OpenAI در یکی از بهروزرسانیهای جدید ChatGPT، قابلیت استفاده از اپلیکیشنهای متصل را به حالت مکالمه صوتی یا Voice آورده است. به این ترتیب، کاربر میتواند هنگام صحبتکردن با اکانت پلاس ChatGPT درباره اطلاعات موجود در سرویسهایی مانند Gmail، Google Calendar یا Slack سؤال کند و پاسخ را بدون نیاز به تایپ دریافت کند.
این قابلیت از ۲۳ سپتامبر ۲۰۲۶ روی وب، iOS و Android ارائه شده و برای کاربران Free و Go نیز، در محدوده افزونهها و اپلیکیشنهای پشتیبانیشده توسط حسابشان، قابل استفاده است. OpenAI همچنین اعلام کرده که Voice در محیط ChatGPT Work نیز میتواند از اپلیکیشنهای متصل استفاده کند و روی اسناد، ارائهها و فایلهای جدولی کار کند.
از ایمیل و تقویم تا Slack؛ Voice حالا کاربردیتر شده است
پیش از این، حالت Voice بیشتر برای گفتوگوی طبیعی با ChatGPT کاربرد داشت؛ اما با این بهروزرسانی، این حالت میتواند از دادههای سرویسهای متصل نیز استفاده کند.
برای مثال، کاربر میتواند در جریان یک مکالمه صوتی بپرسد:
- «امروز چه ایمیلهایی در Gmail دریافت کردهام؟»
- «جلسههای امروز من در تقویم چیست؟»
- «در کانال Slack درباره این پروژه چه صحبت شده است؟»
ChatGPT در صورت داشتن دسترسی لازم، اطلاعات مربوط را از سرویس متصل دریافت کرده و پاسخ را در جریان مکالمه ارائه میکند. پاسخهای متنی نیز همزمان در محیط چت نمایش داده میشوند.
نکته مهم این است که فعالشدن Voice بهمعنای اعطای دسترسی جدید به اپلیکیشنها نیست. OpenAI میگوید اتصالهای موجود، مجوزهای قبلی و محدودیتهای مربوط به حساب کاربر همچنان اعمال میشوند. بنابراین Voice از همان سطح دسترسیای استفاده میکند که پیشتر برای اپلیکیشن متصل تعریف شده است.
یک محدودیت مهم: گفتن «بله» کافی نیست
مهمترین نکته امنیتی این بهروزرسانی مربوط به اقداماتی است که نیاز به تأیید کاربر دارند.
فرض کنید از ChatGPT بخواهید یک ایمیل را آماده کند و سپس آن را ارسال کند. حتی اگر ChatGPT متن ایمیل را از طریق Voice برای شما بخواند و شما در پاسخ بگویید «بله، ارسالش کن»، این تأیید صوتی بهتنهایی برای انجام عملیات کافی نیست.
طبق توضیحات OpenAI، اگر یک اقدام نیازمند تأیید باشد، Voice از کاربر میخواهد تأیید یا رد عملیات را از طریق کنترلهای روی صفحه انجام دهد. تأیید صوتی برای این نوع اقدامات پشتیبانی نمیشود.
این موضوع در سناریوهایی مانند استفاده از ChatGPT هنگام رانندگی اهمیت بیشتری پیدا میکند. اگر تلفن در جیب کاربر باشد یا کاربر به صفحه نگاه نکند، اقدامی که نیازمند تأیید است تا زمان بررسی و تأیید روی نمایشگر متوقف میماند.
سطح دسترسی ChatGPT قابل تنظیم است
کنترل رفتار ChatGPT در برابر اپلیکیشنهای متصل از طریق تنظیمات مجوزها انجام میشود. OpenAI چند سطح مختلف برای کنترل این دسترسیها در نظر گرفته است.
Always ask
در این حالت، ChatGPT قبل از خواندن اطلاعات اپلیکیشن یا انجام تغییرات، از کاربر اجازه میگیرد.
این گزینه برای افرادی مناسب است که میخواهند کنترل بیشتری روی هر دسترسی داشته باشند.
Allow read actions
در این حالت، ChatGPT میتواند اقدامات خواندنی را بدون درخواست تأیید انجام دهد، اما برای تغییر اطلاعات یا انجام اقدامات دیگر همچنان نیاز به تأیید خواهد داشت.
برای نمونه، پرسیدن محتوای ایمیلهای جدید میتواند بدون تأیید جداگانه انجام شود، در حالی که ارسال یا تغییر یک پیام نیازمند تأیید خواهد بود.
Allow low-risk actions
در این حالت، اقدامات کمریسک میتوانند بهصورت خودکار انجام شوند و ChatGPT برای اقدامات حساستر درخواست تأیید میکند.
OpenAI اقداماتی مانند ارسال ایمیل یا پیام، ارسال کامنت یا دعوتنامه، ایجاد یا ویرایش یا حذف فایل، تغییر تنظیمات امنیتی و تراکنشهای مالی را در دسته اقداماتی قرار میدهد که میتوانند نیازمند تأیید باشند.
OpenAI همچنین از گزینه Allow all actions مستند کرده است که میتواند درخواستهای تأیید را برای اقدامات پشتیبانیشده حذف کند؛ البته Notebookcheck گزارش کرده که این گزینه در حساب شخصیای که برای بررسی آزمایش کرده، نمایش داده نشده بود.
