آینده جستجو؛ گوگل، هوش مصنوعی و آینده کشف اطلاعات

تا همین چند سال پیش، وقتی کسی به دنبال پاسخ یک سؤال، انتخاب یک محصول یا یافتن یک راه‌حل برای کسب‌وکارش بود، معمولاً جستجو را از گوگل شروع می‌کرد. چند عبارت وارد می‌کرد، میان نتایج می‌گشت، چند وب‌سایت را باز می‌کرد و در نهایت با کنار هم گذاشتن اطلاعات، به نتیجه می‌رسید. امروز این مسیر در حال تغییر است. کاربر می‌تواند همان سؤال را از یک ابزار هوش مصنوعی بپرسد و به‌جای فهرستی از لینک‌ها، پاسخی یکپارچه دریافت کند؛ پاسخی که ممکن است اطلاعات چندین منبع را در خود ترکیب کرده باشد.

در نگاه اول، این تغییر ساده به نظر می‌رسد: به‌جای جستجو در میان صفحات، پاسخ را مستقیماً دریافت می‌کنیم. اما پشت این تجربه ساده، تغییری عمیق‌تر در جریان کشف اطلاعات در حال شکل‌گیری است.

وقتی کاربر برای یافتن پاسخ به چندین وب‌سایت مراجعه می‌کند، فرصت مشاهده برندها، مقایسه دیدگاه‌ها و آشنایی با منابع مختلف وجود دارد. اما وقتی یک سیستم هوش مصنوعی اطلاعات را جمع‌آوری، خلاصه و به شکل یک پاسخ ارائه می‌کند، مسیر دسترسی کاربر به منابع تغییر می‌کند. ممکن است یک وب‌سایت همچنان در تولید پاسخ نقش داشته باشد، اما کاربر هرگز وارد آن نشود. ممکن است کسب‌وکاری محتوای تخصصی و ارزشمندی تولید کند، اما در پاسخ نهایی دیده نشود. در مقابل، برندی که اطلاعاتش در جایگاه مناسبی قرار گرفته یا به‌درستی در پاسخ بازنمایی شده است، می‌تواند پیش از آنکه کاربر وارد مرحله مقایسه شود، توجه او را جلب کند.

بنابراین، مسئله آینده جستجو فقط این نیست که کاربران از گوگل استفاده خواهند کرد یا از هوش مصنوعی؛ مسئله این است که اطلاعات چگونه انتخاب، ترکیب و عرضه می‌شوند و چه کسانی در این فرآیند فرصت دیده‌شدن پیدا می‌کنند.

این تغییر برای کسب‌وکارها اهمیت ویژه‌ای دارد. سال‌ها، بخش مهمی از استراتژی حضور دیجیتال بر دیده‌شدن در نتایج جستجو، جذب بازدیدکننده و تبدیل او به مشتری متمرکز بود. اکنون، در کنار این مسیر، شکل‌های دیگری از کشف اطلاعات نیز در حال گسترش‌اند؛ از پاسخ‌های تولیدشده توسط هوش مصنوعی گرفته تا جستجوی مکالمه‌ای و جستجوی مبتنی بر تصویر و صدا. این مسیرها لزوماً جایگزین یکدیگر نیستند، اما می‌توانند نحوه آشنایی مخاطب با یک برند، ارزیابی گزینه‌ها و تصمیم‌گیری او را تغییر دهند.

بااین‌حال، نباید از این تحولات نتیجه گرفت که موتورهای جستجوی سنتی به‌زودی از بین می‌روند یا همه کاربران به ابزارهای هوش مصنوعی مهاجرت خواهند کرد. فناوری جدید الزاماً تمام رفتارهای قبلی را حذف نمی‌کند. آنچه اهمیت دارد، شناخت تغییرات واقعی و تفکیک فرصت‌های پایدار از موج‌های زودگذر فناوری است.

در این مقاله، آینده جستجو را از همین زاویه بررسی می‌کنیم: از تحول موتورهای جستجو و ظهور موتورهای پاسخ‌گو تا تغییر رفتار کاربران، جستجوی چندوجهی و آینده سئو. اما هدف صرفاً معرفی فناوری‌ها و پیش‌بینی مسیر آن‌ها نیست. پرسش اصلی این است که این تغییرات چه معنایی برای کشف اطلاعات، اعتبار منابع و رقابت کسب‌وکارها دارند و چگونه می‌توان بر اساس آن‌ها تصمیم گرفت.

