كشفت Hark، وهي شركة ناشئة سريعة النمو مدعومة بتمويل قدره 700 مليون دولار في الجولة (A)، رسمياً عن "Handoff"، وهو وكيل ذكي مصمم لتصفح الويب تماماً مثل البشر. ومن خلال تجاوز مجرد توليد النصوص البسيطة، يهدف Handoff إلى أتمتة سير العمل المعقد عبر المواقع الإلكترونية التي تفتقر إلى دعم واجهة برمجة التطبيقات (API) الرسمية.

تصفح الويب بدون واجهات برمجة التطبيقات (APIs)

تعد الاعتمادية على واجهات برمجة التطبيقات (APIs) المنظمة واحدة من أهم العقبات في مجال الأتمتة. ويتجاوز وكيل Handoff التابع لشركة Hark هذا القيد من خلال تحليل كل من بنية الموقع الإلكتروني والبيانات المرئية للتفاعل مع الواجهات. يتيح ذلك للوكيل تصفح المنصات ذات الحركة المرورية العالية والتي لا توفر واجهات برمجة تطبيقات بسلاسة، مثل Target وWalmart وOpenTable وLinkedIn.

يعمل الوكيل من خلال فهم الإشارات المرئية لتحديد متى يتم النقر على الأزرار، أو التمرير، أو إدخال النص. وفي عرض توضيحي أخير، استعرض الرئيس التنفيذي Brett Adcock قدرة الوكيل على التعامل مع المنطق "الضبابي" (fuzzy logic) المعقد — مثل إنشاء باقة زهور مخصصة حيث يحدد المستخدم "بعضاً مما يختاره بائع الزهور". تشير هذه القدرة إلى مستوى من الفهم الدلالي يتجاوز التنفيذ الصارم للأوامر، مما يسمح بتفاعل أكثر طبيعية بين الإنسان والوكيل.

تحول من التنبؤ بالرمز التالي (Next-Token) إلى التنبؤ بالإجراء التالي (Next-Action)

من الناحية التقنية، تتحول Hark بعيداً عن نموذج النماذج اللغوية الكبيرة (LLM) التقليدي. فبينما يتم تحسين النماذج اللغوية الكبيرة التقليدية للتنبؤ بالرمز (token) التالي في تسلسل نصي، تم تصميم نموذج Hark للتنبؤ بـ "الإجراء التالي". وهذا يعني أن النموذج يحسب تحديداً التفاعل المادي أو الرقمي التالي، مثل إدخال معين عبر لوحة المفاتيح أو نقرة ماوس في إحداثيات دقيقة على الشاشة.

ولتسريع عملية التطوير، تستخدم Hark حالياً نموذجاً تم تدريبه لاحقاً (post-trained model). وتسمح هذه الاستراتيجية للشركة بتحسين بنية التدريب التحتية، ومسارات البيانات، والتقنيات المتخصصة بسرعة قبل الانتقال إلى مرحلة التدريب المسبق (pre-training) الكاملة والمقرر إجراؤها في وقت لاحق من هذا العام. تم تصميم هذا النهج التكراري لتحسين أداء الوكيل من حيث السرعة وكفاءة التكلفة.

المشهد التنافسي لوكلاء استخدام الكمبيوتر

تدخل Hark ساحة مزدحمة وشديدة التنافسية. وتشمل السباق نحو الهيمنة على "استخدام الكمبيوتر" عمالقة التكنولوجيا مثل Google وOpenAI وAnthropic، إلى جانب شركات ناشئة متخصصة ممولة من رأس المال الاستثماري مثل Browser Use وPolar وStrawberry وAside.

تضع Hark نفسها كبديل مزعزع للاستقرار من خلال ادعاء سرعة فائقة وتكاليف تشغيل أقل بكثير مقارنة بالنماذج الثقيلة مثل GPT 5.5 أو Opus 4.8. ومن خلال التركيز على بنية متخصصة موجهة نحو الإجراءات بدلاً من نموذج نصي عام الأغراض، تسعى Hark للاستحواذ على سوق أتمتة المتصفح عالية التردد ومنخفضة التكلفة.

فتحت الشركة قائمة انتظار لمنصتها وتعتزم إطلاق الخدمة الكاملة بحلول نهاية الصيف. بالنسبة للمطورين والمؤسسين، قد يشير نجاح Handoff إلى تحول نحو "نماذج الإجراءات" (Action Models) التي تعطي الأولوية لإكمال المهام بدلاً من مجرد المحادثة.

النقاط الرئيسية

  • بنية موجهة نحو الإجراءات: على عكس النماذج اللغوية الكبيرة (LLMs) القياسية التي تتنبأ برموز النصوص، يتنبأ نموذج Hark بإجراءات محددة للمستخدم مثل النقرات وضغطات المفاتيح.
  • أتمتة بدون واجهات برمجة تطبيقات (API): يستخدم وكيل Handoff البيانات المرئية والهيكلية لتصفح مواقع مثل Walmart وLinkedIn التي لا توفر واجهات برمجة تطبيقات رسمية.
  • التركيز على التكلفة والسرعة: تهدف Hark إلى خفض الأسعار وزمن الاستجابة مقارنة بالنماذج الكبرى مثل GPT 5.5، مستهدفة أتمتة مهام المتصفح بكفاءة وعلى نطاق واسع.

ما يجب مراقبته

  • الجدول الزمني للإطلاق – فتحت Hark قائمة انتظار وتخطط لإصدار كامل بحلول نهاية الصيف.
  • تطور النموذج – تنتقل Hark من نموذج تم تدريبه لاحقاً إلى مرحلة تدريب مسبق كاملة مقررة في وقت لاحق من هذا العام.