حين يخطئ الذكاء الاصطناعي في وصف نشاطك: دليل التصحيح

الخطأ أسوأ من الغياب: لماذا الادعاءات الكاذبة هي الفجوة المكلفة

تصل إجابات الذكاء الاصطناعي بنبرة واثقة بلا تحفّظ، نبرة زميل تحقّق من الأمر سلفاً. وتلك النبرة تؤدي عملاً أكبر بكثير مما تستحق. حين اختبر Tow Center for Digital Journalism ثماني أدوات بحث بالذكاء الاصطناعي في تحديد مصدر مقتطفات إخبارية، أعادت هذه الأدوات مجتمعةً إجابات غير صحيحة في أكثر من 60% من الاستعلامات، بنسبة خطأ بلغت 37% لدى Perplexity و94% لدى Grok 3 — ونادراً ما كانت تشير إلى عدم يقينها حين تخطئ.

تحديد مصدر مقتطف إخباري ليس المهمة نفسها كتلخيص مزوّد، لكن نمط الفشل ينتقل بحذافيره: حقيقة محدّدة قابلة للتحقّق تُقال بطلاقة وبلا تحفّظ. وبالنسبة إلى مشترٍ يكتب طلب مقارنة، لا يمكن تمييز ذلك عن بحث حقيقي.

والنتيجة العملية أن الادعاء الخاطئ يتراكم. فالمساعدون يستشهدون بمنظومة بعضهم بعضاً — إدراج قديم في دليل يغذّي ملخّصاً، ثم يُجمع ذلك الملخّص بدوره، فيكتسب الخطأ مصدراً ثانياً ظاهرياً. والتصحيح مبكراً أرخص بكثير من التصحيح بعد أن يمرّ الادعاء عبر ثلاثة وسطاء. تعامل مع الادعاءات الخاطئة بوصفها رأس قائمة الظهور في الذكاء الاصطناعي لديك، فوق الإشارات الباهتة والمقارنات الغائبة.

الخطوة 1 — ثبّت الادعاء قبل أن تجادله

البلاغات الغامضة («ChatGPT يقول إن أسعارنا خاطئة») لا يمكن تتبّعها ولا التحقّق منها. سجّل الادعاء كما تسجّل عيباً برمجياً: نص الطلب بحرفه، والمساعد والنموذج، وهل كان البحث على الويب أو التصفّح مفعّلاً، والتاريخ، والإجابة كاملة بما فيها أي استشهادات. التقط لقطة شاشة، وانسخ النص كي تتمكّن من البحث عنه لاحقاً.

ثمة شرطان مهمان يُتخطّيان عادةً. الأول، شغّل الطلب في جلسة جديدة مع تعطيل الذاكرة والتخصيص — وإلا فقد تقرأ محادثتك السابقة أنت، لا رؤية النموذج الافتراضية عنك. والثاني، اختبر الصيغ التي يستخدمها المشترون فعلاً، لا التي تستخدمها أنت: «كم يكلّف س»، «هل س ما زال متاحاً»، «س أم ص»، «هل س الشركة نفسها ص». تتجمّع الادعاءات الخاطئة في طلبات نية الشراء لأن تلك الطلبات تستدعي تفاصيل محدّدة.

ثم صنّف الخطأ، لأن الإصلاح يختلف. خطأ الاستدعاء يعني أن المساعد استشهد بصفحة حيّة وأن الصفحة خاطئة. والخطأ البارامتري يعني أن الادعاء جاء من بيانات التدريب بلا استشهاد. وخطأ الدمج يعني أن كيانين اندمجا. معظم الشكاوى بشأن الأسعار أخطاء استدعاء، ومعظم الشكاوى بشأن تشابه الأسماء أخطاء دمج.

الخطوة 2 — تتبّع الاستشهاد لا النموذج

اسأل مباشرةً: «ما المصادر التي تدعم ذلك؟» ثم افتح كل رابط وتحقّق مما إذا كان يقول فعلاً ما ادّعاه المساعد. هذه الخطوة وحدها تحسم غالبية الحالات، وتفرزها إلى ثلاثة إصلاحات مختلفة تماماً.

