Βιομηχανοποίηση της Ανθρωποποίησης

Οι αναρτήσεις μικροεργασιών και οι προσφορές υπηρεσιών σε ανεπίσημες πλατφόρμες εργασίας όπως το Upwork και το Fiverr προβάλουν έντονα τη λέξη ‘ανθρωποποιώ’ αυτές τις ημέρες, με μια σειρά από δουλειές και παρόχους που προτείνουν διάφορα επίπεδα απόκρυψης του γεγονότος ότι ένα άρθρο γράφτηκε, ή γράφτηκε εν μέρει, ή συν‑γράφηκε με AI.

Η τάση ‘Humanize’ σε πραγματικές αναρτήσεις στο Upwork.

Η ζήτηση για ανθρώπινες και αυτοματοποιημένες υπηρεσίες που μπορούν να επαναγράψουν το AI‑’μολυσμένο’ αποτέλεσμα ώστε να φαίνεται ότι ένας άνθρωπος κάθισε και ιδρώθηκε για λίγες ώρες, υποδηλώνει ότι έχει επιτευχθεί μια παγκόσμια συναίνεση ότι η ‘ανθρώπινη πινελιά’ είναι απαραίτητη για τη σύνδεση και την προσέγγιση – και ότι ο τεράστιος όγκος περιεχομένου στην εποχή της AI θα κάνει αυτή τη σύνδεση απαραίτητη ξανά.

Θα ήθελα προσωπικά να το πιστεύω, αλλά δεν είναι απαραίτητα έτσι – όχι εν τέλει επειδή οι δικές της οδηγίες της Google για το θέμα αφορούν την ποιότητα του κειμένου, παρά τα μέσα με τα οποία δημιουργήθηκε.

Η αλήθεια είναι ότι δεν ξέρουμε ακόμη ακριβώς πόσο ή τι είδους AI είμαστε διατεθειμένοι να ανεχθούμε, ή το μέγεθος στο οποίο μπορούμε να δικαιολογήσουμε τα οφέλη που δισεκατομμύρια από εμάς λαμβάνουν καθημερινά από την AI έναντι του αισθήματος της ‘συμμετοχής’ και της ηθικής γοητείας σχετικά με τις ευρύτερες επιπτώσεις της τεχνολογίας.

Οι προαναφερθείσες αγγελίες εργασίας αντικατοπτρίζουν επίσης αυτό· εκεί, δημιουργοί και εταιρείες διψούν για αυτοματοποίηση, προφανώς επειδή θέλουν να δημοσιεύουν σε μεγάλη κλίμακα, κάτι που είναι ακριβώς η πρακτική που η Google υπόσχεται να τιμωρήσει ειδικά στον αλγόριθμο κατάταξής της. Ταυτόχρονα, αναζητούν τόσο αυτοματοποιημένες όσο και ανθρώπινες μεθόδους για την ‘βιομηχανοποίηση’ της ανθρωποποίησης.

Με θυμίζει κάπως ένα από τα καλύτερα αστεία στις νευροδιαφορετικές κωμικές ρουτίνες του Steven Wright από τη δεκαετία του 1980:

‘Στο σπίτι μου, έχω μια μικροκυμάτων τζάκι. Μπορώ να ξαπλώσω μπροστά στη φωτιά για το βράδυ σε μόλις 8 λεπτά.’

Το Σχήμα του Ανεπιθύμητου που Έρχεται

Όπως συνήθως, αυτές οι σκέψεις εμπνέονται από την καθημερινή μου περιήγηση στο Arxiv, όπου σήμερα εστίασα ιδιαίτερα σε ένα έγγραφο του Jochen Madler από την εταιρεία αυτοματοποίησης μάρκετινγκ Sitefire, με τίτλο SlopShape: Identifying AI-Generated Commercial Web Content.

Κανονικά απορρίπτω έγγραφα με μοναδικούς συγγραφείς, βάσει της αρχής του ‘Victor Frankenstein’, αλλά η υπόθεση αυτού είναι σπαρτιατική, και η μεθοδολογία δοκιμής ανθεκτική.

