چرا هوش مصنوعی (البته فعلاً) شغلتان را از شما نمی‌گیرد؟

بحث داغ امسال کاملاً مشخص است: آیا هوش مصنوعی قرار است شغل ما را بگیرد؟ در این مطلب، نتایج یک تحقیق شناختی را می‌خوانید که آیندهٔ صنعت ما را پیش‌بینی می‌کند.

فقط همین امسال، هزار بار سئو را کشتند و دوباره زنده کردند! و کلمه‌ای که این روزها در هر اتاق هیئت مدیره‌ای (و راستش را بخواهید، همه جا) می‌پیچد، «هوش مصنوعی» است.

با توجه به اینکه گوگل در یک سال و نیم گذشته چندین نمای مبتنی بر هوش مصنوعی (AI-powered views) را منتشر کرده و همچنین نسخهٔ جدیدش از حالت هوش مصنوعی (AI Mode) که رقیب SearchGPT محسوب می‌شود، شاهد فرسایش ترافیکی هستیم که اگر در دیدگاه سنتی خودمان به عنوان متخصصان سئو باقی بمانیم، مقابله با آن بسیار سخت خواهد بود.

طبیعی است که بحثی که مدام به گوشمان می‌خورد، همیشه همین باشد: آیا هوش مصنوعی بالاخره شغل ما را می‌گیرد؟ اگر بخواهیم خیلی سخت‌گیرانه بگوییم، احتمالاً بله.

سئو، آن‌طور که ما می‌شناسیم، به شدت متحول شده است و به تکامل خود ادامه خواهد داد. این موضوع افراد را مجبور می‌کند تا مهارت‌های جدیدی کسب کنند و یک استراتژی وسیع‌تر و چندکاناله داشته باشند. همچنین باید بتوانند به طور واضح و سریع با مدیران و سهام‌دارانی ارتباط برقرار کنند که شاید هنوز گیج شده‌اند که چرا با وجود ثابت ماندن ایمپرشن (Impression)، تعداد کلیک‌ها مدام در حال کاهش است.

انتظار می‌رود سال آینده تغییرات و احتمالاً پاسخ‌های بیشتری برای این بحث به همراه داشته باشد.

اما در این فاصله، من توانستم بر اساس مطالعهٔ شخصی خودم در مورد توانایی انسان‌ها برای تشخیص هوش مصنوعی، پیش‌بینی‌هایی را انجام دهم تا ببینم آیا «حس انسانی» واقعاً برتری خاصی نسبت به آن دارد یا نه.

چرا این موضوع همین حالا برای ما مهم است؟

اینکه بدانیم آیا مردم می‌توانند هوش مصنوعی را تشخیص دهند یا نه، برای ما اهمیت دارد؛ چون رفتار مردم وقتی می‌دانند که در حال تعامل با هوش مصنوعی هستند، در مقایسه با زمانی که نمی‌دانند، تغییر می‌کند.

در یک مطالعه در سال ۲۰۲۳، «یونهائو ژانگ» و «رنه ریچاردسون گاسلاین» محتوای تولید شده توسط انسان، هوش مصنوعی و رویکردهای ترکیبی را برای متن‌های تبلیغاتی و کمپین‌های متقاعدسازی مقایسه کردند.

آنها متوجه شدند که وقتی منبع محتوا مشخص نبود، شرکت‌کنندگان محتوای تولید شده توسط هوش مصنوعی را ترجیح می‌دادند. اما وقتی می‌فهمیدند که محتوا چگونه ساخته شده، نتیجه کاملاً برعکس می‌شد!

انگار شفاف‌سازی در مورد استفاده از هوش مصنوعی، یک جور حس عدم اطمینان به تعامل اضافه می‌کرد؛ حسی که ریشه در بی‌اعتمادی رایج ما به هر تجربهٔ جدید و ناشناخته دارد.

بالاخره، ما قرن‌هاست که محتوای نوشته‌شده توسط انسان را مصرف می‌کنیم، اما هوش مصنوعی مولد تنها در چند سال گذشته به این مقیاس رسیده است. بنابراین، این چالشی نبود که قبلاً با آن روبرو شده باشیم.

