Der rein sprachgesteuerte Personal Agent ist da. Vielleicht ist dies genau das Siri, das Steve Jobs im Sinn hatte.
Das Siri in Steve Jobs' Vorstellungen könnte nun endlich Wirklichkeit werden.
So sieht es aus —
Abgesehen von allen anderen Punkten gibt es endlich ein KI-Produkt mit ansprechender Ästhetik, diese Benutzeroberfläche wirkt wirklich angenehm...
Aber das Bedeutendere kommt noch.
Dieser Sprachassistent ist einfach unglaublich faszinierend.
Es ist genau so, als hätte man einen persönlichen Sekretär zur Seite: Man kann Kaffee trinken und Brot essen, während man ihm zuhört, wie er über die heute beachtenswerten Nachrichten berichtet.
Das Entscheidende ist, dass es sehr menschlich wirkt. Selbst wenn Sie es mitten im Satz unterbrechen und ihm eine Aufgabe zuweisen, wie zum Beispiel „Hilf mir, eine E-Mail zu beantworten“, gerät es nicht in peinliches Schweigen.
Es ist buchstäblich Samantha aus dem Film Her .
Es ist fast unvorstellbar: Vor fünf Jahren konnte man solche Szenen nur im Kino sehen.
Die KI-Branche entwickelt sich schon so lange, jede Woche liefern die großen Hersteller unaufhörlich neue Funktionen, im Spitzenbereich tauchen ständig neue Tricks auf, wie die Steuerung von Blender, niedrigdimensionale Roboter, die Lösung von Jahrtausende alten Problemen...
Aber ehrlich gesagt, ich habe nie gefunden, dass diese Dinge besonders aufregend sind.
Sie sind den normalen Menschen viel zu fern. Das reale Leben der überwiegenden Mehrheit wird sich kurzfristig nicht einmal im Geringsten durch diese Spitzendurchbrüche verändern.
Aber nachdem ich dieses Produkt fast eine Woche lang abwechselnd verwendet habe, sind alle meine früheren romantischen Vorstellungen vom KI-Zeitalter plötzlich konkret geworden.
Ich denke sogar —
Das ist bisher vielleicht der KI-Assistent, der am nächsten an Science-Fiction-Filmen ist und alle meine romantischen Vorstellungen erfüllt.
Sein Name lautet Orilo.
Das peinliche Personal Agent
Das Konzept des Personal Agent wurde in letzter Zeit tatsächlich über den Himmel gelobt.
Die Wachstumsrate von Muse hat zeitweise GPT überholt, Agent hat sich vollständig von einem Produktivitätswerkzeug in den Händen von Nerds zum Massenverbrauchermarkt entwickelt.
Aber ehrlich gesagt, die meisten Erlebnisse sind nicht viel besser als das „Krebs“ zu Beginn des Jahres...
Ich weiß nicht, wie es euch geht, aber ich hatte nur in den ersten Tagen, nachdem ich den Einladungscode erhalten hatte, etwas Neugier, und ich habe ihm ausnahmsweise die Berechtigung für Benachrichtigungen erteilt.
Und dann gab es kein Weiteres mehr.
Das Tippen ist einfach zu quälend. Noch unmenschlicher ist sein aktiver Push-Mechanismus: Plötzlich vibriert es in der Tasche, ich denke, es ist eine dringende WeChat-Benachrichtigung, aber als ich mir mühsam in der U-Bahn das Handy hole, sehe ich, dass Muse mich an eine To-Do-Liste erinnert, die vor Ewigkeiten abgelaufen sein sollte...
Ich war damals einfach sprachlos.
Deshalb habe ich immer gedacht, dass die bisherigen Lösungen auf dem Personal Agent-Markt noch sehr unausgereift sind.
Die allermeisten Personal Agent stecken in derselben tödlichen Sackgasse. Ich nenne es „Ein Niedrig, Zwei Hoch“:
Die Nutzungshäufigkeit ist extrem niedrig.
Egal ob es darum geht, Flugtickets zu buchen oder Streaming-Dienste zu kündigen, es klingt wirklich cool. Aber wie oft trifft man auf solch komplexe Aufgaben in einem Monat?
