Brew #59: Siri ma Gemini. Upadek modelu Open-Soruce. UCP - Rewolucja w e-commerce od Google

Tutaj taka może nieoczywista rzecz, którą chciałem zwrócić uwagę. Ja mam takie wrażenie, Sebastian, że OpenAI bardzo mocno szuka, gdzie może jeszcze wejść, gdzie nie ma innych osób i urwać ten rynek szybciej niż inni, można by powiedzieć. Spróbują się specjalizować. I zobaczmy, że cloud ze swoimi narzędziami bardzo mocno wchodzi w enterprise, w automatyzację procesów enterprise'owych itd. Robi to konsekwentnie, powoli, ale rozbija się w tym segmencie. Google, pewnie będziemy rozmawiać, Personal Assistant, no i OpenAI, który robił wszystko i teraz próbuje w coś wejść. I tu jest taka ciekawostka, że ja sobie pomyślałem o tym, że to może być taki nowy software'owy frontend,

Kompensowano to w pewnym sensie softwarem, który był i ekosystemem. I teraz się okazuje, że jednym z przyszłych fundamentów by się mogło wydawać tego ekosystemu, czyli właśnie inteligentny asystent. Asystent, przepraszam, staje się napędzany Gemini. No właśnie, no i teraz w połowie tego miesiąca znów ogłoszono wieloletnią współpracę, w której Next Generation of Apple Foundation Models Ma być oparta o Gemini i cały cloud Googla, więc też zwróćmy pod uwagę to nie tylko to, że to jest Gemini, ale także cała technologia i właśnie DCE Googla.

Mają być zaszyte w przyszłych wersjach Apple Intelligence, włączając coś co ogłoszono, czyli bardziej spersonalizowaną Siri w tym roku, która będzie częściowo uruchamiała się na urządzeniu, częściowo w prywatnym cloudzie w Google, więc zobaczymy też co to oznacza. I teraz, co jest ciekawe. Według mnie tutaj jest tak, że Google wygrywa dystrybucję Gemini. Czyli o tym pewnie będziemy mówić, ale przy Gemini Personal Assistant. Ale Google udało się wstrzyknąć ten model od razu do miliardów użytkowników, a teraz jeszcze to podwijają w dalszym ciągu.

Więc ja się zastanawiam, czy przypadkiem to nie jest tak, że my Benning Spoon powinniśmy podziwiać i raczej się od nich uczyć, niż w drugą stronę, bo moim zdaniem to jest firma znacznie bardziej technologiczna niż po prostu wyciskacze cytryny. Więc taka znowu, to jest moja opinia, ja nie znam tam nikogo stamtąd bezpośrednio, informacje stamtąd mam z drugiej albo z trzeciej ręki nawet, ale taka ciekawostka. I w sumie chyba ostatnia rzecz, którą chciałem już powiedzieć w ramach tych snaków, to jest, nie wiem czy widziałeś, bo jest już tyle tych dodatków, skilli, extensionów, agentów do tych popularnych narzędzi czatowych, że akurat to łatwo, żeby coś umknęło. Cloud ma kolejny extension dystrybuowany w osobny sposób i to jest Cloud in Excel. I rzeczywiście wygląda imponująco. To się z kolei teraz instaluje, jak wejdziesz gdzieś tam w te Office'owe, Microsoft'owe Marketplace'y, tam można sobie to tam wyszukać.

No dobra, to będziemy śledzić i będziemy do tego wracać, bo te protokoły są diablo interesujące i to zgadzam się z tobą z tym, co powiedziałeś na początku, że to może potencjalnie bardzo odmienić, jak działa e-commerce w internecie, a totalnie na pewno odmieni, jak działa ogólnie marketing i sales w internecie, bo tutaj myślę, że zmiana będzie dramatyczna. To może, skoro rozmawiamy o agentach, to słuchaj, płynnie przejdźmy do co-worka. Korzystałeś? Korzystałem, tylko ja od razu mam komentarz do tego, słuchaj. Dobrze, to może najpierw garść faktów dla osób, które może nie kojarzą. Czym jest co-work? Cloud Cowork, czyli to jest kolejny ruch Anthropica w stronę agentów, które nie tylko nam odpowiadają i programują, ale teraz faktycznie mogą wykonać pewien rodzaj pracy.