به طور مشابه، «گابریله پیتزی» از دانشگاه بولونیا نشان داد که وقتی مردم در یک محیط خرید شبیه‌سازی‌شده با یک چت‌بات هوش مصنوعی تعامل می‌کنند، زمانی که چت‌بات ظاهری «انسانی‌تر» در مقایسه با حالت «رباتیک» دارد، احتمال بیشتری وجود دارد که آن را شایسته و کاربلد بدانند (و در نتیجه، برای ارائه اطلاعات شخصی به آن اعتماد کنند).

و ما به عنوان بازاریاب و متخصص سئو می‌دانیم که اعتماد، مهر تأیید نهایی است؛ نه فقط برای گرفتن یک بازدید و یک تراکنش، بلکه برای ساختن یک رابطهٔ پایدار با کاربری که پشت صفحه نمایش نشسته است.

بنابراین، اگر تشخیص محتوای هوش مصنوعی نحوهٔ تعامل ما و تصمیم‌گیری‌هایمان را تغییر می‌دهد، آیا ما هنوز هم برتری انسانی خود را حفظ می‌کنیم، وقتی که محتوای هوش مصنوعی آنقدر به واقعیت نزدیک می‌شود که تقریباً قابل تشخیص نیست؟

مغز شما می‌تواند هوش مصنوعی را تشخیص دهد، اما نه صد در صد!

مطالعات قبلی نشان داده‌اند که انسان‌ها هنگام دیدن یا تعامل با یک موجود مصنوعی که ویژگی‌های نیمه‌واقعی دارد، احساس ناراحتی می‌کنند که به آن دره وهمی (uncanny valley) می‌گویند.

این احساس منفی به صورت فیزیولوژیکی با فعالیت بالاتر سیستم عصبی سمپاتیک ما (بخشی که مسئول واکنش «جنگ یا گریز» است) بروز می‌کند، حتی قبل از اینکه شرکت‌کنندگان بتوانند به صورت کلامی آن را گزارش دهند یا حتی از آن آگاه باشند.

این در واقع معیاری برای «حس درونی» آن‌ها نسبت به محرکی است که از ویژگی‌های انسانی تقلید می‌کند، اما در این کار کاملاً موفق نیست.

پدیده «دره وهمی» از این واقعیت ناشی می‌شود که مغز ما، که به پیش‌بینی الگوها و پر کردن جاهای خالی بر اساس تجربیات خود عادت دارد، این محرک‌ها را به عنوان «اشکال» یا «باگ» می‌بیند و آن‌ها را به عنوان موارد پرت و نامتعارف در کتابخانهٔ ذهنی ما از چهره‌ها، بدن‌ها و حالات مختلف شناسایی می‌کند.

این انحراف از هنجار و عدم قطعیت در برچسب‌گذاری این محرک‌های «وهمی»، از دیدگاه شناختی می‌تواند تحریک‌کننده باشد که خود را در فعالیت الکترودرمال (EDA) بالاتر نشان می‌دهد. EDA معیاری برای برانگیختگی روانی است که می‌توان آن را با الکترودهایی روی پوست اندازه‌گیری کرد.

بر اساس این شواهد، منطقی است که فرض کنیم مغز ما می‌تواند هوش مصنوعی را قبل از هرگونه تشخیص فعالانه شناسایی کند و ما می‌توانیم EDA بالاتری را در مواجهه با چهره‌های تولید شده با هوش مصنوعی ببینیم، به خصوص وقتی چیزی در مورد آنها «ناجور» به نظر برسد.

با این حال، مشخص نیست که در چه سطحی از واقع‌گرایی، ما دیگر واکنش متمایزی از خود نشان نمی‌دهیم. برای همین، من می‌خواستم با تحقیق خودم به این سوال پاسخ دهم.

