في كل مرة تقريبًا أعرض فيها Cast على مؤسس شركة أو مستثمر أو فريق في شركة كبيرة، يطرح أحدهم السؤال نفسه خلال عشر دقائق: «ألا يمكنني أن أطلب من ChatGPT (يفتح في علامة تبويب جديدة) أو Claude (يفتح في علامة تبويب جديدة) أن يتخيل نفسه عميلي؟»
سؤال وجيه، وقد طرحته على نفسي قبل أن نبني Cast. أستخدم الأداتين كل يوم، وأراهما استثنائيتين. فجرّبت. وعلى مدى أشهر، في قرارات حقيقية داخل Enhance Ventures (يفتح في علامة تبويب جديدة)، حاولت أن أستخرج بحثًا عن العملاء من نافذة محادثة بموجّهات أكثر ذكاءً في كل مرة.
وهذا ما تعلمته: النموذج لم يكن المشكلة يومًا. العملية هي المشكلة.
ماذا يحدث حين تطلب من مساعد محادثة أن يكون عميلك
جرّب بنفسك. صف منتجك، وصف عميلك، واطلب من المساعد أن يجيب بصفته ذلك الشخص. ستحصل على رد مدروس وفصيح ومقنع. وغالبًا سيعجبه تصورك، مع تحفظ أو تحفظين معقولين. اطلب منه أن يكون اثني عشر عميلًا مختلفًا، وستحصل على اثنتي عشرة صياغة متقاربة للشخص نفسه: المدروس الفصيح المقنع.
يبدو هذا كأنه بحث، لكنه ليس كذلك. وإليك السبب.
1. نموذج واحد يؤدي كل الأدوار، وهو يعرف ما تأمله
في المحادثة، يقرأ النموذج نفسه عرضك، ويختلق العميل، ويطرح على نفسه الأسئلة، ويجيب عنها، ثم يلخص النتيجة. هو يعرف ما تأمل أن تسمعه لأنك أخبرته في الرسالة الأولى. أظهر باحثون في Anthropic (يفتح في علامة تبويب جديدة) في ورقة Toward Understanding Sycophancy in Language Models (يفتح في علامة تبويب جديدة) أن مساعدات الذكاء الاصطناعي تميل إلى إخبار الناس بما يوافق آراءهم المعلنة. وفي بحوث العملاء، هذا قاتل.
في Cast تُفصل الأدوار، ويغيب عن كل دور شيء ما. وكيل الاختيار لا يرى أسئلتك أبدًا. والمستخدم الافتراضي لا يرى فرضيتك. والمخرج لا يرى الخلفية الخفية للمستخدم الافتراضي. أما الناقد، وهو مراجع مستقل، فيفحص كل سطر. أشرح المنطق وراء ذلك في لماذا يستخدم Cast أربعة نماذج ذكاء اصطناعي بدل نموذج واحد.
2. مساعد المحادثة مدرَّب ليكون مفيدًا، لا ليكون عميلًا
تُضبط المساعدات العامة لتكون موافقة ومهذبة ونافعة. وهذه صفات رائعة في مساعد، وسيئة جدًا في مشارك في بحث. العملاء الحقيقيون مشتتون ومتشككون وميزانياتهم محدودة، ويتمسكون بما يستخدمونه اليوم. ولا يكفي أن تضيف «كن ناقدًا» إلى موجّه كي يحافظ النموذج على هذا الموقف طوال مقابلة كاملة وتحت أسئلة المتابعة. المطلوب عملية اختيار تمنح كل شخص سببًا للشك فيك، ومراجع يعيد الإجابات المتلهفة لإرضائك.
3. شخصية واحدة مختلقة صورة نمطية، لا مجتمع
حين تطلب من مساعد محادثة «مدير عمليات عمره 35 عامًا في دبي»، يملأ الفراغات بأكثر نسخة نمطية يتخيلها. وهذا متوسط صورة نمطية. وتبيّن دراسات مثل Whose Opinions Do Language Models Reflect? (يفتح في علامة تبويب جديدة) من Stanford (يفتح في علامة تبويب جديدة) كيف تميل الأصوات الأساسية للنماذج نحو فئات وتبتعد عن أخرى.
يفعل Cast أمرين لا يستطيع الموجز النصي فعلهما. أولًا، يبحث وكيل الاختيار في سوق كل شخص ومدينته وأسعاره وقيوده، ويحتفظ بالمصادر لتتحقق منها بنفسك. وصفت ذلك في مبنيّ على مصادر. ثانيًا، نطبّق التباين، وهو تقنيتنا الخاصة: نختار الأشخاص المحيطين بملفك عبر أحد عشر بُعدًا أساسيًا، إضافة إلى أبعاد اختيارية تضيفها أنت، فتأتي نتائجك من مجتمع متنوع لا من صوت واحد يتكرر. هذه هي الفكرة التي كتبت عنها في لماذا احتجنا إلى مستخدمين افتراضيين وابتكرنا التباين.
4. كل شيء يتسرب في محادثة واحدة
في محادثة واحدة، يكون «العميل» الخامس قد قرأ إجابات الأربعة الأوائل. وكل رد يؤثر بهدوء في الذي يليه. إنها نسخة الذكاء الاصطناعي من مجموعة نقاش يحدد فيها أعلى الأصوات النبرة، وهي المشكلة التي وثّقها Solomon Asch (يفتح في علامة تبويب جديدة) في دراساته عن الانصياع.