Czyli mogą mieć dostęp do... może powinienem jeszcze dać wcześniej. Co działa w Cloud Desktop? Korzystałeś pewnie, spróbowałeś. Wiesz co, ja nie wiem, czy nie podsumowałbym tego bardzo krótko jednolikowo. Że Anthropic został zaskoczony tym, jak Cloud Code został używany przez nieprogramistów. Więc postanowił stworzyć Cloud Code dla nieprogramistów. I to jest właśnie Cloud Code. Dokładnie to chciałem dodać, bo to było za chwileczkę. Czyli może najpierw co to jest? Czyli Cloud Desktop. I tam mamy nową zakładkę Cloud Cowork. Wskazujemy folder na komputerze. Cloud może uruchamiać agentów, którzy mają dostęp do tego folderu, czytać, tworzyć, edytować pliki i podłączyć się również do aplikacji, które są kompatybilne.

Pewnie zaraz dojdziemy z czym. Więc możemy powiedzieć, że jest to agent, który działa zarówno lokalnie, ale też może mieć dostęp do naszych różnych aplikacji. I możemy sobie rozmawiać z agentem i on może właśnie wykonywać pracę. Czyli w wielu miejscach na Twitterze czy w mediach to określone jako cloud code, nie do kodu, tak jak to powiedziałeś, tak? I teraz, co chciałem powiedzieć. Dla mnie to jest... Można by powiedzieć ponowne odkrycie Ameryki, bo Cloud Code był bardzo dobry już od jakiegoś czasu w pracę nieprogramistyczną na folderach. Zdarzało mi się go do tego wykorzystać. Czyli np.

bardzo dużo plików Subsidiana miałem i sobie np. właśnie w Cloud Code coś tam z nimi robiłem, czy np. Nie wiem, mogłeś mieć nawet rachunki czy coś w PDF-ach chociażby. Ja korzystałem z niego. Dobrze, podsumuj mi coś tam, przeanalizuj coś tam. I Cloud Code świetnie to potrafił robić. Więc on nie programował, tylko uruchamiał agentów, którzy czytały pliki i ja sobie to zapisywałem do jakiegoś tam, wiesz, na przykład pliku Markdown. Czy pod spodem to on programował, tylko właśnie tego nie pokazywał? Dokładnie, ale nie tworzył kodu, może to powinienem powiedzieć. I można powiedzieć, że chyba nie byłem jedyny, który tak stosował, bo właśnie Cloud stwierdził, OK, zróbmy co-work i dano temu interfejs graficzny.

Czyli opisujemy, jaki chcemy mieć rezultat. Cloud dostaje dostęp do danego folderu. Wykonuje kroki, bardzo często w tle, tak jak mówisz, programując, analizując, łącząc pewne rzeczy. I, co jest ważne, zamiast ściany tekstu, czy w pliku markdown, dostajemy reakcję. Czyli on potrafi stworzyć plik, wysłać to do Asany, Notiona, stworzyć coś w Google kalendarzu, do tego, co będziemy mieli podłączone. Więc co jest też ważne, ja mam cloud'a w tej wersji max i tam, nie wiem jak w innych, ale można mieć kilka subagentów.

Chyba można mieć pro też. Chyba to też wyszło właśnie, że oddzielne konteksty i możemy kilka dłuższych sesji prowadzić równolegle. Więc taka ciekawostka. Ciekawych rzeczy takich, które... Mogę jeszcze, jak chcesz, to słowo względem konkurencji dodać. Tak sobie pomyślałem, bo jak pamiętasz, ChatGPT miał taką wersję agentową. Natomiast różnica jest taka, że ChatGPT patrzy na ekran, możemy powiedzieć, i pracuje na screenshotach. CoWork pracuje bezpośrednio na plikach, więc tu jest duża różnica. Copilot Actions od Microsoftu też potrafi wykonywać operacje na lokalnych plikach, ale nie ma chyba takiego wzięcia jak Cloud.