Η μελέτη ουσιαστικά λέει ότι όταν μια ανάρτηση που δημιουργήθηκε από AI ξαναγραφεί πλήρως, ακόμη και από ανθρώπους, διατηρεί μια διακριτή αρχιτεκτονική υπογραφή που βρίσκεται σε επίπεδο πολύ υψηλότερο από το επίπεδο λέξεων, περιλαμβάνοντας ένα χαρακτηριστικό ‘σχήμα’ που δεν μπορεί να εξαλείφθει με οποιοδήποτε ποσό επαναδιατύπωσης ή επιφανειακής τροποποίησης του κειμένου:

Σύγκριση των δομικών προτύπων σε ανθρώπινες και AI‑γραφές αναρτήσεις. Η ανθρώπινη γραφή τείνει να χρησιμοποιεί πιο σπάνιους συνδυασμούς δομών, ενώ όλα τα πέντε μοντέλα AI προτιμούν πιο συμβατικούς συνδυασμούς. Πηγή

Φυσικά, μπορεί κανείς να παρακάμψει αυτό το ζήτημα (αν το θεωρείτε ζήτημα) σχεδιάζοντας πραγματικά τη διαδικασία της γραφής μόνος του, και είτε να μην χρησιμοποιεί καθόλου AI, είτε να το χρησιμοποιεί μόνο στα ξεχωριστά στοιχεία που σχεδίασε ο ίδιος.

Ωστόσο, όπως αποδεικνύουν οι έντονες διαφημίσεις στο Upwork, αυτό δεν είναι αυτό που ζητείται· μπορεί κανείς να συμπεράνει από τον τόνο τέτοιων αναρτήσεων ότι το περιεχόμενο του άρθρου θα πρέπει κατά προτίμηση όχι μόνο να δομηθεί από AI, αλλά σχεδιαστεί από AI – δηλαδή, ότι ένα LLM θα πρότεινε κατάλληλα θέματα που ευθυγραμμίζονται με τους ευρύτερους στόχους μιας εταιρείας ή οντότητας.

Μετά από αυτό, αναμένεται πλήρως ότι η AI θα παράγει διάφορα προοδευτικά σχέδια του περιεχομένου, με το ενοχλητικό στοιχείο του ανθρώπινου «κρέατος» να εμφανίζεται μόνο για ένα κλείσιμο και μια άτυπη απόχρωση ανθρωπιάς (αν και ιδανικά, αυτή η διαδικασία θα εξελισσόταν τελικά σε μια ροή εργασίας Python).

Εντυπωσιακά Χαρακτηριστικά

Ο συγγραφέας του νέου εγγράφου απέκτησε αυτές τις γνώσεις συλλέγοντας μερικές χιλιάδες δημοσιεύσεις εταιρικών ιστολογίων που προηγούνται αμέσως της κυκλοφορίας και διάδοσης του ChatGPT (2020‑2022) και εξάγοντας από αυτές προτροπές.

Δηλαδή, χρησιμοποίησε Gemini 3 Flash για να διαβάσει τα πραγματικά, ανθρώπινα γραμμένα έγγραφα και να δημιουργήσει αντίστροφα μια προτροπή σχεδιασμένη να παράγει παρόμοιο έργο σε ορισμένα από τα κορυφαία LLM, συγκεκριμένα GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6, και Gemini 3.

Αυτές οι προτροπές χρησιμοποιήθηκαν στη συνέχεια για τη δημιουργία πέντε εκδόσεων AI για κάθε μία από τις πραγματικές ανθρώπινες αναρτήσεις, από τις οποίες χαρακτηριστικά εξήχθησαν που τελικά θα περιγράψουν το LLM‑συγκεκριμένο ‘σχήμα’ του περιεχομένου στα πέντε μοντέλα· και ο Madler σημειώνει ότι «οι AI αναρτήσεις μοιράζονται ένα τακτοποιημένο, αυτοαναγγέλθον σχήμα».