يجري Cast كل مقابلة كمحادثة مستقلة، وبالتوازي. لا أحد يسمع أحدًا. اثنا عشر شخصًا يعني اثنتي عشرة محادثة مستقلة، وهذا ما يعطي معنى حين يثير ثمانية منهم الاعتراض نفسه.
5. لا أحد يراجع الإجابات
مساعد المحادثة يصحح واجبه بنفسه. وجد بحث من Google DeepMind (يفتح في علامة تبويب جديدة) بعنوان Large Language Models Cannot Self-Correct Reasoning Yet (يفتح في علامة تبويب جديدة) أن النماذج تجد صعوبة في إصلاح أخطائها دون تغذية راجعة من الخارج. في Cast، يقرأ الناقد كل سطر ويقابله بخلفية المستخدم الافتراضي ومصادره، ويرفض الإجابات الخارجة عن الشخصية أو غير المدعومة أو المجاملة أكثر من اللازم. ويُسجَّل كل قرار لتراه.
6. المحادثة تعطيك نصًا، لا بحثًا
حتى لو كانت كل إجابة مثالية، تترك لك نافذة المحادثة نصًا طويلًا يصعب الإحاطة به. يحوّل Cast المقابلات إلى نتائج: أنماط عبر الفئات المختلفة من الجمهور، واقتباسات مرتبطة بالنص الذي جاءت منه، وتقارير وعروض تقديمية. ولأن المستخدمين الافتراضيين يحتفظون بذاكرتهم، يمكنك أن تعود بعد أيام بسؤال متابعة فتحصل على إجابة تعبّر عن شخصيتهم.
هل المشكلة في الموجّه أم في العملية؟
يتخيل بعض الناس أن Cast موجّه طويل جدًا. ليس كذلك. إنه سلسلة مراحل: بحث، واختيار الطاقم، وتباين، ومقابلات منفصلة، ومتشككون مقصودون، ومراجعة مستقلة، ثم تركيب للنتائج. لكل مرحلة تعليماتها ومعلوماتها الخاصة. أمضينا وقتًا طويلًا في اختبار طريقة اتصال هذه الأجزاء وضبطها، ومن هناك تأتي الجودة.
يمكنك من حيث المبدأ أن تعيد بناء أجزاء منه بنفسك إذا بذلت جهدًا هندسيًا كافيًا. لكن لا صياغة ذكية داخل محادثة واحدة توصلك إلى ذلك، لأن المشكلات المذكورة أعلاه بنيوية. مصدرها نموذج واحد يفعل كل شيء في مكان واحد.
متى يكون مساعد المحادثة الأداة المناسبة
أريد أن أكون منصفًا. لعصف الأفكار وصياغة استبيان وكتابة أسئلة المقابلة والحصول على رد فعل أولي سريع على فكرة، مساعد المحادثة ممتاز، وأستخدمه لذلك بالضبط. يبدأ الحد الفاصل حين تحتاج إلى أن تعتمد على الإجابة: حين تختار أي منتج تبني، أو أي عميل تستهدف، أو أي سعر تطلب. عندها تحتاج إلى بحث، لا إلى محادثة.
ما أقترحه
- استخدم مساعد المحادثة لصقل أسئلتك.
- استخدم Cast لطرحها على طاقم متنوع، مبني على البحث، ومراجَع باستقلال.
- خذ أقوى الأنماط إلى عملاء حقيقيين قبل أن تلتزم بمبالغ كبيرة.
هذا المزيج أسرع وأرخص من أي شيء توفر لي في سنوات عملي في الاستشارات والاستثمار، وأكثر صدقًا بكثير من نافذة محادثة تحاول بهدوء أن ترضيك.
أليس Cast مجرد غلاف حول ChatGPT أو Claude؟
لا. يستخدم Cast نماذج لغوية رائدة كمحركات، لكن النتائج تأتي من العملية المحيطة بها: اختيار طاقم قائم على البحث مع المصادر، والتباين، ومقابلات منفصلة متوازية، ومتشككين مقصودين، وناقد مستقل لكل سطر.
هل أحصل على النتائج نفسها بموجّه أفضل؟
ليس في محادثة واحدة. المشكلات الرئيسية هي أن نموذجًا واحدًا يتولى كل الشخصيات، وأن الإجابات تتسرب بين شخصية وأخرى، وأنه لا توجد مراجعة مستقلة. هذه مشكلات بنيوية، فلا تُحل بصياغة أفضل للموجّه.
ما نماذج الذكاء الاصطناعي التي يستخدمها Cast؟
يستخدم Cast نماذج لغوية كبيرة حديثة من مزودين رائدين، ويسند أدوارًا مختلفة إلى نسخ منفصلة لكل منها تعليماتها. المنهج، لا نموذج بعينه، هو ما ينتج النتائج.
هل أتوقف عن استخدام مساعدات المحادثة في البحث؟
واصل استخدامها لعصف الأفكار وصياغة الأسئلة. استخدم Cast حين تحتاج إلى إجابات يمكنك الاعتماد عليها، وتأكد من أكبر رهاناتك مع عملاء حقيقيين.
اقرأ بعد ذلك: لماذا احتجنا إلى المستخدمين الافتراضيين وابتكرنا التباين.