این‌ها سوالاتی بودند که من در مطالعه‌ام به دنبال پاسخشان بودم:

1. آیا ما یک سیستم «ردیاب» ذاتی و پیش‌آگاهانه برای هوش مصنوعی داریم؟ و این سیستم در چه نقطه‌ای از تقلید واقع‌گرایانه، دیگر پاسخ نمی‌دهد؟
2. اگر چنین سیستمی داریم، آیا این سیستم تشخیص فعالانه ما بین محتوای هوش مصنوعی و انسانی را هدایت می‌کند؟
3. آیا توانایی ما در تشخیص، تحت تأثیر میزان قرار گرفتن ما در معرض محرک‌های هوش مصنوعی در زندگی واقعی است؟
4. و مهم‌تر از همه، آیا پاسخ به این سؤالات می‌تواند چالش‌های بعدی ما در حوزه سئو و بازاریابی را پیش‌بینی کند؟

برای پاسخ به این سؤالات، من فعالیت الکترودرمال (EDA) ۲۴ شرکت‌کننده بین ۲۵ تا ۶۵ سال را در حالی که تصاویر خنثی، تصاویر تولید شده توسط هوش مصنوعی و تصاویر انسانی به آنها نشان داده می‌شد، اندازه‌گیری کردم و هرگونه تفاوت معنادار در پاسخ به هر دسته را بررسی کردم.

مطالعه من در سه مرحله انجام شد، برای هر سؤالی که داشتم یک مرحله:

1. مرحله اول: شرکت‌کنندگان محرک‌های ثابت خنثی، هوش مصنوعی و انسانی را روی صفحه مشاهده می‌کردند، بدون اینکه نیازی به انجام کاری داشته باشند و در همین حین، فعالیت الکترودرمال آنها ثبت می‌شد. هدف از این کار، اندازه‌گیری پاسخ خودکار و پیش‌آگاهانه به محرک‌های ارائه‌شده بود.
2. مرحله دوم (رفتاری): شرکت‌کنندگان باید با فشردن یک دکمه، چهره‌هایی را که دیده بودند به دو دستهٔ «تولید شده توسط هوش مصنوعی» و «انسانی» طبقه‌بندی می‌کردند. آنها باید این کار را تا حد امکان سریع و دقیق انجام می‌دادند تا مهارت‌های تشخیص آگاهانه آنها اندازه‌گیری شود.
3. مرحله نهایی: شرکت‌کنندگان محدوده سنی و میزان آشنایی خود با هوش مصنوعی را در یک مقیاس خودگزارشی از طریق پنج سؤال اعلام می‌کردند. این کار به من یک امتیاز «سواد هوش مصنوعی» خودگزارشی برای هر شرکت‌کننده داد که می‌توانستم آن را با سایر معیارهای به دست آمده از مراحل فیزیولوژیکی و رفتاری مرتبط کنم.

و این هم نتایجی که به دست آوردم:

• شرکت‌کنندگان تفاوت معناداری در فعال‌سازی پیش‌آگاهانه بین شرایط مختلف نشان دادند و به طور خاص، EDA برای چهره‌های انسانی به طور قابل توجهی بالاتر از چهره‌های هوش مصنوعی (هم چهره‌های فوق‌واقع‌گرایانه و هم چهره‌های CGI) بود. این نتیجه، فرضیهٔ اینکه مغز ما می‌تواند قبل از شروع یک کار تشخیصی، تفاوت بین چهره‌های هوش مصنوعی و انسانی را تشخیص دهد، تأیید می‌کند.
• فعالیت بالاتر برای چهره‌های انسانی با ادبیات قدیمی‌تر که فعالیت بالاتر را برای محرک‌های «دره وهمی» نشان می‌دهد، در تضاد است. این می‌تواند به دلیل عادت ما به تصاویر CGI باشد (یعنی دیگر محرک‌های غیرعادی و پرت نیستند) یا به تلاش شناختی خودکاری مربوط باشد که برای استنباط احساسات از چهره‌های خنثی انسانی انجام می‌دهیم. در واقع، محدودیت EDA این است که به ما می‌گوید اتفاقی در سیستم عصبی ما در حال رخ دادن است، اما نمی‌گوید آن اتفاق چیست. فعالیت بالاتر می‌تواند به آشنایی و ترجیح، حالات عاطفی منفی یا حتی تلاش شناختی مربوط باشد، بنابراین تحقیقات بیشتری در این زمینه لازم است.
• میزان مواجهه و آشنایی با محتوای هوش مصنوعی با دقت بالاتر در طبقه‌بندی فعالانه چهره‌ها به دو دسته هوش مصنوعی و انسانی همبستگی داشت. این نتیجه، این فرضیه را تأیید می‌کند که هرچه بیشتر در معرض هوش مصنوعی قرار بگیریم، در تشخیص تفاوت‌های ظریف آن بهتر می‌شویم.
• مردم در طبقه‌بندی محرک‌های «دره وهمی» در دسته هوش مصنوعی بسیار سریع‌تر و دقیق‌تر عمل کردند، اما با چهره‌های فوق‌واقع‌گرایانه مشکل داشتند و در ۲۲٪ موارد، آنها را به اشتباه به عنوان چهره انسانی طبقه‌بندی کردند.
• تشخیص فعالانه توسط فعال‌سازی پیش‌آگاهانه هدایت نمی‌شد. اگرچه تفاوت در فعالیت خودمختار برای چهره‌های هوش مصنوعی و انسانی قابل مشاهده است، اما این موضوع با سرعت یا دقت شرکت‌کنندگان ارتباطی نداشت. در واقع، می‌توان گفت که شرکت‌کنندگان وقتی می‌دانستند باید انتخابی انجام دهند، به غریزهٔ خودشان شک می‌کردند.

