การทำให้มนุษยธรรมเป็นอุตสาหกรรม

การโพสต์งานและบริการที่ศูนย์งานอิสระเช่น Upwork และ Fiverr ตอนนี้มักใช้คำว่า ‘humanize’ อย่างหนัก, โดยมีงานและผู้ให้บริการหลายรูปแบบเสนอระดับการบิดเบือนข้อเท็จจริงว่าบทความถูกเขียนโดย AI, หรือบางส่วน, หรือร่วมเขียนกับ AI.

แนวโน้ม ‘Humanize’ ในโพสต์จริงที่ Upwork.

ความต้องการบริการมนุษย์และอัตโนมัติที่สามารถเขียนใหม่ผลลัพธ์ที่ ‘ปนเปื้อน’ ด้วย AI ให้ดูเหมือนว่ามนุษย์นั่งลงและทำงานหลายชั่วโมงนั้นบ่งบอกว่ามีการบรรลุข้อตกลงโดยรวมว่าต้องมี ‘สัมผัสมนุษย์’ เพื่อการเชื่อมต่อและการเข้าถึง – และว่าปริมาณเนื้อหาในยุค AI จะทำให้การเชื่อมต่อนั้นกลายเป็นสิ่งจำเป็นอีกครั้ง.

ส่วนตัวแล้วฉันอยากคิดอย่างนั้น แต่ความจริงอาจไม่เป็นเช่นนั้น – โดยเฉพาะอย่างยิ่งเมื่อพิจารณาถึงแนวทางของ Google เองในเรื่องนี้ การพิจารณาคุณภาพของข้อความ มากกว่าวิธีการที่สร้างขึ้น

ความจริงคือ, เรายังไม่รู้แน่ชัด เท่าไหร่หรือประเภทใดของ AI ที่เรายินดีรับได้, หรือระดับที่เราสามารถให้เหตุผลกับประโยชน์ที่พันล้านคนของเราได้รับจาก AI ทุกวันเทียบกับความรู้สึกของ ‘การมีส่วนร่วม’ และการล่อลวงทางศีลธรรมต่อผลกระทบที่กว้างขวางของเทคโนโลยีนี้.

รายการงานที่กล่าวถึงข้างต้นก็สะท้อนเช่นเดียวกัน; ที่นั่น, ผู้สร้างและบริษัทต่างแสวงหาอัตโนมัติ, คาดว่าเพราะต้องการเผยแพร่ในระดับใหญ่, ซึ่งเป็นพฤติกรรมที่ Google สัญญาว่าจะลงโทษโดยเฉพาะในอัลกอริทึมการจัดอันดับของตน. ในเวลาเดียวกัน, พวกเขากำลังมองหาวิธีอัตโนมัติและมนุษย์ร่วมกันเพื่อ ‘ทำให้มนุษยธรรมเป็นอุตสาหกรรม’.

มันทำให้ฉันนึกถึง หนึ่งในมุขตลกที่ดีที่สุด ในการแสดงตลกของ Steven Wright ในยุค 1980s ที่มีลักษณะประสาทหลากหลาย:

‘ในบ้านของฉัน, ฉันมีเตาไมโครเวฟที่เป็นไฟหน้าต่าง. ฉันสามารถนอนลงหน้ากลางไฟได้ในเวลาแค่ 8 นาที.’

รูปร่างของสลอปที่กำลังจะมาถึง

ตามปกติ, ความคิดเหล่านี้ได้รับแรงบันดาลใจจากการสำรวจ Arxiv รายวันของฉัน, วันนี้ฉันได้พบ บทความ ของ Jochen Madler ที่บริษัท Sitefire ด้านการตลาดอัตโนมัติ, ชื่อ SlopShape: Identifying AI-Generated Commercial Web Content.

ปกติฉันมักมองข้ามบทความที่มีผู้เขียนคนเดียว, ตามหลัก ‘Victor Frankenstein’, แต่สมมติฐานของบทความนี้เรียบง่าย, และวิธีการทดสอบมีความแข็งแรง.

