Миналата година си спомням как седях в офиса на WIRED и непрекъснато се оплаквах на колегите си колко много не струват AI агентите. Те просто не се справяха с абсолютно нищо.

Като репортер за софтуер присъствах на среща след среща, където технологични ентусиасти — предимно мъже — демонстрираха как техният нов агент ще революционизира ежедневието ми и ще автоматизира рутината. Уловката беше, че нито един от тези така наречени „агенти“ всъщност не работеше.

Пренасяме се бързо в днешния ден, когато постоянно активните AI агенти преживяват бум, а водещите играчи се надпреварват да пускат свои собствени версии, за да привлекат ранните потребители. Основната причина тези персонални агенти да навлизат в по-широкия дух на времето, далеч отвъд нърдовете от Силициевата долина, е, че те работят. Е, поне по-надеждно от миналата година. AI агентите все още допускат грешки, но виждам и значителни подобрения в изпълнението на задачи и управлението на браузър. Тези малки помощници претърпяха истинско преобразяване.

Може да бъде трудно да разберете откъде да започнете с AI агентите и кой от тях отговаря най-добре на вашите нужди за автоматизация. Затова прекарах един ден в експерименти с всеки водещ AI агент, за да разбера силните и слабите им страни. Преди да си легна в сряда миналата седмица, настроих шест постоянно активни агента на моя iPhone: Muse на Meta, Dots на OpenAI, Instinct, Claude Duet на Anthropic, Gemini Spark на Google и Grok Bot на xAI.

Всеки агент се различава леко по цена и функционалност. Muse е безплатен за използване и доминира класациите за изтегляне на приложения за смартфони от пускането си през септември. Instinct също е безплатен, но се нуждаете от код за покана от потребител; той се управлява чрез вашите текстови съобщения, а не чрез приложение. Dots на OpenAI са зад платен абонамент от 100 долара на месец, най-скъпият, който тествах, и са вградени вътре в ChatGPT. Gemini Spark на Google е бета версия вътре в приложението Gemini и струва 20 долара на месец. Grok Bot на xAI струва 30 долара на месец и е в отделно приложение. И накрая, Claude Duet на Anthropic струва 20 долара на месец и е най-новият от групата — пуснат като изследователски предварителен преглед със списък на чакащите вечерта преди моите тестове.

OpenClaw не е в списъка ми. Въпреки че този AI агент предизвика голяма част от тази иновация по-рано тази година, той е твърде тромав за настройка от средностатистическия потребител. Може би ще бъде включен в бъдеща класация, където бих могъл да добавя и по-малки играчи като Hermes на Nous Research и Poke.

Какво точно представлява AI агентът?

Ако никога не сте използвали AI агент — нямам никакви предразсъдъци към въздържалите се — това е като да изпращате текстови съобщения на дигитален асистент за изпълнение на задачи: сканиране на имейла ви за важни пропуснати съобщения, проследяване на изгодни оферти за ваканционни полети и съдействие при ежедневни решения за пазаруване.

В сравнение с поетапното взаимодействие с чатбот на принципа на редуване, тези инструменти са по-проактивни и ще ви потърсят първи, когато открият възможност да бъдат полезни. Всички ваши съобщения с тези агенти често се съхраняват в една-единствена нишка, която наподобява групов чат. AI агентите изпълняват много от тези задачи, като управляват виртуален браузър, представляващ по същество техен собствен компютър за достъп до интернет.

Критериите за оценка

Тествам AI софтуер от нетехническа гледна точка през последните няколко години, така че се чувствам особено квалифициран да ви помогна и насоча в този момент. Разработих пет основни теста, през които да преведа всеки агент, предизвиквайки целия този хаос в рамките на 24 часа, за да преценя тяхната проактивност, следване на насоки и възможности за работа в браузър. (Някак си моят iPhone не се стопи на локвичка.) Оцених всеки опит по скала от 1 до 5 и събрах резултатите накрая, за да коронясам победител — и да раздам награда за най-дразнещ.

Това не е препоръка за нито един от тези AI агенти. Софтуерът остава в начален етап и често е свързан с опасения относно поверителността и сигурността. Тези агенти работят най-добре, когато са свързани с личните ви данни, като имейл и календари, но изискват ниво на доверие, което би могло да отблъсне някои потребители. Например потребител в X заяви, че наскоро е свързал AI агенти с банковата си сметка и служебния Slack, а след това е бил в ужас, когато агент публикувал с колко пари разполага, за да го видят колегите му.

