Το Magic Design του Canva συνδυάζει τα LLM του OpenAI με το δικό του μοντέλο σχεδιασμού

Δύο μοντέλα, δύο ρόλοι

Η πιο συγκεκριμένη τεχνική λεπτομέρεια σε αυτή τη συνέντευξη είναι ο τρόπος με τον οποίο το Canva έχτισε το Magic Design. Ο Adams εξηγεί ότι το χαρακτηριστικό συνδέει το prompting μέσω LLM με το δικό του μοντέλο σχεδιασμού του Canva, ώστε να παραχθεί ένα σχέδιο που ο χρήστης μπορεί στη συνέχεια να επεξεργαστεί.

Πρόκειται για έναν συγκεκριμένο καταμερισμό ευθυνών, όχι για μια γενική διαφήμιση τύπου «με τεχνολογία ΤΝ». Το γλωσσικό μοντέλο ερμηνεύει το αίτημα· ένα ξεχωριστό, εσωτερικό μοντέλο σχεδιασμού παράγει το τελικό οπτικό αποτέλεσμα. Το Canva αναφέρει ως εξωτερικούς συνεργάτες το OpenAI και το Leonardo.Ai, και δηλώνει ότι το Magic Studio βασίζεται εν μέρει στα API του OpenAI.

Για ομάδες που ενσωματώνουν foundation models, πρόκειται για ένα αναγνωρίσιμο μοτίβο: χρησιμοποιήστε το γενικού σκοπού LLM για ό,τι κάνει καλά, και διατηρήστε ένα εξειδικευμένο μοντέλο για το τελικό προϊόν που παραδίδει η εφαρμογή σας.

Το «τελικό στάδιο» παραμένει χειροκίνητο

Ο Adams παρουσιάζει επανειλημμένα τη δημιουργία περιεχομένου ως αφετηρία, όχι ως τελικό σημείο. Περιγράφει τη δημιουργία «ολοκληρωμένων, επεξεργάσιμων σχεδίων» και ονομάζει την επεξεργασία από τον χρήστη «το κρίσιμο τελικό στάδιο».

Η στρατηγική που περιγράφεται είναι «το καλύτερο και των δύο κόσμων» — μια δημιουργική εμπειρία για σχέδια, εικόνες και κείμενο, σε συνδυασμό με μια πλήρη ροή εργασίας για χειροκίνητη επεξεργασία κάθε παραγόμενου στοιχείου, συνεργασία και δημοσίευση, χωρίς να χρειάζεται να φύγετε από το Canva.

Αυτό έχει σημασία γιατί καθορίζει πού σταματάει η ΤΝ. Το μοντέλο οδηγεί τον χρήστη πιο γρήγορα σε ένα ολοκληρωμένο προσχέδιο· ο άνθρωπος διατηρεί τον έλεγχο σε επίπεδο κάθε λεπτομέρειας. Το Canva δεν πουλάει αυτόνομο αποτέλεσμα, πουλάει μια ταχύτερη είσοδο σε έναν επεξεργαστή που ήδη κατέχει.

Τρεις πηγές ΤΝ και 225 εκατομμύρια χρήστες για τη διάθεσή της

Ο Adams περιγράφει τρεις τρόπους με τους οποίους το Canva επεκτείνει τις δυνατότητες της ΤΝ στην πλατφόρμα: τη δική του έρευνα σε ΤΝ σχεδιασμού, συνεργασίες με εταιρείες όπως το OpenAI και το Leonardo.Ai, και μια αγορά οικοσυστήματος εφαρμογών.

Αναφέρει 225 εκατομμύρια ενεργούς χρήστες και μια αγορά προγραμματιστών όπου εφαρμογές με τεχνολογία ΤΝ — από παρουσιαστές ΤΝ έως γεννήτριες μουσικής — ενσωματώνονται απευθείας στα σχέδια. Αυτή η βάση διανομής είναι το στοιχείο που κάνει βιώσιμη τη στρατηγική του οικοσυστήματος: τα εργαλεία ΤΝ τρίτων φτάνουν στους χρήστες μέσα από το ίδιο το προϊόν, χωρίς να αποτελούν ξεχωριστούς προορισμούς.

Με το Magic Design, συνδέουμε το prompting μέσω LLM με το δικό μας μοντέλο σχεδιασμού, ώστε να παράγουμε ένα μοναδικό σχέδιο που οι χρήστες μας μπορούν στη συνέχεια να επεξεργαστούν στο κρίσιμο τελικό στάδιο.Montana Labs

Η εσωτερική υιοθέτηση γίνεται ανά εργαλείο, όχι συνολικά

Το εσωτερικό πρόγραμμα «AI Everywhere» του Canva περιγράφεται με συγκεκριμένους όρους, ανά ομάδα: η μηχανική χρησιμοποιεί το Cursor για προγραμματισμό, τα οικονομικά χρησιμοποιούν διαφορετικό σύνολο εργαλείων, και εταιρικά hackathons επιτρέπουν στις ομάδες να πειραματίζονται εκτός των συνηθισμένων ροών εργασίας. Η εταιρεία λειτουργεί επίσης με το ChatGPT Enterprise.

Αξίζει να σημειωθεί η προσέγγιση — να βοηθούν τις ομάδες να «εντοπίζουν τα κατάλληλα εργαλεία για τις ανάγκες τους». Πρόκειται για μια προσέγγιση χαρτοφυλακίου στην εσωτερική χρήση ΤΝ, και όχι για έναν ενιαίο, επιβεβλημένο βοηθό.

Τι δείχνει η διαχωρισμένη αρχιτεκτονική του Canva

Η συγκεκριμένη σημασία αυτής της ανακοίνωσης είναι ότι μια εταιρεία με το δικό της μοντέλο σχεδιασμού επιλέγει και πάλι να διοχετεύει το prompting μέσω των API του OpenAI, αντί να χτίσει τα πάντα εσωτερικά. Το Canva διατηρεί το μοντέλο που διαφοροποιεί το αποτέλεσμά του — τη δημιουργία σχεδίων — και «νοικιάζει» το επίπεδο γενικής λογικής.

Για ομάδες εφαρμοσμένης ΤΝ που ζυγίζουν το δίλημμα ανάπτυξης έναντι αγοράς, το Magic Design του Canva αποτελεί ένα χρήσιμο πρότυπο: διατηρήστε το μοντέλο που συνδέεται με τον βασικό σας πυρήνα και την επιφάνεια επεξεργασίας, ενσωματώστε εξωτερικά LLM για το επίπεδο ερμηνείας, και σχεδιάστε τη μετάβαση έτσι ώστε οι χρήστες να μπορούν ακόμη να επεξεργάζονται ό,τι παράγει το σύστημα.