یک فراخوانی API کاملاً ساختگی که با اعتمادبه‌نفس کامل در یک اسکریپت قرار گرفته است، بدترین کابوس هر برنامه‌نویسی است. این ریسک اصلی است که یک مهندس نرم‌افزار پس از یک ماه آزمایش ابزار Tube Magic — ابزاری برای رشد کانال‌های یوتیوب بر پایه هوش مصنوعی — به آن دست یافت. این آزمایش‌کننده که هجده ماه پیش کانال توسعه‌دهندگی خود را با تمرکز بر اسکرین‌کست‌ها، جلسات دیباگ و نقد فریم‌ورک‌ها راه انداخته بود، دریافت که اگرچه این ابزار برخی مشکلات را حل می‌کند، اما برای تولیدکنندگان محتوای فنی، یک ریسک خطرناک و جدید ایجاد می‌کند.
برای تولیدکنندگان محتوای فنی، خطاهای هوش مصنوعی ماهیتی صفر و یکی (Binary) دارند. در حالی که یک جمله مبهم درباره «رشد برند» در یک ویدیوی بازاریابی کاملاً بی‌ضرر است، اما یک نام متد اشتباه در یک آموزش کدنویسی، یک شکست عمومی و دائمی است. نویسنده این تجربه را در سومین ویدیوی ماه خود که درباره تکرار ناهمگام (async iteration) بود، تجربه کرد. هوش مصنوعی پیش‌نویس اولی تولید کرد که حاوی متدی بود که اصلاً وجود نداشت؛ نه اینکه متدی قدیمی (Deprecated) باشد یا متعلق به کتابخانه‌ای دیگر باشد، بلکه یک API کاملاً خیالی بود که با لحنی مطمئن و پذیرفتنی نوشته شده بود. چون نویسنده بر آن حوزه خاص تسلط داشت، متوجه خطا شد؛ در غیر این صورت، این اشتباه مستقیماً روی دوربین ضبط می‌شد و منجر به پر شدن بخش نظرات از کاربرانی می‌شد که خطا را گوشزد می‌کنند.
بسیاری از ابزارهای هوش مصنوعی برای تولیدکنندگان محتوا وعده می‌دهند که مشکل «صفحه سفید» یا همان ترس از شروع را حل کنند. برای بسیاری، سخت‌ترین بخش تولید محتوا نوشتن نیست، بلکه فرآیند تصمیم‌گیری است؛ به‌ویژه تعیین ترتیب منطقی مفاهیم. این در واقع یک مسئله «گراف وابستگی» (Dependency Graph) است که اغلب باعث می‌شود سازندگان ساعت‌ها به اسناد خالی خیره شوند. در مورد این نویسنده، این مرحله به‌تنهایی ۹۰ دقیقه از شنبه‌های او را می‌بلعید.
موازنهٔ بهره‌وری و دقت
ابزار Tube Magic در شکستن این فلجِ اولیه موفق است. این ابزار می‌تواند در ۱۰ ثانیه یک ساختار محتوایی پذیرفتنی تولید کند و نقطه‌شروعی را فراهم کند تا سازنده بتواند روی آن واکنش نشان دهد. با این حال، صرفه‌جویی در زمان به‌صورت یکنواخت در کل گردش کار پخش نمی‌شود. نویسنده دریافت که اگرچه ابزار یک پیش‌نویس می‌سازد، اما در واقع فرآیند تأیید و اعتبارسنجی را طولانی‌تر می‌کند، نه کوتاه‌تر.
بر اساس ردیابی ماهانه کاربر، فرآیند اسکریپت‌نویسی به این شکل تغییر کرد:
- طراحی ساختار: از ۹۰ دقیقه به ۱۰ دقیقه کاهش یافت.
- پیش‌نویس اول: از ۶۰ دقیقه به ۵ دقیقه کاهش یافت.
- بازنویسی مقدمه: (به عنوان یک مرحله جدید در گردش کار هوش مصنوعی اضافه شد).