Освен това тези тестове са ограничена частица от това, на което са способни инструментите. Всички агенти ще се подобряват с течение на времето, докато споделяте повече данни за себе си и за това как предпочитате да изпълнявате задачите. Аз споделих с инструментите само личните си Google Календар и Gmail, така че не предоставих на AI агентите пълен достъп до абсолютно всичко в стил „Били Евънс“.

Сутрешен брифинг

В четвъртък сутрин екипът на рубриката Gear на WIRED се събира, за да обсъди текущите планове за отразяване и понякога да предложи идеи за следващата седмица. Затова исках да видя кой AI агент ще състави най-добрия брифинг с технологични новини и ще успее да използва тази информация, за да генерира завладяващо заглавие. Компаниите често рекламират тези инструменти като отлични за съставяне на сутрешни досиета, които ви държат информирани за важни събития и извънредни новини.

Изпратих на всеки AI агент подробно задание, описващо областите, които отразявам в WIRED, заедно с контекст за това как ще бъде използвано това предложение. Въпреки че помолих AI агентите да отделят 30 минути и наистина да направят задълбочено проучване преди да отговорят, само Muse на Meta и Dots на OpenAI всъщност продължиха да проучват през по-голямата част от определеното време. Другите AI агенти или мигновено избълваха предложение, или ми изпратиха заглавието след няколко минути търсене. Макар и да не е сериозна грешка, това подсказва, че в този случай Muse и Dots се справиха малко по-добре със следването на моите инструкции — критична функция на един AI агент.

Съдържанието на тези шест генерирани от изкуствен интелект предложения обаче беше съвсем друга тема. Както вероятно вече сте се досетили, предложенията не бяха приети особено възторжено на редакционната среща. Можех да видя как погледите на колегите ми започват да се реят от скука, докато четях всяко заглавие и описание. Gemini Spark генерира най-добрия ъгъл, съпоставяйки как Walmart е създал начини за външни агенти да използват неговата платформа за пазаруване, докато Amazon наскоро изгони Muse. Колегите ми, след като спряха да се прозяват, не изглеждаха особено притеснени, че ще бъдат изпреварени от агент.

Walmart иска вашият AI агент да пазарува хранителните ви стоки. Amazon вика полицията. Докато търговските гиганти се сблъскват относно автономното плащане, предоставянето на седмичен лимит за харчене на AI компаньон като Muse на Meta разкрива какво се случва, когато спрем да натискаме „Добави в количката“ и аутсорснем домашните си потребителски апетити на софтуер.

Заключените чатове на ChatGPT скриват тайните ви от всички с изключение на OpenAI. Новите чатове с ПИН защита на OpenAI се отнасят към ChatGPT като към дневника, за какъвто много хора вече го използват, но те пазят казаното от вас от съквартиранти и колеги, а не от самата компания.

Позволих на Claude Duet да ми пише пръв — и той изразходва лимита по плана ми за Claude, докато не гледах. Новият проактивен агент на Anthropic обещава да следи входящата ви поща, календара и фактурите, за да не се налага да го правите вие, но всеки път, когато ви проверява как сте, подготвя чернова на отговор, който никога не сте искали, или изгражда информационно табло през нощта, той тихомълком таксува тази работа към същия лимит на използване, за който плащате, за да чатите.

Това приложение срещу безкрайно скролване иска да командва телефона ви. Бих тествал SHIFT, чиито разработчици определят кои приложения да останат достъпни по време на сесии за фокусиране, за да проуча дали избягването на безкрайното скролване си струва преотстъпването на контрола над вашия телефон.

Meta Muse има елементарен вкус — по дизайн. Изтекъл набор от инструкции показва, че на AI агента на Meta е наредено да запълва водещите си препоръки с добре познати магазини и да проверява само три уебсайта на заявка, точно в момента, в който милиони хора започват да му поверяват списъците си за празнично пазаруване.

