تصور کنید صاحب کسبوکاری هستید که بهترین محصول بازار را دارید، اما چون مشتریان شما از کلماتی متفاوت با دفتر تبلیغاتتان استفاده میکنند، در دنیای دیجیتال کاملاً نامرئی میشوید. این دقیقاً همان اتفاقی است که اکنون در توصیههای هوش مصنوعی رخ میدهد.
طبق گزارشی که در ۹ جولای ۲۰۲۶ منتشر شد، یک پژوهشگر دریافت که تغییر ساده در نحوه بیان یک پرسش، میتواند یک شرکت نرمافزاری را برای ChatGPT کاملاً نامرئی کند. در این آزمایش، تغییر یک پرسش مبتنی بر «دستهبندی» به یک پرسش مبتنی بر «گردش کار واقعی خریدار»، نرخ توصیه یکی از ابزارها را از ۱۰ از ۱۰ به صفر کاهش داد.
این اتفاق در حالی رخ میدهد که خریداران بهجای جستوجوی سنتی در گوگل، مستقیماً از مدلهای هوش مصنوعی راهنمایی میگیرند. در حالی که پیشتر درباره تلاشهای OpenAI برای ایجاد تعاملات طبیعیتر و تمام-دوطرفه (Full-duplex) از طریق GPT-Live بحث کردیم، این دادههای جدید نشان میدهد که «خوانایی» (Legibility) حضور وب یک شرکت، همچنان تعیینکننده میزان کشف شدن آن است. مدل زبانی بزرگ (LLM) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن کتابها جواب میدهد — تنها زمانی محصول شما را پیشنهاد میکند که توصیفات وبسایت شما با زبانِ ذهنیِ کاربر تطبیق داشته باشد. این وضعیت شبیه ویترینی است که فقط اگر کلمهای تخصصی از لغتنامه بگویید دیده میشود، اما اگر نیاز واقعی خود را توصیف کنید، ناپدید میشود.
جزئیات آزمایش و متدولوژی
این پژوهش برای شناسایی الگوها، روی نرمافزارهای «صندوق ورودی مشترک» (Shared Inbox) متمرکز شد تا ریسکهای پیشروی فروشندگان نرمافزار را به تصویر بکشد. متدولوژی این آزمایش بهگونهای طراحی شده بود که هرگونه شانس یا ناهنجاری آماری در نتایج حذف شود. برای این منظور، دو نسخه از یک پرسش، هر کدام ۱۰ بار در چهار مدل اصلی اجرا شد:
- ChatGPT
- Claude
- Perplexity
- Gemini
نسخه اول از یک برچسب دستهبندی ساده استفاده کرد: «بهترین نرمافزار صندوق ورودی مشترک برای تیمهای کوچک چیست؟». نسخه دوم دقیقاً شبیه نحوه تایپ یک خریدار واقعی بود که یک مشکل مشخص در ذهن دارد: «بهترین راه برای همکاری با تیمم در صندوقهای ایمیل مشترک، بدون به هم ریختن گردش کار ایمیلی ما چیست؟».
نوسان شدید در نرخ توصیهها
بر اساس مستندات این آزمایش، علیرغم اینکه هر دو پرسش یک هدف واحد داشتند و لیست کوتاهی از ابزارهای بالقوه برای هر دو مشترک بود، تغییر کلمات باعث تغییرات شدید در دیده شدن برندها شد:
- Missive: در ChatGPT برای پرسش دستهبندی امتیاز ۱۰/۱۰ گرفت، اما در پرسش کاربر-محور به ۰/۱۰ سقوط کرد. یک جمله متفاوت، برند را کاملاً حذف کرد؛ در حالی که شرکت و وبسایت همان بود.
- Hiver: در ChatGPT وضعیت پایداری داشت (از ۱۰ به ۹ رسید)، اما در Perplexity با تغییر پرسش کاملاً ناپدید شد. در آن ۱۰ بار اجرا، Perplexity حتی یکبار هم نام Hiver را نیاورد و در عوض کاربران را به انجام کارها در محیط Gmail و Outlook ارجاع داد.