و اما، بزرگترین نتیجهٔ تحقیق چیزی بود که من در مطالعهٔ آزمایشی قبل از مطالعهٔ اصلی متوجه شدم: وقتی شرکت‌کننده با برند یا محصول ارائه‌شده آشنا باشد، این احساس او نسبت به آن برند/محصول است که آنچه را در سطح عصبی می‌بینیم هدایت می‌کند، نه پاسخ خودکار به تصویر ارائه‌شده.

بنابراین، در حالی که مغز ما از نظر فنی می‌تواند «تفاوت را تشخیص دهد»، احساسات ما، آشنایی با برند، پیام و انتظارات ما، همگی عواملی هستند که می‌توانند به شدت نگرش و رفتار ما را تحت تأثیر قرار دهند و اساساً تشخیص ما (چه خودکار و چه غیرخودکار) را در زنجیرهٔ ارزیابی‌هایی که انجام می‌دهیم، تقریباً بی‌ربط کنند.

این موضوع پیامدهای عظیمی دارد؛ نه تنها در نحوهٔ حفظ مخاطبان فعلی، بلکه در نحوهٔ نزدیک شدن به مخاطبان جدید.

ما اکنون در مرحله‌ای هستیم که درک خواستهٔ کاربر فراتر از جستجوی فوری او، حتی حیاتی‌تر از قبل شده است. و اگر بتوانیم همه این‌ها را قبل از اینکه کاربر نیازهایش را صریحاً بیان کند شناسایی کنیم، یک مزیت رقابتی بزرگ خواهیم داشت.

راه بقا، خارج شدن از بازی نیست؛ یاد گرفتن قوانین جدید است

خب، آیا بازاریابی هنوز به آدم‌های واقعی نیاز دارد؟

قطعاً نیاز دارد، هرچند که دیدن این واقعیت در حال حاضر کمی سخت است؛ چون هر کسب‌وکاری از ترس جا ماندن از فرصت بزرگ هوش مصنوعی هیجان‌زده شده و حواسش با ابزارهای جدید و پر زرق‌وبرقی که هر روز در وب ظاهر می‌شوند، پرت شده است.

انسان‌ها با تغییر رشد می‌کنند. این‌گونه است که ما یاد می‌گیریم و ارتباطات و تداعی‌های جدیدی می‌سازیم که به ما کمک می‌کنند با محیط‌ها و فرآیندهای جدید سازگار شویم.

تا به حال کلمه نوروپلاستیسیتی (neuroplasticity) یا انعطاف‌پذیری عصبی را شنیده‌اید؟ شاید فقط یک اصطلاح دهن‌پرکن برای یادگیری به نظر برسد، اما در واقع به معنای توانایی مغز شما برای تغییر شکل در نتیجهٔ تجربه است.

به همین دلیل است که من فکر می‌کنم هوش مصنوعی شغل ما را نخواهد گرفت. ما روی پیشرفت سریع هوش مصنوعی در توانایی هضم محتوا و بازآفرینی خروجی‌هایی که تقریباً از خروجی‌های خودمان قابل تشخیص نیستند تمرکز کرده‌ایم، اما به قدرت خودمان برای تکامل و رسیدن به این سطح جدید توجه نمی‌کنیم.

هوش مصنوعی به حرکت خود ادامه خواهد داد، اما عقربهٔ تشخیص ما و رفتار ما نسبت به آن نیز بر اساس تجربیاتی که با فرآیندها و محتوای جدید می‌سازیم، جابجا خواهد شد.

نتایج من در حال حاضر نشان می‌دهد که چگونه آشنایی با هوش مصنوعی در توانایی ما برای تشخیص آن نقش دارد و در عرض یک سال، حتی نتایج EDA نیز ممکن است به عنوان تابعی از قرار گرفتن تدریجی در معرض آن، تغییر کند.

شک و تردید ما نسبت به هوش مصنوعی ریشه در جنبه‌های ناشناختهٔ آن دارد که با سوءاستفاده‌های زیادی که به عنوان محصول جانبی یک رشد سریع و تقریباً بدون نظارت دیده‌ایم، همراه شده است.

ماهیت تعاملات بعدی ما با هوش مصنوعی، رفتار ما را شکل خواهد داد.

من فکر می‌کنم این فرصت ما به عنوان یک صنعت است تا تجربیات ارزشمند مبتنی بر هوش مصنوعی را بدون قربانی کردن کیفیت کار، مسئولیت‌های اخلاقی‌مان در قبال کاربر و رابطه‌مان با آنها ایجاد کنیم. این یک فرآیند کندتر است، اما ارزشش را دارد.

بنابراین، حتی اگر در ابتدا این مطالعه را به عنوان یک رویارویی «انسان در مقابل ماشین» شروع کردم، معتقدم که ما به سمت دوران «انسان و ماشین» در حرکتیم.

به دور از رویکرد «از هوش مصنوعی برای همه چیز استفاده کن» که معمولاً در اطراف می‌بینیم، در ادامه تفکیکی از جایی که من یکپارچه‌سازی (تحت نظارت) هوش مصنوعی با شغل ما را بدون مشکل می‌بینم و جایی که فکر می‌کنم در وضعیت فعلی‌اش هنوز جایی ندارد، آورده‌ام:

• هر چیزی که اطلاعات ارائه می‌دهد، مسیریابی را تسهیل می‌کند و سفر کاربر را ساده‌تر می‌کند.
  • برای مثال، تست توضیحات محصول بر اساس ویژگی‌هایی که از قبل در کاتالوگ موجود است، یا ارائه خلاصه‌ای از نظرات کاربران واقعی که مزایا و معایب را فوراً برجسته می‌کند.
  • قابلیت پرو مجازی (Virtual try-on) و پیشنهاد محصولات مشابه بر اساس شباهت.
  • خودکارسازی فرآیندهایی مثل پیدا کردن فرصت‌های لینک‌سازی داخلی، دسته‌بندی هدف جستجوی کاربر (Intent) و ترکیب منابع داده‌های مختلف برای رسیدن به بینش‌های بهتر.
• هر چیزی که بر اساس ایجاد ارتباط یا متقاعد کردن کاربر باشد.
  • این شامل هر محتوایی می‌شود که تخصص و اعتبار در یک زمینه را جعل می‌کند. فناوری فعلی (و فقدان مقررات) حتی به اینفلوئنسرهای هوش مصنوعی اجازه فعالیت می‌دهد، اما به خاطر داشته باشید که اصالت برند شما هنوز بزرگترین دارایی شماست که باید آن را حفظ کنید، به خصوص وقتی کاربر به دنبال خرید یا تبدیل شدن به مشتری است. عواقب فریب دادن کاربر، زمانی که او انتظار محتوای ارگانیک و واقعی را دارد، بسیار بزرگتر از از دست دادن یک کلیک است. این کاری است که نمی‌توانید خودکار کنید.
  • به طور مشابه، تولید نظرات یا محتوای تولید شده توسط کاربر (UGC) در مقیاس وسیع برای القای مشروعیت یا ارزش. اگر می‌دانید که کاربران شما برای کسب اطلاعات بیشتر به این بخش‌ها مراجعه می‌کنند، نمی‌توانید به تردیدهایشان با استدلال‌های جعلی پاسخ دهید. تاکتیک‌های فریبکارانه در بازاریابی عمر کوتاهی دارند، زیرا مردم یاد می‌گیرند که تشخیص دهند و به محض اینکه متوجه شوند فریب خورده‌اند، فعالانه از آنها دوری می‌کنند. انسان‌ها تشنهٔ اصالت و تأیید واقعی از سوی هم‌نوعان خود برای تصمیماتشان هستند، زیرا این کار به آنها احساس امنیت می‌دهد. اگر روزی به نقطه‌ای برسیم که به عنوان یک جامعه، احساس کنیم می‌توانیم به هوش مصنوعی اعتماد کنیم، آنگاه ممکن است شرایط متفاوت باشد، اما این اتفاق زمانی که بیشتر استفاده فعلی از آن به فریب دادن کاربران برای انجام یک تراکنش به هر قیمتی اختصاص دارد، رخ نخواهد داد.
• جایگزین کردن متخصصان و کنترل کیفیت. اگر این روش برای اپلیکیشن محبوب دولینگو (Duolingo) نتیجهٔ معکوس داد، به احتمال زیاد برای شما هم همین‌طور خواهد بود.

