Manus، به تازگی بیانیه 2.0 خود را به آرامی منتشر کرد

نویسنده: هوانگ لین، پارک جیک
ویرایشگر: جینگ یو، پارک جیک
در تاریخ 26 اکتبر، ژانگ تائو (نام مستعار HideCloud)، یکی از بنیان‌گذاران و شریک محصول Manus، اخیراً در حساب عمومی خود «تفکرات پنهان» یک مقاله طولانی با عنوان «تغییر Manus با Manus» نوشت.
آغاز مقاله شامل تصویری است که او را به شدت تحت تأثیر قرار داده است. او چند درخواست و باگ به مهندسان داده و بعد از مدتی برای بررسی پیشرفت به آنها مراجعه کرده و متوجه شده که روی کامپیوتر آنها یک سری از جلسات Codex و Manus باز است. با باز کردن یکی از آنها، متوجه می‌شود که ورودی دقیقاً همان درخواست اصلی است که او به تازگی در Slack ارسال کرده است، بدون هیچ تغییری.
آنچه او را بیشتر شگفت‌زده کرد این بود که این مهندس در آن زمان در حال پردازش ده‌ها درخواست بود. در Manus امروز، این دیگر یک امر عادی است.
این مقاله اطلاعات زیادی دارد و چند نکته مهم وجود دارد که باید یادداشت شود.
Manus یک ورودی کد یکپارچه به نام Manus-mono ایجاد کرده و یک کتابچه راهنمایی برای AI نوشته است تا AI بتواند دید کلی از انبارهای مختلف داشته باشد. یک درخواست، یک نفر می‌تواند تمام طرف‌ها را بنویسد. تیم موبایل همیشه فقط 7 نفر بوده و همزمان مسئول 2 محصول و 4 اپلیکیشن است و پیشرفت آنها تقریباً با نسخه وب همزمان است.

تمام مدیران محصول کدهایی را به Manus ارسال کرده‌اند و حدود نیمی از آنها می‌توانند به تنهایی درخواست‌ها را به مرحله راه‌اندازی برسانند. برخی از مدیران محصول درخواست‌هایی را ارائه داده‌اند که از یک سند به یک ویدیو تبدیل شده است.
تیم بازار یک «همکار دیجیتال» دارد که می‌تواند کارها را به طور خودکار برنامه‌ریزی کند، به طور فعال پیشرفت پروژه را یادآوری کند و همچنین می‌تواند به طور بین تیمی جزئیات عملکرد را روشن کند.
در سپتامبر، هزینه‌های AI شرکت به ازای هر نفر بیش از 10 هزار دلار بوده و برخی افراد در یک ماه 70 تا 80 هزار دلار هزینه کرده‌اند. ژانگ تائو به طور خاص به این موضوع در یک بخش پاسخ داده است.
زمان انتشار مقاله نیز بسیار ظریف است. در پایان سپتامبر، Manus نسخه 2.0 و برنامه هوش شخصی Cue را منتشر کرد؛ در اوایل اکتبر، شرکت مادر، اثر پروانه‌ای، اعلام کرد که بیش از 500 میلیون دلار در یک دور جدید تأمین مالی جذب کرده و همزمان در پکن 17 موقعیت شغلی جدید ایجاد کرده است.
با توجه به این زمان، این مقاله بیشتر شبیه به یک بیانیه از تیم Manus در ورود به عصر 2.0 است. این مقاله درباره چگونگی استفاده سازمان از AI برای تکامل صحبت می‌کند و در عین حال جهت‌گیری محصول، منطق هزینه و استانداردهای استخدام این شرکت را فاش می‌کند.