- حقیقت‌سنجی: از ۵ دقیقه به ۲۵ دقیقه افزایش یافت.
اگرچه زمان کل اسکریپت‌نویسی از ۱۵۵ دقیقه به ۵۰ دقیقه برای هر ویدیو کاهش یافت — که حدود ۴۰ دقیقه صرفه‌جویی است — اما افزایش ۵ برابری زمان تأیید، حیاتی‌ترین معیار است. نویسنده اشاره می‌کند که هنگام نوشتن دستی، او فقط حقایق شناخته‌شده را می‌نویسد؛ بنابراین چیزی برای تأیید وجود ندارد چون نمی‌توانست غیر از آن بنویسد. اما هنگام استفاده از هوش مصنوعی، تک‌تک ادعاهای فنی باید با مستندات رسمی چک شوند، زیرا هوش مصنوعی چیزهایی تولید می‌کند که صرفاً «شبیه» به چیزهایی است که نویسنده می‌شناسد.
ارزش واقعی در برابر تبلیغات
همه ویژگی‌های اشتراک ۴۷ دلاری ماهانه، ارزش یکسانی ارائه نمی‌دهند. این بررسی قابلیت‌های ابزار را برای عبور از لایه‌های تبلیغاتی، به دو دسته ارزش بالا و ارزش پایین تقسیم می‌کند:
- ارزش بالا:
- ساختاردهی: حل مشکل گراف وابستگی در ترتیب مفاهیم.
- حجم تولید: تولید نامحدود برای برنامه‌ریزی فصلی حیاتی است. نویسنده از این قابلیت برای طراحی ۱۴ ویدیو به‌صورت متوالی در یک جلسه استفاده کرد، کاری که در ابزارهای دارای محدودیت اعتبار (Credit-metered) با بن‌بست مواجه می‌شد.
- عبور از بن‌بست: تولید سه مقدمه مختلف برای اینکه بفهمد چرا آن‌ها بد هستند، که اغلب باعث کشف مسیر درست می‌شود.
- ارزش پایین:
- پیشنهاد تگ‌ها: این‌ها امروزه تقریباً هیچ وزنی در رتبه‌بندی ندارند، زیرا یوتیوب صدا را ترنسکرایب کرده و متن‌های روی صفحه را می‌خواند.
- نوشتن توضیحات: یک کار دستی سه دقیقه‌ای است، به‌خصوص که فقط دو خط اول قبل از دکمه «نمایش بیشتر» (Show more) قابل مشاهده هستند.
- تولید عنوان: مدل‌های چت رایگان دقیقاً همین کار را انجام می‌دهند؛ نویسنده پیشنهاد می‌کند ۲۰ عنوان تولید کنید، ۱۸ مورد آشنا را حذف کنید و دو مورد آخر را بازنویسی کنید.
گردش کار پیشنهادی برای برنامه‌نویسان
برای کاهش ریسک کدهای توهم‌زده (Hallucinated code)، نویسنده یک گردش کار خاص و غیرقابل‌مذاکره برای محتوای فنی طراحی کرد. این فرآیند تضمین می‌کند که ویدیوها شبیه به صحبت‌های یک انسان باشند، نه یک صفحه معرفی محصول:
۱. تولید سه ساختار، فقط به صورت گلوله‌ای (Bullets): صراحتاً درخواست نکات گلوله‌ای کنید تا در ویرایش متون طولانی غرق نشوید.
۲. تغییر دستی ترتیب نکات: ترتیب وابستگی‌ها چیزی است که انسان می‌داند و هوش مصنوعی اغلب آن را نادیده می‌گیرد.
۳. نوشتن دستی ۳۰ ثانیه اول: این کار تضمین می‌کند که قلاب (Hook) ویدیو اصیل باشد.
۴. صحبت بر اساس نکات: ضبط ویدیو با استفاده از Bullet points به جای خواندن یک اسکریپت کامل تولید شده توسط هوش مصنوعی.
۵. تأیید تک‌تک ادعاها: هایلایت کردن هر نام متد، شماره نسخه و ادعای فنی و چک کردن هر یک با مستندات واقعی. این مرحله ۲۵ دقیقه‌ای غیرقابل‌مذاکره است.
