Programu za kuchumbiana zimekuwa na muonekano uleule kwa sehemu kubwa ya muongo mmoja uliopita. Fungua simu yako, tembea kwenye picha zisizobadilika, swipe kulia, subiri. Mitambo imekuwa haibadiliki tangu mapema miaka ya 2010, hata wakati mitandao mingine ya kijamii imeelekea kwenye video, algorithmic feeds, na maudhui ya ushirikiano. Hiyo hali ya kutokubadilika ndiyo sababu hasa inayofanya wimbi jipya la majukwaa kupata umaarufu. Programu hizi zinajifunza sana kutoka kwa mtindo wa TikTok: video fupi, mapendekezo yanayoendeshwa na AI, na msisitizo wa ugunduzi wa kijamii badala ya wasifu tuli.
Mabadiliko haya si ya muonekano tu. Watumiaji wanaposhirikiana kupitia video badala ya maktaba za picha zilizopangwa, asili ya hisia za kwanza inabadilika kabisa. Klipu ya sekunde kumi na tano inaweza kunasa toni ya sauti, ucheshi, lugha ya mwili, na wakati kwa njia ambayo picha iliyochujwa sana haiwezi. Matokeo yake yanahisi kuwa karibu zaidi na kukutana na mtu kwenye sherehe kuliko kupitia katalogi. Akili mnemba (Artificial intelligence) inaingia kwenye picha kwa kupanga na kuonyesha klip hizi kulingana na tabia badala ya vichujio rahisi vya ukaribu au umri. Algoriti inatazama kile kinachokuvutia na kurekebisha kulingana na hilo, ikiondoa uzoefu kutoka kwenye utafutaji wa wazi na kuelekea kwenye ugunduzi wa upole unaoendeshwa na maudhui.
Uhalisia wa Kihandisi Nyuma ya Feed
Mpito huu kutoka kwa zana za kuteleza (swipe-first) kwenda kwenye majukwaa ya kijamii yanayozingatia video unahitaji nguvu kubwa ya kihandisi. Kujenga programu ya kuchumbiana ilikuwa inamaanisha mchanganyiko wa teknolojia (stack) rahisi: geolocation, algoriti ya kuoanisha, miundombinu ya ujumbe, na usindikaji wa malipo. Kwa upande mwingine, jukwaa la kisasa la ugunduzi wa kijamii linahitaji mifumo ya kubana video (video compression pipelines), usimamizi wa maudhui wa wakati halisi (real-time content moderation), injini za mapendekezo, na uwezo wa kushughulikia ongezeko kubwa la trafiki wakati klipu inakuwa maarufu ndani ya programu. Ugumu huu umewashawishi chapa kushirikiana na makampuni maalum ya uhandisi wa simu.
GeekyAnts, EPAM Systems, Thoughtworks, Globant, na WillowTree yamejitokeza kama wabunifu muhimu katika nafasi hii. Kila moja inaleta mwelekeo wa kiufundi tofauti. GeekyAnts huwa inafanya kazi katika muunganiko wa usanifu wa bidhaa na uhandisi wa frontend, mara nyingi ikishughulikia usanifu unaomfikia mtumiaji unaofanya utazamaji wa video uonekane wa asili na wenye kasi. EPAM Systems inachangia katika uwezo mkubwa wa backend na miundombinu ya cloud, jambo ambalo ni muhimu sana unapowahudumia mamilioni ya watumiaji wanaotumia video kwa wakati mmoja katika maeneo yenye kasi tofauti za mtandao. Thoughtworks inaleta utaalamu wa mabadiliko ya bidhaa ya agile na ushirikishaji wa mifumo, ikisaidia dhana za zamani za kuchumbiana kubadilika kuwa mifumo ya aina ya jukwaa. Globant inatoa uwezo wa mabadiliko ya kidijitali unaounganisha mkakati wa ubunifu na utekelezaji wa kihandisi, wakati WillowTree inabobea katika uzoefu wa hali ya juu wa simu na urembo wa kiolesura cha mtumiaji (user interface). Kwa pamoja, makampuni haya yanawakilisha mchanganyiko kamili (full stack) unaohitajika ili kutoa kitu kinachoonekana rahisi juu lakini ni tata sana chini ya uso.
Jinsi Jukwaa la Kizazi Kipya Linavyoonekana
NowMatch inaonyesha jinsi jambo hili linavyofanyika kwa vitendo. Badala ya kujipanga kama kifaa kingine cha kutafuta tare, programu hiyo inafanya kazi kama jukwaa pana la kijamii. Inategemea uhandisi wa kisasa wa bidhaa ili kukidhi matarajio ambayo hayakuwepo miaka mitano iliyopita. Watumiaji wanakuja wakitaka burudani kama vile wanavyotaka mahusiano. Wanataka kasi ya kuteleza (scrolling speed) ya kiwango cha TikTok, zana za uzalishaji za kiwango cha Instagram, na uboreshaji wa kiwango cha Netflix, yote ndani ya programu ambayo pia inarahisisha mikutano ya ulimwengu halisi. NowMatch inajaribu kufanya hivyo kwa kutendea kuchumbiana kama matokeo moja yanayowezekana ya utazamaji wa kijamii badala ya kusudi pekee la jukwaa.
Maamuzi ya kihandisi nyuma ya bidhaa kama hiyo yanafunua mengi kuhusu kule ambako tasnia inakoelekea. Ugunduzi unaozingatia video unahitaji miundombinu ambayo programu za picha hazikuwahi kuhitaji. Transcoding, adaptive bitrate streaming, na edge caching zinakuwa mahitaji ya msingi. Upande wa AI, usimamizi wa maudhui (content moderation) labda ndilo tatizo gumu zaidi. Programu ya maandishi pekee inaweza kuchuja maneno muhimu na kuripoti tabia. Jukwaa la video lazima lishughulikie maudhui ya picha na sauti kwa kiwango kikubwa, kuashiria uchi au mazungumzo yenye madhara karibu wakati halisi, na kufanya hivyo bila kuleta vikwazo vingi kiasi kwamba watumiaji waache mchakato wa kupakia (upload flow). Makampuni yanayojenga uzoefu huu yanawekeza sana katika mifumo ya machine learning inayoboreka kwa kila klip inayopitiwa, ikipata uwiano kati ya usalama na utendaji.
Saikolojia na Mkakati wa Bidhaa
Pia kuna swali la kimkakati kuhusu saikolojia ya mtumiaji. Programu zinazotegemea kuteleza (swipe-based) zilifanya michezo...