در نهایت، برای درک آینده جستجو باید از این سؤال که «کدام ابزار برنده خواهد شد؟» فراتر برویم و به پرسشی بنیادی‌تر برسیم: در جهانی که پاسخ‌ها بیش از گذشته مستقیماً در اختیار کاربران قرار می‌گیرند، چه چیزی تعیین می‌کند کدام اطلاعات دیده شوند، به کدام منابع اعتماد شود و کدام کسب‌وکار در مسیر انتخاب مشتری باقی بماند؟

چرا جستجو در حال تغییر است؟

تغییرات دنیای جستجو را نمی‌توان صرفاً با ظهور هوش مصنوعی توضیح داد. پیش از آنکه مدل‌های زبانی به ابزارهای روزمره تبدیل شوند، کاربران با محدودیت‌هایی در شیوه جستجوی اطلاعات روبه‌رو بودند: پیدا کردن عبارت مناسب، بررسی چندین صفحه، تشخیص منابع معتبر و کنار هم گذاشتن اطلاعات پراکنده برای رسیدن به یک پاسخ قابل استفاده. هوش مصنوعی این مسائل را از ابتدا ایجاد نکرده است؛ بلکه امکان پاسخ‌گویی به بخشی از آن‌ها را به شکلی متفاوت فراهم کرده و انتظارات کاربران از تجربه جستجو را تغییر داده است.

برای درک این تحول، باید سه عامل را در کنار یکدیگر بررسی کنیم: تغییر نیاز کاربران، پیشرفت فناوری و تغییر شیوه ارائه اطلاعات. هیچ‌کدام به‌تنهایی برای توضیح آینده جستجو کافی نیستند.

از جستجوی کلیدواژه‌ای تا بیان نیاز به زبان طبیعی

در جستجوی سنتی، کاربر معمولاً مسئله خود را به چند کلمه یا عبارت تبدیل می‌کرد. برای مثال، فردی که قصد خرید یک نرم‌افزار مدیریت ارتباط با مشتری را داشت، ممکن بود عبارت «بهترین نرم‌افزار CRM» را جستجو کند و سپس با بررسی نتایج، نیازهای خود را با قابلیت‌های محصولات مختلف تطبیق دهد.

این روش همچنان کاربردی است؛ اما یک محدودیت دارد: کاربر باید تا اندازه‌ای بداند چه عبارتی را جستجو کند، چه نتایجی برای او مفیدند و چگونه اطلاعات موجود را به تصمیم تبدیل کند.

در تعامل با یک دستیار هوش مصنوعی، کاربر می‌تواند مسئله را با جزئیات بیشتری بیان کند:

«برای یک شرکت صنعتی با تیم فروش پنج‌نفره که مشتریانش سازمانی هستند، چه نرم‌افزار CRMای مناسب است؟ گزینه‌ها را از نظر هزینه، امکان شخصی‌سازی و قابلیت پیگیری مذاکرات مقایسه کن.»

در اینجا، کاربر به‌جای ارائه چند کلیدواژه، زمینه تصمیم‌گیری خود را نیز بیان می‌کند. سیستم می‌تواند بر اساس این زمینه، پاسخ را سازمان‌دهی کند، معیارهای مقایسه را پیشنهاد دهد و در صورت دسترسی به اطلاعات مناسب، گزینه‌ها را بررسی کند.

تفاوت مهم در این است که کاربر دیگر فقط به دنبال یافتن اسناد مرتبط نیست؛ او می‌خواهد مسئله‌اش را در یک چارچوب مشخص بررسی کند.

البته این تحول به معنای کناررفتن کلیدواژه‌ها نیست. موتورهای جستجو همچنان از عبارت‌های جستجو برای بازیابی و رتبه‌بندی اطلاعات استفاده می‌کنند و سیستم‌های هوش مصنوعی نیز برای تولید پاسخ‌های دقیق به اطلاعات مرتبط و بازیابی مناسب نیاز دارند. آنچه تغییر کرده، امکان بیان مستقیم‌تر نیاز و واگذاری بخشی از فرآیند تفسیر و ترکیب اطلاعات به سیستم است.

