$700 மில்லியன் Series A நிதியுதவியைப் பெற்ற மிக வேகமாக வளர்ந்து வரும் ஸ்டார்ட்அப் நிறுவனமான Hark, மனிதர்களைப் போலவே இணையதளங்களை வழிநடத்துவதற்காக வடிவமைக்கப்பட்ட "Handoff" என்ற அறிவுசார் ஏஜென்ட்டை (intelligent agent) அதிகாரப்பூர்வமாக அறிமுகப்படுத்தியுள்ளது. வெறும் உரை உருவாக்கத்திற்கு (text generation) அப்பால் சென்று, அதிகாரப்பூர்வ API ஆதரவு இல்லாத இணையதளங்களில் சிக்கலான பணிப்பாய்வுகளை (workflows) தானியக்கமாக்குவதே Handoff-இன் நோக்கமாகும்.

API இல்லாமல் இணையதளங்களை வழிநடத்துதல்

தானியக்கமாக்கலில் (automation) உள்ள மிக முக்கியமான தடைகளில் ஒன்று கட்டமைக்கப்பட்ட API-களைச் சார்ந்திருப்பது ஆகும். Hark-இன் Handoff ஏஜென்ட், இணையதளத்தின் அடிப்படை அமைப்பு மற்றும் காட்சித் தரவு (visual data) ஆகிய இரண்டையும் பகுப்பாய்வு செய்வதன் மூலம் இந்தத் தடையைத் தவிர்க்கிறது. இது Target, Walmart, OpenTable மற்றும் LinkedIn போன்ற அதிகப் பயன்பாடு கொண்ட, API இல்லாத தளங்களை தடையின்றி வழிநடத்த ஏஜென்ட்டை அனுமதிக்கிறது.

பொத்தான்களை எப்போது கிளிக் செய்வது, ஸ்க்ரோல் செய்வது அல்லது உரையை உள்ளிடுவது போன்றவற்றைத் தீர்மானிக்க, காட்சித் தூண்டல்களைப் (visual cues) புரிந்துகொள்வதன் மூலம் இந்த ஏஜென்ட் செயல்படுகிறது. சமீபத்திய ஒரு செயல்விளக்கத்தின் போது, CEO Brett Adcock, சிக்கலான "fuzzy" லாஜிக்கைக் கையாளும் ஏஜென்ட்டின் திறனை வெளிப்படுத்தினார்—உதாரணமாக, பயனர் "பூக்கடைக்காரரின் விருப்பப்படி சில பூக்கள்" என்று குறிப்பிடும்போது ஒரு தனிப்பயனாக்கப்பட்ட பூங்கொத்து தயாரிப்பது போன்றது. இந்தத் திறன், வெறும் கட்டளைகளைச் செயல்படுத்துவதைத் தாண்டி, ஒரு ஆழமான பொருளைப் புரிந்துகொள்ளும் (semantic understanding) திறனைக் கொண்டுள்ளது, இது மனிதர்களுக்கும் ஏஜென்ட்டிற்கும் இடையிலான தொடர்பை மிகவும் இயல்பானதாக மாற்றுகிறது.

Next-Token என்பதிலிருந்து Next-Action கணிப்பிற்கு ஒரு மாற்றம்

தொழில்நுட்ப ரீதியாக, Hark வழக்கமான Large Language Model (LLM) முறையிலிருந்து விலகிச் செல்கிறது. பாரம்பரிய LLM-கள் ஒரு உரையின் தொடர்ச்சியில் அடுத்த டோக்கனை (token) கணிக்க மேம்படுத்தப்பட்டுள்ளன, ஆனால் Hark-இன் மாடல் "அடுத்த செயல்" (next action)-ஐக் கணிக்க வடிவமைக்கப்பட்டுள்ளது. அதாவது, திரையில் ஒரு குறிப்பிட்ட இடத்தில் மவுஸ் கிளிக் செய்வது அல்லது ஒரு குறிப்பிட்ட கீபோர்டு உள்ளீடு போன்ற அடுத்தடுத்த இயற்பியல் அல்லது டிஜிட்டல் தொடர்புகளை இந்த மாடல் துல்லியமாகக் கணக்கிடுகிறது.