إن كان المصدر حقيقياً والمعلومة الواردة فيه قديمة فعلاً، فلديك مشكلة محتوى يمكنك إصلاحها اليوم. وإن كان المصدر حقيقياً وصحيحاً لكن المساعد أساء قراءته — سعر مدفون داخل صورة، أو هامش قُرئ كأنه الرقم الرئيسي، أو باقة قديمة قُرئت كأنها الحالية — فلديك مشكلة وضوح وبنية. وإن لم يكن هناك مصدر أصلاً، أو كان الرابط المستشهد به لا يتضمّن الادعاء، فأنت أمام ذاكرة النموذج أو أمام اختلاق، ولن يحلّ ذلك تعديل صفحة واحدة.

من المفيد أن تعرف أن طبقة الاستدعاء زحف حيّ يمكنك التأثير فيه. توثّق OpenAI زواحف منفصلة للتدريب ولإجابات البحث في توثيق روبوتاتها، وتنشر Anthropic كيف يجلب Claude محتوى الويب، وتوثّق Perplexity زواحفها ووكلاء المستخدم لديها. وما تستطيع تلك الزواحف قراءته على صفحتك اليوم هو مادة إجابة الغد.

الخطوة 3 — أصلحه عند مصدره، بترتيب الأثر

ابدأ بموقعك أنت، فهو المصدر الوحيد الذي تتحكّم فيه بالكامل. امنح كل معلومة متنازع عليها صفحة معتمدة واحدة تنصّ عليها صراحةً، بنص HTML، مع تاريخ. والتناقضات داخل نطاقك نفسه سبب شائع لأخطاء الذكاء الاصطناعي: صفحة هبوط لحملة قديمة، وورقة مواصفات بصيغة PDF، ومقال في مركز المساعدة، وسجل تغييرات — كلها تذكر أرقاماً مختلفة. لا سبيل للنموذج ليعرف أيها تعدّه الحالي، فيختار، وغالباً اختياراً سيئاً.

ثم اجعل المعلومة قابلة للقراءة آلياً. يتيح لك ترميز المنتج والعرض ذكر السعر والعملة والتوافر بلا لبس؛ وتوثّق Google الحقول المطلوبة والموصى بها في دليل البيانات المنظّمة لقوائم التجّار، ويعرّف schema.org قيم التوافر ومنها Discontinued. أما الأسعار التي لا توجد إلا داخل لقطة شاشة أو أداة تعمل في المتصفح فهي غير مرئية لمعظم الزواحف.

ثم مجموعات بيانات الأطراف الثالثة. تشكّل Wikidata وWikipedia بقدر غير متناسب الطريقة التي تُوصف بها الكيانات؛ وإن حرّرت هناك، فاتّبع إرشادات تضارب المصالح في Wikipedia واستخدم طلب تحرير في صفحة النقاش بدل تحرير المقالة بنفسك. حدّث ملفك التجاري على Google، وصحّح أدلة القطاع وصفحات المزوّدين في مواقع المراجعات، واطلب من الموزّعين والشركاء الذين يذكرون أسعاراً قديمة تحديث بياناتهم.

وأخيراً، ادعُ إلى إعادة زحف. حدّث قيم lastmod في خريطة الموقع وأرسل الروابط المتغيّرة عبر IndexNow، الذي يدعمه Bing — وهو أمر ذو صلة لأن إجابات Copilot على الويب تستند إلى فهرس Bing.

التصحيحات الثلاثة الأكثر فشلاً

الأسعار، والمنتجات المتوقّفة، وتصادم الأسماء تمثّل معظم الادعاءات الخاطئة الضارّة التي نراها، ولكل منها نمط فشل خاص.

تبقى أخطاء الأسعار لأن الأرقام القديمة تعيش في أماكن أكثر من الحالية — تغطية صحفية، وصفحات موزّعين، وجداول مقارنة في مواقع المراجعات، وصفحاتك المؤرشفة أنت. ونشر سعر جديد لا يمحو القديم. أصلح ذلك بجعل صفحة أسعار واحدة معتمدة ومؤرّخة بلا لبس، وبكتابة الأرقام نصاً مع ترميز العرض، وبملاحقة أهم ثلاث صفحات خارجية ما زالت تذكر الرقم القديم.