01 Manus خود، نمونه‌ای از 2.0 است

اگر شما تمرینات داخلی مقاله و لیست ویژگی‌های Manus 2.0 را کنار هم قرار دهید، متوجه می‌شوید که تقریباً می‌توانند به یکدیگر مطابقت داشته باشند.
همکار دیجیتال تیم بازار اگر از وب‌سایت داخلی احساس راحتی نکند، می‌تواند از طریق یک رابط بازخورد درخواست خود را مستقیماً ارائه دهد و به محض ورود درخواست، به طور خودکار وظیفه توسعه Manus را فعال کند. این پشتوانه از Automations 2.0 استفاده می‌کند، به محض دریافت یک اعلان خارجی، به طور خودکار یک وظیفه آغاز می‌شود.
مدیران محصول از ویدیو به جای اسناد درخواست استفاده می‌کنند که به دلیل تقویت قابل توجه قابلیت‌های ویدیویی 2.0 امکان‌پذیر است، که هم می‌تواند ویدیو را با تصویر تولید کند و هم می‌تواند با کد انیمیشن بسازد. داستان مدیر محصولی که ویژگی تبدیل گفتار به متن را انجام می‌دهد، بسیار نمادین است. او ابتدا از Manus خواسته است که بیش از ده مدل را آزمایش کند، یکی را انتخاب کرده و سپس طبق استانداردهای طراحی موجود یک دموی ایجاد کند و به Manus اجازه دهد تا صحنه‌هایی که کاربر ممکن است با آن مواجه شود را یکی یکی تولید کند، هر تصویر را بررسی و اصلاح کند و در نهایت دموی را به ویدیو تبدیل کند. وقتی طرح مشخص شد، او به سادگی ویژگی را کامل کرد و رابط‌های وب و دسکتاپ هر دو از دست اوست.
همکاران یک ربات Slack را در کامپیوتر ابری اجرا می‌کنند. همکاران غیر توسعه‌دهنده اگر بخواهند بدانند که یک ویژگی چگونه پیاده‌سازی می‌شود، متن کجاست و آیا آنلاین است یا نه، نیازی به پرسش از کسی ندارند و می‌توانند مستقیماً از آن بپرسند. این به 2.0 مربوط می‌شود که می‌تواند 7×24 ساعت در دسترس باشد.
برخی از ویژگی‌ها در حال حاضر فقط در داخل استفاده می‌شوند. به عنوان مثال، اعضای یک پروژه به طور پیش‌فرض می‌توانند جلسات یکدیگر را ببینند، مهندسان و AI پس از انجام بیشتر کارها، مدیران محصول می‌توانند به همان جلسه وارد شوند و فاصله‌ها، سبک‌ها و متن‌ها را تنظیم کنند.
ژانگ تائو در انتهای مقاله به طور مستقیم می‌نویسد که اینها کارهایی هستند که Manus باید به خوبی انجام دهد، «ما ابتدا خودمان آزمایش خواهیم کرد و سپس آن را به دست کاربران خواهیم سپرد».
عبارت «غذا خوردن از غذای خود» در صنعت نرم‌افزار برای چندین دهه رایج بوده است. به طور کلی تصور می‌شود که این عبارت از یک ایمیل داخلی در سال 1988 از مدیر اجرایی مایکروسافت، پل مریتز، نشأت گرفته است که عنوان آن «Eating our own Dogfood» بود و از کارمندان خواسته بود که بیشتر از محصولات خود استفاده کنند. مثال مشهورتر بعدی Slack است که در ابتدا ابزاری برای ارتباطات بود که شرکت بازی Tiny Speck در حین توسعه «Glitch» از آن استفاده می‌کرد و وقتی بازی موفق نشد، این ابزار به کسب و کار اصلی تبدیل شد.
Manus در مسیر دیگری حرکت می‌کند. محصول ابتدا ایجاد می‌شود و سپس نحوه استفاده از آن در داخل شرکت نوشته می‌شود و به عنوان بهترین نمونه محصول در نظر گرفته می‌شود. برای شرکتی که یک Agent عمومی می‌فروشد، هیچ نمایشی قانع‌کننده‌تر از «تمام شرکت ما اینگونه کار می‌کند» وجود ندارد.

