التوجيه الخفي في ChatGPT يغيّر العلامات التجارية المستشهد بها

قد يقدّم ChatGPT مصادر مختلفة للسؤال نفسه عند تكراره، وتكشف أبحاث جديدة عن السبب: فهو يوجّه الاستعلامات بصمت عبر عدة خطوط استرجاع خلفية، ويغيّر اختلاف الخط المُشغَّل الصفحات التي يسترجعها ويمكن أن يستشهد بها. وبالنسبة للعلامات التجارية، يعني ذلك أن الاستشهاد قد يظهر أو يختفي بين طلبين متطابقين دون أي تغيير في محتواكم، وأن أدوات قياس الظهور في الذكاء الاصطناعي التي تكتفي بأخذ عيّنة واحدة من الاستعلام تقيس هذا التوجيه بقدر ما تقيسكم.

ما الذي حدث

توصّل باحثان مستقلّان، عملا كلٌّ على حدة، إلى أن البحث عبر الويب في ChatGPT يرتكز على أربعة خطوط استرجاع خلفية على الأقل، تحمل داخلياً الأسماء Labrador وBright وOxylabs وSERP. وأجرى الباحث في تحسين محركات البحث Chris Green الاختبار الأكبر: 1,000 طلب، كُرِّر كل منها حتى عشر مرات، بما أنتج 9,946 عملية تشغيل مكتملة. وتولّى Labrador 88.1% من المصادر الأساسية للبحث، وBright 9.9%، وOxylabs 1.7%، وSERP 0.3%.

وعدم الاستقرار هذا هو جوهر النتيجة. يذكر Green أن 88.4% من الطلبات حافظت على المصدر الأساسي نفسه في كل التكرارات، بينما تغيّر المصدر في 11.6% منها. وعندما تغيّر المصدر، انخفض التداخل بين عناوين URL التي استرجعها ChatGPT بنحو 45%، وانخفض التداخل بين النطاقات بنحو 42%. وبذلك يُعيد نحو طلب واحد من كل تسعة مجموعة صفحات قابلة للاستشهاد تختلف اختلافاً جوهرياً، تبعاً للخط الذي يصادف تشغيله.

وبشكل مستقل، فحص الباحث Suganthan Mohanadasan حركة بيانات الشبكة الخام من حساب مسجَّل الدخول في ChatGPT، وحدَّد نفس تسميات الخطوط الأربعة، مع تفاوت في تفضيل كل خط لأنواع مصادر مختلفة. ونبّه أيضاً إلى ثغرة بين ما يجلبه ChatGPT وما يعتمده مصدراً: فبعض المصادر استُرجعت مرات أكثر بكثير مما استُشهد بها على الإطلاق.

لماذا يهم هذا

وهذا يعيد تعريف الظهور في الذكاء الاصطناعي بوصفه، جزئياً، مشكلة قياس. فإذا كان الطلب نفسه قادراً على إظهار علامتكم التجارية أو حذفها لمجرد أن ChatGPT بدّل خط الاسترجاع بين عملية وأخرى، فإن فحصاً واحداً لا يخبركم بشيء يُذكر. فقد تبدو العلامة حاضرة يوم الاثنين وغائبة يوم الثلاثاء دون أي تغيير في المحتوى على الجانبين، وأي أداة تستعلم مرة واحدة عن كل كلمة مفتاحية ستُسجّل هذا التشويش على أنه اتجاه.

كما يوسّع ذلك الفجوة بين أن يُجلَب المصدر وأن يُستشهد به. فقد وجد Mohanadasan مصادر استرجعها ChatGPT بكثافة لكنه اعتمدها نادراً، ما يعني أن الظهور في مجموعة الاسترجاع شرط ضروري لكنه غير كافٍ. وكما عبّر هو نفسه، يمكن أن تُذكَر العلامة التجارية دون أن يُستشهد بها، وأن يُستشهد بها دون أن تُذكَر.

ماذا يعني هذا للعلامات متعددة الفروع

وبالنسبة لفريق مركزي يتابع الظهور في الذكاء الاصطناعي عبر مئات الفروع، تكمن الاستجابة العملية في القياس بمنطق الإحصائي لا بمنطق الفحص العشوائي. خذوا عيّنات متكرّرة من كل استعلام مهم واقرؤوا التوزيع، لا نتيجة واحدة، حتى لا يُسجَّل تبديل خط الاسترجاع كمكسب أو كخسارة. وحيثما تسمح البيانات القياسية بذلك، سجّلوا خط الاسترجاع الذي أنتج كل إجابة، كما يوصي Green، بحيث يمكن ربط أي تحوّل في أرقامكم بالتوجيه بدلاً من الخلط بينه وبين الترتيب.

أما الاستجابة على مستوى المحتوى فلا تتغيّر، وهذا هو الجانب المطمئن. فالطريقة للاستشهاد بكم عبر كل الخطوط هي نفس الانضباط الخاص بالبيانات الأولية الذي يحكم أصلاً الظهور في نتائج البحث بالذكاء الاصطناعي: قوائم أنشطة تجارية متسقة عبر كل منصة، وبيانات منظَّمة واضحة، وصفحات فروع تجيب عن الأسئلة مباشرة. تابعوا كيف تظهر علامتكم التجارية وفروعكم فعلياً في إجابات الذكاء الاصطناعي بأداة مصمَّمة لهذا الغرض، مثل Places AI، وعاملوا كل قراءة منفردة كعيّنة واحدة لا كحقيقة نهائية.

“ينبغي أن يصبح مصدر البحث بُعداً إضافياً يُسجَّل خلال دراسات الظهور في الذكاء الاصطناعي، حيثما تسمح البيانات القياسية بذلك.”

Chris Green، أبحاث البحث في ChatGPT

الخلاصة

استشهادات ChatGPT أقل استقراراً مما يوحي به فحص واحد، وجزء من التحرّك الذي تراه العلامات التجارية سببه التوجيه الخلفي، لا أداؤها الفعلي. والعلامات التجارية التي ستقرأ الظهور في الذكاء الاصطناعي بشكل صحيح هي التي ستأخذ عيّنات متكرّرة وتتحكّم في بياناتها الأولية، لتظهر أياً كان الخط الذي يُشغَّل.