Gemini Agent W tym momencie jest przede wszystkim zorientowany na pracę z usługami Google, czyli Gmail, Calendar, Drive. I to potrafi bardzo dobrze, więc na dużych folderach, na przykład w Drive, potrafi bardzo dobrze wykonać pewne działania, ale przynajmniej jego nigdy nie używałem w Gemini CLI czy w innych narzędziach, żeby dać mu dostęp do... Używasz w ogóle tego Gemini CLI, tego Julesa? Tak się szybko odbija. Jakość jest dużo niższa niż Clouda. Wracając właśnie do tego Clouda. Miałem w sumie dwa komentarze. Pierwszy mój komentarz jest taki, że moim zdaniem, jeżeli to czymś wygra, to dwiema rzeczami. Jedna rzecz jest taka, że nie trzeba za każdym razem otwarzać kontekstu, czyli mu właśnie pisać, przeklejać te wartości, zawartości tych dokumentów.

Sposób nieproporcjonalny. Więc to jest wersja preview. Być może zostanie to rozwiązane do momentu wypuszczenia takiej wersji już, nazwijmy to, general access. Natomiast ludzie, którzy mają Maxa, tak jak właśnie ty, żalą się, że Max na długo nie wystarcza. Więc jest to to lekki showstopper na chwilę obecną. Ale ja trzymam kciuki, no zobaczymy. To może moje jeszcze dwa takie słowa komentarza. Ja myślę, że sprytnie Cloud rozwiązał jedną rzecz, żeby to zaczęło być używane w Enterprise. Czyli jeżeli chodzi o bezpieczeństwo, zbudowanie Sandboxa w oparciu o folder. Czyli tak jak mówisz, że jestem w stanie stworzyć folder w komputerze i on nie wychodzi poza ten folder i wszystko, co wykonuję, wykonuję w tym folderze.

Dokładnie tak. Więc pomyślałem sobie, że to jest duży, nierozwiązany problem i myślę, że to będzie ciekawe. Jeśli nas posłuchaliście i teraz rzucacie się, żeby sprawdzić tego Cloud Cowork, to jeżeli używacie Windows, to on jeszcze tam nie jest dostępny. On jest dostępny chyba tylko na macOS-ach w tym momencie. To też dotyka CloudBota, o którym pewnie będziemy... Właśnie, przeskoczmy od razu na tego CloudBota. Czy co, Anthropic dotyczy CloudBota? Teraz ty spróbuj. Dobra, to teraz ja pociągnę. To jest taki lekki hype, który wystąpił w przyszłym ostatnim tygodniu. Świat rzucił się i rozemocjonował paroma rozwiązaniami. Jednym z tych rozwiązań był właśnie Cloudbot. To nie jest pisane C-L-A-U-D-E, tylko C-L-A-W-D.

Cloud. Ale wymawia się jak Claude. To jest produkt, który został stworzony przez jedną osobę, Petera Steinbergera. Bardzo ciekawym. Może dwa zdania na jego temat. Dawaj. Sebastian, proszę cię bardzo. Ja nie pamiętam, szczerze mówiąc, całej jego historii, co on tam wcześniej robił. To może żeby tylko szybciutko powiedzieć. Jest to osoba, która maczała palce w bardzo wielu rzeczach. Przede wszystkim wokół krypto i tokenów. Zarobiła swoje i raz na jakiś czas wraca. Coś ciekawego wrzuca jako bombę. Bardzo dużo, jak zobaczycie na jego GitHub'a, bardzo dużo narzędzi, które są wokół na przykład szeroko pojętych agentów. I on widać, że eksperymentuje w tym temacie od dłuższego czasu.

