مدیر ارشد هوش مصنوعی متا پس از ۸ سال جدا شد؛ راه‌اندازی استارتاپ Ndoc برای رقابت با مایکروسافت آفیس

روهیت پاتل (Rohit Patel) پس از هشت سال فعالیت در حوزه توسعه هوش مصنوعی در شرکت متا، این غول فناوری را ترک کرد. این مدیر پیشین در آزمایشگاه‌های فوق‌هوش مصنوعی متا، استارتاپی به نام Ndoc را پایه‌گذاری کرده است؛ پلتفرمی که از پایه بر محور هوش مصنوعی طراحی شده و قصد دارد جایگزینی مدرن برای مجموعه‌های اداری مانند مایکروسافت آفیس و گوگل ورک‌اسپیس باشد.

پاتل تازه‌ترین چهره از میان چند مدیر برجسته‌ای است که اخیراً از متا جدا شده‌اند؛ پیش از او نیز جوئل کاپلان (مدیر ارشد امور بین‌الملل)، اندرو تالک (پژوهشگر ارشد هوش مصنوعی) و امیلی دالتون اسمیت (مدیر محصول بخش هوش مصنوعی سازمانی) این مجموعه را ترک کرده بودند.

هدف پاتل از طراحی Ndoc، فراتر از افزودن یک ابزار کمکی دیگر به روندهای کاری فعلی است. او در پی دگرگون کردن شیوه پراکنده کار با ابزارهایی مانند اکسل، ورد، پاورپوینت، Tableau، Replit و فرایند فرسایشی کپی‌پیست از ChatGPT است؛ رویکردی که تمامی همکاران یک تیم، حتی بدون ثبت‌نام در Ndoc، بتوانند به‌صورت یکپارچه در یک محیط مشترک کار کنند.

پلتفرم Ndoc سه بخش اساسی را در قالب یک چیدمان منسجم گرد هم می‌آورد: تب استیج (Stage) به ارائه نتایج و یافته‌های کلیدی نظیر اسلایدها، داشبوردها، شبیه‌سازی‌ها یا برنامه‌های کوچک اختصاص دارد؛ تب روایت (Narrative) شامل گزارش‌های تحلیلی، ارجاعات شماره‌گذاری‌شده، نمودارها و چرایی نهفته در پس ارقام است؛ و در نهایت تب مدل (Model) فضایی است که مجموعه‌داده‌های پایه و اسکریپت‌های پایتون در آن میزبانی می‌شوند.

این شیوه طراحی ریشه در پیشینه تخصصی پاتل دارد. او در دوران حضورش در متا بر یادگیری تقویتی (روشی از یادگیری ماشین که در آن عامل‌های هوشمند با آزمون و خطا تصمیم‌گیری و بهینه‌سازی پاداش را می‌آموزند) و ارزیابی میزان اتکاپذیری خروجی‌های هوش مصنوعی تمرکز داشت. پاتل باور دارد اگر قرار است هوش مصنوعی داده‌ها و اسلایدهای تصمیم‌گیری کلیدی کسب‌وکارها را بسازد، باید سازوکاری شفاف برای بررسی عملکرد آن وجود داشته باشد؛ برای نمونه، کاربران به‌سادگی به کدهای پایتون تولیدکننده اسناد دسترسی دارند.

پاتل در این باره می‌گوید: «حتی اگر هیچ شناختی از پایتون نداشته باشید، می‌توانید از چت‌بات بخواهید توضیح دهد این کد چه می‌کند و فرمول محاسباتی شما دقیقاً در کدام سطر قرار دارد؛ به این ترتیب همه‌چیز قابل راستی‌آزمایی است و هیچ بخش پنهانی پشت پرده وجود ندارد.»

در عمل، کاربران می‌توانند داده‌های خود را بارگذاری کنند و از Ndoc بخواهند علاوه بر اجرای تحلیل‌ها، گزارشی تشریحی درباره یافته‌ها تنظیم کند. افزون بر این، امکان تعیین زمینه اختصاصی هر سند، از جمله نوع مخاطب، لحن نگارش و حافظه وجود دارد. پاتل توضیح می‌دهد: «این سیستم حافظه‌ای مستمر میان شما، آن سند معین، اعضای تیم و کل سازمان برقرار می‌سازد.»

به گفته پاتل، پلتفرم Ndoc با تکیه بر ترکیبی از مدل‌های متن‌باز بهینه‌سازی شده توسعه یافته است. از آنجا که ساختار این سرویس به‌صورت اختصاصی و از پایه طراحی شده، هزینه پردازش و اجرای آن در مقایسه با ابزارهای متکی بر مدل‌های تجاری و بزرگ شرکت‌های پیشرو، به مراتب اقتصادی‌تر است.

او با اشاره به بازخورد نخستین کاربران آزمایشی می‌گوید: «ابتدا تصور می‌کردم این کاهش هزینه‌ها انگیزه اصلی کاربران باشد، اما مشخص شد موضوع دیگری برایشان اولویت دارد؛ آنچه واقعاً کاربران را جذب کرد، مشاهده تمام مراحل کار به‌صورت یکپارچه و در یک پنجره واحد بود.»

