TechCrunch به‌طور اختصاصی دریافته است که Rohit Patel پس از هشت سال فعالیت در حوزه هوش مصنوعی در Meta، این شرکت را ترک می‌کند. مدیر پیشین Meta Superintelligence Labs استارتاپی به نام Ndoc راه‌اندازی کرده که آن را جایگزینی بومیِ هوش مصنوعی برای مجموعه Microsoft Office یا Google Workspace معرفی می‌کند.

Patel جدیدترین چهره از میان شمار اندکی از مدیران و پژوهشگران سرشناس Meta است که پس از خروج مدیر ارشد امور جهانی این شرکت، Joel Kaplan، پژوهشگر هوش مصنوعی Andrew Tulloch و مدیر محصول هوش مصنوعی برای محیط کار، Emily Dalton Smith، این شرکت را ترک می‌کند.

Patel، Ndoc را طوری طراحی کرده که چیزی فراتر از یک ابزار هوش مصنوعی دیگر باشد که به گردش‌کار موجود اضافه می‌شود. هدف این است که شیوه پراکنده کار با ابزارهایی مانند Excel، Word، PowerPoint، Tableau، Replit و «کپی‌کردن و چسباندن از ChatGPT» با یک فضای کاری یکپارچه جایگزین شود؛ فضایی که همه همکاران بتوانند به آن دسترسی داشته باشند، حتی اگر در Ndoc حساب کاربری نداشته باشند.

Ndoc سه مؤلفه را در یک چیدمان کنار هم قرار می‌دهد. زبانه Stage محل ارائه یافته‌های کلیدی است؛ ازجمله در قالب اسلاید، داشبورد، شبیه‌سازی یا اپلیکیشن کوچک. زبانه Narrative شامل تحلیل‌ها، ارجاعات شماره‌گذاری‌شده، نمودارهای تولیدشده و به‌طور کلی توضیح «چرایی» اعداد است. زبانه Model نیز داده‌های زیربنایی و اسکریپت‌های Python را در خود جای می‌دهد.

این طراحی بازتابی از پیشینه Patel است. او در دوران فعالیتش در Meta بر یادگیری تقویتی تمرکز داشت؛ نوعی یادگیری ماشین که در آن عامل‌های هوش مصنوعی از طریق آزمون‌وخطا تصمیم‌گیری را یاد می‌گیرند و برای بیشینه‌کردن پاداش تلاش می‌کنند. او همچنین ارزیابی می‌کرد که آیا خروجی هوش مصنوعی قابل‌اعتماد است یا نه. Patel معتقد است اگر قرار است هوش مصنوعی صفحات گسترده و اسلایدهایی بسازد که شرکت‌ها برای تصمیم‌گیری از آن‌ها استفاده می‌کنند، باید راهی برای بررسی کار آن وجود داشته باشد. برای نمونه، کاربران می‌توانند اسکریپت‌های Python به‌کاررفته در ساخت اسناد را ببینند.

Patel گفت: «حتی اگر هیچ‌چیزی از Python ندانید، می‌توانید از [گفت‌وگوی هوش مصنوعی] بخواهید توضیح دهد: «این اسکریپت چه کاری انجام می‌دهد؟ فرمول من در کدام خط است؟» و بعد فرمول را بررسی کنید. «اینجا چیزی پشت پرده پنهان نیست.»

در عمل، کاربران می‌توانند مجموعه‌داده‌ای بارگذاری کنند و از Ndoc بخواهند آن را تحلیل کند و درباره یافته‌ها متنی بنویسد. آن‌ها همچنین می‌توانند زمینه خاص هر سند، ازجمله مخاطب، لحن و حافظه را به آن اضافه کنند. Patel گفت: «این ابزار در سطح خودتان، آن سند خاص، تیمتان و شرکتتان حافظه‌ای را حفظ می‌کند.»

Patel همچنین می‌گوید Ndoc با ترکیبی از مدل‌های متن‌باز ساخته و تنظیم دقیق شده است. او می‌گوید چون این پلتفرم از پایه توسعه یافته، هزینه اجرای آن به‌مراتب کمتر از جایگزین‌هایی است که بر مدل‌های هوش مصنوعی پیشرفته بنا شده‌اند.

او با اشاره به کاربرانی که در مراحل اولیه این ابزار را آزمایش کردند، گفت: «فکر می‌کردم این همان چیزی است که مردم را هیجان‌زده می‌کند، اما برایشان مهم نیست. چیزی که مردم را هیجان‌زده کرده این است که دوست دارند همه مراحل کار را یک‌جا ببینند.»

هدف بلندپروازانه‌تر Patel بازآفرینی خودِ فایل است. او می‌گوید اسناد را می‌توان به‌صورت یک فایل واحد با پسوند «.ndoc.html» صادر کرد که در هر مرورگری باز می‌شود. او قصد دارد این قالب را متن‌باز کند تا توسعه‌دهندگان دیگر بتوانند اپلیکیشن‌هایی سازگار با آن بسازند و مانند سال‌ها وابستگی بسیاری از کاربران به Microsoft یا Google، به Ndoc وابسته نشوند.

