Co się stało
Google poinformował 11 sierpnia, że aplikacja Gemini oficjalnie przekroczyła miliard użytkowników miesięcznie, co stanowi kamień milowy, który firma opisuje jako najszybszy rozwój dowolnego produktu w swojej historii. Ta sama aktualizacja produktu z głównego źródła wykracza poza numer nagłówka i oferuje migawkę tego, jak ludzie korzystają z Gemini w zakresie komunikacji głosowej, pomocy wizualnej na żywo, prac szkolnych, kreatywnej produkcji, działań na Androidzie i urządzeń Apple. Liczby te przedstawiają twierdzenia firmy Google na temat korzystania z jej własnych produktów, a nie niezależnie kontrolowane pomiary liczby odbiorców.
Kamień milowy odnosi się do miesięcznych użytkowników aplikacji Gemini, a nie do dziennej liczby użytkowników, liczby płatnych subskrybentów ani miary tego, ile osób korzysta z każdej funkcji Gemini. Publiczna aktualizacja Google nie określa metody deduplikacji, dokładnego progu aktywnych użytkowników ani układu geograficznego kryjącego się za liczbą jednego miliarda. To sprawia, że liczba ta jest istotna jako sygnał zasięgu zgłaszany przez firmę, pozostawiając jednocześnie nieznane ważne szczegóły pomiaru.
Zestawienie funkcji Google sugeruje, że aplikacja jest używana jako coś więcej niż tylko tekstowy interfejs pytań i odpowiedzi. Firma twierdzi, że 63% użytkowników rozmawia obecnie bezpośrednio z Gemini, w tym rosnąca grupa użytkowników korzystających wyłącznie z głosu, a zapracowani rodzice o 43% częściej używają głosu do codziennych zadań. Aktualizacja nie podaje podstawowej próby, okresu ani grupy porównawczej dla tych wartości procentowych, dlatego należy je czytać jako raportowane analizy produktów, a nie badanie populacji.
W poście opisano także pomoc w przeprowadzce do świata fizycznego Gemini. Google twierdzi, że co piąty Gemini Interakcje na żywo wykraczają poza głos, ponieważ ludzie korzystają z transmisji z kamer na żywo i udostępniania ekranu w celu rozwiązywania problemów w czasie rzeczywistym, szczególnie w przypadku prac związanych z majsterkowaniem i zadań uczniów. Mówi, że 38% wniosków szkolnych zawiera załącznik, co jest kolejnym sygnałem, że użytkownicy dostarczają dokumenty lub obrazy, a nie polegają wyłącznie na podpowiedziach wpisywanych na klawiaturze. Aktualizacja nie informuje, jak te zachowania różnią się w zależności od kraju, planu, wieku czy urządzenia.
Pozostałe cyfry przedstawiają szerokość powierzchni produktu. Google mówi, że Gemini generuje ponad 150 milionów obrazów dziennie, może automatyzować działania w ponad 40 popularnych aplikacjach na Androida, ma ponad 100 milionów aktywnych użytkowników iOS i widzi, że zaawansowani użytkownicy systemu macOS wyświetlają monity około dwa razy częściej niż ludzie na innych platformach. Są to osobne wskaźniki raportowane przez firmę, a nie dowód na to, że wszyscy miliardowie użytkowników miesięcznie korzystają z tych samych możliwości lub że każde działanie kończy się pomyślnie.
Szczegóły źródła: Google's August 11 Gemini product update ↗
Dlaczego to ma znaczenie
Kamień milowy w postaci miliarda ma znaczenie, ponieważ umieszcza asystenta multimodalnego na skali, w której niewielkie zmiany w zachowaniu produktu mogą wpłynąć na sposób, w jaki ludzie wyszukują, uczą się, tworzą i radzą sobie z rutynową pracą. Podział Google wskazuje na przejście od chatbota, z którym ludzie się konsultują, w kierunku asystenta, który słucha, widzi, akceptuje pliki, tworzy multimedia i podejmuje ograniczone działania w połączonych aplikacjach.
Głos zmienia tarcie podczas korzystania z asystenta. Mówienie może być szybsze niż utworzenie podpowiedzi i może zapewnić pomoc, gdy ktoś gotuje, naprawia przedmiot, dojeżdża do pracy lub opiekuje się dzieckiem. Jednak użycie głosu zmienia także kontekst prywatności: rozmowy mogą toczyć się z innymi osobami, mikrofony mogą przechwytywać mowę w tle, a użytkownikowi może być trudniej sprawdzić, co dokładnie zostało zrozumiane, zanim Gemini odpowie. Liczba 63% wskazuje na zasięg do interfejsu, a nie na to, że odpowiedzi głosowe są dokładne lub odpowiednie dla każdego zadania.
Kamera na żywo i udostępnianie ekranu rozszerzają system w sytuacje, w których model musi interpretować zmieniający się kontekst wizualny. Może to być przydatne dla ucznia przeglądającego arkusz ćwiczeń lub osoby próbującej zidentyfikować problem fizyczny, ale ten sam kontekst może obejmować twarze, dokumenty, ekrany kont lub wrażliwe otoczenie. Liczba jedna na pięć Google pokazuje, że takie zachowanie jest istotne w Live; nie mówi nam, jak często system prosi o wyjaśnienia, popełnia błąd lub podaje użytkownikowi bezpieczny następny krok zamiast pewności.
