اگر تصور می‌کنید گوگل یک منبع واحد برای حقیقت است، در اشتباهید. شما در واقع با سه واقعیت اطلاعاتی متفاوت رو‌به‌رو هستید که هر کدام بر اساس منطقی متفاوت تصمیم می‌گیرند چه چیزی را به شما نشان دهند.
به نقل از مقاله پژوهشی مؤسسه فناوری نیوجرسی (NJIT) که در ۱۳ مه ۲۰۲۶ منتشر شد، گوگل سرچ (Google Search)، AI Overviews (AIO) و Gemini از منطق‌های بازیابی کاملاً متفاوتی استفاده می‌کنند. این گسست به این معناست که برای یک پرس‌وجوی یکسان، این سه سیستم اغلب منابع کاملاً متفاوتی را سطح‌آوری می‌کنند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی توهمات مدل‌های زبانی اشاره کردیم، تضاد میان داده‌های آموزشی و واقعیت‌های لحظه‌ای همواره یک چالش است. در اینجا، این تضاد در سطح زیرساختی گوگل رخ داده است؛ جایی که ماشین‌افزار داخلی شرکت میان نمایه‌سازی سنتی مبتنی بر PageRank و روش‌های انتخاب توزیعی در مدل‌های زبانی بزرگ (LLM) تقسیم شده است.
طبق گزارش این مطالعه، جزئیات این واگرایی تکان‌دهنده است:
- تکرار AIO: برای ۵۱.۵٪ از پرس‌وجوهای واقعی کاربران، AI Overviews تولید شده است که بیشترین تکرار در سؤالات اطلاعاتی دیده می‌شود.
- واگرایی منابع: میانگین شباهت جاکارد (Jaccard similarity) بین این سه سیستم کمتر از ۰.۲ است؛ یعنی هم‌پوشانی منابع بازیابی‌شده به‌طور غافلگیرکننده‌ای پایین است.
- سوگیری پلتفرمی: AIO و Gemini به‌طور معناداری به دامنه‌های تحت مالکیت گوگل، به‌ویژه یوتیوب (YouTube)، اولویت می‌دهند و استنادات به سایت‌های نهادی مانند ویکی‌پدیا و ردیت را کاهش داده‌اند.
- اثر مسدودسازی: ناشرانی که ربات
Google-Extendedرا از طریق robots.txt مسدود کرده‌اند (مانند BBC و رویترز)، تقریباً به‌طور کامل از استنادات Gemini حذف شده‌اند؛ این در حالی است که گوگل ادعا می‌کرد این مسدودسازی مانع حضور محتوا در خلاصه‌ها نمی‌شود.
- شکست‌های زمانی: AIOها معمولاً برای اخبار فوری تا ۵ روز تأخیر دارند تا از خطاهای احتمالی جلوگیری کنند. با این حال، پژوهشگران مواردی از شکست این منطق را دیدند؛ مثلاً AIO پیروزی یک مسابقه بوکس را بر اساس یک پست طنز در فیس‌بوک به اشتباه به جیک پاول نسبت داد.
این تناقض نشان می‌دهد گوگل در یکپارچه‌سازی زیرساخت‌های قدیمی جستجو با جاه‌طلبی‌های هوش مصنوعی زاینده (Generative AI) شکست خورده است. تصمیمات Gemini بیشتر توسط بردار معنایی (Embedding) و توزیع داده‌های آموزشی هدایت می‌شوند تا سیاست‌های رتبه‌بندی مهندسی‌شده در جستجوی سنتی. برای ناشران، این یک محیط پرخطر است؛ چرا که انصراف از آموزش AI ممکن است منجر به حذف سیستماتیک از تجربه جستجوی مبتنی بر هوش مصنوعی شود.
گام بعدی شما
- یک پرس‌وجوی پیچیده را به‌طور هم‌زمان در هر سه رابط کاربری گوگل اجرا کنید تا ببینید کدام «واقعیت» به شما ارائه می‌شود.
- اگر تولیدکننده محتوا هستید، اثر مسدودسازی ربات‌های گوگل را روی نرخ نمایش در Gemini رصد کنید.
- منتظر بمانید و ببینید آیا گوگل به سمت یک نمایه‌ساز واحد «AI-first» حرکت می‌کند یا این هرج‌ومرج در بازیابی ادامه می‌یابد.
اما تأثیر این گسست بر سئوی سنتی حتی تکان‌دهنده‌تر است — به بررسی ما درباره‌ی آینده‌ی موتورهای جستجو مراجعه کنید.
گفتگو