Anthropic’in Claude AI modeline entegre ettiği “Computer Use” modu, kullanıcıların insan benzeri etkileşimlerle görevleri otomatikleştirmesini sağlama vaadiyle büyük bir heyecan yaratmıştı. Singapur Ulusal Üniversitesi’nin Show Lab tarafından yapılan yeni bir çalışma, bu özellik hakkında kapsamlı bir analiz sunarak güçlü yönlerini ve mevcut sınırlamalarını ortaya koyuyor.

Computer Use Modunun Yetkinlikleri

Claude, bir GUI (Grafiksel Kullanıcı Arayüzü) ajanı olarak cihazlarla insanlar gibi etkileşim kurabiliyor. Bu mod, yalnızca masaüstü ekran görüntülerine erişiyor ve fare ile klavye eylemlerini tetikleyerek çalışıyor. API erişimine ihtiyaç duymadan, yalnızca basit talimatlarla görevleri otomatikleştirme imkânı sağlıyor.

Araştırmacılar Claude’u şu dört alanda test etti:

• Web Arama: Ürün arama ve satın alma gibi işlemler.
• İş Akışı Tamamlama: Çoklu uygulama kullanımıyla veri çıkarma ve düzenleme.
• Ofis Verimliliği: Belgeleri biçimlendirme, e-posta gönderme, sunum oluşturma.
• Video Oyunları: Çok adımlı görevler ve planlama yeteneği.

Claude’un her bir görevde planlama, uygulama ve kritik değerlendirme yetenekleri değerlendirildi.

Başarıları

1. Kompleks Görevler: Claude, birden fazla adımı planlayıp uygulayarak karmaşık görevleri yerine getirme konusunda etkileyici bir performans sergiledi.
2. Araçlar Arası Koordinasyon: Verileri web sayfalarından alıp tablolara yapıştırma gibi çoklu uygulama kullanımını başarıyla gerçekleştirdi.
3. Görev Sonu Denetim: Görev tamamlandıktan sonra sonuçları gözden geçirerek, hedefle uyumlu olup olmadığını değerlendirdi.

Claude’un farklı araç ve uygulamalar arasındaki ilişkileri kavrayarak bu uyumu sağlaması, modelin kapsamlı bir anlayışa sahip olduğunu gösteriyor.

Sınırlamaları

1. Basit Hatalar: Mod, bazen insanlar için basit olan görevlerde başarısız oluyor. Örneğin, bir abonelik tamamlamak için bir web sayfasını aşağı kaydırmayı unuttu.
2. Hataları Anlamlandırma: Yapılan hataların nedenini yanlış yorumlayarak sonuçsuz kaldığı durumlar mevcut.
3. İnsan Nüanslarını Taklit Etme: Model, insan kullanıcıların bilgisayarı nasıl kullandığını tam anlamıyla kopyalayamıyor.

Araştırmacılar, bu eksikliklerin, modelin kendi performansını değerlendirme mekanizmalarındaki yetersizlikten kaynaklandığını belirtiyor.

Kurumsal Uygulamalara Etkisi

• Fırsatlar: Basit metin tanımlarıyla görevleri otomatikleştirme potansiyeli cazip olsa da, teknoloji şu anda kitlesel dağıtıma uygun değil.
• Riskler: Modellerin tutarsız davranışları, hassas uygulamalarda öngörülemez sonuçlar doğurabilir. Ayrıca, fare ve klavye kontrolü gibi özelliklerin güvenlik açıkları oluşturabileceği belirtiliyor.
• APİ’lere Alternatif Değil: İnsanlar için tasarlanmış arayüzleri kullanmak, API’ler aracılığıyla yapılan işlemlere kıyasla daha yavaş bir yöntem.

Claude Computer Use gibi araçlar, ürün ekiplerinin fikir keşfetmesine ve sorunlara farklı çözümler geliştirmesine olanak tanıyor. Ancak, büyük ölçekte otomasyon için daha sağlam altyapılar, API’ler ve mikro hizmetler gerekli olmaya devam ediyor.