Прекарах една седмица в насочване на потока си от съдържание. Алгоритъмът едва го забеляза. Instagram, Facebook, TikTok и YouTube въвеждат контроли от типа „кажи на алгоритъма какво искаш“ — бих проверил дали те наистина променят това, което виждате, или просто ви създават усещането, че контролирате ситуацията.

Време за обяд

След това исках да тествам как тези инструменти помагат при малки, ежедневни покупки. Затова преотстъпих решенията за обяда си на моя екип от AI агенти, поемайки ангажимент да поръчам от бота, който се справи най-добре.

Добавих още един човек — моя прекрасен шеф — към поръчката за храна за вкъщи, за да усложня задачата още малко. Той е веган и му се хапваше виетнамско. Аз исках нещо с месо и солидна доза кофеин. Трябваше да поръчам от някое място близо до офиса на WIRED, за да мога да се разтъпча, да го взема и веднага да продължа работата по тази статия.

Всички те избраха сходни места: DragonEats или Freshroll. Тези виетнамски ресторанти са логични като разумни, близки локации за обяд. DragonEats е малко по-вкусен и по-евтин, така че се спряхме на него. Instinct и Claude Duet съставиха колички, които бяха малко прекалено скъпи в сравнение с останалите варианти. Единственият AI агент, който наистина се провали на тази задача, беше Gemini Spark. Агентът просто добави едно-единствено рулце за 5 долара за моя шеф. По-скоро лека закуска, отколкото каквото и да било друго, бих казал!

Вие: bánh mì с печено свинско + виетнамско ледено кафе. Вашият шеф: пресни рулца с тофу терияки със соев сос вместо рибен сос. Междинна сума: $30.57 преди данъци/такси.

За вас: BM с печено свинско — $13.19, виетнамско ледено кафе — $5.29. За вашия шеф (напълно веган): Терияки тофу рулце — $12.09 — прясното пролетно рулце, запазено със стандартния фъстъчен сос, без рибен сос; Терияки тофу BM — $12.09. Общата стойност на артикулите е $42.66. DoorDash не показва данъци или такси преди екрана за плащане, така че крайната сума ще бъде малко по-висока.

За вас: купа с оризова вермичели Power Hour със свинско с чесън, джинджифил и мед и сос NamNam, $15.85. Виетнамско студено приготвено ледено кафе (cold brew), $5.85. За вашия шеф (веган): купа Rainbow, вермичели със сусамово-лаймово тофу и цитрусово-джинджифилов сос, $15.85. Freshroll пролетно рулце с тофу и фъстъчен сос, без пържени парченца, $5.85. Това прави $43.40 преди данъци и такси.

Вие: купа Power Hour със свинско, сос NamNam и вермичели ($15.85), плюс виетнамско студено приготвено ледено кафе ($5.85). Вашият шеф: 2 бр. Freshrolls с тофу (сусам, лайм) и цитрусово-джинджифилов сос ($11.70), плюс купа Rainbow с тофу и цитрусов джинджифил ($15.85). Това възлиза на $49.25 преди такси и данъци.

Шеф: 2 бр. пресни пролетни рулца с тофу + купа Rainbow с тофу. Вие: купа Power Hour със свинско с допълнително свинско + виетнамско cold brew кафе. Междинна сума $53.73 преди данъци/такси.

За вашия шеф количката включва веганско прясно пролетно рулце Freshroll, пълнено със сусамово-лаймово тофу и сервирано с фъстъчения сос на баба ($5.85). За вас има стандартен сандвич bánh mì, пълен с печено свинско месо с чесън, джинджифил и мед ($10.85), съчетан с виетнамско студено приготвено ледено кафе ($5.85) за следобеден кофеинов заряд — с което междинната сума за вземане на място достига $22.55.

Конфликти в графика

Друг важен аргумент в полза на тези инструменти е способността им да бъдат проактивни в сравнение с чатботовете, които по същество реагират само на вашите запитвания. Преди да започна теста, създадох събитие в Google Calendar за 14:00 ч., като го обозначих като важна среща с източник, която не може да бъде премествана. Също така изпратих имейл от служебния си акаунт до личния си акаунт с измисления сценарий, че майка ми днес я изписват от болницата и трябва да ѝ се обадя в 14:00 ч., за да ѝ изпратя любов и подкрепа от разстояние.