การศึกษาโดยสรุปว่าหากโพสต์ที่สร้างโดย AI ถูกเขียนใหม่โดยมนุษย์อย่างสมบูรณ์, มันยังคงรักษาลายสถาปัตยกรรมที่แตกต่างซึ่งอยู่ในระดับที่สูงกว่าระดับคำ, ประกอบด้วย ‘รูปร่าง’ ที่เป็นลักษณะเฉพาะซึ่งไม่สามารถขจัดได้ด้วยการปรับประโยคหรือการแก้ไขผิวเผินของข้อความ:

การเปรียบเทียบรูปแบบโครงสร้างในโพสต์ที่เขียนโดยมนุษย์และ AI. การเขียนของมนุษย์มักใช้การผสมผสานของโครงสร้างที่หายากกว่า, ในขณะที่โมเดล AI ทั้งห้าตัวนิยมใช้การผสมผสานที่เป็นแบบดั้งเดิม. แหล่งอ้างอิง

แน่นอนว่าถ้าคุณมองว่ามันเป็นปัญหา, คุณสามารถหลีกเลี่ยงได้โดยวางแผนการเขียนด้วยตนเอง, แล้วหรือไม่ใช้ AI เลย, หรือใช้เฉพาะส่วนที่คุณวางแผนเองเท่านั้น.

อย่างไรก็ตาม, ตามที่โฆษณาอย่างรุนแรงบน Upwork แสดง, นี่ไม่ใช่สิ่งที่ต้องการ; สามารถสรุปจากโทนของการโพสต์เหล่านั้นได้ว่าบทความควรได้รับการจัดโครงสร้างโดย AI, แต่ คิดริเริ่ม โดย AI – หมายความว่า LLM จะเสนอหัวข้อที่เหมาะสมสอดคล้องกับเป้าหมายโดยรวมของบริษัทหรือองค์กร.

หลังจากนั้น, คาดว่ AI จะผลิตร่างเนื้อหาต่าง ๆ อย่างต่อเนื่อง, โดยส่วนที่เป็น ‘เนื้อหาเนื้อเยื่อ’ ของมนุษย์จะเข้ามาแทรกเฉพาะในขั้นตอนปิดและการให้ความเป็นมนุษย์แบบสบาย ๆ (แม้ว่าในอุดมคติขั้นตอนนี้จะพัฒนาเป็นเวิร์กโฟลว์ Python).

คุณลักษณะที่โดดเด่น

ผู้เขียนบทความใหม่ได้รวบรวมข้อมูลเหล่านี้โดยเก็บโพสต์บล็อกของบริษัทหลายพันรายการที่เผยแพร่ก่อนการเปิดตัวและการแพร่กระจายของ ChatGPT (2020-2022) และสกัดคำสั่งจากมัน.

นั่นหมายความว่า เขาใช้ Gemini 3 Flash เพื่ออ่านบทความที่เขียนโดยมนุษย์จริงและวิศวกรรมย้อนกลับคำสั่งที่ออกแบบให้สร้างงานที่คล้ายกันบน LLM ชั้นนำบางตัว, ได้แก่ GPT5.4, Kimi 2.5, DeepSeek V3.2, Claude 4.6, และ Gemini 3.

คำสั่งเหล่านี้จึงถูกใช้สร้าง AI เวอร์ชันห้าตัวของแต่ละโพสต์มนุษย์จริง, จากนั้น คุณลักษณะ ถูกสกัดออกเพื่ออธิบาย ‘รูปร่าง’ เฉพาะของเนื้อหาในแต่ละโมเดล; และ Madler ระบุว่า ‘โพสต์ AI มีรูปร่างที่เรียบร้อยและบ่งบอกตัวเอง’.