تغییر مجوز با قطع اتصال تفاوت دارد
یکی از نکات مهمی که ممکن است برای کاربران گیجکننده باشد این است که تغییر سطح دسترسی یک اپلیکیشن الزاماً به معنی قطع دسترسی آن اپلیکیشن از ChatGPT نیست.
برای مثال، اگر سطح Permission را تغییر دهید، ممکن است فقط نحوه درخواست تأیید ChatGPT تغییر کند؛ اما اتصال حساب همچنان برقرار باشد.
طبق مستندات OpenAI، برای قطع واقعی دسترسی باید از بخش تنظیمات، اپلیکیشن متصل را انتخاب کرده و اتصال حساب را قطع کنید.
بنابراین دو مفهوم باید از یکدیگر تفکیک شوند:
تغییر Permission: تعیین میکند ChatGPT چه زمانی برای انجام یک کار از شما اجازه بگیرد.
Disconnect: اتصال حساب یا اپلیکیشن را قطع میکند.
این تفاوت برای سرویسهایی مانند Gmail، تقویم و پیامرسانها اهمیت ویژهای دارد؛ زیرا صرفاً تغییر تنظیمات تأیید لزوماً به معنی لغو اتصال نیست.
Voice در ChatGPT Work چه تغییری ایجاد میکند؟
این قابلیت فقط به چت معمولی محدود نیست. OpenAI اعلام کرده Voice در ChatGPT Work نیز در دسترس است و میتواند برای کار با اسناد، ارائهها و فایلهای spreadsheet استفاده شود.
کاربر میتواند از طریق مکالمه صوتی کاری را درخواست کند، از اپلیکیشنهای متصل استفاده کند و نتیجه را در محیط چت دنبال کند. حتی اگر یک کار هنگام پایان مکالمه صوتی کامل نشده باشد، میتواند ادامه آن در حالت متنی دنبال شود.
به این ترتیب، Voice در حال نزدیکشدن به یک رابط گفتاری برای انجام کارهای چندمرحلهای است، نه صرفاً یک ابزار تبدیل صدا به متن.
امنیت؛ همچنان انسان در حلقه تأیید باقی میماند
از منظر امنیتی، مهمترین پیام این بهروزرسانی این است که OpenAI هنوز برای اقدامات حساس، کنترل نهایی را در اختیار کاربر قرار میدهد.
ChatGPT میتواند اطلاعات را از اپلیکیشنهای متصل بخواند و حتی در برخی سطوح مجوز، اقدامات کمریسک را بدون پرسش مداوم انجام دهد؛ اما اقدامات حساستر میتوانند همچنان نیازمند تأیید کاربر باشند.
در نتیجه، مدل میتواند نقش یک دستیار صوتی متصل به سرویسهای مختلف را ایفا کند، اما برای برخی تصمیمهای مهم همچنان باید کاربر در رابط کاربری حضور داشته باشد و عملیات را تأیید کند.
حریم خصوصی مکالمات صوتی چه میشود؟
موضوع دیگری که در گزارش Notebookcheck به آن اشاره شده، نگهداری کلیپهای صوتی مکالمات Live است.
طبق اطلاعات منتشرشده توسط Notebookcheck و ارجاع آن به مستندات OpenAI، کلیپهای صوتی مکالمات Live بهطور معمول برای مدت ۳۰ روز نگهداری میشوند و همراه با حذف چت حذف خواهند شد؛ مگر اینکه نگهداری آنها به دلایل امنیتی یا قانونی ضروری باشد.
در همین حال، OpenAI در سپتامبر ۲۰۲۶ بخش Privacy Center را نیز برای ارائه کنترلها و اطلاعات مرتبط با حریم خصوصی، حافظه، استفاده از دادهها، اپلیکیشنهای متصل و امنیت حساب راهاندازی کرده است.
جمعبندی
بهروزرسانی جدید ChatGPT Voice یک گام مهم در تبدیل ChatGPT از یک چتبات صرفاً گفتوگومحور به یک دستیار متصل به سرویسهای روزمره کاربر محسوب میشود.
اکنون کاربر میتواند در یک مکالمه صوتی درباره ایمیلهای Gmail، رویدادهای تقویم یا محتوای Slack سؤال کند و ChatGPT با استفاده از اتصالهای از قبل ایجادشده پاسخ دهد. این قابلیت روی وب، iOS و Android ارائه شده و کاربران Free و Go نیز در محدوده امکانات پشتیبانیشده میتوانند از آن استفاده کنند.
با این حال، یک مرز مهم همچنان وجود دارد: صدای کاربر بهتنهایی مجوز انجام اقدامات حساس نیست. در مواردی که تأیید لازم باشد، کاربر باید عملیات را روی صفحه بررسی و تأیید یا رد کند.
در نتیجه، مدل جدید استفاده از Voice را میتوان ترکیبی از مکالمه طبیعی، دسترسی به اپلیکیشنهای متصل و کنترل انسانی برای اقدامات حساس دانست؛ رویکردی که میتواند زمینه را برای استفاده گستردهتر از دستیارهای هوش مصنوعی در کارهای روزمره فراهم کند، بدون اینکه تمام کنترلهای حساس به فرمان صوتی واگذار شوند.
