شکاف اعتماد در سئو: چرا متخصصان به ابزارهای سنجش رویت‌پذیری در هوش مصنوعی اعتماد ندارند؟

در ماه جولای، یک نظرسنجی از ۱۶۳ متخصص فعال در حوزه رویت‌پذیری در جستجوی هوش مصنوعی انجام شد تا نظر آن‌ها درباره پلتفرم‌های اندازه‌گیری این حوزه مشخص شود. نتایج این نظرسنجی، یک شکاف قابل توجه را آشکار کرد.

شرکت‌کنندگان در این نظرسنجی، ارزش داده‌های مختلف مربوط به رویت‌پذیری در هوش مصنوعی (مانند تحلیل رقبا، هم‌راستایی با کوئری‌ها و وضعیت استناد) را به طور میانگین ۴.۲ از ۵ ارزیابی کردند. این نشان می‌دهد که تقاضای بالایی برای این نوع اطلاعات وجود دارد. اما وقتی از آن‌ها پرسیده شد که آیا در حال حاضر سرمایه‌گذاری روی یک پلتفرم اختصاصی برای این کار را ارزشمند می‌دانند، میانگین امتیاز به ۳.۱۹ کاهش یافت.

این اختلاف، که می‌توان آن را «شکاف اعتماد» نامید، هسته اصلی ماجراست. تقریباً یک‌سوم پاسخ‌دهندگان، ارزش داده‌ها را بالا اما سرمایه‌گذاری روی ابزارها را ضعیف ارزیابی کردند. تنها ۴۴٪ معتقدند خرید چنین ابزاری در حال حاضر ارزشمند است.

وقتی از شرکت‌کنندگان خواسته شد بزرگ‌ترین چالش یا سؤال بی‌پاسخ خود را مطرح کنند، برخلاف انتظار، لیستی از ویژگی‌های درخواستی ارائه نشد. نگرانی‌های اصلی به ترتیب عبارت بودند از:

اعتماد، دقت و متدولوژی غیرشفاف (۲۴٪)، بازگشت سرمایه (ROI) و ارتباط با اهداف تجاری (۲۰٪)، ماهیت غیرقطعی و متغیر هوش مصنوعی (۱۵٪)، و استفاده از پرامپت‌های مصنوعی به جای تقاضای واقعی کاربر (۱۱٪).

نکته جالب اینجاست که قیمت و هزینه تنها برای ۷٪ از پاسخ‌دهندگان یک دغدغه اصلی بود. در مقابل، ۵۷٪ به طور مشخص به عدم اعتماد به داده‌ها یا ناتوانی در اتصال آن‌ها به نتایج مالی اشاره کردند. این نشان می‌دهد که مشکل اصلی این بازار، گران بودن ابزارها نیست.

بسیاری از پاسخ‌دهندگان به یک مشکل ساختاری در این ابزارها اشاره کردند: شما خودتان لیستی از پرامپت‌ها را برای ردیابی انتخاب می‌کنید و سپس عملکرد خود را بر اساس همان لیست می‌سنجید. یکی از شرکت‌کنندگان این فرآیند را «پیش‌گویی خودمحقق‌کننده» نامید.

داده‌های سئوی شخص ثالث همیشه بیشتر جهت‌دهنده بوده‌اند تا وحی منزل، و این مشکلی ندارد، تا زمانی که کسی خلاف آن را وانمود نکند.

— یکی از متخصصان با دو دهه تجربه

یکی دیگر از پاسخ‌دهندگان استدلال کرد که این ابزارها با ردیاب‌های رتبه سنتی تفاوت اساسی دارند. وقتی پاسخ مدل‌های هوش مصنوعی هر بار تغییر می‌کند، نمی‌توان مهندسی معکوس کرد که چه چیزی مؤثر بوده است. بنابراین، این ابزارها بیشتر شبیه یک سیگنال آگاهی از برند عمل می‌کنند تا یک ابزار تشخیصی.

شما نمی‌توانید کاری را که این ابزارها ادعا می‌کنند انجام دهید، زیرا هر کاربر در هر مدل تجربه متفاوتی دارد. اینها روغن مار و لوبیاهای سحرآمیز هستند.

— یکی از منتقدان سرسخت

یک آژانس دیجیتال مارکتینگ نیز به یک چالش تجاری اشاره کرد:

ما نمی‌توانیم رویت‌پذیری در هوش مصنوعی را به عنوان یک سرویس بفروشیم بدون اینکه ابزار اندازه‌گیری داشته باشیم، و نمی‌توانیم ابزارها را توجیه کنیم تا زمانی که این سرویس را بفروشیم.

— مدیر یک آژانس دیجیتال مارکتینگ

تحلیل داده‌ها نشان می‌دهد که این شکاف اعتماد در میان تمام گروه‌ها (آژانس‌ها، تیم‌های داخلی و مشاوران مستقل) یکسان است. اما یک تفاوت بزرگ وجود دارد: این شکاف برای کسانی که در حال حاضر مشترک یکی از این پلتفرم‌ها هستند، تقریباً از بین می‌رود. این می‌تواند به این معنی باشد که خرید ابزار، شک و تردید را برطرف می‌کند، یا اینکه فقط افرادی که از ابتدا شک نداشتند، اقدام به خرید کرده‌اند.

نکته دیگر این است که مشترکین فعلی بیشتر نگران «غیرعملی بودن» داده‌ها هستند (اینکه نمی‌دانند با داده‌ها چه کنند)، در حالی که افراد دیگر بیشتر نگران «صحت» خود داده‌ها هستند.

مهم‌ترین خواسته شرکت‌کنندگان، شفافیت در متدولوژی بود: «به من نشان دهید این داده از کجا می‌آید و چرا باید به آن اعتماد کنم.» این یک درخواست منطقی است، اما فروشندگان این ابزارها نمی‌توانند به آن پاسخ کامل دهند. متدولوژی، دارایی اصلی یک شرکت نرم‌افزاری است و افشای کامل آن به معنای از دست دادن مزیت رقابتی است. این موضوع در مورد ابزارهای سئوی سنتی که سال‌هاست به آن‌ها اعتماد کرده‌ایم نیز صادق است.

این چالش‌ها در بازار ایران اهمیت بیشتری پیدا می‌کنند. با توجه به محدودیت‌های دسترسی و پرداخت برای ابزارهای بین‌المللی، بسیاری از متخصصان ایرانی به فکر ساخت ابزارهای داخلی یا استفاده مستقیم از API مدل‌های زبانی بزرگ مانند «جمینی» (Gemini) می‌افتند. با این حال، همان‌طور که نظرسنجی نشان می‌دهد، ساخت چنین ابزارهایی بسیار دشوار است و تنها درصد کمی (حدود ۸٪) این کار را انجام داده‌اند. این موضوع نشان می‌دهد که نیاز به یک راه‌حل قابل اعتماد، چه جهانی و چه داخلی، کاملاً حس می‌شود و متخصصان ایرانی باید با درک این «شکاف اعتماد»، در انتخاب یا ساخت ابزارهای آینده خود هوشمندانه‌تر عمل کنند.

در نهایت، نویسنده مقاله به تعداد کم شرکت‌کنندگان (۱۶۳ نفر از حدود ۷۱۵,۰۰۰ متخصص سئو فقط در آمریکا) اشاره می‌کند و این سؤال را مطرح می‌کند که شاید شکاف بزرگ‌تری بین «گفتمان» پر سر و صدا در مورد تهدیدهای هوش مصنوعی و «اقدام» عملی در این زمینه وجود داشته باشد.