افزایش انتظار کاربران برای پاسخ‌های مستقیم و متناسب با زمینه

وقتی فناوری می‌تواند پاسخ‌های پیچیده را در قالبی منسجم ارائه دهد، طبیعی است که انتظار کاربران نیز تغییر کند. کسی که می‌خواهد مفهوم یک اصطلاح تخصصی را بداند، ممکن است با یک پاسخ کوتاه به هدفش برسد؛ اما کسی که قصد انتخاب یک تأمین‌کننده صنعتی، ارزیابی یک سرمایه‌گذاری یا مقایسه چند راهکار فنی را دارد، به چیزی بیشتر از یک تعریف یا فهرست لینک نیاز دارد.

در این موقعیت‌ها، ارزش پاسخ به میزان ارتباط آن با مسئله کاربر وابسته است. یک پاسخ مفید باید بتواند اطلاعات را در زمینه مناسب قرار دهد، تفاوت گزینه‌ها را روشن کند و مشخص سازد که چه عواملی در تصمیم‌گیری اهمیت دارند.

این انتظار، شکل تعامل با اطلاعات را تغییر می‌دهد. کاربر ممکن است به‌جای اجرای چند جستجوی جداگانه، پرسش اولیه خود را مطرح کند، پاسخ را دقیق‌تر کند، محدودیت‌هایش را توضیح دهد و در چند مرحله به نتیجه برسد.

بااین‌حال، دریافت پاسخ مستقیم همیشه به معنای دریافت پاسخ بهتر نیست. پاسخ‌های تولیدشده توسط هوش مصنوعی ممکن است ناقص، نادرست یا فاقد منابع کافی باشند. در تصمیم‌های

مالی، انتخاب تأمین‌کننده، ارزیابی راهکارهای فنی یا انتخاب یک محصول تخصصی، اتکا به پاسخ مستقیم بدون بررسی شواهد می‌تواند به تصمیمی نادرست منجر شود. بنابراین، انتظار کاربران برای دریافت پاسخ سریع‌تر باید در کنار نیاز آن‌ها به دقت، اعتبار و امکان بررسی اطلاعات در نظر گرفته شود. مسئله فقط کوتاه‌تر شدن مسیر رسیدن به پاسخ نیست؛ کیفیت پاسخی که در این مسیر دریافت می‌شود نیز اهمیت دارد.

محدودیت‌های جستجوی سنتی در پرسش‌های پیچیده

موتورهای جستجوی سنتی برای پیدا کردن و رتبه‌بندی صفحات مرتبط با یک عبارت جستجو طراحی شده‌اند. این قابلیت در بسیاری از موقعیت‌ها مؤثر است؛ برای مثال، زمانی که کاربر به دنبال وب‌سایت یک شرکت، مشخصات یک محصول، یک سند فنی یا اطلاعات مشخصی درباره یک موضوع است. در چنین مواردی، دسترسی مستقیم به منابع می‌تواند سریع و کاربردی باشد.

اما برخی پرسش‌ها با پیدا کردن یک صفحه یا حتی چند صفحه پاسخ داده نمی‌شوند. فرض کنید یک شرکت صنعتی قصد دارد تأمین‌کننده جدیدی برای یک ماده اولیه انتخاب کند. تصمیم‌گیری درباره این موضوع ممکن است به بررسی مشخصات فنی، ثبات کیفیت، شرایط تحویل، هزینه‌های جانبی، سابقه تأمین‌کننده و الزامات واحد مصرف‌کننده نیاز داشته باشد. اطلاعات موردنیاز احتمالاً در اسناد فنی، وب‌سایت شرکت‌ها، کاتالوگ‌ها و منابع مختلف پراکنده است.

در این شرایط، جستجو تنها مرحله نخست کار است. کاربر باید اطلاعات را جمع‌آوری کند، تفاوت میان منابع را تشخیص دهد، داده‌های متناقض را بررسی کند و ارتباط هر یافته را با مسئله اصلی خود بسنجد. حتی اگر تمام اطلاعات موردنیاز در نتایج جستجو وجود داشته باشد، تبدیل آن‌ها به یک تصمیم قابل دفاع همچنان به زمان و تحلیل نیاز دارد.

این محدودیت به معنای ناکارآمد بودن موتورهای جستجوی سنتی نیست. اساساً پیدا کردن منابع و تحلیل اطلاعات دو وظیفه متفاوت‌اند. موتور جستجو می‌تواند دسترسی به اسناد مرتبط را فراهم کند، اما لزوماً مسئولیت ترکیب اطلاعات، توضیح روابط میان آن‌ها و ارزیابی نتیجه نهایی را بر عهده نمی‌گیرد.

