قادة الفكر

المحتوى الرديء المولّد بالذكاء الاصطناعي يصل إلى الشركات

Chris Ackerson
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةأدوات الذكاء الاصطناعي العامة تخاطر بإغراق المؤسسات بمخرجات منخفضة الجودة من بيانات غير…
عرض المزيد
  • أدوات الذكاء الاصطناعي العامة تخاطر بإغراق المؤسسات بمخرجات منخفضة الجودة من بيانات غير قابلة للتحقق.
  • الذكاء الاصطناعي المخصص للمجال على بيانات منقحة يقدم رؤى على مستوى القرار لا تستطيع النماذج العامة مجاراتها.
  • الرداءة في الذكاء الاصطناعي تخلق حلقة تغذية مرتدة حيث تؤدي المدخلات والمخرجات منخفضة الجودة إلى تدهور عملية اتخاذ القرار في المؤسسات.

يعاني الذكاء الاصطناعي مشكلة المحتوى الرديء الغزير المعروف باسم «AI slop». قد نصادف ذلك أثناء تصفحنا اليومي لوسائل التواصل الاجتماعي، في صورة فيديوهات مولّدة بالذكاء الاصطناعي، أو، لمن يتوغل أكثر في الإنترنت، في صورة دراما على غرار تلفزيون الواقع بين فواكه مولّدة بالذكاء الاصطناعي تجسّد شخصيات بشرية[1]. قد تكون هذه الأمثلة مجرد تسلية غير ضارة، لكن أين نرسم حدود ظهور المحتوى المولّد بالذكاء الاصطناعي في بيئات أكثر جدية وحرصًا على تجنب المخاطر، مثل الشركات؟ 

يظهر هذا المحتوى الرديء في الشركات على هيئة رؤى مصقولة وواثقة، لكنها مبنية على بيانات سطحية أو يتعذر الوصول إليها أو غير دقيقة. وقد بدأت الشركات تتحمل تكلفته. وتعكس بيانات AlphaSense هذا التحول: ارتفعت الإشارات إلى هذا المحتوى في الأخبار والتغطية الإعلامية بنسبة 20% من الربع الرابع لعام 2025 إلى الربع الأول لعام 2026، مقارنة بالربع السابق.

 من أوجه القصور التي يواجهها كثير من مستخدمي أدوات الذكاء الاصطناعي عامة الاستخدام افتقارها إلى الوصول إلى مصادر آمنة ومتميزة الجودة. فليس كل قرار قابلًا للاستناد إلى مصادر الويب، ولا ينبغي أن يكون كذلك. وعندما تزداد أهمية القرارات وتحتاج إلى معلومات بمستوى الجودة اللازم لاتخاذها، يتضح فارق بين الأدوات التي تولّد إجابات سطحية وتلك التي تقدم رؤى متخصصة في مجال معين.

 المشكلة أن الزيادة الهائلة في المحتوى المولّد بالذكاء الاصطناعي تغذي حلقة ضخمة من المدخلات منخفضة الجودة والمخرجات الأدنى جودة. وستحدد المؤسسات القادرة على كسر هذه الحلقة والتركيز على مدخلات موثوقة ومتخصصة المرحلة التالية من الذكاء الاصطناعي في الشركات، وتفصل الرؤى الحقيقية عن الضوضاء الاصطناعية.

أكبر قيود الذكاء الاصطناعي في الشركات تكمن في البيانات التي تغذيه

أدوات الذكاء الاصطناعي عامة الاستخدام أنظمة تستطيع الفهم والتعلم والاستدلال عبر مجالات كثيرة. وهي تركز على قدرات أساسية كالاستدلال والتعلم، مما يجعلها أدوات مساعدة مفيدة لتبسيط إجراءات العمل وزيادة الإنتاجية. لكن البيانات العامة المستخدمة في تدريب هذه النماذج قد تنتج مخرجات عامة بالقدر نفسه، فتؤدي إلى محتوى آلي رديء عند استخدامها على نطاق واسع.

 تعتمد شركات كثيرة في قطاع التكنولوجيا اليوم على هذه الأدوات عامة الاستخدام وعلى النماذج اللغوية الكبيرة في إجراءات عمل متنوعة ولتوفير الوقت.

 لم تعد الشركات تكتفي باختبار النماذج، بل تدمجها في إجراءات عمل تعتمد على وكلاء الذكاء الاصطناعي. وفيها تتفاعل الأنظمة ذاتيًا مع بيانات الشركات وواجهات برمجة التطبيقات والتطبيقات الخارجية لإنجاز المهام من البداية إلى النهاية. وهذا يحصر الشركات في بيانات يصعب غالبًا إثبات صحتها أو يستحيل ذلك، فتنتج مخرجات تفتقر إلى القيمة.

 يسبب استخدام أدوات الذكاء الاصطناعي عامة الاستخدام تحديات عدة تزيد المحتوى الآلي الرديء في الشركات:

  • كثيرًا ما يغمر المحتوى المولّد بالذكاء الاصطناعي قواعد المعرفة الداخلية، مما يصعّب الوثوق بها واستخدامها.
  • تتكرر الأخطاء عبر حلقات التغذية الراجعة، فتزدحم المحتويات بمعلومات عامة وغير ذات صلة.
  • يسهّل الذكاء الاصطناعي عملية الإنشاء، لكنه يقلل في المقابل فحوص ضبط الجودة التي تُدمج عادة في مراحلها.

