شرکت OpenAI در اواخر ماه مارس، در یک پست دو جمله ای در شبکه های اجتماعی، اپلیکیشن تولید ویدیوی Sora را تعطیل کرد؛ اما دلیل این فروپاشی هیچ ارتباطی به کیفیت ویدیوها نداشت. طبق گزارش آسوشیتدپرس، این شرکت پس از ماه ها فشار روانی و رسانه ای بر سر دیپ فیک های (Deepfakes) ساخته شده از مایکل جکسون، مارتین لوتر کینگ جونیور و مستر راجرز، نوشت که دارد «با اپلیکیشن سورا خداحافظی می کند». این فشارهای فزاینده، OpenAI را مجبور کرد تا پیش از مداخله خانواده های این اشخاص و اتحادیه بازیگران، در یک اقدام واکنشی، محتواها را حذف کند.
پایان دوران کانال های اسپم و بی هویت
پروژه سورا به این دلیل شکست نخورد که مدل هوش مصنوعی اش نمی توانست ویدیوهای متقاعدکننده و طبیعی بسازد؛ بلکه شکست خورد چون قبل از رها کردن مردم در باکسِ نوشتن پرامپت (دستور متنی)، هیچ کس «زیرساخت اعتماد» را در اطراف آن بنا نکرده بود.
در فضای وب فارسی نیز بارها شاهد بوده ایم که ابزارهای قدرتمند بدون بسترسازی فرهنگی، منجر به بحران های کپی رایت یا اخبار جعلی شده اند. ساختن اعتماد، پیش نیاز استفاده از هر تکنولوژی جدیدی است.
در همان هفته، داده های مربوط به اجرای قوانین یوتوب، داستان مشابهی را از زاویه ای متفاوت روایت کرد. در ماه ژانویه، این پلتفرم ۱۶ کانال را تحت عنوان سیاستی که اکنون «محتوای غیرواقعی» (Inauthentic Content) می نامد، برای همیشه پاک کرد. (این قانون در واقع تغییر نامی بود که در جولای ۲۰۲۵ روی قانون قدیمی «محتوای تکراری» اعمال شد). بر اساس گزارش هالیوود ریپورتر، این کانال ها در مجموع ۳۵ میلیون سابسکرایبر و ۴.۷ میلیارد بازدید در طول عمر خود داشتند و ویدیوهای قالب بندی شده و انبوهی تولید می کردند که هیچ گونه نظارت و ویرایش انسانی در پشت آن ها وجود نداشت.
در تیم دیجیتال مارکتینگ و سئو دانش وب، ما همواره به مشتریان خود تاکید می کنیم که الگوریتم های موتورهای جستجو و شبکه های اجتماعی، روزبه روز در تشخیص محتوای ماشینیِ بدون روح هوشمندتر می شوند. هر دو داستانی که در بالا اشاره شد، در مورد یک شکستِ واحد هستند. هیچ کدام واقعاً به بهتر یا بدتر شدن کیفیت ویدیوهای هوش مصنوعی ربطی ندارند؛ بلکه درباره اتفاقی هستند که وقتی «میاس تولید» از «قضاوت انسانی» (که قرار است ناظر بر آن باشد) پیشی می گیرد، رخ می دهد. این دقیقاً همان شکافی است که من چارچوب ۵ ستونه خود برای محتوای هوش مصنوعی را در ماه آوریل برای پر کردن آن ساختم. حالا چهار ماه بعد، این چارچوب نیاز چندانی به به روزرسانی ندارد.
نمایش گرافیکی کلاژ مانند از کاهش هزینه تولید ویدیوهای هوش مصنوعی و ضرورت حضور انسان به عنوان ناظر استراتژیک محتوا.