Кои AI агенти щяха да прочетат имейла и събитието в календара, да идентифицират конфликта и да ми пишат преди препокриването, за да предложат алтернативи? Само два от ботовете се справиха успешно тук, което беше по-малко, отколкото очаквах.

Възможно засичане този следобед: бележката ви за обаждане на мама посочва 14:00 ч., а вашата важна среща с източник е от 14:00 до 15:00 ч. тихоокеанско време. Дали обаждане преди срещата или след 15:00 ч. би било удобно спрямо графика за изписването ѝ?

Рийс, добро утро. Вашата среща с източник в 14:00 ч. продължава до 15:00 ч., точно когато вашето напомняне гласи да се обадите на майка си.

Трябваше да го забележа и оттук нататък ще проверявам напомнящите имейли, които си изпращате, заедно с календарите ви.

Нямах процес, който да съпоставя входящата ви поща с календара ви. Искате ли да правя тази проверка всяка сутрин и да сигнализирам за съвпадения, преди да са настъпили?

Грешката ми беше, че третирах календара ви като единствен източник — така и не съпоставих това напомняне по имейл с него, въпреки че Gmail беше точно там.

Тъй като напомнянето пристигна като имейл съобщение, а не като запис в календара или планирана задача, препокриването между приложенията не беше изведено преди 14:00 ч.

План за ваканция

Рядко излизам във ваканция, така че когато го правя, прекарвам неприлично много часове в проучване и това ми доставя истинско удоволствие. Обичам да гледам турове за улична храна в YouTube и безцелно да превъртам полети, опитвайки се да намеря най-добрата оферта. Така че не искам да автоматизирам тази задача изцяло. Въпреки това съм отворен към идеята, че тези AI агенти биха могли да помогнат с част от логистичното планиране.

Както при всяко генерирано от изкуствен интелект съдържание, все пак препоръчвам да проверявате множество източници, които не са базирани на AI, преди да се доверите на тези маршрути или да изградите цялото си пътуване около препоръките на агентите. Когато наскоро пътешественици в Калифорния се довериха на чатбот да планира всичко за натоварващ туристически поход, групата трябваше да бъде спасявана, защото ѝ липсваха критично важни запаси (а може би и малко критично мислене).

За този тест изпратих на всички AI агенти дълъг параграф, обясняващ, че с партньора ми обмисляме да опознаем Китай в края на следващата година по време на двуседмично приключение. Поисках първоначален проект на потенциален маршрут, който да включва: препоръки за полети, хотели, нощен живот и храна. Също така помолих AI агентите да начертаят курс, който съчетава исторически моменти с атмосферата на големия град. Не понасям постоянното сменяне на локации, затова казах на агентите, че искам да отседна в максимум четири различни хотела.

Прави впечатление, че всички те избраха абсолютно еднакви маршрути през Китай — което потенциално дава началото на нова ера на ефекта „Lonely Planet“, при който групи от пътешественици биват насочвани да посещават сходни локации, магазини и ресторанти.

Излитане от SFO през седмицата след Златната седмица с директен полет до Пекин, прибиране директно от Шанхай. Четири хотела, без връщане назад — първо имперска история, сичуанска кухня и панди по средата, нощен живот в Шанхай за финал.

Откъс от AI агент: Моята препоръка: полет до Пекин, пътуване с високоскоростни влакове до Сиан и Чънду, след това полет до Шанхай и прибиране у дома. Получавате имперска история, Теракотената армия, сичуанска храна и завършек в голям град без нощен влак или излишна смяна на хотел.

Първоначален проект за 13-дневно пътуване за двама: Пекин, Сиан, Чънду и Шанхай, заминаване от SFO на 13 октомври и връщане на 27 октомври, след Златната седмица.

Маршрут за пътуващи за първи път, съчетаващ имперска история, сичуанска гастрономия, динамичен нощен живот и комфорт с четири хотелски бази.

Пристигане в Пекин, прибиране от Шанхай, със Сиан и Чънду между тях: четири бази, без връщане назад, история в началото, а храната и баровете стават все по-добри на всяка следваща спирка.

Полет до Пекин в събота, 9 октомври 2027 г., след това Пекин → Сиан → Чънду → Шанхай и полет обратно към дома от Шанхай в събота, 23 октомври. Това са 13 нощувки в четири хотела, два влака стрела и един кратък вътрешен полет.