02 از یک Agent برای هر فرد، به یک جلسه برای هر تیم

در این بیانیه، بخش «فرصت‌هایی که ما می‌بینیم» بسیار قابل تأمل است.
در سال گذشته، Agent‌های شخصی به استانداردی در شرکت‌های بزرگ تبدیل شده‌اند. Anthropic دارای Cowork است، Muse متا به تازگی راه‌اندازی شده و به سرعت به رتبه اول در App Store آمریکا رسید، و WorkBuddy Tencent در PC‌های هوشمند اداری داخلی به بیش از 20 میلیون بازدید ماهانه دست یافته است. «به هر فرد یک AI که برایش کار کند»، در حال تبدیل شدن به چیزی است که همه در حال انجام آن هستند.
سه فرصتی که ژانگ تائو ذکر کرده است، به لایه دیگری اشاره دارد.
نخستین، خود جلسه به یک شیء کار گروهی تبدیل خواهد شد، یک نفر سوالی مطرح می‌کند، طراح طرحی ارائه می‌دهد، مهندس آن را پیاده‌سازی می‌کند و مدیر محصول به دنبال آن عملیات را انجام می‌دهد، همه در یک جلسه پیش می‌روند.
دومین، همکاری بین دستگاه‌ها و همکاران است.
سومین، پس از ورود Agent به سیستم و پایگاه دانش شرکت، می‌تواند به طور فعال راه‌حل‌هایی را پیدا کند که افراد به آن فکر نکرده‌اند.
هر سه مورد درباره سازمان صحبت می‌کنند و اینکه چگونه چند نفر و چند Agent با هم کار می‌کنند.
این با ایده Cue همخوانی دارد. Cue به هر Agent یک ایمیل، شماره تلفن، کیف پول و کامپیوتر مستقل اختصاص داده است. CEO، شیائو هونگ، در زمان انتشار گفت، این «چیز» ممکن است بتواند به عنوان «انسان» نامیده شود و بعداً «آیا باید یک گروه بزرگ از افراد و Bot‌ها وجود داشته باشد» را مطرح کرد. Cue این ایده را به زندگی شخصی منتقل می‌کند و همکار دیجیتال در مقاله، نمایی از آن در شرکت است.
چند جزئیات درباره همکار دیجیتال، از هر توضیح عملکردی زنده‌تر است.
بسیاری از همکاران همزمان به آن مراجعه می‌کنند، بنابراین آن فقط در یک جلسه «کارگاه» با همه صحبت می‌کند و وظایف خاص را به سایر جلسات برای انجام موازی تقسیم می‌کند. پیام‌های Slack زیاد است، بنابراین ابتدا بررسی می‌کند که آیا به خود او مربوط می‌شود یا نه و سپس آنها را به دو دسته «آیا باید کار فعلی را قطع کند» و «بعداً انجام دهد» تقسیم می‌کند. ژانگ تائو به طور خاص اشاره می‌کند که این مجموعه قوانین توسط AI در طول فرآیند توسعه خود طراحی شده است.
یک بار، همکاران در Slack درباره دو پروژه بحث می‌کردند و به یاد نمی‌آوردند که یکی از آنها به کدام مرحله رسیده است. هیچ‌کس @ آن را نکرد، اما او به طور خودکار یادآوری کرد، «B هنوز در مرحله آزمایش است، آیا باید منتظر بمانیم تا نتیجه A بیاید و سپس به B نگاه کنیم؟» پس از اینکه تیم محصول قابلیت تولید مدل‌های 3D و اتصال استخوان‌ها را راه‌اندازی کرد، او دوباره به طور خودکار رفت و شرایط کاربرد را پرسید و متوجه شد که اتصال استخوان‌ها در حال حاضر از هفت نوع جسم، از جمله ماهی، مار و حیوانات چهارپا پشتیبانی می‌کند و سپس می‌تواند به درستی معرفی شود.
ژانگ تائو می‌گوید، در آن لحظه او بیشتر شبیه همکارانی بود که به دقت به جلسه گوش می‌دهند.
وقتی Agent‌های فردی به استاندارد تبدیل می‌شوند، احتمالاً منطقه بعدی Agent عمومی، در سطح همکاری تیمی خواهد بود. Manus ابتدا شرکت خود را به یک آزمایشگاه تبدیل کرده است.

03 هزینه به ازای هر نفر 10 هزار دلار

عدد مورد بحث در مقاله، هزینه‌های AI به ازای هر نفر در سپتامبر است که بیش از 10 هزار دلار بوده است. ژانگ تائو در اوایل ماه در شبکه‌های اجتماعی اشاره‌ای به این موضوع کرده و با انتقادات زیادی از «هزینه‌های بیش از حد» مواجه شده است و این بار او به طور مستقیم سه دلیل ارائه کرده است.