வளர்ச்சியை விரைவுபடுத்த, Hark தற்போது ஒரு post-trained மாடலைப் பயன்படுத்துகிறது. இந்த உத்தி, இந்த ஆண்டின் பிற்பகுதியில் திட்டமிடப்பட்டுள்ள முழுமையான pre-training கட்டத்திற்குச் செல்வதற்கு முன், அதன் பயிற்சி உள்கட்டமைப்பு (training infrastructure), தரவுப் பாதைகள் (data pipelines) மற்றும் சிறப்பு நுட்பங்களை விரைவாக மேம்படுத்த நிறுவனத்திற்கு உதவுகிறது. இந்தத் தொடர்ச்சியான அணுகுமுறை, ஏஜென்ட்டின் வேகம் மற்றும் செலவுத் திறனை (cost-efficiency) மேம்படுத்துவதற்காக வடிவமைக்கப்பட்டுள்ளது.

Computer-Use ஏஜென்ட்களின் போட்டிச் சூழல்

Hark ஒரு நெரிசலான மற்றும் மிகுந்த போட்டி நிறைந்த களத்திற்குள் நுழைகிறது. "computer-use" துறையில் ஆதிக்கம் செலுத்துவதற்கான இந்தப் போட்டியில் Google, OpenAI மற்றும் Anthropic போன்ற தொழில்நுட்ப ஜாம்பவான்களுடன் Browser Use, Polar, Strawberry மற்றும் Aside போன்ற சிறப்பு VC நிதியுதவி பெற்ற ஸ்டார்ட்அப் நிறுவனங்களும் உள்ளன.

GPT 5.5 அல்லது Opus 4.8 போன்ற கனரக மாடல்களுடன் ஒப்பிடும்போது, சிறந்த வேகம் மற்றும் கணிசமாகக் குறைந்த செயல்பாட்டுச் செலவுகளைக் கொண்டிருப்பதாகக் கூறி, Hark தன்னை ஒரு மாற்றத்தை ஏற்படுத்தும் மாற்றாக (disruptive alternative) நிலைநிறுத்திக் கொள்கிறது. பொதுவான உரை மாடலுக்குப் பதிலாக, ஒரு சிறப்புச் செயல் சார்ந்த கட்டமைப்பில் (action-oriented architecture) கவனம் செலுத்துவதன் மூலம், அதிக அதிர்வெண் கொண்ட, குறைந்த செலவிலான பிரவுசர் தானியக்கமாக்கல் (browser automation) சந்தையைத் கைப்பற்ற Hark முயல்கிறது.

நிறுவனம் தனது தளத்திற்கான காத்திருப்புப் பட்டியலை (waitlist) தொடங்கியுள்ளதுடன், கோடைக்காலத்தின் இறுதிக்குள் முழுச் சேவையையும் தொடங்கத் திட்டமிட்டுள்ளது. டெவலப்பர்கள் மற்றும் நிறுவனர்களாகிய அவர்களுக்கு, Handoff-இன் வெற்றி என்பது வெறும் உரையாடலை விடப் பணிகளை முடிப்பதற்கே முன்னுரிமை அளிக்கும் "Action Models"-இன் மாற்றத்தைக் குறிக்கலாம்.

முக்கியக் குறிப்புகள்

  • செயல் சார்ந்த கட்டமைப்பு (Action-Oriented Architecture): உரை டோக்கன்களைக் கணிக்கும் வழக்கமான LLM-களைப் போலன்றி, Hark-இன் மாடல் கிளிக் மற்றும் கீஸ்டிரோக்ஸ் (keystrokes) போன்ற குறிப்பிட்ட பயனர் செயல்களைக் கணிக்கிறது.
  • API இல்லாத தானியக்கமாக்கல்: அதிகாரப்பூர்வ API-களை வழங்காத Walmart மற்றும் LinkedIn போன்ற இணையதளங்களை வழிநடத்த Handoff ஏஜென்ட் காட்சி மற்றும் கட்டமைப்புத் தரவைப் பயன்படுத்துகிறது.
  • செலவு மற்றும் வேகம் குறித்த கவனம்: GPT 5.5 போன்ற முக்கிய மாடல்களின் விலை மற்றும் தாமதத்தை (latency) விடக் குறைவான விலையில், திறமையான மற்றும் பெரிய அளவிலான பிரவுசர் பணித் தானியக்கமாக்கலை இலக்காகக் கொண்டு Hark செயல்படுகிறது.

கவனிக்க வேண்டியவை

  • தொடங்கும் காலக்கெடு (Launch timeline) – Hark காத்திருப்புப் பட்டியலைத் தொடங்கியுள்ளது மற்றும் கோடைக்காலத்தின் இறுதிக்குள் முழுமையான வெளியீட்டைத் திட்டமிட்டுள்ளது.
  • மாடல் பரிணாமம் (Model evolution) – Hark ஒரு post-trained மாடலில் இருந்து, இந்த ஆண்டின் பிற்பகுதியில் திட்டமிடப்பட்டுள்ள முழுமையான pre-training கட்டத்திற்கு நகர்கிறது.