การศึกษาทั้งหมดเป็นการทำซ้ำของ StoryScope project จาก COLM 2026 ในเดือนสิงหาคมนี้ ซึ่งเป็นความร่วมมือระหว่าง University of Maryland และ Google DeepMind ที่ใช้ระเบียบวิธีเดียวกันกับนิยาย โดยพบว่าเรื่องราวที่สร้างโดย AI มีแนวโน้มจะรวมตัวอยู่ในช่วงโครงสร้างการเล่าเรื่องที่แคบและคาดเดาได้มากกว่าการเขียนของมนุษย์:

จากการศึกษา StoryScope การเปรียบเทียบแบบกระจายจุดของรูปแบบการเล่าเรื่องในนิยายที่เขียนโดยมนุษย์และโดย AI เรื่องราวที่เขียนโดยมนุษย์อยู่ในพื้นที่ที่แตกต่างอย่างชัดเจน ในขณะที่เรื่องราวจากห้าโมเดล AI ชั้นนำจะกระจุกตัวใกล้กันมากขึ้น แสดงให้เห็นถึงความคล้ายคลึงกันมากขึ้นในตัวเลือกการเล่าเรื่องพื้นฐานของพวกมัน. แหล่งที่ม

Madler ตัดสินใจทำซ้ำ StoryScope บนบล็อกของบริษัท เนื่องจากแรงจูงใจทางการเงินที่กว้างขวางในการทำอัตโนมัติเปรียบเทียบกับสาขาการเขียนนิยายที่แปลกใหม่กว่า และระดับการทำอัตโนมัติที่มีอยู่แล้วอย่างมาก (การทำอัตโนมัติของเนื้อหาออนไลน์ 50% ภายในเดือนพฤษภาคม 2026 ตาม a Graphite study ที่อ้างอิงในงานของ Madler).

อาจเป็นการวิเคราะห์ที่น่าสนใจที่สุดคือการแยกแยะคุณลักษณะที่สกัดจากวัสดุที่สร้างโดย AI โดยอิงจากโพสต์ที่เขียนโดยมนุษย์ก่อนปี 2022:

‘ค่าที่ AI โมเดลสร้างบ่อยที่สุดจะรวมกันเป็นสิ่งที่เราเรียกว่าโพสต์บล็อกที่เรียบร้อยและบอกตัวเอง: มันสัญญาผลลัพธ์ไว้แล้วในหัวเรื่อง, ระบุวิทยานิพนธ์และบอกโครงสร้างก่อนส่วนแรก, พูดด้วยเสียงอธิบายเชิงบรรณาธิการ, และปิดด้วยขั้นตอนที่สรุปหรือย้ำวิทยานิพนธ์.

‘ในโพสต์ AI ทั่วไป ผลลัพธ์จะถูกสัญญาไว้ในหัวเรื่อง: “How to Cut Onboarding Time in Half.” วิทยานิพนธ์ถูกระบุและการไหลของเนื้อหาถูกบอกก่อนส่วนแรก: “ในโพสต์นี้ เราจะอธิบายว่าทำไมการเริ่มงานหยุดชะงัก, สามวิธีที่ได้ผล, และวิธีวัดความแตกต่าง.”

‘และส่วนสรุปจะย้ำวิทยานิพนธ์: “In short, structured onboarding saves time.” ค่าที่มุ่งเน้นมนุษย์อธิบายโพสต์ที่ไม่มีสัญญาณเหล่านั้น: ไม่มีการบอกลำดับของส่วน, ไม่มีการเพิ่มความสำคัญ, และไม่มีส่วนสรุปที่ย้ำวิทยานิพนธ์.’

A Faulty Premise

โดยบังเอิญ ส่วนใหญ่ของรูปแบบและสำนวนที่พบในเทมเพลตที่อธิบายมานั้นมาจาก SEO-obsessed strictures ของฉากการตลาดก่อนยุค LLM เราคิดว่า AI เรียนรู้นิสัยเหล่านี้จากที่ไหน?