هزینه تولید انبوه باز هم کاهش یافت، که یعنی ریسک ها بالاتر رفته است
دو روز قبل از اینکه خبر تعطیلی Sora در تیتر اخبار قرار بگیرد، گوگل در یک پست وبلاگی از مدل Veo 3.1 Lite رونمایی کرد؛ مقرون به صرفه ترین مدل تولید ویدیوی این شرکت که با حفظ سرعت برابر، با قیمتی کمتر از نصف مدل Veo 3.1 Fast عرضه می شود. توسعه دهندگان اکنون می توانند کلیپ های چهار، شش یا هشت ثانیه ای را در حالت افقی (Landscape) یا عمودی (Portrait) با کیفیت 1080p تولید کنند که مشخصاً برای کاربردهایی با حجم بالا (High-volume) ساخته شده است.
این یک انتقاد از ابزار گوگل نیست، بلکه واقعیتی است که باید با آن روبرو شد. هزینه تولید ویدیو در مقیاس انبوه مدام در حال کاهش است؛ و این یعنی فشاری که «ستون اول» چارچوب من برای مدیریت آن ساخته شده بود – یعنی وسوسه اینکه هوش مصنوعی را به جای یک زیرساخت اصولی، به عنوان یک میانبر ببینیم – فقط و فقط بیشتر خواهد شد. ارزان تر شدن تولید محتوا، پایبندی به نظمِ «اول استراتژی» (Strategy-First) را نه تنها کم اهمیت نمی کند، بلکه ضروری تر می سازد.
در خدمات طراحی سایت و تولید محتوای دانش وب، رویکرد ما دقیقا همین است؛ استفاده از ابزارهای هوش مصنوعی برای بهبود کارایی، نه برای حذف خلاقیت و استراتژی انسانی.
چهره انسان تبدیل به سیگنال اعتماد شد، نه فقط یک انتخاب سلیقه ای
کریگ بیلینگز (Craig Billings) که یک کانال علمی به نام Doctor NOS با ۱.۷ میلیون سابسکرایبر را اداره می کند، به هالیوود ریپورتر گفت که کانال های بدون چهره (Faceless) که دقیقاً در حوزه کاری او فعالیت می کنند، از این پاک سازی ها ضربه سختی خورده اند. او می گوید اکثر آن ها در حال از دست دادن قابلیت درآمدزایی (Demonetized) هستند، در حالی که تولیدکنندگانی که هرگز دست به هوش مصنوعی نزده اند اما هیچ وقت هم چهره خود را نشان نداده اند، در همین تورِ یوتوب گرفتار شده اند. (در یوتوب و اینستاگرام فارسی نیز، پیج های بدون چهره یا اصطلاحاً Faceless اخیراً با افت شدید بازدید و حساسیت الگوریتم ها مواجه شده اند).
این بهای واقعیِ اجرای ناقص قوانین است و باید صادقانه به آن اعتراف کرد؛ اما در عین حال، چیزی را تایید می کند که چارچوب من قبلاً در «ستون پنجم» به آن پرداخته بود. صفحه خط مشی خود یوتوب با عنوان «چگونه تولیدکنندگان از هوش مصنوعی برای تولید محتوا استفاده می کنند»، به صراحت بیان می کند که این پلتفرم از تولیدکنندگان می خواهد در زمان استفاده از هوش مصنوعی برای ویرایش یا تولید محتوای واقع گرایانه، آن را به مخاطب اعلام (افشا) کنند. این برچسب ها (Labels) می توانند روی پخش کننده ویدیو برای محتوای کوتاه (Shorts) یا در زیر ویدیوهای طولانی مدت ظاهر شوند. اگر یک تولیدکننده محتوا از اعلام این موضوع طفره برود و سیستم های یوتوب استفاده از هوش مصنوعی را تشخیص دهند، این برچسب به طور خودکار اعمال می شود و زمانی که یوتوب با اطمینان بالا تشخیص دهد محتوا ساخته ی هوش مصنوعی است، سازندگان دیگر نمی توانند آن برچسب را حذف کنند.