Ολόκληρη η μελέτη είναι μια επανεκτέλεση του StoryScope project από το COLM 2026 αυτόν τον Αύγουστο, μια συνεργασία μεταξύ του Πανεπιστημίου του Maryland και της Google DeepMind, η οποία εφάρμοσε ουσιαστικά την ίδια μεθοδολογία στη λογοτεχνία, διαπιστώνοντας ότι οι ιστορίες που παράγονται από AI συγκλίνουν σε ένα πιο στενό και πιο προβλέψιμο φάσμα αφηγηματικών δομών σε σύγκριση με τη ανθρώπινη γραφή:

Από τη μελέτη StoryScope, σύγκριση διασποράς των αφηγηματικών προτύπων σε ανθρώπινη και AI‑γενόμενη λογοτεχνία. Οι ιστορίες που γράφτηκαν από ανθρώπους καταλαμβάνουν μια ξεχωριστή περιοχή, ενώ οι ιστορίες από πέντε κορυφαία μοντέλα AI συγκεντρώνονται πιο στενά μεταξύ τους, υποδεικνύοντας μεγαλύτερη ομοιότητα στις υποκείμενες αφηγηματικές επιλογές τους. Πηγή

Ο Madler αποφάσισε να επαναλάβει το StoryScope σε εταιρικά blogs λόγω του εκτενούς οικονομικού κίνητρου για αυτοματοποίηση αυτών, σε σύγκριση με το πιο εκκεντρικό πεδίο της λογοτεχνίας, και του μεγάλου βαθμού αυτοματοποίησής τους (50 % αυτοματοποίηση του διαδικτυακού περιεχομένου μέχρι τον Μάιο του 2026, σύμφωνα με a Graphite study που αναφέρεται στην εργασία του Madler).

Ίσως η πιο ενδιαφέρουσα ανάλυση είναι η αποσύνθεση των χαρακτηριστικών που εξήχθησαν από το υλικό που παρήχθη από AI, βασισμένη στις προ‑2022 ανθρώπινες δημοσιεύσεις:

«Οι τιμές που παράγονται πιο συχνά από τα μοντέλα AI συγκεντρώνονται σε αυτό που ονομάζουμε το τακτοποιημένο, αυτοαναγγέλλοντα blog post: υπόσχεται το αποτέλεσμα ήδη στον τίτλο, δηλώνει τη θέση του και αναγγέλλει τη δομή του πριν από το πρώτο τμήμα, μιλάει με φωνή επεξηγηματικού άρθρου και κλείνει με ένα στάδιο που συνοψίζει ή επαναλαμβάνει τη θέση.

«Σε μια τυπική AI ανάρτηση, το αποτέλεσμα υπόσχεται στον τίτλο: “Πώς να μειώσετε τον χρόνο ενσωμάτωσης στο μισό”. Η θέση δηλώνεται και η ροή αναγγέλλεται πριν από το πρώτο τμήμα: “Σε αυτήν την ανάρτηση, θα καλύψουμε γιατί η ενσωμάτωση κολλάει, τρεις λύσεις που λειτουργούν, και πώς να μετρήσουμε τη διαφορά.”

«Και το κλείσιμο επαναλαμβάνει τη θέση: “Συνοψίζοντας, η δομημένη ενσωμάτωση εξοικονομεί χρόνο.” Οι ανθρώπινες αξίες περιγράφουν αναρτήσεις χωρίς αυτά τα σημεία αναφοράς: χωρίς αναγγελία ροής τμημάτων, χωρίς κλιμάκωση του ενδιαφέροντος, και χωρίς κλείσιμο που επαναλαμβάνει τη θέση.»

Μία Λανθασμένη Υπόθεση

Παρεμπιπτόντως, οι περισσότερες από τις τροπές και τα κλισέ που εμφανίζονται στο περιγραφόμενο πρότυπο προέρχονται από SEO‑εξαρτημένες περιοριστικές πρακτικές της προ‑LLM σκηνής μάρκετινγκ. Από πού νομίζουμε ότι η AI έμαθε αυτές τις συνήθειες;

Το τυποποιημένο κείμενο μάρκετινγκ ήταν πάντα αμφιλεγόμενο, πολύ πριν την AI, και πάντα παράγονταν σε μεγάλη κλίμακα, πολύ πριν τα μηχανήματα μπορούσαν να το κάνουν καλά; και λόγω της απαίτησης συμμόρφωσης με πρακτικές SEO, καθιερώθηκαν κάποιες φρικτές συμβάσεις, όπως η τοποθέτηση λέξεων-κλειδιών, και ο σχεδιασμός συνδέσμων με προσοχή.

