OpenAI ने नऊ महिन्यांनंतर Atlas बंद केले. हा प्रकल्प विशेषतः AI एजंट्ससाठी बनवलेला ब्राउझर तयार करण्याचा एक महत्त्वाकांक्षी प्रयत्न होता — अशी एक जागा जिथे सॉफ्टवेअर मानवी इनपुटची वाट न पाहता वेबसाइट्समध्ये लॉग इन करू शकेल, फॉर्म भरू शकेल आणि वेब टास्क पूर्ण करू शकेल. आता ही वैशिष्ट्ये OpenAI च्या डेस्कटॉप ॲप आणि Chrome extension कडे स्थलांतरित होत आहेत. प्रयोग संपला आहे, पण त्यातून मिळालेला धडा स्पष्ट आहे: वापरकर्त्यांना आणखी एक नवीन ॲप नको आहे. त्यांना तेच ॲप्स अधिक स्मार्ट हवे आहेत जे ते आधीच वापरत आहेत.
स्वतंत्र ब्राउझरचा सापळा (The Standalone Browser Trap)
Atlas हे माणसांसाठी बनवलेले ब्राउझर नव्हते. ते एजंट्ससाठी बनवलेले ब्राउझर होते. सिद्धांतानुसार, हे वेगळेपण तर्कसंगत होते. एका स्वच्छ वातावरणामुळे (clean environment) AI ला अस्तित्वात असलेले extensions, विस्कळीत bookmarks किंवा परस्परविरोधी scripts शी न लढता व्ह्यूपोर्टवर (viewport) पूर्ण नियंत्रण मिळू शकले असते. एजंट मानवी ब्राउझिंग सवयींमध्ये अडथळा न येता मुक्तपणे नेव्हिगेट करू शकला असता, ऑथेंटिकेशन हाताळू शकला असता आणि वेब पेजेस हाताळू शकला असता.
पण वापरकर्ते अशा स्वच्छ वातावरणात राहत नाहीत. त्यांचे पासवर्ड, सेशन कुकीज (session cookies), टू-फॅक्टर ऑथेंटिकेशन फ्लो आणि मसल मेमरी (muscle memory) Chrome, Edge किंवा Safari मध्ये असतात. AI ने त्यांच्या वतीने काम करावे यासाठी कोणालातरी वेगळा ब्राउझर उघडण्यास सांगणे हा एक तात्काळ अडथळा निर्माण करतो. 'कॉन्टेक्स्ट स्विचिंग' (Context switching) खर्चिक असते. जेव्हा तुम्ही संशोधन, ईमेल आणि प्रोजेक्ट मॅनेजमेंटसाठी आधीच वीस टॅब्स सांभाळत असता, तेव्हा एजंटने काम करावे म्हणून एखादे कार्य अनोळखी सँडबॉक्समध्ये (sandbox) कॉपी करणे तुम्हाला अजिबात आवडणार नाही. यामुळे कामाचा ओघ (flow) खंडित होतो आणि संयम सुटतो.
खर्चाचा अहवाल (expense reporting) तयार करण्यासारख्या दैनंदिन कामाचा विचार करा. एका सामान्य कर्मचाऱ्याला Gmail मधून पावत्या (receipts) काढणे, त्यांची कॅलेंडरमधील नोंदींशी पडताळणी करणे आणि एकूण रक्कम कॉर्पोरेट पोर्टलमध्ये पेस्ट करणे आवश्यक असते. Atlas मध्ये, याचा अर्थ असा होता की अनोळखी ब्राउझरला आपली माहिती (credentials) देणे आणि एजंटने तिन्ही सेवा योग्यरित्या हाताळतील अशी आशा करणे. Chrome मध्ये, एक extension आधीच उघडलेला Gmail टॅब वाचू शकते, त्याच्या शेजारील Calendar टॅबचा संदर्भ घेऊ शकते आणि वापरकर्ता प्रत्येक नोंद पाहताना पोर्टल फॉर्म भरण्यास मदत करू शकते. वापरकर्ता त्यांच्या मुख्य ब्राउझरला सोडून आपल्या खुर्चीवरूनही हलत नाही. दैनंदिन कामातील हा घर्षण (friction) मधील फरक म्हणजे लोक एखादे साधन सहन करतात की ते सोडून देतात, यातील फरक आहे.
विश्वासासाठी दृश्यमानता आवश्यक आहे (Trust Requires Visibility)
Atlas ने आणखी एक खोलवरची समस्या अधोरेखित केली. पूर्णपणे स्वायत्त (fully autonomous) एजंट्स अजूनही पुरेसे विश्वसनीय नाहीत आणि हे लोकांना माहित आहे. जेव्हा एखादा AI तुमच्या ओळखीचा वापर करून बँकेत लॉग इन करतो, टॅक्स फॉर्म सबमिट करतो किंवा विमान तिकीट बुक करतो, तेव्हा तो काय करत आहे हे तुम्हाला पाहायचे असते. Atlas ने एजंटला त्याच्या स्वतःच्या कंटेनरमध्ये वेगळे केले होते. 'नजरेशिवाय, विसरून जाणे' (Out of sight, out of mind) हे अनेकदा खरे ठरते आणि या प्रकरणात, यामुळे आत्मविश्वास वाढण्याऐवजी कमी झाला.