اهداف جدیدی که باید برای خودمان تعیین کنیم

اینجا نقطه شروع یک سفر جدید برای ماست.

رفتار جمعی جستجو در حال حاضر تغییر کرده است؛ نه تنها به دلیل نماهای مبتنی بر هوش مصنوعی در صفحه نتایج جستجو (SERP) که مصرف اطلاعات و تصمیم‌گیری ما را سریع‌تر و آسان‌تر می‌کند، بلکه به دلیل معرفی کانال‌ها و اشکال جدید محتوا (انقلاب «جستجو در همه جا» که این روزها زیاد درباره‌اش می‌شنویم).

این ما را به اهداف جدیدی به عنوان متخصصان سئو می‌رساند:

1. همه‌جا حاضر باشید: اکنون زمان آن است که با کانال‌های دیگر همکاری کنیم تا آگاهی از برند ارگانیک را بهبود بخشیم و در هر مرحله از سفر مشتری، در ذهن او باشیم.
2. اصطکاک را از بین ببرید: حالا که می‌توانیم پاسخ‌ها را مستقیماً از صفحه نتایج جستجو و بدون حتی کلیک کردن دریافت کنیم، سرعت به یک هنجار جدید تبدیل شده است و هر چیزی که سفر کاربر را کندتر کند، یک ریسک برای رها کردن سایت شماست. اینکه خواسته‌های مشتریان را فوراً برآورده کنید (شفاف بودن در مورد پیشنهادات، حذف مراحل غیرضروری برای یافتن اطلاعات، و بهبود تجربه کاربری برای تکمیل یک اقدام) مانع از این می‌شود که آنها به سراغ نتایج بهتر از رقبا بروند.
3. اصالت خود را حفظ کنید: کاربران می‌خواهند به شما اعتماد کنند و در انتخاب‌هایشان احساس امنیت کنند، پس در دام هیجان مقیاس‌پذیری که می‌تواند به برند شما آسیب برساند، نیفتید.
4. مشتریان خود را عمیق‌تر بشناسید: داده‌های کلمات کلیدی دیگر کافی نیست. ما باید حالات عاطفی آنها را هنگام جستجو بدانیم، بفهمیم ناامیدی‌ها و مشکلاتشان چیست و چه چیزی را می‌خواهند حل کنند. و مهم‌تر از همه، باید بدانیم که آنها در مورد برند ما، محصول ما و انتظاراتشان از ما چه احساسی دارند تا بتوانیم واقعاً قبل از اینکه هزاران گزینه دیگر وارد میدان شوند، نیازشان را برآورده کنیم.

ما قبلاً هم در چنین موقعیت‌هایی بوده‌ایم. این بار هم دوباره سازگار خواهیم شد. و من فکر می‌کنم از آن سوی هیاهوی هوش مصنوعی، سربلند (و شاید حتی ماهرتر) بیرون خواهیم آمد.