اهمیت این تفاوت زمانی بیشتر می‌شود که پرسش کاربر چندمرحله‌ای باشد. ممکن است پاسخ یک سؤال، پرسش دیگری ایجاد کند و نتیجه نهایی به ارتباط میان چند عامل وابسته باشد. در چنین موقعیتی، کاربر صرفاً به مجموعه‌ای از صفحات مرتبط نیاز ندارد؛ او به روشی برای حرکت از اطلاعات پراکنده به درکی منسجم از مسئله نیاز دارد.

نقش هوش مصنوعی مولد در تغییر تجربه کشف اطلاعات

هوش مصنوعی مولد امکان تازه‌ای به فرآیند جستجو اضافه کرده است: به‌جای آنکه کاربر صرفاً فهرستی از منابع دریافت کند، می‌تواند پاسخی متناسب با پرسش خود بگیرد و در ادامه، همان موضوع را با توضیحات بیشتر، محدودیت‌های تازه یا معیارهای متفاوت بررسی کند.

این قابلیت، نحوه تعامل با اطلاعات را تغییر می‌دهد. کاربر می‌تواند از یک سؤال کلی شروع کند، پاسخ اولیه را دریافت کند، بخش‌های مبهم را مشخص سازد و سپس به سراغ مقایسه، تحلیل یا بررسی جزئیات برود. در این الگو، کشف اطلاعات از مجموعه‌ای از جستجوهای جداگانه به فرآیندی پیوسته‌تر تبدیل می‌شود.

برای مثال، فردی که قصد انتخاب یک راهکار نرم‌افزاری برای کسب‌وکار خود را دارد، می‌تواند ابتدا گزینه‌های موجود را بررسی کند، سپس معیارهای انتخاب را مشخص سازد و در ادامه، تفاوت گزینه‌ها را بر اساس بودجه، امکانات و محدودیت‌های سازمانی بسنجد. هوش مصنوعی می‌تواند به سازمان‌دهی این فرآیند کمک کند؛ البته کیفیت نتیجه به اطلاعات در دسترس، نحوه بازیابی منابع و توانایی سیستم در تحلیل درست آن‌ها وابسته است.

نکته مهم این است که هوش مصنوعی مولد صرفاً یک رابط متفاوت برای نمایش نتایج نیست. این فناوری می‌تواند اطلاعات را بازنویسی، خلاصه و ترکیب کند و پاسخ را بر اساس زمینه گفت‌وگو تغییر دهد. به همین دلیل، تجربه کاربر از دریافت اطلاعات نیز تغییر می‌کند: بخشی از کارهایی که پیش‌تر مستقیماً توسط کاربر انجام می‌شد، اکنون می‌تواند به سیستم واگذار شود.

بااین‌حال، همین قابلیت یک مسئله اساسی ایجاد می‌کند. وقتی سیستم اطلاعات چند منبع را در قالب یک پاسخ واحد ارائه می‌کند، کاربر ممکن است به‌سادگی نتواند تشخیص دهد کدام بخش بر شواهد معتبر تکیه دارد، کدام بخش حاصل استنباط سیستم است و چه اطلاعاتی از قلم افتاده است. پاسخ روان و منسجم الزاماً پاسخ دقیق و کامل نیست.

از سوی دیگر، همه سیستم‌های هوش مصنوعی به اطلاعات یکسانی دسترسی ندارند و همه پاسخ‌ها نیز با ارجاع روشن به منابع اصلی ارائه نمی‌شوند. در نتیجه، دسترسی به منبع، امکان راستی‌آزمایی و تشخیص محدودیت‌های پاسخ همچنان اهمیت دارد. در بسیاری از تصمیم‌های تخصصی، هوش مصنوعی می‌تواند فرآیند بررسی را تسهیل کند، اما جایگزین خودکار ارزیابی منابع و قضاوت تخصصی نیست.

بنابراین، تأثیر اصلی هوش مصنوعی مولد را باید در تغییر تقسیم کار میان کاربر و سیستم جستجو دید. سیستم می‌تواند بخش بیشتری از تفسیر و ترکیب اطلاعات را انجام دهد، اما مسئولیت تشخیص اعتبار و تناسب نتیجه با شرایط واقعی همچنان اهمیت خود را حفظ می‌کند.

آیا کاربران واقعاً به جستجوی متفاوتی نیاز دارند یا فناوری در حال تغییر عادت آن‌هاست؟

برای درک آینده جستجو، باید میان نیاز واقعی کاربران و رفتارهایی که فناوری در آن‌ها ایجاد می‌کند تفاوت قائل شد. این دو عامل از یکدیگر جدا نیستند، اما الزاماً یکسان هم عمل نمی‌کنند.