एजंट्स अजूनही बटणे चुकीची वाचतात, फॉर्ममधील फील्ड्समध्ये चुका करतात (hallucinate) आणि CAPTCHAs मध्ये अडकतात. जेव्हा हे अशा 'ब्लॅक-बॉक्स' ब्राउझरमध्ये घडते जो तुम्ही कधीही वापरत नाही, तेव्हा ती चूक परकी आणि अविश्वसनीय वाटते. कार्यक्षमता Chrome extension मध्ये हलवून, OpenAI एजंटला वापरकर्त्याच्या नेहमीच्या दृष्टीक्षेपात आणते. Extension खरेदी करण्यापूर्वी थांबू शकते आणि पुष्टीकरण (confirmation) मागू शकते. ते ज्या फील्डबद्दल अनिश्चित आहे त्याला हायलाइट करू शकते. काम संवेदनशील झाल्यावर ते वापरकर्त्याला नियंत्रण (grab the wheel) देऊ शकते. विश्वास एकाच वेळी मिळत नाही; तो मानवी नियंत्रण कायम ठेवून वारंवार होणाऱ्या संवादातून निर्माण होतो.
सुरक्षा पथकांना (Security teams) देखील हे जाणवते. कंपन्या Chrome किंवा Edge मधील टूल्ससाठी ब्राउझर पॉलिसी व्यवस्थापित करतात, extensions पांढऱ्या यादीत (whitelist) ठेवतात आणि परवानग्यांची तपासणी (audit) करतात. Atlas सारखा स्वतंत्र ब्राउझर त्या इकोसिस्टमच्या बाहेर असतो. IT विभाग त्यावर सहजपणे मानक सुरक्षा धोरणे (standard security policies) लागू करू शकत नाही. Chrome extension कडे वळल्यामुळे, OpenAI अशा वातावरणात प्रवेश करते जिथे अनुपालन फ्रेमवर्क (compliance frameworks) आणि परवानगी मॉडेल्स आधीच अस्तित्वात आहेत. जर त्या साधनाचा प्रत्यक्ष कंपन्यांमध्ये वापर करायचा असेल, तर हे अत्यंत महत्त्वाचे आहे.
महत्त्वाचे तीन उत्पादन नियम (Three Product Rules That Matter)
केवळ नऊ महिन्यांनंतर Atlas चा अंत झाल्यामुळे, सध्या AI टूल्स बनवणाऱ्या प्रत्येकासाठी तीन कडक नियम पुन्हा एकदा सिद्ध झाले आहेत.
प्लॅटफॉर्मची ओळखी (Platform familiarity) ही नवीनतेपेक्षा (novelty) श्रेष्ठ आहे. वापरकर्त्यांना त्यांचे वातावरण बदलण्यास सांगणे थांबवा. GitHub Copilot कडे पहा. त्याने डेव्हलपर्सना त्यांचे IDE सोडून देण्यास सांगितले नाही; ते VS Code, IntelliJ आणि NeoVim मध्ये उपलब्ध झाले. म्हणूनच ते यशस्वी झाले. Atlas ने याकडे दुर्लक्ष केले. निर्मात्यांनी वापरकर्ते दररोज जिथे काम करतात तिथेच त्यांच्यापर्यंत पोहोचले पाहिजे. जर प्रेक्षक Slack वापरत असतील, तर Slack integration बनवा. जर ते Chrome मध्ये ब्राउझिंग करत असतील, तर extension बनवा. ध्येय 'झिरो लर्निंग कर्व्ह' (zero learning curve) असणे आहे, नवीन इंटरफेस शिकवणे नाही.
कमी अडथळा (Low friction) ही तडजोड न करण्यायोग्य गोष्ट आहे. प्रत्येक अतिरिक्त डाउनलोड, साइनअप किंवा स्थलांतर (migration) प्रक्रिया वापरकर्त्यांचा स्वीकार कमी करते. Chrome extension इंस्टॉल करण्यासाठी फक्त दोन क्लिक आणि दहा सेकंद लागतात. नवीन ब्राउझर डाउनलोड करणे, बुकमार्क स्थलांतरित करणे, डीफॉल्ट सेटिंग्ज बदलणे आणि कार्यप्रवाह (workflows) जुळवून घेणे यासाठी कित्येक पटीने जास्त प्रयत्न आणि लक्ष लागते. सर्वोत्तम AI वैशिष्ट्ये ही वापरकर्त्यांना आधीच माहित असलेल्या सॉफ्टवेअरमधील अपग्रेड्ससारखी वाटतात, व्यवस्थापित करण्यासाठी नवीन सॉफ्टवेअरसारखी नाही.