Liczba działań na Androidzie jest najwyraźniejszym sygnałem ambicji agenta. Asystent, który może współpracować z ponad 40 aplikacjami, może pomóc w przejazdach, rezerwacjach w restauracjach lub innych wieloetapowych zadaniach, ale możliwości to nie to samo, co niezawodna autonomia. Pytaniem interesu publicznego jest to, czy użytkownicy widzą plan, rozumieją pozwolenia, potwierdzają wynikające z nich działania i otrzymują trwały zapis tego, co się wydarzyło. W przypadku organizacji non-profit i małych zespołów użytecznym porównaniem nie jest liczba integracji; jest to liczba ograniczonych przepływów pracy, które można wykonać bez ukrytych błędów i nieautoryzowanych skutków ubocznych.
Dowody również wymagają ostrożnej interpretacji, ponieważ pochodzą od firmy obsługującej produkt i zostały przedstawione w ogłoszeniu będącym kamieniem milowym. Liczba miliardów, procent głosu i załączników, łączna liczba wygenerowanych obrazów oraz dane dotyczące platform mogą mieć różne mianowniki i okna pomiarowe. Google w tej aktualizacji nie publikuje wystarczającej metodologii, aby można było je bezpośrednio porównać, ani nie zapewnia niezależnych szacunków wartości dla użytkownika, dokładności, zatrzymania lub szkód. Najsilniejszym zweryfikowanym wnioskiem jest to, że Gemini osiągnął ogromną raportowaną skalę i że multimodalne, zorientowane na działanie zastosowanie jest widoczne we własnych analizach firmy.
Mechanizm interaktywny: jak to faktycznie działa
Poznaj interaktywnie technologię leżącą u podstaw tego rozwoju.
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
Co obejrzeć dalej
Następnym testem jest to, czy raportowana skala Google przekłada się na wiarygodne wyniki poza ogłoszeniem: wyraźniejszy pomiar, długotrwałe użytkowanie, dokładna pomoc multimodalna i bezpieczne wykonywanie rzeczywistych zadań. Obserwuj mianownik kamienia milowego równie uważnie, jak sam kamień milowy.
Badacze i inwestorzy powinni zapytać, jak Google definiuje miesięcznego użytkownika i jak zapobiega podwójnemu naliczaniu w aplikacji Gemini, platformach Android, iOS, dostępie do sieci i innych punktach wejścia. Przydatne ujawnienie informacji uzupełniających obejmowałoby aktywny próg, położenie geograficzne, kohorty utrzymania, podziały płatne i bezpłatne oraz odsetek użytkowników, którzy powracają na drugi miesiąc. Bez tych szczegółów miliard to potężna informacja o zasięgu, ale niepełny obraz zaangażowania i wartości biznesowej.
Metryki produktu wymagają miar wyników. W przypadku zastosowań głosowych, na żywo i opartych na załącznikach oznacza to śledzenie zakończenia, poprawiania, porzucania i eskalacji do osoby lub konwencjonalnego wyniku wyszukiwania. Większy udział interakcji z kamerą lub głosem może oznaczać, że produkt jest bardziej przydatny lub może oznaczać, że ludzie wielokrotnie próbują naprawić mylącą odpowiedź. Niezależne oceny powinny oddzielić modalność od zadania i przedstawić wyniki w zakresie akcentów, języków, warunków oświetleniowych, typów dokumentów i potrzeb w zakresie dostępności.
Działania Androida wymagają szczególnej analizy w miarę rozszerzania się wdrożenia. Użytkownicy powinni mieć możliwość sprawdzenia żądanych uprawnień, podglądu planu, zatwierdzenia zakupów lub wiadomości we właściwym momencie i odzyskania sprawności, gdy aplikacja zmieni stan. Przyszłe ogłoszenia powinny wyjaśniać, w jaki sposób Gemini radzi sobie z niejednoznacznymi instrukcjami, nieudanymi wywołaniami narzędzi, częściowym zakończeniem, wrażliwymi danymi i zapisami działań zewnętrznych. Liczba podłączonych aplikacji będzie miała mniejsze znaczenie niż to, czy system pozostanie czytelny i możliwy do odwrócenia, gdy coś pójdzie nie tak.
Na koniec sprawdź, czy zgłoszone zachowanie rozprzestrzenia się równomiernie na platformy i społeczności. Google mówi, że iOS ma ponad 100 milionów aktywnych użytkowników, a użytkownicy zaawansowanego systemu MacOS częściej wyświetlają monity, ale w tej wersji nie pokazano zgodności w przypadku najnowszych działań ani dla osób z ograniczoną łącznością, starszymi urządzeniami, różnymi językami lub wymaganiami dostępności. Polityka prywatności i przechowywania danych będzie również kształtować publiczny wpływ asystenta miliarda użytkowników. Dopóki Google nie opublikuje pełniejszych metod i niezależnych dowodów, jest to istotny kamień milowy w skali produktu, obarczony znaczącą niepewnością co do głębokości, wiarygodności i dystrybucji.