Przez lata personalizacja oprogramowania polegała głównie na zmianie treści. Sklep ustawiał produkty w innej kolejności, serwis informacyjny dobierał artykuły, a platforma streamingowa proponowała kolejne filmy. Sam interfejs pozostawał jednak w dużej mierze wspólny: te same ekrany, przyciski i ścieżki dla wszystkich.
Runway proponuje pójść krok dalej. Zaprezentowany pod koniec sierpnia Solaris nie dobiera elementów gotowej aplikacji, lecz generuje jej warstwę wizualną na bieżąco, klatka po klatce. Jeśli ten kierunek się przyjmie, personalizowany będzie nie tylko wynik działania programu, ale również sposób, w jaki człowiek z niego korzysta.
To interesująca perspektywa. Nie oznacza jednak, że kod staje się zbędny albo że za chwilę znikną aplikacje. Solaris pokazuje raczej, że pomiędzy intencją użytkownika a deterministycznym rdzeniem systemu może pojawić się nowa, generowana warstwa.
Obraz, który zachowuje się jak program
Typowy interfejs powstaje z wcześniej przygotowanych komponentów i reguł. Projektant określa wygląd, programista implementuje zachowanie, a aplikacja reaguje w sposób przewidziany w kodzie. Możliwości użytkownika są szerokie, ale skończone.
Solaris działa inaczej. Model językowy interpretuje intencję i ustala, co powinna znaczyć dana czynność. Model świata generuje natomiast kolejne obrazy pokazujące jej rezultat. Kliknięcie, przeciągnięcie lub polecenie tekstowe stają się sygnałem wpływającym na następną klatkę.
W demonstracjach można przeciągnąć ubranie z wieszaka na własną sylwetkę, przesunąć meble w pokoju, zajrzeć pod maskę samochodu albo zbudować sałatkę przez wkładanie składników do miski. Nie są to klasyczne ekrany połączone nawigacją. Bardziej przypominają interaktywne wideo, które zachowuje ciągłość sceny i reaguje na użytkownika.
Runway nazywa tę kategorię „Interface World Models”, czyli modelami świata przeznaczonymi do generowania interfejsów. W opublikowanej równolegle pracy badawczej firma opisuje Solaris jako pierwszy krok w stronę oprogramowania, którego wygląd i zachowanie nie muszą być w całości określone przed uruchomieniem.
Kod nie jest tylko stratnym tłumaczeniem projektu
Najbardziej prowokacyjna część argumentacji Runway dotyczy kodu. Firma przedstawia go jako warstwę pośrednią, która upraszcza wizualny pomysł i ogranicza możliwe zachowania. Skoro model potrafi bezpośrednio generować obraz oraz reakcję na działanie użytkownika, ten etap miałby przestać być potrzebny.
To efektowne, ale niepełne ujęcie roli oprogramowania. Kod nie służy wyłącznie do odtworzenia projektu ekranu. Opisuje stan systemu, reguły biznesowe, uprawnienia, zależności i sytuacje wyjątkowe. Pozwala zagwarantować, że ta sama operacja wykonana w tych samych warunkach przyniesie przewidywalny rezultat.
W sklepie internetowym model może wygenerować przekonującą przymierzalnię albo pokazać sofę w salonie klienta. Nie powinien jednak wymyślać ceny, dostępności towaru, terminu dostawy ani warunków zwrotu. Tym bardziej nie może swobodnie interpretować płatności lub zgody na zawarcie umowy. W tych miejscach przewidywalność nie jest ograniczeniem kreatywności, lecz podstawą zaufania.
Solaris nie usuwa więc pośredniej reprezentacji w takim stopniu, jak sugeruje to jego opis. Przenosi część logiki z jawnego kodu do parametrów modeli, instrukcji tekstowych i kontekstu sesji. Interfejs może wyglądać na pozbawiony implementacji, ale jego zachowanie nadal wynika z technicznego systemu, tyle że trudniejszego do prześledzenia i przetestowania.
Personalizacja obejmie nie tylko treść
Właśnie tutaj pojawia się najciekawsza konsekwencja podejścia zaproponowanego przez Runway. Dzisiejsze systemy personalizują głównie zawartość wspólnego szablonu. Zmieniają produkty, rekomendacje lub kolejność modułów, ale użytkownicy wciąż rozpoznają tę samą aplikację.
Generowany interfejs może zmieniać także formę zadania. Osoba urządzająca mieszkanie zobaczy pokój, w którym przesuwa wyposażenie. Ktoś porównujący aparaty fotograficzne może otrzymać symulację ujęć w różnych warunkach. Początkujący użytkownik dostanie instrukcję reagującą na jego błędy, a ekspert skróconą ścieżkę pozbawioną wyjaśnień, których nie potrzebuje.
Nie chodzi zatem o bardziej elastyczny wygląd strony. Chodzi o odejście od założenia, że każde zadanie musi zostać przełożone na ten sam zestaw formularzy, filtrów i ekranów.
Od nazwy produktu do celu zakupu
Pierwszy etap tej zmiany można już obserwować w e-commerce. W publicznym podsumowaniu testów Asystenta AI na Allegro firma zwraca uwagę, że użytkownicy odchodzą od wpisywania nazw konkretnych produktów i częściej opisują zadanie. Zamiast szukać „butów trekkingowych”, pytają: „jadę w góry, co kupić”. W fazie testów z rozwiązania skorzystało ponad 600 tys. osób.