विश्वासासाठी स्पष्ट नियंत्रण बिंदूंची (control points) आवश्यकता असते. वापरकर्त्यांना केवळ स्वायत्तता नको असते, तर त्यांना सुरक्षितता कवच (guardrails) हवे असते. Grammarly एखादी चूक अधोरेखित करते आणि तुम्ही ती स्वीकारता की दुर्लक्षित करता याची वाट पाहते, याचा विचार करा. 1Password केवळ तुम्ही जाणीवपूर्वक आयकॉनवर क्लिक केल्यावरच पासवर्ड फील्ड भरते, हे पहा. यशस्वी साधने त्यांचे तर्क स्पष्ट करतात आणि चेकपॉइंट्स देतात. एजंटने कार्यप्रवाहामध्ये मदत केली पाहिजे, तो हायजॅक करू नये. Atlas ने नवीन वातावरण आणि उच्च-धोका असलेली स्वायत्तता एकत्र करून खूप लवकर खूप जास्त विश्वासाची अपेक्षा केली. त्याने अशी मोठी झेप घेण्याची मागणी केली ज्यासाठी बहुतेक लोक तयार नव्हते.
बाजार अजूनही स्थिर होत आहे
संपूर्ण ॲप्सची जागा घेणाऱ्या पूर्णपणे स्वायत्त एजंटच्या स्वप्नाचा संपूर्ण उद्योग पाठलाग करत आहे. स्टार्टअप्स नियमितपणे "AI कर्मचारी" (AI employees) सादर करतात जे मानवी हस्तक्षेप नसताना संपूर्ण कामाची जबाबदारी घेतात. Atlas ने सिद्ध केले की वेळ चुकीचा आहे. लोक संवेदनशील कार्यप्रवाह (workflows) विलगीकरणात चालणाऱ्या अदृश्य प्रक्रियांना सोपवण्यासाठी तयार नाहीत. त्यांना त्यांच्या सध्याच्या स्टॅकमध्ये (stack) अंतर्भूत असलेली मदत हवी आहे, जी त्यांच्या देखरेखीखाली विशिष्ट कामे करेल.
संगणकीय इतिहासात हे असामान्य नाही. स्प्रेडशीट्सनी रातोरात लेखापालांची (accountants) जागा घेतली नाही; त्यांनी केवळ अस्तित्वात असलेल्या लेजरचे डिजिटायझेशन केले. Slack ने ईमेलला त्वरित संपवले नाही; तर त्याने ईमेलला आत्मसात केले आणि दिशा बदलली. नवीन तंत्रज्ञान तेव्हा यशस्वी होते जेव्हा ते जुन्या सवयींशी जुळवून घेते, जेव्हा ते त्या सवयी बदलण्याची मागणी करते तेव्हा नाही. Atlas ने ब्राउझरलाच बदलण्याचा प्रयत्न केला आणि ब्राउझर जिंकला.
पुढे काय येईल
OpenAI आता अधिक घट्ट इंटिग्रेशन आणि अधिक मानवी देखरेखीवर लक्ष केंद्रित करत आहे. हे शब्द कॉर्पोरेट वाटू शकतात, परंतु त्याचा व्यावहारिक अर्थ साधा आहे: एजंट तुमच्या सामान्य कार्यप्रवाहमध्ये (workflow) असेल आणि लगाम तुमच्या हातात असेल. Chrome extension मुळे एजंटला तेच दिसेल जे तुम्हाला दिसते. डेस्कटॉप ॲप तुम्हाला सध्याची स्क्रीन सोडण्यास न सांगता मदत करेल. हा बदल मान्य करतो की जो एजंट जिंकेल तो विलगीकरणात सर्वात जास्त काम करणारा नसेल, तर जो आधीपासून अस्तित्वात असलेल्या गुंतागुंतीच्या मानवी कार्यप्रवाहमध्ये नैसर्गिकरित्या बसतो, तो असेल.
जवळच्या भविष्यात यशस्वी AI एजंट हे व्यापक नसून विशिष्ट (narrow) असतील. ते Gmail मध्ये ईमेल sort करतील, तुमच्या सध्याच्या व्ह्यूअरमध्ये PDF चा सारांश देतील आणि तुमच्या सध्याच्या ब्राउझर टॅबमध्ये फॉर्म भरतील. ते क्लिक करण्यापूर्वी विचारतील. ते एखाद्या लपलेल्या सँडबॉक्समध्ये (sandbox) न जाता, जिथे तुम्ही त्यांना सुधारू शकता, तिथेच स्पष्टपणे आणि सुलभतेने चुकतील.
Atlas चा अंत हा