Für so selten auftauchende lästige Dinge muss ich mich noch lange mit ihm abstimmen, warum mache ich es nicht einfach selbst mit ein paar Klicks?
Die Reibung bei der Interaktion ist extrem hoch.
Wenn Sie Auto fahren, Geschirr spülen, kochen oder laufen, sind Ihre Hände und Ihr Blick vollständig gebunden.
Da vibriert es in der Tasche und fordert Sie auf, anzuhalten, das Handy herauszuholen und mit der KI zu tippen, um Logik zu diskutieren — ist das in der Realität machbar?
Die Betriebskosten sind extrem hoch.
Jedes Mal, wenn das große Modell im Hintergrund aufgerufen wird, erfordern diese Szenen sehr komplexe Tool-Aufrufe, jeder Loop kostet echtes Geld.
Mit einer solchen Kostenstruktur ist die skalierte Verbreitung bei Verbraucherprodukten praktisch unmöglich.
Der technische Fundamentalismus regiert diese Branche schon zu lange. Aber Produkte wie persönliche Begleiter gewinnen nicht nur dadurch, dass das Modell viele Parameter hat und hohe Benchmark-Ergebnisse erzielt.
Die nächste Generation von Agenten, die überleben können, muss unbemerkt und häufig im Alltag integriert sein.
Sprache ist der wahre Eingang
Das ist auch der Punkt am Produkt Orilo, der mich am meisten berührt.
Es hat eine sehr intuitive neue Lösung gefunden —
Voice-first, sprachgesteuert zuerst.
Warum sage ich, dass Sprache für C-End-Produkte sehr, sehr wichtig ist?
Es ist die natürlichste Interaktionsweise des Menschen.
Schrift wurde lange nach der Sprache erfunden, ihr Hauptzweck war die Wissensvermittlung, für die tägliche Kommunikation ist sie eigentlich kein Notwendiges.
Denken Sie daran: Es gibt so viele Situationen im Leben, in denen es unpraktisch ist, Textinformationen zu lesen — beim Autofahren, Kochen, Kinderbetreuung...
Noch wichtiger ist, dass Menschen beim Sprechen unbewusst mehr persönlichen Kontext (Conversational Context) preisgeben.
Sie sagen nicht nur „Buch mir ein Ticket“, Sie sagen vielleicht nebenbei „Buch mir ein Ticket nach Shanghai für nächsten Mittwoch, in der Nähe des Hotels von letztem Mal, und diesmal soll das Budget etwas knapper sein“.
Diese „nebenbei“ genannten Informationen finden sich in keinem Konnektor, aber sie sind der Schlüssel zum Verständnis einer Person.
Aber das reicht noch nicht.
Sprache hat so viele Märkte, für ein neues KI-Produkt muss man eine Killer-Anwendung finden.
Das ist auch der zweite clevere Punkt von Orilo: Sie haben eine schwierig zu erreichende Einstiegsposition gefunden —
Der Morgen.
Das ist das Szenario mit der höchsten Informationsverarbeitungsfrequenz im Laufe eines Tages.
Man ist gerade aufgewacht, der Kopf ist noch verwirrt, man will dringend wissen, was draußen in der Welt passiert ist und wie man die heutigen Dinge arrangieren soll.
Aber ausgerechnet dann hält man Zahnbürste oder Kaffeebecher in der Hand.
Genau auf diesen Schmerzpunkt zielt Orilo ab.
Die Hände sind vollständig befreit, das Gerät kann man zur Seite legen, man muss Informationen nur per Sprache empfangen.
Wenn man währenddessen irgendetwas anweisen möchte, gibt man die Anforderung direkt per Sprache an die KI weiter.
Ich bin total gerührt, Leute: Endlich gibt es ein Team, das nicht in ergonomischen Stühlen sitzt, die Beine hochlegt und sich die Schmerzpunkte der Nutzer ausdenkt.
Und bei der Benutzeroberfläche finde ich es wirklich überlegen.
Endlich gibt es nicht mehr die einheitlichen Dialogfelder und die vollgestopfte Symbolleiste...
Die Form ist ein Wassertropfen. Es ist mit dem physischen Gyroskop des Handys verbunden: Wenn Sie das Handy neigen, gleitet es wie ein echter Wassertropfen langsam über den Bildschirm.
(ps: So sollte ein C-End-Produkt aussehen, merkt euch das, Leute!!!)
Zu den praktischen Szenen nenne ich drei Punkte, die mich am meisten anziehen —
Ihre ganz persönliche Morgenzeitung
Einfach gesagt ist es eine Nachrichten-Schnellmeldung, Muse hat diese Funktion auch.
Aber ehrlich gesagt nutze ich sie selten, schließlich funktioniert sie im Grunde nur mit harten Pushs basierend auf Interessen-Tags, im Wesentlichen ist es nur ein umgestalteter Informationsstrom.
Orilo hat die Logik vollständig geändert.
Es verfolgt nicht nur, was passiert ist, sondern überlegt auch, was das für Sie bedeutet.
Zum Beispiel, wenn Sie sich normalerweise sehr für Anthropic interessieren, weiß es aus historischen Dialogen und Langzeitgedächtnis, dass Sie sich mehr für die Umgestaltung der Wertschöpfungskette im großen Modell-Ökosystem interessieren als für den Börsengang.
Wenn es Ihnen also am frühen Morgen die neuesten Finanzierungsnachrichten vorliest, fügt es gleich eine maßgeschneiderte Interpretation hinzu, die genau aus der Perspektive Ihrer Arbeit stammt.
Es ist genau so, als stünde ein Top-Branchenanalyst an Ihrem Bett, trinkt Kaffee und redet privat mit Ihnen.
Es behält die Langschwanz-Informationen für Sie fest im Blick
Wir wollen jeden Tag zu vielen Dingen auf dem Laufenden bleiben: ein unbekanntes Startup, eine Gruppenphase der Champions League oder ein Podcast, der schon lange nicht mehr aktualisiert wurde.
Aber die menschliche Aufmerksamkeit ist extrem begrenzt, wer hat jeden Tag Zeit, manuell in Suchfeldern zu suchen?
Jetzt reicht es, wenn Sie es per Sprache kurz mitteilen.
Es hängt 7x24 Stunden im Hintergrund an den Informationsquellen für Sie, sobald es irgendwelche Neuigkeiten gibt, meldet es sich aktiv bei Ihnen zu einem passenden Zeitpunkt.
Ein Satz schließt die gesamte Operationskette ab
Natürlich liegt mehr Potenzial in der Fähigkeit, Kontext aus Unterdomänen verschiedener Apps abzurufen.
Wie andere Personal Agent hat Orilo auch einen Eingang für Konnektoren, in dem einige gängige Plugins integriert sind.
Nehmen wir E-Mail als Beispiel.
Während Sie gerade die Morgen-Nachrichten hören, erinnern Sie sich plötzlich, dass Sie die Arbeitsmails von heute noch nicht gelesen haben.
„Hilf mir, meine E-Mails anzusehen.“
Orilo schließt nahtlos den Tool-Aufruf an und extrahiert die wichtigen Informationen in nur zwei bis drei Sekunden:
Kollege A teilt mit, dass Sie die Folien für die Präsentation nächsten Dienstag aktualisieren müssen.
Natürlich gibt es auch die Fähigkeit zur aktiven Verfolgung.
Zum Beispiel schickt die Schule Ihres Kindes am Morgen plötzlich eine E-Mail, dass die Schulschlusszeit auf 15 Uhr vorverlegt wird. Nachdem Orilo diese E-Mail erfasst hat, fügt es während des Vorlesens der Morgen-Nachrichten nebenbei hinzu:
Die Schule Ihres Kindes endet heute früher, soll ich Ihnen einen Termin im Kalender hinzufügen?
Während Sie sich die Zähne putzen, antworten Sie undeutlich:
Füge ihn hinzu, erinnere mich eine halbe Stunde vorher.
Erledigt.
Vom „Erfassen wichtiger Informationen“ bis zur „Ausführung von Aufgaben über verschiedene Apps hinweg“ ist der gesamte Prozess in zwei Sätzen nahtlos abgeschlossen.
Ein Vergleich mit aktuellen Konkurrenten macht das vielleicht noch deutlicher.
Wenn