واقعیت سرد ایجنت‌های هوش مصنوعی: آمار ناچیز سفارش‌های غذای DoorDash — Basically no one is using AI agents for their DoorDash orders
خلاصه
با وجود هیاهوی پیرامون ایجنت‌های هوش مصنوعی، آمار جدید شرکت DoorDash نشان می‌دهد که این ابزارها تنها چند صد سفارش ثبت کرده‌اند. این مقاله به بررسی چالش‌های فنی، پروتکل MCP و نظرات برنامه‌نویسان در هکرنیوز درباره کاربرد واقعی ایجنت‌ها می‌پردازد.
توسعه‌دهندگان و شرکت‌های فناوری این روزها سرمایه‌گذاری سنگینی روی ایجنت‌های مبتنی بر LLM انجام داده‌اند تا فرآیند خرید کالا و خدمات را دگرگون کنند. با این حال، آمارهای جدید نشان می‌دهد که کاربران عادی تمایلی به استفاده از این فناوری برای کارهای روزمره ندارند. بر اساس گزارش مدیرعامل DoorDash، ایجنت‌های هوش مصنوعی خارجی در این پلتفرم تا کنون تنها توانسته‌اند چند صد سفارش ثبت کنند.
زمینه و وضعیت فعلی در DoorDash
شرکت DoorDash در سه ماهه پایانی سال نزدیک به یک میلیارد سفارش را پردازش کرده است و ثبت تنها چند صد سفارش توسط ایجنت‌های هوش مصنوعی، رقمی نزدیک به صفر محسوب می‌شود. به گفته مدیرعامل این شرکت، Tony Xu، هوش مصنوعی برای خریدهای پیچیده و تصمیم‌گیری‌های طولانی‌مدت که نیاز به کارهای پس‌زمینه دارند مفید است، اما برای کارهای ساده‌ای مانند سفارش غذا، کاربران ترجیح مستقیماً از اپلیکیشن استفاده کنند.
از سوی دیگر، این شرکت به تازگی رابط Model Context Protocol یا همان MCP را معرفی کرده است. پروتکل MCP به ابزارهای شخص ثالث اجازه می‌دهد به شکلی استاندارد به پلتفرم متصل شوند. با این وجود، این امکان هنوز در مرحله بتا و دسترسی محدود (عمدتاً برای سفارش‌های ناهار سازمانی) قرار دارد و دسترسی عمومی به آن بسیار محدود است.
ابزارهای داخلی در برابر ایجنت‌های خارجی
جالب اینجاست که ابزارهای داخلی خود DoorDash نتایج متفاوتی داشته‌اند. ویژگی «Ask DoorDash» که امسال معرفی شد، به کاربران اجازه می‌دهد سبد خرید خود را از روی عکس یک دستور پخت بسازند یا با توصیفاتی مانند «شام برای چهار نفر» پیشنهاد دریافت کنند. طبق آمارهای شرکت، سبدهای خرید ساخته شده با این ابزار ارزش مالی بالاتر و تنوع آیتم بیشتری دارند، اما این موضوع شامل ایجنت‌های مستقل خارج از سیستم نمی‌شود.
نگاه جامعه برنامه‌نویسان در هکرنیوز
بحث‌های شکل‌رفته پیرامون این خبر در هکرنیوز نکات فنی و تجربی جالبی را روشن می‌کند:
- کارایی در برابر سادگی: بسیاری از کاربران معتقدند استفاده از ایجنت هوش مصنوعی برای کارهایی که با چند کلیک ساده قابل انجام است، توجیهی ندارد و تنها به هدررفت توکن (Token Burning) منجر می‌شود.
- کیفیت پایین داده‌ها: برخی توسعه‌دهندگان اشاره کرده‌اند که داده‌های متادیتا و تصاویر غذاها در این پلتفرم‌ها اغلب ناقص یا تولید شده توسط هوش مصنوعی هستند و به همین دلیل نمی‌توان به ایجنت‌ها برای انتخاب دقیق غذای مورد علاقه اعتماد کرد.
- محدودیت دسترسی: منتقدان یادآور شده‌اند که با توجه به در دسترس نبودن پروتکل MCP برای عموم، آمار پایین سفارش‌ها تعجب‌آور نیست.
- بازآفرینی پیچیده APIها: برخی کاربران رویکرد فعلی ایجنت‌ها را تلاشی برای پیچیده‌تر کردن ارتباطات با لایه‌های اضافی روی ساختارهای سنتی API توصیف کرده‌اند.
چرا این موضوع برای مهندسان نرم‌افزار اهمیت دارد؟
برای طراحان سیستم و توسعه‌دهندگان، این خبر نشانه‌ای از شکاف میان هایپ (Hype) بازاریابی هوش مصنوعی و رفتار واقعی کاربران است. افزودن لایه‌های ایجنتیک به هر محصولی لزوماً تجربه کاربری را بهبود نمی‌دهد. در حال حاضر، تعامل مستقیم با رابط‌های کاربری سنتی یا APIهای مشخص برای کارهای روزمره همچنان کارآمدتر و قابل‌اعتمادتر به نظر می‌رسد.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل