كيف يغير سياق الأعمال توصيات الذكاء الاصطناعي
يبدو أن كل قصة نجاح للذكاء الاصطناعي تنتهي بنفس الطريقة. يشارك أحد الأشخاص مخرجات رائعة، ويسأله على الفور تقريبًا: “هل ستشارك الموجه؟”
إنه طلب معقول. غالبًا ما نعطي المطالبات الكثير من الفضل. بحلول الوقت الذي يكتب فيه شخص ما رسالة موجهة، يكون قد حدد بالفعل الأهداف، وجمع السياق، ووزن المقايضات، وقرر كيف يبدو النجاح.
تلتقط المطالبات نتيجة المحادثات والافتراضات والمراجعات والأحكام التحريرية التي جاءت قبل وقت طويل من بدء أي شخص في الكتابة.
ولرؤية مدى أهمية هذه العملية، أعطيت نفس المهمة الإستراتيجية لكل من ChatGPT وClaude وGemini، مع تغيير المعلومات التي جاءت قبل المطالبة فقط.
التجربة
كانت المهمة واضحة. لقد استثمرت إحدى الشركات في تحسين محركات البحث لسنوات، وكان موقعها الإلكتروني راسخًا. أدركت القيادة أن سلوك البحث يتغير مع انتشار الإجابات التي يولدها الذكاء الاصطناعي، لكن لم يكن أحد يعرف ما الذي يجب أن يتغير، إن وجد، في استراتيجية التسويق.
لقد أعطيت نفس المهمة لـ ChatGPT وClaude وGemini. وكان الهدف هو إنشاء خارطة طريق استراتيجية تحدد:
ما هي المعلومات التي ينبغي جمعها.
ما هي الفرص التي تستحق الاهتمام.
ما هي الافتراضات التي تتطلب التحقق من الصحة.
ما الذي يجب أن يحدث قبل البدء في إنشاء المحتوى؟
لم أكن أحاول تحديد النموذج “الفائز”. أردت أن أرى كيف تغيرت الاستجابات مع تطور المهمة.
كن العلامة التجارية التي يجدها العملاء أولاً.
تتبع ونمو وقياس ظهورك عبر Google وبحث الذكاء الاصطناعي والوسائط الاجتماعية والمحلية وكل قناة تؤثر على قرارات الشراء.
ابدأ تجربتك المجانية
التشغيل الأول: النماذج المملوءة بالقصد المفقود
في البداية، اعتقدت أنني قمت بصياغة مطالبة معقولة تمامًا. ثم أدركت أن ما كتبته بالفعل كان مهمة معقولة تمامًا. وبدلاً من إعادة إنتاجه سطرًا تلو الآخر، إليك ما تضمنه:
طلب التوجيه الاستراتيجي بدلاً من نسخة تسويقية.
شرح أنه مخصص لشركة راسخة مهتمة بظهورها في البحث الذي ينشئه الذكاء الاصطناعي.
تعليمات للتعرف على المعلومات المفقودة لمنع الهلوسة والحقائق المخترعة.
توقع أن الاستجابة ستعطي الأولوية للتخطيط على التنفيذ.
تظهر المهمة الافتتاحية الكاملة في الشكل 1.
لقد حددت المشكلة، وحددت نوع المساعدة التي أحتاجها، وتثبيط الافتراضات غير المدعومة. كما ترك مجالا للتفسير.
ثم قمت بتشغيل المهمة من خلال النماذج الثلاثة. وجاءت الردود بسرعة. لقد كانوا مدروسين ومنظمين جيدًا وكاملين.
كل منها قد يبدو معقولا من تلقاء نفسه. ومع ذلك، فقد كشفوا جنبًا إلى جنب عن شيء مهم: أنهم لم يجيبوا حقًا على نفس السؤال.
تعامل كلود مع المهمة على أنها بداية لمشروع اكتشاف.
فسره الجوزاء في المقام الأول على أنه مشروع لتحسين بحث الذكاء الاصطناعي.
قام ChatGPT بتوسيع نطاقه إلى إطار استشاري رسمي يتضمن الحوكمة والقياس والتنفيذ المرحلي.
لم يكن أي من التفسيرات غير معقول. وكانت المشكلة هي أن العارضات لم يتم إخبارهن بالمشكلة التجارية الأكثر أهمية.
هل كانت المشكلة في انخفاض حركة المرور؟ رؤية العلامة التجارية؟ اقتباسات الذكاء الاصطناعي؟ جيل الرصاص؟ الضغط التنافسي؟ الاستعداد المستقبلي؟ كل يتطلب استراتيجية مختلفة.
وبدون معلومات كافية لفهم النية الأساسية، قدم كل نموذج تفسيره الخاص. عندما يترك الواجب الدراسي مجالًا للتفسير، فإن النماذج لا تملأ الحقائق المفقودة ببساطة. إنهم يملأون النية المفقودة.
توقفت عن التفكير في كيفية تحسين الموجه وبدأت أفكر في كيفية تحسين الملخص.
الجولة الثانية: سياق أفضل، وتوصيات أفضل
يبدأ المسوقون ذوو الخبرة بالمحادثات. إنهم يتعلمون كيف يبدو النجاح، وأي العملاء يهمهم أكثر، وأين تجني الشركة أموالها، وما هي القيود الموجودة، وما هي التنازلات المقبولة. ثم يقومون بتحويل تلك المعلومات إلى ملخص وظيفي.
هذا ما تخطته عمليتي عمدًا للتجربة.
وفي الجولة الثانية، أبقيت المهمة الأصلية سليمة إلى حد كبير وأضفت المعلومات التي ستظهر عادة خلال تلك المحادثات.
أثبت الموجز المنقح أن العميل هو شركة إقليمية للتدفئة والتهوية وتكييف الهواء (HVAC) تتمتع بموقع ويب ناضج وميزانية محدودة وتفضيل لتحسين الأصول الحالية قبل إنشاء محتوى جديد مهم. كما أوضحت الهدف المتمثل في زيادة الاستفسارات عن الخدمة المؤهلة خلال الموسم المقبل، حيث تمثل اتفاقيات الصيانة أعلى قيمة على المدى الطويل.
يظهر الموجز المنقح في الشكل 2.
لم أقم بإضافة صيغة تحفيزية مفصلة أو أطلب من العارضات التفكير بطريقة معينة. لقد قدمت المعلومات التي يجمعها الخبير الاستراتيجي عادة قبل التوصية بمسار العمل.
وكان الفرق فوريا. احتفظت النماذج الثلاثة بأساليبها الأصلية، لكن توصياتها كانت ترتكز على نفس العمل.
ظل كلود موجهًا نحو الاكتشاف، مع التركيز على الطلب الموسمي، واتفاقيات الصيانة، والأصول الحالية، وتحديد أولويات الميزانية.
ظلت شركة Gemini أكثر تقنية، حيث ربطت توصياتها بشكل أوثق بمسائل الخدمة المحلية والقيود التجارية.
احتفظت ChatGPT بنهجها القائم على إطار العمل، مع إعطاء الأولوية لقرارات الإصلاح مقابل الاستبدال، وتطوير خطة الصيانة، وحماية بيئة تحسين محركات البحث الحالية للشركة.
أدى سياق العمل الإضافي إلى تحويل المهمة إلى ملخص. وأصبحت الردود أكثر تفصيلاً، وأكثر أهمية من الناحية التجارية، وأكثر توافقاً مع نفس التحدي التجاري.
لم تعتمد جودة الاستجابة على مدى تعقيد الرسالة بقدر ما اعتمدت على جودة سياق العمل الذي يقف وراءها.
احصل على النشرة الإخبارية التي يعتمد عليها مسوقو البحث.
انظر الشروط.
الجولة النهائية: حيث لا يزال الحكم البشري مهمًا
لقد أدى الموجز الأفضل إلى تقريب النماذج من بعضها البعض. ولم يجعل توصياتهم مفيدة تلقائيًا.
لقد ولّد الثلاثة إمكانيات أكثر مما يمكن أن تسعى إليه شركة إقليمية بميزانية محدودة بشكل معقول قبل الموسم المقبل. لقد حددوا الفرص، ونظموها، وشرحوا سبب أهمية كل منها. ولا يزال الاختيار من بينها يتطلب حكمًا استراتيجيًا.
ويتطلب الاختيار من بين التوصيات الحكم الاستراتيجي. لقد قمت بتقييمهم بمعيار مختلف:
هل سأقدم هذا للعميل؟
هل يمكنهم التصرف بناءً على ذلك؟
وهل كانت مدعومة بالأدلة المتاحة؟
هل يتوافق مع الأهداف، أم أنه مجرد نشاط معقول لتحسين محركات البحث؟
يمكن أن تكون أي توصية صالحة من الناحية الفنية ولا تزال استثمارًا سيئًا. قد تبدو فرصة المحتوى مفيدة ولكنها تفتقر إلى دليل على اهتمام العميل أو طلبه. يمكن أن يكون إطار القياس دقيقًا ولكنه غير واقعي، نظرًا لتوافر الموظفين أو الأنظمة.
نجت بعض الأولويات باستمرار عبر مراجعات النموذج:
إنشاء خط أساس لكيفية ظهور الشركة في الإجابات ذات الأهمية التجارية التي ينشئها الذكاء الاصطناعي.
قياس العملاء المتوقعين المؤهلين والعمل المحجوز ونمو اتفاقيات الصيانة جنبًا إلى جنب مع الاستشهادات وإحالات الذكاء الاصطناعي.
تحديد ما يمكن اعتباره استفسارًا مؤهلاً قبل التعامل مع الرؤية على أنها نجاح.
تدقيق صفحات الخدمة الحالية ومعلومات الأعمال المحلية ومسارات التحويل قبل التكليف بمحتوى جديد كبير.
لا يتم إنشاء أصول جديدة إلا عندما لا تتمكن الصفحات الحالية من معالجة فجوة المعلومات التي تم التحقق من صحتها.
التأكيد على القرارات الموسمية العاجلة وفرص اتفاقيات الصيانة بدلاً من التحول على مستوى الموقع.
لقد وسّعت النماذج مجال الاحتمالات، لكن الحكم الاستراتيجي ما زال بحاجة إلى تضييق نطاقه.
امتلك المحادثة قبل منافسيك.
تعرف على مكان ظهور علامتك التجارية، وأين لا تظهر، وكيفية الحصول على مزيد من الرؤية عبر البحث، والذكاء الاصطناعي، والمحلية، والاجتماعية، وكل قناة مهمة.
ابدأ تجربتك المجانية
المطالبات هي أدلة، وليس تفسيرات
عادةً ما تخفي لقطة الشاشة السريعة كيفية صياغة المهمة للمهمة، وكيف أضاف الموجز سياق العمل، وكيف يحدد الحكم البشري الأولويات.
تعد المطالبات الدقيقة مفيدة لأنها توضح كيفية تأطير المهمة والمعلومات التي تلقاها النموذج. وهي لا تكشف عما يعرفه المستخدم بالفعل، أو ما كشفته الجولة الأولى، أو الافتراضات التي تم رفضها، أو سبب تغيير المراجعة التالية.
ولهذا السبب فإن المحفز الذي أدى إلى نتيجة مبهرة في موقف ما يقدم شيئًا كافيًا في موقف آخر. الكلمات هي نفسها، ولكن التفكير وراءها ليس كذلك.
تجعل المطالبة الاكتشاف والبحث والحكم التجاري والمراجعة التحريرية مرئية للنموذج. لا يحل محلهم.
ما يتركه الموجه
بدأت التجربة بمهمة. تطورت إلى مختصر. لقد حدد الحكم البشري الأولويات.
المطالبة هي أول قطعة أثرية مرئية لسير العمل هذا. نحن نطلب من الآخرين مطالبتنا لأنه من السهل مشاركتها. يتم وضعها في لقطة شاشة أو منشور اجتماعي أو شريحة.
من الصعب تجميع المحادثات والافتراضات المتغيرة والبدايات الخاطئة ونداءات الحكم التي تقف وراءها. كما أنها أكثر إفادة بكثير.
في المرة القادمة التي يشارك فيها شخص ما مخرجات الذكاء الاصطناعي الرائعة، قد يظل طلب المطالبة أمرًا مفيدًا. فقط لا تخطئ في التفسير الكامل. والسؤال الأكثر فائدة هو كيف وصلوا إلى هناك.
إرسال التعليق