی‌پی‌تی، معلق کند؛ چون طبق گفته سم آلتمن، رئیس این شرکت، این ابزار با تقاضای بیش از حد مواجه شد. آن دسته از کاربرانی که به این ابزار دسترسی پیدا کردند، هرچند تحت تاثیر آن قرار گرفتند، اما متوجه مشکلاتی شدند که از نسخه‌های نمایشی قبلی آن باقی مانده بودند. یکی از مهم‌ترین این مشکلات عدم توانایی این ابزار در بازنمایی حرکات پیچیده به‌طور واقعی بود. مارکس براونلی، منتقد مشهور حوزه تکنولوژی، به این موضوع اشاره کرد که Sora تقریبا همیشه در نمایش حرکت چهارپاها اشتباه می‌کند و اشیا به‌طور تصادفی و ناگهان ناپدید می‌شوند. ابزارهای گوگل نیز هنوز کامل نشده‌اند. Astra که در حال حاضر تنها برای گروه کوچکی از آزمایش‌‌کنندگان قابل‌اعتماد در دسترس است، می‌تواند آنچه را که از طریق دوربین گوشی موبایل می‌بیند در چند زبان مختلف توضیح دهد و به سرویس‌های گوگل از جمله جست‌وجو و نقشه دسترسی داشته باشد. در یک نسخه نمایشی که شامل تصویربرداری از نقاشی‌های مشهور بود، Astra با دانش و آگاهی خوبی درباره آنها صحبت کرد. با این وجود وقتی اکونومیست از آن خواست که نام شهری را بگوید که اکثر نسخه‌های اصلی این نقاشی‌ها در آنجا نمایش داده شده بودند، دچار سردرگمی شد. Mariner، نمونه اولیه دیگری از محصولات گوگل، می‌تواند وظایفی در مرورگر از جمله پر کردن سبد خرید در یک سوپرمارکت آنلاین را انجام بدهد، اما نمی‌تواند به تنهایی فرآیند پرداخت را تکمیل کند.

سیلیکون‌ولی انتظارات بزرگی از هوش مصنوعی عامل دارد. الکس وانگ، از شرکت فعال در زمینه داده‌های هوش مصنوعی Scale، معتقد است که استفاده از مدل‌های هوش مصنوعی عامل برای گذار از «چت کردن به عمل کردن» می‌تواند یکی از پیشرفت‌های بزرگ تکنولوژی در سال ۲۰۲۵ باشد. درست به خاطر همین امید است که قیمت سهام شرکت‌های نرم‌افزاری مانند Salesforce افزایش پیدا کرده است. این شرکت در ماه جاری اعلام کرد که در طول یک هفته پس از انتشار مدل هوش مصنوعی عامل ویژه محل کار خود با نام Agentforce در ماه اکتبر، قراردادهایی با بیش از ۲۰۰ مشتری امضا کرده است. مایکروسافت هم که رقیب بزرگ‌تر این شرکت به حساب می‌آید، انواع مختلفی از مدل‌های هوش مصنوعی عامل خود را عرضه کرده است.

با این حال چندین عامل توسعه و خلق مدل‌های هوش مصنوعی عامل را سخت‌تر از چت‌بات‌ها می‌کنند. یکی از این عوامل داده‌ها هستند. برخلاف چت‌بات‌ها که اطلاعات را از فضای وب استخراج می‌کنند تا به کمک آنها به سوالات پاسخ بدهند، مدل‌های هوش مصنوعی عامل به داده‌ها برای آگاهی از نحوه انجام وظایف، از جمله توالی اقدامات و منطق پشت آنها، نیاز دارند. ممکن است چنین چیزی برای فعالیت‌های روزمره و عادی از قبیل پردازش سفارش مشتری، ساده باشد؛ اما در بسیاری از موارد پیدا کردن داده‌های کافی برای آموزش این ابزار دشوار خواهد بود. مشکل دوم اعتماد است. بررسی اینکه آیا یک چت‌بات پاسخ درستی داده یا خیر، معمولا آسان است. اما تشخیص اینکه آیا یک هوش مصنوعی عامل بهترین رستوران یا اقامتگاه ممکن برای تعطیلات متناسب با بودجه شما را رزرو کرده است یا خیر، ممکن است دشوار باشد. گوگل عمدا Mariner را از خرج کردن پول منع کرده است تا در صورت اشتباه تصمیم گرفتن، مشکلی پیش نیاید. کاربران هم ممکن است از ارائه اطلاعات حساس خود مانند تاریخچه خرید که برای عملکرد این ابزارها ضروری است، به آنها خودداری کنند.

مشکل نهایی اما هزینه است. مدل‌های هوش مصنوعی عامل برای استدلال، برنامه‌ریزی و حل مشکلات به نمایندگی از کاربران، به دسترسی مدل‌هایی نیاز دارند که بتوانند وظایف پیچیده را مدیریت کنند. آنها همچنین به نرخ تاخیر پایین، توانایی تعامل با ابزارهای دیگر مانند مرورگر وب و البته حافظه زیادی برای ارائه خدمات شخصی‌سازی‌شده کاربر نیاز دارند. تمام اینها چالش‌برانگیز هستند و فرآیند ساخت و بهره‌برداری این ابزارها را که نیازمند توان محاسباتی زیادی است، دشوار و پرهزینه می‌کنند. این در حالی است که فشارهای مربوط به هزینه‌ها از همین حالا هم در حال افزایش است. در روز پنجم دسامبر شرکت اوپن ای‌آی نسخه حرفه‌ای چت‌جی‌پی‌تی را با دسترسی نامحدود به تمام امکانات جدیدش با قیمت ۲۰۰ دلار برای اشتراک ماهانه عرضه کرد که ۱۰برابر بیشتر از قیمت اشتراک پایه آن است. آلفابت، شرکت مادر گوگل که ثروت زیادی دارد، می‌تواند سخاوتمندتر عمل کند. با این وجود همچنان اگر هوش مصنوعی عامل به وعده‌هایش عمل کند، کاربران ممکن است صرف چنین هزینه‌های اضافی را ارزشمند بدانند.