Także CloudWoo to nie jest pomysł, który urodził się wiesz, jednej nocy. On właśnie tak jakby wrzuca dosyć na swojego publicznego GitHub'a sporo eksperymentów, sporo narzędzi, więc jest to osoba, która Nie musi już pracować i można by powiedzieć, że kontrybuuje do szeroko pojętych, ciekawych pomysłów. Więc czym jest Cloudbot? Cloudbot to jest platforma... Nie, to jest złe słowo. Rozwiązania agentowe, które, co ciekawe, działa u ciebie lokalnie na twoim sprzęcie, natomiast rozmawiasz z nim poprzez popularne platformy czatowe. I to, do czego on ma dostęp na twoim lokalnym sprzęcie, to jest tak naprawdę... Wszystko to jest bardzo pojemne pojęcie, ale ma dostęp właśnie do plików, ma dostęp do jakichś shell'a, ma dostęp do... Jest w stanie korzystać z przeglądarki, wypełniać formatki, zczytywać informacje z przeglądarki webowej itd., itd.

No i trochę taka, nazwijmy to reklamowy tagline był, że jesteś już niezależny chmurowo, niezależny od tych providerów, więc w związku z tym możesz korzystać z dobrodziejstw rozwiązania agentowych w wygodny sposób, czyli na przykład przez Whatsappa właśnie na swoim lokalnym sprzęcie. Złapało to trakcję. Oburzył się Anthropic, że Cloudbot to brzmi podobnie do pewnego popularnego rozwiązania, które właśnie Anthropic wypuścił. Więc tak szybko jak Cloudbot złapał wielką popularność, tak szybko zmienił swoją nazwę na Moldbot. Dostała tam, dostała jakieś nowe logo. Nie wiem, czy ty korzystałeś. Korzystałeś? Masz jakieś opinie? Powiem tak.

Co to oznacza? Czyli, że nasz np. cloud desktop może wywoływać kolejne narzędzia, może trzymać stan w tych narzędziach także, może aktualizować kontekst modelu na podstawie interakcji użytkownika z tym narzędziem. To jest bardzo ciekawe. Czyli to, co powiedziałeś, dashboardy, to model widzi nasze interakcje z tym dashboardem i to też jest ciekawy kierunek. Czyli widzi nasze decyzje, które podejmujemy na podstawie UI, które widzimy. Ciekawe, czy widzi? Czy to jest coś, co zwraca sam protokół? Czy to jest to, w jaki sposób po prostu może skarbować? Nie, wydaje mi się, że wiesz, na tyle, na ile ja to zrozumiałem, to że agent to widzi poprzez to, co jest wyrenderowane i tak, jak my dokonujemy interakcji.

Rozwiązuje to kilka problemów, że dotychczas była ta luka, wiesz, tekst i nasza rozmowa z agentem versus praca, którą wykonujemy w różnych miejscach. To się działo, więc dla mnie, o ile ja rozumiem, zamiar MCP Apps domyka tą lukę. Druga rzecz to był koszt kontekstu i przełączania narzędzi. Czyli nawet jeżeli chciałeś skorzystać z tego narzędzia, to albo np. z dashboardu musiałeś zrobić screenshot, wysłać to do np. właśnie Cloud, Figma, podłączyć MCP itd. Opisać kontekst, więc tutaj mamy koszt kontekstu i przełączanie dla użytkownika jest minimalny. Mamy jedną rozmowę, jeden wątek i to się wszystko dzieje w jednej pętli.

problem dopasowania kompetencji do rynku. Albo inaczej mówiąc, to jest problem trochę nad podaży specjalistów u nas, konkretnie w kraju, czyli zbyt dużej ilości specjalistów w stosunku do ilości miejsc, gdzie oni są faktycznie na tym lokalnym rynku potrzeby. I najciekawsze w tym artykule, przynajmniej moim zdaniem, oczywiście feel free, żeby mnie tutaj skontrolować, najciekawszy jest wykres. Ja w sumie nie wiem, mam nadzieję, że teraz pokazujemy ten wykres, sprawdzimy, czy prawnie możemy go pokazać, bo jednak to jest jakiś tam... Ja myślę, że poprosimy Clouda, żeby wygenerował, bo go to jest na podstawie publicznie dostępnych danych. Okej, bo to jest tak, to jest przygotowane przez pól biznesu. I tutaj to, co widzimy, to widzimy bardzo dużą dysproporcję. Czyli mamy pewne rynki, gdzie jest duży niedobór specjalistów w stosunku do potrzeb rynku.