Στην τελευταία περίπτωση, η AI μπορεί επομένως να έχει μάθει το λάθος μάθημα, καθώς τα κείμενα‑μόνο corpora στα οποία εκπαιδεύτηκε αφαιρέθηκαν από τόσα πολλά από τα SEO‑στρατηγικά τακτικά που αρχικά περιελήφθησαν στο πηγαίο υλικό, όπως στρατηγικά διαγράμματα, οπτικές επεξηγήσεις· και κυρίως οι υπερσυνδέσεις.

Ολόκληρα τμήματα ενός άρθρου μπορεί να είχαν σχεδιαστεί για να ενσωματώσουν μια υπερσύνδεση ή ένα ενσωματωμένο βίντεο YouTube που ένας πελάτης ήθελε να προωθήσει· αλλά μέχρι η δεδομένα να ενσωματωθούν σε ένα LLM, το ενσωματωμένο ή ο σύνδεσμος αφαιρέθηκαν, και το κείμενο που σχεδιάστηκε για να το τονίσει αποκόπηκε από το αρχικό του πλαίσιο.

Ως εκ τούτου, ενδεχομένως, το μεγάλο σφάλμα στο σχεδιασμό μεθοδολογιών εκπαίδευσης γύρω από τέτοιο υλικό ήταν η αντιμετώπιση του διαδικτυακού περιεχομένου σαν να ήταν λογοτεχνία του 19ου αιώνα (απολύτως αυτόνομη) αντί για πολυμέσα (σημαντικά επηρεασμένη από μη‑κειμενικούς παράγοντες όπως βίντεο, υπερσυνδέσεις και εικονογραφήσεις).

Το άλλο μεγάλο σφάλμα ήταν η εκπαίδευση σε υλικό που οι άνθρωποι ήδη απέφευγαν, και το οποίο εξαναγκάστηκε σε αυτήν την αδημοφιλή μορφή από κανόνες που πιθανώς δεν ισχύουν πλέον.

Προσοχή, Άνθρωποι

Παρόλα αυτά, αν πιστέψετε τις τάσεις του Upwork, υπάρχει σημαντική ζήτηση για περισσότερα από το ίδιο, παραγόμενα σε μεγάλη κλίμακα από LLMs, και ‘ανθρώπινα’ μέσω της λιγότερο ιδιότυπης διαδικασίας που είναι διαθέσιμη, με τη μέγιστη ταχύτητα και το χαμηλότερο κόστος που υπάρχει.

Όλα αυτά, για να παραχθεί το αποτέλεσμα της προσοχής: η ιδέα ότι κάποιος σαν εσάς (δηλαδή, σε κάτοχο ενδοκρινικού συστήματος, τουλάχιστον) κάθισε για λίγες ώρες και σκέφτηκε τι ήθελε να σας πει.

Η αντίληψη ότι λαμβάνουμε ανθρώπινη προσοχή είναι σημαντική για εμάς ακόμη και όταν δεν είναι χρήσιμη; επομένως σίγουρα αξίζει να βιομηχανοποιηθεί.

Δεν μπορώ να μην νιώθω ότι το άρθρο του Madler ενδεχομένως θα επιδεινώσει την κατάσταση, καθώς εντοπίζει χαρακτηριστικά υψηλότερης διάστασης που τώρα, υποτίθεται, μπορούν να αντιμετωπιστούν με περισσότερη AI, ώστε οι προεπιλεγμένες υπογραφές να αποκτήσουν πιο ανθρώπινη μορφή καθώς τα μοντέλα εξελίσσονται.

Πρώτη δημοσίευση Πέμπτη, 17 Σεπτεμβρίου 2026