تمایل به متن‌بازکردن این پروژه تا حدی یکی از دلایل ترک Meta و تصمیم Patel برای آغاز کار مستقل بود. در شرکتی بزرگ مانند Meta، جلب موافقت همه برای استفاده از یک قالب متن‌باز، بی‌تردید به مشارکت «صدها نفر و نظرهایشان درباره شکل و شمایل قالب» نیاز داشت.

Patel می‌خواست سریع پیش برود. او گفت: «انسان‌ها فقط با سرعت انسانی پیش می‌روند، درحالی‌که... من می‌توانم با سرعتی پیش بروم که هوش مصنوعی امکانش را فراهم می‌کند.»

تبدیل‌شدن به پلتفرمی که محل انجام کارهای سازمانی است، برای بنیان‌گذاری با تیمی سه‌نفره و بدون سرمایه، شرط‌بندی بزرگی محسوب می‌شود؛ به‌ویژه وقتی آزمایشگاه‌های هوش مصنوعی دیگری هم می‌خواهند همین فضا را در اختیار بگیرند.

OpenAI، Anthropic، Meta، SpaceXAI و Google همگی ابزارهای هوش مصنوعی سازمانی عرضه کرده‌اند که به کاربران امکان می‌دهد به Google Workspace، Microsoft 365 و دیگر اپلیکیشن‌های کاری متصل شوند تا مدل‌های هوش مصنوعی‌شان مستقیماً در این ابزارها فعالیت کنند. ماه گذشته نیز OpenAI از Space رونمایی کرد؛ فضای کاری مشترکی در ChatGPT که رقیبی مستقیم‌تر برای این ابزارهای جاافتاده است.

Patel می‌پذیرد که Space می‌تواند تهدیدی باشد، اما می‌گوید آزمایشگاه‌های هوش مصنوعی عمدتاً مسیر را اشتباه می‌روند.

او گفت: «شرکت‌ها اساساً هوش مصنوعی را به صفحات گسترده اضافه می‌کنند تا خانه‌های جدول را برایتان پر کند. این کار واقعاً روحم را می‌فرساید. مثل این است که تازه برق را کشف کرده باشید و بعد تصمیم بگیرید بهترین کاربردش این است که به گاوهایی که زمینم را شخم می‌زنند چراغ وصل کنم. نه؛ تراکتور بسازید.»

بااین‌حال، دلیلی دارد که آزمایشگاه‌های هوش مصنوعی تلاش کرده‌اند مدل‌هایشان را به محیط‌هایی بیاورند که مردم هم‌اکنون در آن‌ها کار می‌کنند: تغییر عادت‌ها و جایگزین‌کردن کل گردش‌کارها دشوار است. Patel می‌گوید این موضوع را درک می‌کند و به همین دلیل اتصال‌دهنده‌هایی ساخته تا مشتریان بتوانند داده‌های موجودشان را از ابزارهایی که پیش‌تر استفاده می‌کردند وارد کنند.

او گفت: «معیارم این بود که چیزی را عرضه نکنم که خودم از استفاده‌اش لذت نمی‌برم. برای همه کارهایی که انجام می‌دهم، گردش‌کارهای هوش مصنوعی بسیار بهینه‌ای دارم. اگر استفاده از این ابزار را شروع کنم و باز هم سراغ گردش‌کارهای قبلی‌ام بروم، یعنی ابزار به‌اندازه کافی خوبی نساخته‌ام... گورستانی از ابزارها دارم که به این معیار نرسیدند.»

Patel برای جلب نظر مشتریان هم پیش از تلاش برای جذب سرمایه، معیار مشابهی دارد. او گفت: «نمی‌خواستم تا وقتی مدرکی نداشتم که مردم عاشق محصول شده‌اند، سرمایه بگیرم.»

از روز سه‌شنبه، Ndoc در حال اجرای یک طرح آزمایشی سازمانی است و نسخه آلفای خود را در اختیار شمار محدودی از مشتریانی می‌گذارد که در فهرست انتظار ثبت‌نام می‌کنند. ثبت‌نام رایگان است، اما مشتریان باید هزینه مصرف و توکن‌ها را بپردازند. Patel امیدوار است نسخه بتا را در هفته‌های آینده عرضه کند و راه‌اندازی کامل محصول را برای سال آینده برنامه‌ریزی کرده است.

برای Patel، حرکت با بیشترین سرعت ممکن مهم‌تر از داشتن محصولی بی‌نقص از همان ابتداست.

او گفت: «اجراکردن بسیار کم‌هزینه است... پس اجرای یک برنامه غیربهینه را شروع کنید و نگرانی درباره آن را به بعد موکول کنید. وقتی بهترین برنامه را تدوین کنید، شخص دیگری کار را به پایان رسانده است.»