هدف بلندپروازانه پاتل، بازآفرینی بنیادین قالب فایل‌های کاری است. اسناد در این نرم‌افزار به‌شکل یک فایل واحد با پسوند ndoc.html. ذخیره می‌شوند که در تمام مرورگرها قابل اجرا است. او قصد دارد این فرمت را به‌صورت متن‌باز منتشر کند تا برنامه‌نویسان بتوانند برنامه‌های سازگار با آن بسازند، بدون آنکه همانند دهه‌های گذشته وابسته به اکوسیستم‌های بسته مایکروسافت یا گوگل بمانند.

اشتیاق به انتشار متن‌باز این ساختار، یکی از دلایل اصلی جدایی او از متا و شروع فعالیتی مستقل بود. در مجموعه‌ای به وسعت متا، ایجاد توافق بر سر یک قالب متن‌باز جدید نیازمند جلب نظر صدها نفر و جلسات بی‌پایان پیرامون جزئیات ساختار فایل است.

پاتل تمایل داشت بسیار پرشتاب پیش برود: «انسان‌ها تنها با سرعت معمول بشر حرکت می‌کنند، در حالی که من می‌توانم همگام با پتانسیل فوق‌العاده هوش مصنوعی به جلو حرکت کنم.»

تلاش برای تبدیل شدن به بستر اصلی امور اداری شرکت‌ها، ریسکی بزرگ برای بنیان‌گذاری با یک تیم سه‌نفره و بدون جذب سرمایه خارجی است؛ به‌ویژه زمانی که آزمایشگاه‌های نامدار فناوری با تمام توان برای تسلط بر این حوزه رقابت می‌کنند.

مجموعه‌هایی نظیر OpenAI، Anthropic، متا، SpaceXAI و گوگل ابزارهای سازمانی متعددی معرفی کرده‌اند که امکان پیوند با گوگل ورک‌اسپیس، مایکروسافت ۳۶۵ و دیگر برنامه‌ها را فراهم می‌سازند تا مدل‌هایشان مستقیماً درون این نرم‌افزارها فعال شوند. ماه گذشته نیز OpenAI قابلیت Space را درون ChatGPT رونمایی کرد که رقیبی مستقیم‌تر برای ابزارهای تثبیت‌شده اداری به شمار می‌رود.

پاتل اذعان دارد که قابلیت Space می‌تواند رقیبی جدی باشد، اما رویکرد عمومی این آزمایشگاه‌ها را تا حد زیادی نادرست می‌داند.

او در این باره می‌گوید: «شرکت‌ها هوش مصنوعی را صرفاً به فایل‌های اکسل متصل کرده‌اند تا خانه‌ها را برای کاربر پر کند؛ دیدن چنین روشی واقعاً مأیوس‌کننده است. این رویکرد درست مانند آن است که الکتریسیته را کشف کنید و سپس به این نتیجه برسید که بهترین کار، بستن لامپ به گاوهای شخم‌زن است! در حالی که پاسخ بنیادین، به‌کارگیری تراکتور است.»

البته اصرار آزمایشگاه‌های هوش مصنوعی برای ادغام با ابزارهای قبلی بی‌دلیل نیست؛ تغییر عادت‌های روزمره و جایگزینی روندهای کاری همواره با مقاومت روبه‌رو می‌شود. پاتل با درک این واقعیت، درگاه‌های ارتباطی متعددی طراحی کرده است تا مشتریان بتوانند اطلاعات خود را از برنامه‌های فعلی به این بستر انتقال دهند.

او درباره استاندارد کیفی کار خود می‌گوید: «خط قرمز من این بود تا زمانی که خودم از کار با محصول لذت نبرم، آن را در اختیار عموم نگذارم. من روندهای کاری هوش مصنوعی بسیار بهینه‌ای برای تمام کارهایم دارم؛ اگر از این ابزار استفاده کنم و ناچار شوم مجدداً به روش‌های قبلی برگردم، یعنی هنوز محصول مناسبی نساخته‌ام. من پروژه‌های فراوانی را که به این سطح استاندارد نرسیدند، کنار گذاشته‌ام.»

پاتل پیش از جذب سرمایه نیز رویکردی مشابه را برای اعتبارسنجی علاقه مشتریان در پیش گرفته است: «نمی‌خواستم پیش از آنکه شواهدی روشن از اشتیاق واقعی کاربران داشته باشم، پولی دریافت کنم.»

سرویس Ndoc طرح آزمایشی سازمانی خود را کلید زده و نسخه اولیه (آلفا) را در دسترس شمار محدودی از متقاضیان قرار داده است. عضویت در این سرویس هزینه‌ای ندارد، اما مشتریان به ازای میزان مصرف و توکن‌ها هزینه پرداخت می‌کنند. پاتل در نظر دارد نسخه بتای محصول را طی هفته‌های آینده و انتشار نسخه نهایی را سال آینده رقم بزند.

برای پاتل، اقدام با بالاترین سرعت ممکن ارزشی به مراتب فراتر از تولید محصولی بی‌نقص در همان نقطه شروع دارد.

او در پایان تأکید می‌کند: «امروزه هزینه اجرا بسیار کاهش یافته است؛ بنابراین برنامه‌ای نه‌چندان بی‌نقص را بی‌درنگ اجرا کنید و بعداً به بهینه‌سازی آن بپردازید. اگر برای ترسیم بهترین نقشه بیش از حد معطل شوید، شخص دیگری زودتر از شما آن را به مرحله اجرا خواهد رساند.»