ข้อความการตลาดที่เป็นแบบเทมเพลต always hated นานก่อน AI และมักถูกผลิตในระดับใหญ่ long before machines could do it well; และเนื่องจากความจำเป็นต้องสอดคล้องกับแนวปฏิบัติ SEO จึงมีการตั้งกฎที่น่าสยดสยองบางอย่าง เช่น keyword placement และ crafted design of links.

ในกรณีหลังนี้ AI อาจจึงได้เรียนรู้บทเรียนที่ผิดพลาด เนื่องจากคอร์ปัสที่เป็นข้อความอย่างเดียวที่ใช้ฝึกฝนได้ตัดกลยุทธ์ที่มุ่งเน้น SEO ออกไปจำนวนมากซึ่งเคยรวมอยู่ในวัสดุต้นฉบับ เช่น แผนภาพเชิงกลยุทธ์, การอธิบายด้วยภาพ; และโดยเฉพาะอย่างยิ่งไฮเปอร์ลิงก์.

ส่วนทั้งหมดของบทความอาจถูกสร้างขึ้นเพื่อเน้นไฮเปอร์ลิงก์หรือการฝัง YouTube ที่ลูกค้าต้องการโปรโมต; แต่เมื่อข้อมูลนั้นถูกฝึกเข้าสู่ LLM แล้ว การฝังหรือการเชื่อมโยงนั้นถูกตัดออกไป และข้อความที่ออกแบบมาเพื่อเน้นมันก็ถูกตัดบริบทเดิมออก.

ดังนั้น, อาจกล่าวได้ว่าข้อผิดพลาดใหญ่ในการออกแบบวิธีการฝึกอบรมโดยอิงจากวัสดุเช่นนี้ คือการปฏิบัติกับเนื้อหาเว็บเหมือนกับว่าเป็นวรรณกรรมศตวรรษที่ 19 (พึ่งพาตนเองอย่างเต็มที่) แทนที่จะเป็นสื่อมัลติมีเดีย (ที่ได้รับผลกระทบอย่างมากจากปัจจัยที่ไม่ใช่ข้อความ เช่น วิดีโอ, ไฮเปอร์ลิงก์และภาพประกอบ).

ข้อผิดพลาดใหญ่ครั้งอื่นคือการฝึกบนวัสดุ that people already hated ซึ่งถูกบังคับให้มีรูปร่างที่ไม่เป็นที่นิยมโดยกฎที่ probably aren’t valid any longer.

Attention, Humans

แม้กระนั้น, หากคุณเชื่อในแนวโน้มของ Upwork มีความต้องการอย่างมากสำหรับสิ่งเดียวกันที่ผลิตในปริมาณมากโดย LLMs และ ‘ทำให้เป็นมนุษย์’ ผ่านกระบวนการที่มีความเฉพาะตัวน้อยที่สุดที่มีอยู่, ด้วยความเร็วสูงสุด, และต้นทุนที่ต่ำที่สุดที่มี.

ทั้งหมดนี้เพื่อสร้างผลของ attention: แนวคิดว่ามีคนอย่างคุณ (เช่น มีระบบต่อมไร้ท่ออย่างน้อย) นั่งลงหลายชั่วโมงและคิดว่าอยากบอกอะไรคุณ.

การรับรู้ว่าตนได้รับความสนใจจากมนุษย์มีความหมายต่อเรา even when it is not helpful; ดังนั้นจึงแน่นอนว่าควรทำให้เป็นอุตสาหกรรม.

ฉันอดไม่ได้ที่จะรู้สึกว่าบทความของ Madler อาจทำให้สถานการณ์แย่ลงในบางทาง เนื่องจากมันระบุลักษณะมิติสูงที่สามารถแก้ไขได้โดยใช้ AI มากขึ้น, เพื่อให้ลายเซ็นเริ่มต้นจะมีรูปร่างที่เป็นมนุษย์มากขึ้นเมื่อโมเดลพัฒนา.

เผยแพร่ครั้งแรกวันพฤหัสบดีที่ 17 กันยายน 2026