واقعیت اقتصادی
با هزینه ۴۷ دلار در ماه که در مجموع ۵۶۴ دلار در سال می‌شود، ارزش این ابزار کاملاً به حجم تولید بستگی دارد. نویسنده تفکیکی از هزینه به ازای هر ویدیو بر اساس خروجی ماهانه ارائه می‌دهد:
- ۱ ویدیو در ماه: ۴۷.۰۰ دلار برای هر ویدیو
- ۲ ویدیو در ماه: ۲۳.۵۰ دلار برای هر ویدیو
- ۴ ویدیو در ماه: ۱۱.۷۵ دلار برای هر ویدیو
- ۶ ویدیو در ماه: ۷.۸۳ دلار برای هر ویدیو
- ۱۰ ویدیو در ماه: ۴.۷۰ دلار برای هر ویدیو
برای اکثر کانال‌های توسعه‌دهندگی که در کنار شغل تمام‌وقت خود ماهی یک یا دو ویدیو منتشر می‌کنند، این ابزار ارزش خرید ندارد. ریاضیات این هزینه تنها در حجم ۶ ویدیو یا بیشتر در ماه منطقی می‌شود. برای سازندگانی با حجم تولید پایین، نویسنده پیشنهاد می‌کند ترکیبی از مدل‌های چت رایگان و سطح رایگان vidIQ همان نیازها را بدون هزینه پوشش دهد، زیرا فقدان تولید نامحدود در حجم‌های پایین، تأثیر ناچیزی دارد. این رویکرد به مدیریت هزینه‌های اشتراکی کمک می‌کند، مشابه آنچه در بررسی جایگزینی چندین اشتراک ابزارهای خلاقانه با یک ایجنت واحد مورد بحث قرار گرفت.
به‌طور قابل توجهی، Tube Magic فاقد دوره آزمایشی رایگان (Free Trial) است که در مقایسه با رقبای اصلی‌اش یک نقطه ضعف محسوب می‌شود. در عوض، ضمانت بازگشت وجه ۳۰ روزه ارائه می‌دهد. نویسنده توصیه می‌کند از این ضمانت به‌صورت استراتژیک استفاده کنید: زمان‌بندی دو ویدیو را با فرآیند فعلی خود اندازه بگیرید، سپس پرداخت کنید، یک یادآور در تقویم برای روز ۲۵ (نه روز ۳۰) بگذارید و بر اساس اعداد کرونومتر تصمیم بگیرید، نه بر اساس اینکه ابزار چه «حسی» داشت.
این تجربه یک روند گسترده‌تر در پذیرش هوش مصنوعی را برجسته می‌کند: ابزار جایگزینی برای تخصص نیست، بلکه یک «اردک لاستیکی سریع‌تر» است. این ابزار یک نقطه شروع متوسط فراهم می‌کند که با حذف نیاز به «تصمیم‌گیری» درباره ترتیب عملیات، راه را برای سازنده باز می‌کند، اما مسئولیت حقیقت کاملاً بر عهده انسان باقی می‌ماند. این بهره‌وری در تولید محتوا با کاهش هزینه‌های تولید ویدیوهای توضیحی برای کسب‌وکارهای کوچک همسو است، هرچند در محتوای فنی، دقت بر هزینه اولویت دارد.
اگر از هوش مصنوعی برای تولید آموزش‌های فنی استفاده می‌کنید، گام بعدی شما باید بازبینی سه ویدیوی اخیر خود برای یافتن فراخوانی‌های API «پذیرفتنی اما ساختگی» باشد. ممکن است متوجه شوید که فرآیند تأیید شما باید به اندازه Code Reviewهای شما سخت‌گیرانه باشد. پیش‌نویس هوش مصنوعی هیچ ایده‌ای ندارد کدام جملات درست هستند، و بینندگان شما نیز تا زمان رسیدن نظرات، متوجه این موضوع نخواهند شد.
گفتگو