Marissa Mayer, ex-diretora-executiva do Yahoo, aposta que o histórico de fotos no telefone pode revelar mais sobre a vida do usuário do que o e-mail ou o calendário. Essa é a base sobre a qual a Dazzle está sendo construída, um assistente pessoal de inteligência artificial para cujo desenvolvimento a startup responsável captou 8 milhões de dólares em uma rodada seed em dezembro passado.
Em vez de coletar contexto de vários aplicativos de texto, a Dazzle se concentra em uma única fonte: a biblioteca de fotos. Segundo Mayer, o sistema consegue analisar as imagens para extrair indícios sobre hobbies, interesses, alimentos e preferências pessoais, além de como o usuário passa o tempo e das pessoas que aparecem repetidamente em sua vida.
Como funciona a Dazzle?
O assistente pode ser usado pelo aplicativo ou por mensagens de texto, e suas funções se dividem em dois caminhos principais. Em tarefas diretas, ele examina fotos recentes para extrair informações acionáveis; pode ler um cartaz de evento e adicionar seus detalhes ao calendário, ou perceber uma foto de uma porta de garagem danificada e sugerir a busca por um técnico de reparos.
O segundo caminho usa todo o histórico de fotos para criar sugestões pessoais, como ideias de férias, presentes e atividades familiares. Durante um teste com uma solicitação relacionada a viagens, a Dazzle sugeriu destinos no Mediterrâneo e pareceu basear-se em viagens anteriores à Espanha e à Grécia. Também sugeriu atividades locais, entre elas uma oficina de cerâmica e um passeio de caiaque com bioluminescência na Baía de Tomales.
O que a diferencia e quais são suas limitações?
A vantagem que a Dazzle tenta oferecer não é apenas reconhecer o conteúdo da foto ou procurar um produto que apareça nela, mas relacionar as imagens acumuladas a estilos de vida e interesses. Mayer disse que o sistema concluiu, a partir das fotos de sua família, que eles gostam de salas de fuga e então sugeriu vários locais na região da Baía de São Francisco que ela não conhecia.
Mas a experiência também revelou limites claros. O assistente sugeriu comprar um par de botas de esqui para a filha do usuário, embora ela já soubesse esquiar. O sistema também se lembrou de uma viagem à Sicília apesar de quatro anos terem se passado desde então, o que indica que suas conclusões a partir do arquivo nem sempre são consistentes ou compreensíveis para o usuário.
Por que essa tendência é importante?
A Dazzle representa uma direção diferente no design de assistentes pessoais: passar da execução de comandos com base no e-mail e no calendário para a tentativa de construir um modelo da identidade e das preferências do usuário. Isso pode tornar as sugestões mais relevantes, mas, em contrapartida, aumenta a sensibilidade dos dados que o sistema precisa analisar, pois a biblioteca de fotos pode conter imagens de crianças, casas, locais e eventos privados.
Mayer diz que a Dazzle prioriza a privacidade e elimina as informações pessoais que a inteligência artificial identifica como sensíveis. Ela também considera que alguns usuários podem preferir dar suas fotos ao assistente em vez de permitir acesso ao e-mail e às mensagens, especialmente diante das preocupações de segurança relacionadas a assistentes concorrentes como Muse e Instinct. No entanto, essa proposta não elimina a questão fundamental: um mecanismo de exclusão de dados sensíveis é suficiente, e como o usuário pode verificar a precisão do que o sistema concluiu ou se ele não reteve informações adicionais?
Mayer tem experiência anterior com ferramentas de fotos por meio de sua empresa Sunshine, que lançou em 2024 a ferramenta Shine, baseada em inteligência artificial, antes de descontinuá-la posteriormente após críticas ao seu design e à baixa adoção. Mayer diz que a experiência deixou como legado uma propriedade intelectual útil. A Dazzle oferece uma visão promissora de um assistente mais pessoal, mas ainda é menos abrangente do que os assistentes concorrentes, e sua utilidade prática precisa superar os erros de memória e de inferência antes que possa se tornar uma alternativa sustentável aos assistentes que dependem de fontes de dados mais amplas.