نخستین، این پول برای خرید زمان و توجه است. با بزرگ شدن تیم، هزینه‌های ارتباطی افزایش می‌یابد و AI توجه هر فرد را ذخیره می‌کند و به هر فرد اجازه می‌دهد تا بر روی کارهایی که مسئول آن است، کنترل کامل‌تری داشته باشد.
دوم، هزینه بالا به دلیل استفاده از بهترین مدل‌ها است که این روش اصلی برای درک مرزهای توانایی AI است. او مثالی از ربات بررسی کد ارائه می‌دهد. همکار مسئول بهره‌وری توسعه می‌گوید که در شش ماه گذشته، هیچ گزارشی از بروز مشکلات به دلیل کدهای معیوب در سیستم آنلاین نداشته است و پس از گسترش برنامه‌نویسی AI، حجم کدهای ارسالی شرکت به طور روزانه «بسیار زیاد» شده است. این همکار معتقد است که این ممکن است بهترین هزینه‌ای باشد که شرکت انجام داده است.
سومین دلیل جالب‌ترین است. کارهای توسعه بیشتری در Manus Studio انجام می‌شود، Studio محصول خود Manus است، هر توکنی که در داخل سوزانده می‌شود، به داده‌هایی تبدیل می‌شود که نشان می‌دهد توکن‌ها کجا هدر می‌روند. با بهبود محصول، هدررفت کاهش می‌یابد، هزینه‌ها کاهش می‌یابد و کاربران نیز از آن بهره‌مند می‌شوند.
این منطق یک هزینه را به سرمایه‌گذاری در تحقیق و توسعه تبدیل می‌کند. قضاوت ژانگ تائو این است که امروز، روش کاری که با هزینه 10 هزار دلار در ماه به دست می‌آید، ممکن است در دو سال آینده فقط به چند صد دلار نیاز داشته باشد.
از زاویه‌ای دیگر، این حساب همچنین وضعیت مشترک شرکت‌های Agent در سطح کاربرد را نشان می‌دهد. مهندسی که در ابتدای مقاله به آن اشاره شد، روی صفحه‌اش علاوه بر Manus، Codex OpenAI نیز باز است. توسعه Manus به مدل‌های برتر وابسته است و شرکت‌هایی که این مدل‌ها را ارائه می‌دهند، خود نیز در حال تولید محصولات Agent هستند.
برخی از نظرات این مدل را «نوآوری وابسته» می‌نامند که در آن در پلتفرم‌های دیگر، توانایی و کاربران را پیدا می‌کنند و هزینه آن این است که برای هر معامله، باید مبلغی به رقبای بالقوه پرداخت شود.
از این منظر، هزینه به ازای هر نفر 10 هزار دلار همزمان دو چیز را اثبات می‌کند. یکی اینکه تیم واقعاً به مرزهای توانایی مدل دست یافته است؛ دیگری اینکه Manus زودتر از کاربران خود با مشکل هزینه Agent مواجه شده و بنابراین فرصت بیشتری برای حل آن دارد.

04 سرعت و نگرانی‌های ژانگ تائو

وجه دیگر بیانیه، اعضای تیم Manus هستند.
در این مقاله، تقریباً هر شغلی بازتعریف شده است. مهندسان از نوشتن کد به هدایت AI و مسئولیت نتایج تغییر کرده‌اند. مدیران محصول باید بتوانند ویژگی‌ها را تا مرحله راه‌اندازی بنویسند و بیشتر رابط‌های موجود در Manus Studio و همچنین Video Editor از دست مدیران محصول است. طراحان نیز به تازگی شروع به نوشتن کد کرده‌اند.

ژانگ تائو از عبارتی برای توصیف این تغییر استفاده کرده است، از Human in the loop به Human on the loop. قبلاً AI هفتاد تا هشتاد درصد کار را انجام می‌داد و باقی‌مانده توسط انسان تکمیل می‌شد؛ اکنون انسان قوانین را طراحی می‌کند، بر کار چندین AI نظارت می‌کند، در نقاط کلیدی تصمیم‌گیری می‌کند و در صورت لزوم مداخله می‌کند.