في المقابل، يركز الذكاء الاصطناعي المتخصص في مجال معين على العمق بدل الاتساع، ويصمم أنظمة تحل مشكلات محددة النطاق وعالية القيمة داخل ذلك المجال. وبدل الاعتماد على بيانات تدريب واسعة ومتاحة للجمهور، تُبنى هذه الأدوات على مجموعات بيانات مملوكة ومنتقاة بعناية، فتتمكن من إنتاج مخرجات أعلى جودة بكثير وأكثر ملاءمة للسياق. وبإرساء الذكاء الاصطناعي على الخبرة المتخصصة بدل البيانات العامة، يقدم الذكاء الاصطناعي التطبيقي رؤى تفي بمتطلبات الدقة والمساءلة في استخدام الشركات. وتضمن خصائص مثل وضوح المصادر والمخرجات المسندة بالاستشهادات وإمكانات البحث الأعمق أن تكون المعلومات قابلة للتتبع ومتحققًا منها وجديرة بالثقة.

 ليس هذا المستوى من الدقة خيارًا إضافيًا للمؤسسات العاملة على نطاق واسع، إذ قد تتحول مخاطر المحتوى الآلي الرديء إلى أخطاء جسيمة.

كسر حلقة تدهور الجودة

قد تؤثر المدخلات والمخرجات الضعيفة في الإجابات مع مرور الوقت، فتفاقم مشكلة المحتوى الآلي الرديء وتنشئ حلقة تغذية راجعة ضارة.

 ففي البيئات التي تستخدم نماذج عامة، مثلًا، أنشأ المحتوى المولّد بالذكاء الاصطناعي دورة تعزز ذاتيًا انخفاض الجودة. وكثيرًا ما تتعلم الأنظمة من المعلومات الداخلية المتاحة لها، ومنها مخرجاتها السابقة، فتستوعب الأخطاء الموجودة وتعيد إنتاجها. وإذا اشتملت المواد على أخطاء، تعود تلك الأخطاء إلى التداول وتعزز الأنماط العامة نفسها. الأمر بسيط: إذا كانت بيانات التدريب الأساسية منخفضة الجودة، فستعكس مخرجات النموذج المستوى نفسه.

 يتراجع التفكير الأصيل أيضًا حين تقل مشاركة البشر. ومع استمرار العمليات تتكرر الحلقة، وتواصل جودة المخرجات الانخفاض أُسّيًا. فكثيرًا ما لا تعطي أدوات الذكاء الاصطناعي الأولوية للتحقق من الدقة، ولا تتأنى في اختيار الكلمات عند سد فجوات المحتوى. وهكذا يغطي المحتوى الآلي الرديء المادة بالضوضاء الاصطناعية بوتيرة متسارعة باستمرار.

 يظهر هذا الاتجاه بوضوح في اتصالات الشركات الكبرى. فقد تناول مقال حديث في Barron’s، بالاستناد إلى بيانات AlphaSense، استخدام صيغة الذكاء الاصطناعي المميزة «ليس هذا، بل ذلك»، التي ظهرت في عدد هائل على نحو صادم من قنوات الاتصال الخارجي للشركات. ووفقًا للمقال، ازداد استخدام هذه الصياغة إلى ما يقارب الضعف في كل من عامي 2024 و2025.

 ولا تقتصر المخاطر على الاتصالات، بل يمكن أن يؤثر المحتوى الآلي الرديء تأثيرًا كبيرًا في مختلف وظائف الشركات، خصوصًا مع تزايد حضور الذكاء الاصطناعي في إجراءات اتخاذ القرار. وإذا تأثرت القرارات الحاسمة بمعلومات غير دقيقة أو حتى مكررة، فلا تستطيع الفرق الوثوق بمخرجاتها، ولا ينبغي لها ذلك.

 أنظمة الذكاء الاصطناعي الأكثر كفاءة تقدم معلومات بالمستوى اللازم لاتخاذ القرارات

 مع توسيع الشركات استخدام الذكاء الاصطناعي وتقييم العائد على الاستثمار، سيصبح التمييز بين الرؤى القيمة والمحتوى الآلي الرديء ميزة تنافسية حاسمة. والمؤسسات التي تعتمد فقط على الأدوات عامة الاستخدام، دون فرض جودة البيانات والسياق المتخصص بفاعلية، تخاطر بإغراق أعمالها وإهدار الوقت بمخرجات غير موثوقة[1].

 يوفر الذكاء الاصطناعي التطبيقي مسارًا أكثر أمانًا وأغنى بالرؤى، لكن على المؤسسات أيضًا أن تجمع هذه الأدوات مع إشراف بشري واضح، ومعايير للتحقق، وتقييم مستمر لإجراءات العمل والمخرجات لاكتشاف المحتوى الآلي الرديء. ولا يوجد نهج واحد يناسب الجميع.

 ستتخذ الشركات التي تنجح في ذلك قرارات أفضل وأكثر استنادًا إلى المعلومات. وفي سوق يزداد تأثرها بالذكاء الاصطناعي، يتحول هذا الفارق بالفعل إلى أفضلية تنافسية.

Chris Ackerson هو نائب الرئيس الأول لشؤون المنتجات في AlphaSense. AlphaSense هي التقنية التي تقف وراء أهم القرارات في عالم الأعمال، من وول ستريت إلى مجالس إدارات الشركات في جميع القطاعات الرئيسية. وتحظى بثقة أكثر من 6,500 شركة رائدة، من بينها 88% من شركات مؤشر S&P 100، و80% من كبرى المصارف العالمية، وجميع شركات الأدوية العشرين الأكبر في العالم. وتساعد منصتنا للبحث بالذكاء الاصطناعي واستخبارات السوق قادة الأعمال على التحرك بسرعة أكبر وبثقة أعلى، من خلال تزويدهم بالرؤى المناسبة في الوقت المناسب.