چهار ماه پیش، من نوشتم که «پنهان کردن» استفاده از هوش مصنوعی از دید مخاطبانِ باهوش امروزی به معنای ضعف است، و «شفافیت و اعلام آن»، نشان دهنده شایستگی و مهارت شماست. این دیگر فقط یک استراتژی برای جلب اعتماد نیست؛ بلکه اکنون در زیرساخت واقعی پلتفرم ها عجین شده است و نگاه کردن به آن به عنوان یک تکنیک روابط عمومی (PR) دلخواه، یک اشتباه استراتژیک است، نه فقط یک فرصت از دست رفته.
تصویری که برچسب گذاری شفاف محتوای تولیدشده با هوش مصنوعی در پلتفرم هایی مانند یوتوب و برتری تولیدکنندگان واقعی نسبت به کانال های بی هویت (Faceless) را نشان می دهد.
ویدیوی هوش مصنوعیِ کارآمد و موفق واقعاً چه شکلی است؟
بیایید کانال های اسپم و بی ارزش (Slop) را با آنچه در راهنمای جدید Think with Google در نسخه Creativity Edition مستند شده است، مقایسه کنیم. متیو کری (Matthew Carey) از آزمایشگاه خلاقیت گوگل توضیح داد که چگونه فیلم کوتاه ANCESTRA را به کمک هوش مصنوعی ساخت. تیم او عمداً از پرامپت های عمومی (Generic) دوری کرد و به جای استفاده از خود کلمه «کیهان» (Cosmos)، برای ایجاد نماهایی از فضا، از توصیفات مربوط به میکروسکوپ ها و نورهای خاص استفاده کرد؛ زیرا پرامپت های بدیهی و ساده، همان میانگینِ بصریِ تکراری را تولید می کنند که همه مدل ها به صورت پیش فرض به سمت آن می روند. وسلی تر هار (Wesley ter Haar)، هم بنیان گذار Monks، به همان نشریه گفت برندهایی که با هوش مصنوعی موفق می شوند، پیش از آنکه حتی یک فریم ویدیو تولید کنند، کارِ سخت و بدون زرق وبرقِ «تدوین دقیق هویت برند خود» را انجام داده اند.
هیچ کدام از این دو مثال، با هوش مصنوعی مانند یک ماشینِ «تولید حجم انبوه» برخورد نمی کنند. هر دو به آن به عنوان ظرفیتی برای اجرا نگاه می کنند که تحت فرمان و تصمیمِ خاص یک انسان کار می کند؛ تصمیمی که تعیین می کند چه چیزی باید روی صفحه بیاید و چه چیزی نه. این همان ترکیب ستون ۱ و ستون ۵ است، و دقیقاً تفاوت بین کانال هایی است که یوتوب مسدودشان کرد و نمونه های موفقی که گوگل اکنون به عنوان استاندارد صنعت به نمایش می گذارد.
شکاف اعتماد در آمریکا بیشتر از امارات متحده عربی است
یک بُعد مارکتینگ در این قضیه وجود دارد که بازاریابان آمریکایی تمایل دارند آن را دست کم بگیرند. در یک نظرسنجی از موسسه YouGov در ۱۹ بازار مختلف که در ماه جولای پوشش دادم، ایالات متحده با ۴۸ درصد، پایین ترین نرخِ استفاده از جستجوی بهینه شده با هوش مصنوعی را در میان کشورهای مورد بررسی داشت؛ در مقایسه با ۸۹ درصد در هند، اندونزی و امارات متحده عربی. همچنین تنها ۲۸ درصد از جستجوگران آمریکایی گفتند که به پاسخ های یک دستیار هوش مصنوعی اعتماد دارند.
من یک ماژول آموزشی به نام «درگیر کردن مخاطبان از طریق محتوا در عصر هوش مصنوعی» را در آکادمی رسانه های جدید در امارات تدریس می کنم؛ در منطقه ای که در آن جستجو و کشف محتوا با کمک هوش مصنوعی، به جای یک استثنا، در حال حاضر یک هنجار است. درسِ این آمار این نیست که آمریکایی ها اشتباه می کنند که شکاک هستند؛ بلکه نکته اینجاست که الزاماتِ مربوط به شفافیت و دخالت انسان (که در ستون پنجم گنجانده شده اند)، فقط آپشن های اضافیِ وابسته به موقعیت جغرافیایی نیستند. آن ها خط پایه ای هستند که یک مخاطبِ شکاکِ آمریکایی به آن نیاز دارد و یک مخاطبِ پذیرا در امارات (و حتی ایران که عطش بالایی برای تکنولوژی دارد) نیز به محض اینکه قوانین و نظارت ها به پایِ سرعت پذیرش تکنولوژی برسند، انتظار آن را خواهد داشت.
گرافیک مفهومی که شکاف اعتماد به پاسخ ها و جستجوهای هوش مصنوعی میان مخاطبان آمریکایی و پذیرش بالای آن در منطقه ای مثل امارات را مقایسه می کند.
۳ تغییری که باید پیش از انتشار ویدیوی هوش مصنوعی بعدی خود ایجاد کنید
اول، بررسی کنید که آیا رویه های شفاف سازی و برچسب گذاری شما با زبانِ واقعی سیاست های پلتفرم (مثل یوتوب) مطابقت دارد یا فقط بر اساس سلیقه داخلی خودتان است. دستورالعمل خود یوتوب می گوید که برچسب ها روی محتوای فوتورئالیستی (بسیار واقعی) یا محتوایی که به طور معناداری تغییر یافته، اعمال می شوند و در صورتی که سیستم با اطمینان بالا آن را شناسایی کند، سازندگان حق حذف آن برچسب را از دست می دهند.
دوم، برنامه تولید خود را با آنچه ابزارهایی مانند Veo 3.1 Lite اکنون در مقیاس انبوه امکان پذیر کرده اند مقایسه کنید و سپس آگاهانه تصمیم بگیرید که کمتر از ظرفیت نهاییِ ابزار تولید کنید. توانایی فنی برای تولید هزاران نسخه از یک ویدیو، شما را ملزم نمی کند که حتماً هزار نسخه منتشر کنید. کیفیت را فدای کمیت نکنید.
سوم، پیش از انتشار نهایی، نام تصمیم گیرنده انسانیِ پشت هر قطعه محتوای تولید شده با هوش مصنوعی را مشخص کنید؛ همان طور که تیم متیو کری در پروژه Ancestra و تیم تر هار با پایگاه های دانش برند Monks این کار را کردند. اگر کسی در تیم شما نتواند پاسخ دهد که چه کسی تصمیم گرفته این خروجی نهاییِ مناسبی است، آن محتوا هنوز برای انتشار آماده نیست.
نتیجه گیری
مباحث مربوط به محتواهای بی کیفیت و اسپمِ هوش مصنوعی در این صنعت مدام به عنوان یک «مشکل کیفیت محتوا» مطرح می شود، و من فکر می کنم این چارچوب بندی اشتباه است. این در واقع یک «مشکل در زیرساختِ اعتماد» است؛ و متوقف شدن سورا، پاک سازی یوتوب و کاهش هزینه های مدل Veo، همگی از سه زاویه مختلف به یک شکاف واحد اشاره دارند.
آنچه در ماه آوریل استدلال کردم هنوز به قوت خود باقی است. تنها چیزی که تغییر کرده این است که پلتفرم ها دیگر با ما بحث نمی کنند، بلکه مستقیماً اقدام می کنند. «معنا و مفهوم» را نمی توان خودکارسازی کرد، و ابزارهایی که با بیشترین سرعت مقیاس پذیر می شوند، دقیقاً همان ابزارهایی هستند که نادیده گرفتنِ نقطه بازرسی انسان (Human Checkpoint) را وسوسه انگیزتر از همیشه می کنند. چارچوب من نیازی به بازنویسی در این پاییز نداشت؛ فقط لازم بود که صنعت خودش را به «ستون پنجم» برساند.