همکاران که بیشترین استفاده را از AI می‌کنند، روش کارشان «غیرمعمول» است. او یک جلسه کلی Manus دارد و فقط مسئول فهرست کردن مواردی است که نیاز به تصمیم‌گیری دارد و پیشنهادات را ضمیمه می‌کند. در حالی که همه در Slack به شدت بحث می‌کنند، او می‌تواند Slack را باز نکند و فقط از AI بپرسد «الان چه چیزی نیاز به تصمیم‌گیری من دارد؟»
این تعاریف جدید، به نوعی یک آگهی استخدام نیز هستند. در انتهای مقاله نوشته شده است که انسان‌ها هنوز مهم هستند، بنابراین «ما هنوز در حال استخدام هستیم». تقریباً در همان زمان، Manus در پکن 17 موقعیت شغلی جدید ایجاد کرد و از مهندس Harness Agent تا تحلیلگر تجاری، CEO شیائو هونگ گفت که در یک روز بیش از هزار رزومه دریافت کرده است. GitLab دفترچه راهنمای کارکنان را به صورت آنلاین منتشر کرده و Netflix در سال‌های اولیه خود دفترچه فرهنگی را منتشر کرده است که اینها مشابه هستند.
توضیح واضح درباره اینکه یک شرکت چگونه کار می‌کند، خود به خود در حال انتخاب نوع افرادی است که به آنجا می‌آیند.
اما آنچه بیشتر از همه پارک جیک را تحت تأثیر قرار داد، بخش‌هایی بود که ژانگ تائو چندان مطمئن نبود.
او به صراحت احساسات خود را پیچیده توصیف کرد، هم هیجان و هم نگرانی:
«این سرعت درست است؟ آیا کافی سریع است یا خیلی سریع است؟»

این سوال ارزش پیگیری دارد. چگونه می‌توان کیفیت را تضمین کرد وقتی یک نفر همزمان بیست درخواست را مدیریت می‌کند و مسئولیت‌ها چگونه تقسیم می‌شود؟ «در شش ماه گذشته هیچ گزارشی از نقص آنلاین» یک احساس از یک همکار است و هنوز نمی‌توان به آن به عنوان یک آمار استناد کرد. نیمی از مدیران محصول می‌توانند به تنهایی آنلاین شوند، نیمی دیگر چگونه می‌توانند به این سرعت برسند؟ مقاله به این موضوع نپرداخته و شاید پاسخ‌ها هنوز در حال جستجو هستند.
همچنین یک بخش بسیار شخصی وجود دارد. ژانگ تائو می‌نویسد که او ADHD دارد و هر روز بیش از بیست کار در دست دارد و سخت‌ترین قسمت «شروع کار» است. اکنون او تمام کارهای خود را به یک پروژه خاص Manus می‌سپارد که می‌تواند کارهایی را که می‌تواند انجام دهد، به طور مستقیم شروع کند و در صورت عدم اطمینان از او سوال کند و سپس با ترکیب Slack، Gmail و Notion یک دور تحقیق انجام دهد و آن را به مدیر محصول مربوطه تحویل دهد.
او می‌گوید، این باعث شده است که او هر روز از بسیاری از «نمی‌دانم از کجا شروع کنم» اضطراب‌ها رهایی یابد.

در انتهای مقاله، ژانگ تائو به آن سوال بازمی‌گردد که انسان در نهایت چه کاری انجام می‌دهد. پاسخ او تعریف مشکل، ارزیابی کیفیت، تصمیم‌گیری درباره اینکه چه چیزی ارزش انجام دارد و مسئولیت نتایج است.
در سازمان‌های بومی AI، نقش انسان کوچک‌تر نشده، بلکه متمرکزتر شده است.

این بیانیه قبلاً کارایی سازمان Manus را ثابت کرده است. اینکه آیا می‌تواند به محصولی تبدیل شود که دیگران مایل به پرداخت هزینه برای آن باشند، بستگی به این دارد که چه زمانی و به چه شکلی آن ویژگی‌هایی که «فقط در داخل استفاده می‌شوند» به کاربران ارائه می‌شود.
ژانگ تائو در انتهای مقاله کنجکاو است که در شش ماه یا یک سال آینده، روش کار آنها چگونه خواهد بود.
من فکر می‌کنم، در آن زمان که به گذشته نگاه می‌کنیم، احتمالاً خواهیم دانست که آیا این مقاله یک بیانیه است یا یک پیش‌گویی.