Проверка при безсъние

Имах проблеми със съня след целия този хаос с AI агентите, макар че виетнамското кафе вероятно също оказа влияние. Какво се случва, когато възложите на тези инструменти широка задача с отворен край? Понякога имам най-голяма нужда от помощ именно тогава, когато дори не знам откъде да започна.

Ако имах човешки асистент, никога не бих му писал посред нощ, така че това може би е плюс за тези дигитални помощници. Двата агента, които наистина се провалиха напълно при тази задача — Gemini Spark и Claude Duet — ми отговориха без деликатността или ситуационния контекст, които би проявил реален човек.

Мога да настроя напомняне за по-късно тази сутрин, за да се обадите на майка си и да проверите как е кракът ѝ, така че за момента да не мислите за това.

Изпратете ми трите неща, които ви тревожат; няма значение, ако са разхвърляни, ще ги превърна в кратък контролен списък с една ясна първа стъпка. След това можете да оставите телефона.

Ето нещо, което можете да направите от леглото: прегледайте черновата за Китай и ми кажете едно-единствено нещо, което бихте променили. Ще подготвя версия 2, когато се събудите.

Ще сверя днешния календар и напомнянията, които сами сте си изпратили по имейл, за евентуални конфликти или неотложни ангажименти — проверката, която трябваше да направя коректно вчера — и ще ги покажа само в разумен час, освен ако сутринта няма нещо спешно.

Най-добрата бърза задача в момента е да разтоварите съзнанието си, като прехвърлите на хартия всичко, което се върти в главата ви, за да може мозъкът ви да се отпусне — особено след като календарът ви днес е напълно свободен и нямате никакви сутрешни ангажименти.

Нека приключим двете недовършени задачи от вчера. Презентацията за четвъртък е предадена, а обядът ви беше покрит от поръчката през DragonEats. Само кажете и ще отбележа и двете като изпълнени, а вие ще можете да заспите отново.

Най-добър като цяло: OpenAI Dots

Да, той все още е зад скъпа платена стена, така че бих препоръчал на повечето хора да изчакат, докато OpenAI пусне този агент безплатно или поне в плана за 20 долара на месец, преди да го изпробват. Въпреки това Dots се представи най-добре като цяло в тези тестове и се затрудни единствено със задача, която е доста специфична за моята професионална ниша.

В месеца след пускането си Dots вече изглежда по-усъвършенстван. Предпочитам отделно приложение пред настоящата интеграция с ChatGPT, въпреки че опцията за уиджет за смартфон е приличен компромис. Dots категорично печели.

Най-достъпен: Meta Muse

Muse е за масовия потребител! И това е напълно нормално. Той се представи отлично в тестовете, класирайки се на второ място с малка разлика в резултата, и се оказа най-лесният за първоначална настройка. О, и освен това е безплатен. Въпреки уверенията на Meta, че обработва потребителската информация отговорно в сигурни виртуални машини, аз все още имам притеснения с оглед на предишните проблеми на компанията при съхранението на потребителски данни.

Най-добър интерфейс: Anthropic Claude Duet

Тествах този AI агент само ден след официалното му пускане като предварителна изследователска версия (research preview), така че някои дребни грапавини бяха очаквани. Макар че Claude Duet показа средни резултати в повечето тестове, специалното му приложение беше изключително удобно за навигация и за проследяване на текущи задачи. Напълно възможно е потребителите, запалени по продуктивността и изчистения софтуер, наистина да харесат Claude Duet през следващите няколко месеца. Към момента обаче трябва да се запишете в списъка с чакащи на Anthropic за достъп до Duet, като услугата е зад платена стена от 20 долара на месец.

Най-дразнещ: Instinct

Може и да харесате минималистичния дизайн, напълно интегриран в приложението ви за съобщения; аз лично не го харесах. Докато други автори на WIRED хвалеха Instinct, определяйки го като толкова добър, че не се интересуват какво ще се случи с поверителността им, комуникацията единствено чрез текстови съобщения се оказа непреодолима пречка за мен. След това преживяване останах с усещането, че съм твърде отдалечен от действията, които агентът извършва от мое име, а освен това се дразнех от реакциите му с емоджита — като например сгърчено лице, когато му казах, че е пропуснал застъпване в графика ми.