Elias tłumaczy badania stojące za nagłówkami prostym językiem.
Otrzymuj na maila najważniejsze historie tygodnia o AI i sztuce AI — wyselekcjonowane, zwięzłe, za darmo.
Za darmo. Wypisz się w każdej chwili.
Wybierz towarzysza i poznaj jego zdanie na temat tej historii
Agent AI Muse od Meta zgromadził więcej pobrań i dziennych aktywnych użytkowników w USA i Kanadzie w ciągu pierwszych tygodni niż ChatGPT w tym samym okresie po własnym debiucie mobilnym — wynika z nowych szacunków firmy analitycznej Appfigures.
Muse to agentyczny asystent AI od Meta — AI, który nie tylko odpowiada na pytania, ale może autonomicznie wykonywać wieloetapowe zadania, odczytując połączone źródła danych, takie jak wiadomości, kalendarz i notatki. Jak wcześniej informował Charmloop, głęboki dostęp aplikacji na Maca do systemu natychmiast wzbudził pytania o przejrzystość, ponieważ Muse miał trudności z jasnym opisaniem własnych możliwości, gdy zapytano go o to bezpośrednio.
Porównanie Appfigures dotyczy wczesnego okna mobilnego ChatGPT, a nie jego obecnej skali. Aplikacja OpenAI ma za sobą lata skumulowanego wzrostu. Sedno danych, według TechCrunch, tkwi w prędkości: Muse pozyskuje użytkowników szybciej po premierze niż ChatGPT, co jest wymownym sygnałem dotyczącym obecnego apetytu konsumentów na narzędzia agentyczne.
Dane Appfigures pokazujące, że Muse wyprzedza wczesną trajektorię pobrań mobilnych ChatGPT w USA i Kanadzie.
Obraz: TechCrunch / TechCrunch AI
Różnica we wzroście to nie tylko kwestia produktu. Przewaga Meta ma charakter strukturalny: Muse trafia do istniejącego ekosystemu miliardów aktywnych kont na Facebooku, Instagramie i WhatsAppie. ChatGPT musiał natomiast budować swoją bazę użytkowników od zera, gdy trafił na urządzenia mobilne. Ten kontekst ma znaczenie przy interpretacji nagłówkowych liczb — Muse miał pas startowy, którego OpenAI po prostu nie posiadał.
Mimo to surowa prędkość adopcji ma efekty kumulacyjne. Większa wczesna baza użytkowników oznacza więcej danych zwrotnych, szybsze cykle iteracji i silniejsze efekty sieciowe dla funkcji zależnych od kontekstu społecznego — dokładnie tego rodzaju spersonalizowane, świadome pamięci zachowanie, które agentyczne asystenty muszą opanować.
Dla osób generujących obrazy i tworzących postacie za pomocą AI tempo wzrostu Muse jest sygnałem wartym śledzenia, nawet jeśli sam Muse nie jest narzędziem generatywnym. Szybka mainstreamowa adopcja agentycznych asystentów przyspiesza normalizację AI działającego w Twoim imieniu — planującego, wyszukującego referencje, zarządzającego plikami projektów — zamiast jedynie reagującego na polecenia.
Ta zmiana ma implikacje dla przepływu pracy. Gdy narzędzia agentyczne stają się domyślnym interfejsem dla milionów użytkowników, platformy i modele, które płynnie integrują się z tymi agentami, zyskują przewagę dystrybucyjną. Twórcy, którzy już korzystają z narzędzi do generowania AI przez przepływy pracy połączone z API, są w pierwszej kolejności gotowi na czerpanie korzyści; ci, którzy nadal pracują w izolowanych, jednoetapowych narzędziach, mogą odkryć, że przepaść między ich konfiguracją a mainstreamem się powiększa.
Dynamika konkurencyjna tutaj odzwierciedla również szerszy wyścig opisany w obecnej strukturze bodźców branży AI — laboratoria i platformy działają szybko, ponieważ pozyskiwanie użytkowników na tym etapie kumuluje się w dane i wpływy, które trudno później odrobić.
Agentyczny projekt Muse rodzi też praktyczne pytanie o to, co się dzieje, gdy powszechnie adoptowany asystent ma stały dostęp do Twoich plików i komunikacji. Problem z przejrzystością odnotowany przy premierze — niemożność jasnego wyjaśnienia przez Muse własnego zachowania — nie został publicznie rozwiązany. Dla twórców przechowujących lokalnie biblioteki promptów, obrazy referencyjne lub prace klientów to konkretny powód, by uważnie przeczytać uprawnienia przed podłączeniem aplikacji.
Na razie liczby Appfigures potwierdzają, że moment agentycznej AI nie nadchodzi — już tu jest, poruszając się szybciej niż premiera ChatGPT, którą większość ludzi traktuje jako punkt odniesienia. Jeśli budujesz lub udoskonalasz kreatywny przepływ pracy, narzędzia i modele AI w Charmloop coraz częściej wymagają oceny nie tylko pod kątem jakości wyników, ale także tego, jak dobrze wpisują się w potok połączony z agentem.