کاربران همواره به دنبال کاهش زمان و تلاش لازم برای رسیدن به اطلاعات مفید بوده‌اند. آن‌ها می‌خواهند پاسخ پرسش‌هایشان را پیدا کنند، گزینه‌ها را مقایسه کنند، ریسک تصمیم‌هایشان را کاهش دهند و در نهایت، انتخاب مناسب‌تری داشته باشند. این نیازها با ظهور هوش مصنوعی به وجود نیامده‌اند. آنچه تغییر کرده، امکانات موجود برای پاسخ‌گویی به این نیازها و انتظاراتی است که از ابزارهای اطلاعاتی شکل می‌گیرد.

وقتی یک فناوری بتواند بخشی از فرآیند را سریع‌تر انجام دهد، کاربران به‌تدریج به همان سطح از سهولت عادت می‌کنند. پس از مدتی، روشی که پیش‌تر پذیرفتنی بود، ممکن است دشوار یا زمان‌بر به نظر برسد. از این منظر، فناوری فقط به نیازهای موجود پاسخ نمی‌دهد؛ بلکه می‌تواند معیار کاربران برای یک تجربه مطلوب را نیز تغییر دهد.

بااین‌حال، این تغییر در همه موقعیت‌ها یکسان نیست. برای یافتن آدرس یک شرکت، بررسی قیمت یک محصول یا دسترسی به یک سند مشخص، جستجوی مستقیم همچنان می‌تواند بهترین مسیر باشد. در مقابل، برای بررسی یک مسئله پیچیده، مقایسه چند گزینه یا فهم ارتباط میان عوامل مختلف، گفت‌وگو با یک سیستم هوش مصنوعی ممکن است تجربه مناسب‌تری فراهم کند. در موارد دیگر نیز کاربر ممکن است از هر دو روش استفاده کند: ابتدا با هوش مصنوعی موضوع را بررسی کند و سپس برای تأیید اطلاعات به منابع اصلی مراجعه کند.

بنابراین، نمی‌توان فرض کرد که همه کاربران به‌سرعت رفتار یکسانی پیدا می‌کنند یا یک فناوری جدید به‌طور کامل جایگزین روش‌های قبلی می‌شود. نوع نیاز، میزان پیچیدگی مسئله، حساسیت تصمیم، اعتماد به ابزار و امکان دسترسی به منابع معتبر، همگی بر انتخاب مسیر جستجو تأثیر می‌گذارند.

این موضوع برای کسب‌وکارها نیز اهمیت دارد. تغییر رفتار کاربران لزوماً به معنای حذف مسیرهای قبلی برای کشف برندها و محصولات نیست؛ بلکه ممکن است تعداد مسیرها، ترتیب استفاده از آن‌ها و نقش هر مسیر در تصمیم‌گیری مشتری را تغییر دهد. یک کاربر می‌تواند نام یک برند را در موتور جستجو پیدا کند، درباره گزینه‌های موجود از یک دستیار هوش مصنوعی سؤال بپرسد و در نهایت، برای بررسی مشخصات یا ثبت سفارش به وب‌سایت همان برند مراجعه کند.

در چنین شرایطی، پرسش اصلی دیگر فقط این نیست که کاربران از کدام ابزار استفاده می‌کنند. مسئله این است که هر ابزار در کدام مرحله از فرآیند کشف، ارزیابی و انتخاب نقش دارد و چه عواملی باعث می‌شوند یک منبع یا کسب‌وکار در آن مرحله مورد توجه قرار بگیرد.

جمع‌بندی: تغییر جستجو حاصل تعامل سه عامل است

تحول جستجو را نمی‌توان صرفاً نتیجه ظهور هوش مصنوعی دانست یا آن را به تغییر عادت کاربران محدود کرد. این تحول از تعامل سه عامل شکل می‌گیرد: نیاز کاربران، قابلیت فناوری و مدل ارائه اطلاعات.

نیاز کاربران مشخص می‌کند چه مسئله‌ای باید حل شود؛ قابلیت فناوری تعیین می‌کند چه بخش‌هایی از فرآیند را می‌توان به شیوه‌ای تازه انجام داد؛ و مدل ارائه اطلاعات مشخص می‌کند نتیجه این فرآیند چگونه در اختیار کاربر قرار می‌گیرد. تغییر در هر یک از این عوامل می‌تواند بر دو عامل دیگر نیز تأثیر بگذارد.

