خواندن یک ایمیل بی‌روح و طولانی که با هوش مصنوعی نوشته شده، اکنون انرژی ذهنی بیشتری می‌طلبد تا آنچه برای تولیدش صرف شده است. این ادعای جنجالی را یک توسعه‌دهنده در ۱ اکتبر ۲۰۲۶ در پلتفرم dev.to مطرح کرد و هشدار داد که مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — در حال ایجاد یک عدم توازن خطرناک در ارتباطات حرفه‌ای هستند.
تصور کنید در محیط کاری هستید که هر همکار، یک فکر سه کلمه‌ای را با کمک ابزارهای هوش مصنوعی به پنج پاراگراف متن توخالی تبدیل می‌کند. همان‌طور که در تحلیل‌های قبلی ما درباره‌ی توهمات مدل‌های زبانی اشاره کردیم، این ابزارها در کارهای فنی عالی هستند اما در ارتباطات انسانی، حجم را فدای ارزش می‌کنند. در همین راستا، تلاش‌هایی برای کاهش نرخ توهمات در مدل‌های پیشرفته صورت گرفته تا دقت خروجی‌ها افزایش یابد، اما مسئله‌ی «کیفیت ارتباطی» همچنان پابرجاست. این وضعیت باعث می‌شود زمان گیرنده به‌طور سیستماتیک تلف شود.
به نقل از این نویسنده، دو مکانیزم اصلی این بحران را توضیح می‌دهند:
قانون براندولینی (Brandolini's Law): انرژی مورد نیاز برای رد کردن یا حتی تحلیل یک متن پوچ، چندین برابر انرژی مصرف‌شده برای تولید آن است.
شکاف بهره‌وری: هوش مصنوعی فرستنده را سریع‌تر می‌کند (بهره‌وری کاذب)، اما گیرنده را مجبور می‌کند زمان بیشتری را صرف غربال کردن کلمات زائد کند (کاهش بهره‌وری واقعی).
طبق گزارش این توسعه‌دهنده، ما در مسیر یک «رقابت برای سقوط» هستیم. اگر تنها راه مقابله با متون توخالی هوش مصنوعی، استفاده از یک هوش مصنوعی دیگر برای خلاصه‌سازی باشد، معنای انسانی به‌طور کامل از چرخه ارتباطات حذف می‌شود. این روند در محیط‌های توسعه نیز مشهود است، جایی که بخش بزرگی از به‌روزرسانی‌های اپلیکیشن‌ها اکنون توسط هوش مصنوعی تولید می‌شوند و ریسک یکنواختی را افزایش می‌دهند. در این حالت، پوچی به استاندارد جدید ارتباطات تبدیل می‌شود.
برای متخصصان امروز، این یعنی ارزش شما دیگر در مهارت استفاده از هوش مصنوعی برای تولید محتوا نیست، بلکه در توانایی حفظ شفافیت انسانی است. برتری رقابتی اکنون در اختیار کسانی است که اجازه نمی‌دهند صدایشان به یک پژواک تکراری و ماشینی تبدیل شود. این چالش در واقع بازتابی از یک مشکل ساختاری‌تر است؛ جایی که تولید متن به‌جای تصمیم‌گیری به مانع اصلی سرعت در معماری‌های فعلی AI تبدیل شده است.
گام بعدی شما
- در ایمیل‌های سازمانی، اصل «ایجاز» را جایگزین «طولانی‌نویسی» کنید تا متمایز شوید.
- برای متون طولانی، از ابزارهای خلاصه‌ساز استفاده کنید اما خروجی را با نگاهی انسانی بازبینی کنید.
- به دنبال ابزارهای جدیدی باشید که قادر به تشخیص و فیلتر کردن «حشوهای سازمانی» در پیام‌رسان‌های داخلی هستند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو