تصور کنید ابزاری در اختیار دارید که هر کاری میکند، اما تنها به شرطی که دقیقاً بدانید چه بخواهید. برای اکثر کاربران، یک کادر متن خالی — همان جایی که باید دستور یا پرامپت را نوشت — به جای یک شروع، به یک بنبست تبدیل شده است.
طبق تحلیل ۳ سپتامبر ۲۰۲۶ در وبسایت mhacevedo.com، ریشهی این مشکل در «مسئلهی اکتشاف» است؛ یعنی کاربران نمیتوانند از قابلیتهایی استفاده کنند که اصلاً از وجودشان خبر ندارند. این وضعیت شبیه به مورچهای در کفِ «گرند کنیون» است که فقط تکهای از آسمان را میبیند، در حالی که کسی بر لبهی صخره، تمام افق را در اختیار دارد. این دقیقاً همان شکاف میان یک کاربر عادی و یک متخصص است.
همانطور که در تحلیلهای قبلی ما دربارهی مهندسی پرامپت اشاره کردیم، تخصص در این حوزه یعنی دیدن دهها فرصت برای خودکارسازی در گردشکار یک بازاریاب، در حالی که خودِ آن بازاریاب با تردید به کادر خالی خیره شده است. این چالش در حوزههای پیچیدهتر مانند پژوهشهای علمی نیز دیده میشود، جایی که اتوماسیون کامل چرخه پژوهش میتواند محدودیتهای اکتشاف انسانی را به چالش بکشد.
بر اساس این گزارش، تلاشهای فعلی برای پر کردن این شکاف ناکافی است:
- قالبهای آماده (Templates): نقطهی شروعی میدهند، اما اغلب با نیازهای شخصی یا حرفهای کاربر همراستا نیستند.
- سامانههای زمینهای (Contextual Systems): هوش مصنوعی که کاربر را میشناسد میتواند کارهایی را پیشنهاد دهد، اما باز هم تمام دامنهی احتمالات را آشکار نمیکند.
وضعیت فعلی هوش مصنوعی زاینده (Generative AI) — مثل کتابخانهداری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب میدهد — متناقض است. سیستم تقریباً هر کاری را بلد است، اما بارِ کشف این تواناییها بر دوش انسان است، نه نرمافزار.
برای یک متخصص، این یعنی هوشمندترین ابزارهای جهان عملاً نامرئی میمانند. پذیرش واقعی زمانی رخ میدهد که رابطهای کاربری به جای انتظار برای دستور، قابلیتهای خود را بهصورت هوشمند و در لحظه برملا کنند.
گام بعدی شما
- به جای تکیه بر پرامپتهای آماده، سعی کنید از مدل بخواهید «برای انجام [هدف شما]، چه سوالاتی از من بپرسی تا بهترین نتیجه را بگیری؟»
- ابزارهای AI که قابلیت تحلیل صفحه (Screen Awareness) دارند را دنبال کنید.
- روی یادگیری «تفکر سیستمی» تمرکز کنید تا بتوانید فرآیندهای کاری خود را به قطعات کوچکتر و قابلدستور تبدیل کنید. برای این منظور، میتوانید از روشهای تبدیل هوش مصنوعی به شریک یادگیری استفاده کنید تا بدون نیاز به حفظ کردن دستورات پیچیده، مهارتهای خود را ارتقا دهید.
اما تحول واقعی در این مسیر، با ظهور رابطهای پیشکنشی (Proactive Interfaces) رخ میدهد که بر اساس فعالیت لحظهای شما پیشنهاد میدهند — به تحلیل ما دربارهی عاملهای هوشمند مراجعه کنید.
گفتگو