Dziś odpowiedzią na taką potrzebę jest rozmowa osadzona w znanej aplikacji. Model pomaga zrozumieć cel, ale ostatecznie prowadzi do istniejących list, kart produktów i koszyka. Solaris podpowiada, jak mógłby wyglądać kolejny krok: system tworzyłby interaktywną sytuację zakupową, na przykład wyposażenie wyjazdu rozłożone przed użytkownikiem, i pozwalał je uzupełniać bez rozpoczynania od katalogu kategorii.
Nie oznacza to, że taki interfejs zastąpi wyszukiwarkę lub kartę produktu. Przy inspiracji i rozpoznawaniu potrzeby swoboda jest zaletą. Przy porównywaniu parametrów, sprzedawców, cen i warunków dostawy użytkownik może nadal potrzebować uporządkowanej, stabilnej struktury. Najbardziej prawdopodobny jest model hybrydowy: generowane doświadczenie do odkrywania możliwości oraz deterministyczny interfejs tam, gdzie liczy się precyzja i możliwość weryfikacji.
Gdy każdy widzi inną aplikację
Pełna personalizacja interfejsu tworzy również problemy, których nie rozwiązuje lepsza jakość obrazu.
Jak dział wsparcia ma pomóc użytkownikowi, skoro nie wie, jaki ekran został mu wygenerowany? Jak odtworzyć błąd, przygotować instrukcję albo sprawdzić, czy ważna informacja była rzeczywiście widoczna? Jak porównywać zachowania użytkowników, jeśli każdy realizuje zadanie w innej przestrzeni?
Dochodzi do tego dostępność. Czytnik ekranu nie pracuje na wrażeniu wizualnym, lecz na semantycznej strukturze dokumentu. Generowany obraz musiałby mieć równoległy, aktualizowany opis elementów, relacji i możliwych działań. Samo rozpoznanie, że na ekranie znajduje się przycisk, nie wystarczy. System musi jeszcze wiedzieć, czym on jest, jaki ma stan i co dokładnie nastąpi po jego użyciu.
Potrzebne będą też granice personalizacji. Interfejs nie może ukrywać informacji tylko dlatego, że model uznał je za mniej istotne. Nie powinien zmieniać sposobu wyrażania zgody, utrudniać rezygnacji ani dobierać perswazji do podatności konkretnej osoby. To, co w demonstracji jest elastycznością, w produkcie komercyjnym może łatwo stać się trudnym do wykrycia wzorcem manipulacji.
Praktyczny system tego rodzaju wymagałby więc nie tylko modelu generującego klatki, lecz także zestawu niezmiennych reguł, semantycznej mapy interakcji, rejestrowania przebiegu sesji i możliwości jej odtworzenia. Im bardziej płynny staje się interfejs, tym mocniejsze muszą być mechanizmy działające pod nim.
Test mierzy przede wszystkim naturalność
Wyniki pokazane przez Runway są obiecujące, ale warto czytać je zgodnie z zakresem badania. W porównaniu obejmującym 30 przykładów i około 7,5 tys. ocen uczestnicy częściej wybierali rezultat Solarisa niż interfejs wygenerowany w kodzie przez Claude Opus 5. Przewaga była szczególnie duża przy pytaniu o naturalne zachowanie sceny.
Badanie przygotował ten sam zespół, który zbudował model. Nie jest to też porównanie z dojrzałą aplikacją zaprojektowaną i zaimplementowaną przez zespół produktowy. Ewaluacja nie odpowiada na pytania o skuteczność wykonania zadania, liczbę błędów, dostępność, koszt, bezpieczeństwo ani stabilność podczas długiej sesji. Mierzy przede wszystkim obszar, w którym model wizualny ma naturalną przewagę nad kodem tworzonym na podstawie obrazu.
Runway przyznaje zresztą, że Solaris nadal ma problemy z czytelnym tekstem, wiarygodnością informacji, spójnością dłuższych interakcji oraz integracją z technologiami wspierającymi dostępność. Firma nie udostępnia jeszcze modelu publicznie; zbiera zgłoszenia do wczesnego dostępu i zapowiada uruchomienie go z partnerami.
To ważne zastrzeżenia. Nie przekreślają kierunku, ale oddzielają demonstrację nowego sposobu interakcji od gotowej alternatywy dla współczesnego oprogramowania.
Aplikacje nie znikną, ale mogą stracić stały kształt
Solaris może nigdy nie stać się warstwą systemu operacyjnego, którą opisuje Runway. Już teraz trafnie stawia jednak pytanie o jedno z najbardziej trwałych założeń branży: dlaczego system rozumiejący cel użytkownika nadal ma prowadzić go przez identyczne, wcześniej zaprojektowane ekrany?
Odpowiedzią raczej nie będzie całkowita rezygnacja z kodu. Bardziej prawdopodobny wydaje się podział na dwie warstwy. Pierwsza pozostanie deterministyczna i będzie odpowiadać za dane, transakcje, uprawnienia oraz reguły. Druga stanie się generowana, kontekstowa i dopasowana do aktualnego zadania.
Do tej pory generatywna AI zmieniała głównie treści umieszczane wewnątrz aplikacji. Solaris przenosi ją na granicę między człowiekiem a systemem. To wystarczająco duża zmiana, nawet jeśli ekran może być generowany, a prawda pod nim nadal musi być zapisana znacznie bardziej tradycyjnie.
Leave a Comment