- Front و Help Scout: پایدارترین عملکرد را داشتند و در اکثر مدلها از جمله ChatGPT، Claude و Gemini امتیاز ۱۰/۱۰ را بدون توجه به نوع عبارتبندی حفظ کردند. این دو برند تنها در Perplexity افت کردند، اما دلیل آن تغییر در رفتار خودِ مدل بود؛ چراکه Perplexity در آن حالت کلاً از نام بردن محصولات دست کشید و تعداد نامهای ذکر شده برای همه کاهش یافت.
تفاوت رفتار مدلها
نتایج در تمام چشمانداز هوش مصنوعی یکسان نبود. جهت و شدت نوسان کاملاً به مدلی بستگی داشت که استفاده میشد:
- Gemini: در این مدل، پرسش بازنویسی شده (کاربر-محور) در واقع باعث افزایش دیده شدن Hiver شد و تعداد دفعات ذکر آن از ۶ به ۹ رسید. در همین حال، Missive وضعیت نسبتاً پایداری داشت و از ۹ به ۸ رسید.
- Claude: در این مدل، هر دو برند Hiver (از ۸ به ۵) و Missive (از ۱۰ به ۸) هنگام استفاده از عبارتبندی خریدار-محور، دچار افت شدند.
این تفاوتها نشان میدهد که یک مشکل بنیادین در نحوه توصیف «ارزش» توسط شرکتها وجود دارد. برندگان این رقابت — یعنی Front و Help Scout — از هیچ «ترفند» یا تاکتیکهای بازی با سیستم استفاده نکردند. در عوض، صفحات آنها دقیقاً همان «کاری» (Job) را توصیف میکند که خریدار سعی در انجام آن دارد، آن هم با کلماتی که خودِ خریدار به کار میبرد. به همین دلیل، مدل میتواند آنها را در هر سناریوی پرسش و پاسخی پیدا کند.
پیامدها برای فروشندگان نرمافزار
این یک مشکل خوانایی است. مسئله این است که آیا وبسایت شما آنچه را که انجام میدهید، با کلمات خود خریدار بهقدری شفاف بیان میکند که مدل شما را در هر سبک از پرسش توصیه کند یا خیر. برای فروشندگان نرمافزار، «برچسب دستهبندی» که در ذهن خود برای رتبه گرفتن دارند، دیگر معیار اصلی نیست. آنچه تصمیم میگیرد هوش مصنوعی نام شما را بیاورد یا خیر، نسخه نامرئی «گردش کار» (Workflow) در پرسش کاربر است.
تکیه بر یک بار تست در یک مدل، یک اشتباه است؛ زیرا یک بار اسکن به شما دروغ میگوید. اگر کاربری یکبار از ChatGPT سوال کند و نام Missive را نبیند، ممکن است تصور کند این شرکت مشکل عمیقی در بهینهسازی برای هوش مصنوعی دارد، در حالی که در واقعیت، با یک عبارتبندی دیگر ۱۰/۱۰ توصیه میشود. دیده شدن واقعی تنها در تکرارهای متعدد و عبارتبندیهای متنوع آشکار میشود.
برای تست دیده شدن خود، ابتدا دستهبندی محصولتان را شناسایی کنید و سپس هم یک برچسب رسمی و هم یک بیان مشکل مشتری-محور بنویسید. هر دو را چندین بار در مدلهای زبانی بزرگ (LLM) اجرا کنید تا ببینید کدام یک از رقبای شما وقتی زبانest انسانی میشود، ناپدید میشوند.
گام بعدی شما
- فهرست دستهبندیهای محصول خود را استخراج کنید.
- برای هر دستهبندی، سه عبارت «طرح مشکل» بنویسید که یک مشتری واقعی در چتبات تایپ میکند.
- این هر دو نسخه را ۱۰ بار در ChatGPT و Claude اجرا کنید تا شکاف خوانایی برند خود را بیابید.
اما داستان سختافزاری این تحول حتی شگفتانگیزتر است — به تحلیل ما دربارهی تراشههای Blackwell مراجعه کنید.
گفتگو