أما المنتجات الموقوفة فتفشل في الاتجاه المعاكس: تحذف الفرق الصفحة. وصفحة 404 تسلبك القدرة على ذكر الحقيقة، فيظلّ المساعدون يجيبون من أوصاف خارجية مخزّنة ومراجعات قديمة. أبقِ الرابط حيّاً، واذكر الحالة وتاريخ انتهاء البيع بنص واضح، وحدّد التوافر على أنه موقوف في ترميزك، وسمِّ المنتج البديل في الصفحة نفسها. أنت تريد أن يقول المساعد «أوقف عام 2024، وحلّ محلّه س» — ولا يحدث ذلك إلا إذا قالته صفحة قابلة للزحف.

وتصادم الأسماء مشكلة كيانات لا مشكلة محتوى. فالشركتان اللتان تتشاركان اسماً تندمجان ما لم يفصل بينهما الرسم البياني للكيانات. استخدم اسماً قانونياً واحداً متسقاً مع واصف للفئة في كل مكان، واربط ملفاتك الموثّقة بعضها ببعض كمعرّفات sameAs، وأبقِ عنصرك في Wikidata دقيقاً، وحيث يكلّفك الالتباس صفقات، انشر سطراً قصيراً وقائعياً يوضّح أنك لا ترتبط بالكيان الآخر.

الخطوة 4 — تحقّق من أن الإجابة تحرّكت فعلاً

الإصلاح الذي لم تتحقّق منه مجرّد فرضية. أعد تشغيل الطلبات المسجّلة نفسها، في جلسات جديدة مع تعطيل الذاكرة، عبر كل مساعد وجدت فيه الادعاء، وسجّل تاريخ تغيّر كل إجابة. واختبر صيغ الطلب البديلة أيضاً — فكثيراً ما يصحّح المساعدون السؤال المباشر بينما يظلّ طلب المقارنة يحمل الرقم القديم.

توقّع جداول زمنية غير متماثلة. فالإجابات المستندة إلى استدعاء حيّ قد تتغيّر خلال أيام من إعادة الزحف. أما الادعاءات المخبوزة في أوزان النموذج فقد تصمد حتى تحديث النموذج، ولذلك يتفوّق التعاضد الواسع عبر مصادر مستقلة على صفحة واحدة مثالية. وإن كان الادعاء الخاطئ لا يظهر إلا عند تعطيل الوصول إلى الويب، فأنت تنتظر بيانات التدريب لا نظام إدارة المحتوى لديك.

قِس نسبة الإجابات الصحيحة عبر تشغيلات متكرّرة بدل لقطة شاشة واحدة، لأن المخرجات تتغيّر بين جلسة وأخرى. هذه هي الحلقة التي تؤتمتها Growli لعملائنا — الطلبات نفسها تُعاد عبر ChatGPT وGemini وClaude وPerplexity وCopilot وGrok، مع تنبيه حين يعاود ادعاء مصحَّح الظهور؛ وصفحة كيف يعمل تشرح الآلية.

حين ترفض الإجابة أن تتغيّر

استخدم التقييم داخل المنتج على الاستجابة المعنية بالذات — فلكل مساعد رئيسي مسار للتقييم السلبي وللإبلاغ، وهو القناة الوحيدة التي تصل إلى المنصة ومعها المخرج المخالف. واحتفظ بسجل الأخطاء لديك؛ فالبلاغ الذي يتضمّن الطلب بحرفه والتاريخ والمعلومة الصحيحة أجدى بكثير من شكوى عامة.

وحيث يتعلّق الادعاء الخاطئ بشخص يمكن تحديده — مؤسس يُنسب إليه ما لم يفعله — قد ينطبق قانون حماية البيانات مباشرةً. ففي الاتحاد الأوروبي يغطي الحق في التصحيح البيانات الشخصية غير الدقيقة، وينشر المزوّدون مسارات لطلبات الخصوصية لهذا الغرض بالضبط. واحتفظ بالتصعيد القانوني للادعاءات التشهيرية أو الضارّة تجارياً، لا لمسائل النبرة.

وثمة تكتيك ينبغي تجنّبه: حجب زواحف الذكاء الاصطناعي رداً على إجابة خاطئة. فهو يزيل صفحاتك من طبقة الاستدعاء من دون أن يزيل شيئاً مما دخل النموذج فعلاً، فيجيب المساعد من مصادر أطراف ثالثة تتحكّم فيها أقل بكثير. أن تكون المصدر الأوضح والأحدث والأقبل للقراءة آلياً عن نفسك هو التصحيح الذي يدوم.

FAQ