به همین دلیل، آینده جستجو را نباید صرفاً رقابت میان گوگل و ابزارهای هوش مصنوعی دانست. مسئله عمیق‌تر، تغییر در شیوه‌ای است که اطلاعات کشف، تفسیر، ارزیابی و به تصمیم تبدیل می‌شوند. در این مسیر، موتورهای جستجو، سیستم‌های پاسخ‌گو و منابع اصلی اطلاعات ممکن است نقش‌های متفاوتی پیدا کنند، اما اهمیت دسترسی به اطلاعات معتبر و امکان ارزیابی آن‌ها همچنان پابرجا می‌ماند.

بینش کلیدی این بخش: فناوری جدید زمانی منطق جستجو را تغییر می‌دهد که با نیازهای واقعی کاربران و شیوه ارائه اطلاعات پیوند بخورد. بنابراین، برای فهم آینده جستجو باید به‌جای تمرکز صرف بر ابزارها، بررسی کنیم که کاربران چگونه به پاسخ می‌رسند، سیستم‌ها چه بخشی از این مسیر را بر عهده می‌گیرند و چه عواملی تعیین می‌کنند کدام اطلاعات در نهایت دیده و پذیرفته شوند.

از پیدا کردن اطلاعات تا دریافت پاسخ؛ تغییر اصلی در منطق جستجو

وقتی درباره آینده جستجو صحبت می‌کنیم، معمولاً توجه به تغییر ظاهر ابزارها جلب می‌شود: یک‌جا فهرستی از لینک‌ها نمایش داده می‌شود و جای دیگر، پاسخی متنی که می‌توان درباره آن سؤال‌های بیشتری مطرح کرد. اما تفاوت اصلی صرفاً در شکل نمایش نتایج نیست. مسئله این است که چه کسی اطلاعات را انتخاب می‌کند، چه کسی ارتباط میان آن‌ها را تشخیص می‌دهد و چه کسی آن‌ها را به یک پاسخ قابل استفاده تبدیل می‌کند.

در الگوی سنتی جستجو، موتور جستجو عمدتاً منابع مرتبط را در اختیار کاربر قرار می‌دهد و بخش مهمی از کار، یعنی بررسی صفحات، مقایسه اطلاعات و رسیدن به نتیجه، بر عهده خود اوست. در الگوی پاسخ‌محور، سیستم می‌تواند بخشی از این مراحل را نیز انجام دهد و نتیجه را به‌صورت یک پاسخ منسجم ارائه کند.

این تفاوت به معنای جایگزینی کامل یک الگو با الگوی دیگر نیست. بسیاری از ابزارهای امروزی ترکیبی از بازیابی اطلاعات، رتبه‌بندی، تولید پاسخ و ارجاع به منابع را به کار می‌گیرند. برای درک درست این تحول، ابتدا باید ببینیم هرکدام از این مراحل چه نقشی دارند و انتقال بخشی از آن‌ها به سیستم چه تغییری در تجربه کاربر ایجاد می‌کند.

موتور جستجو چگونه اطلاعات را بازیابی و رتبه‌بندی می‌کند؟

موتور جستجو را می‌توان سامانه‌ای برای یافتن منابع مرتبط با نیاز اطلاعاتی کاربر دانست. این فرآیند معمولاً پیش از ثبت جستجوی کاربر آغاز می‌شود؛ موتور جستجو صفحات وب را شناسایی و بررسی می‌کند، اطلاعاتی درباره آن‌ها در فهرست خود نگه می‌دارد و هنگام دریافت یک پرسش، از این اطلاعات برای پیدا کردن و مرتب‌سازی نتایج استفاده می‌کند.

وقتی کاربر عبارتی را جستجو می‌کند، سیستم تلاش می‌کند منظور او را تشخیص دهد و صفحاتی را پیدا کند که از نظر موضوع، محتوا و سایر عوامل رتبه‌بندی مرتبط‌تر به نظر می‌رسند. کیفیت و ارتباط محتوا، وضعیت فنی صفحات، اعتبار و ارتباط منابع و زمینه جستجو می‌توانند در نمایش نتایج نقش داشته باشند. البته وزن دقیق این عوامل به سامانه و نوع جستجو وابسته است.

نکته مهم این است که رتبه‌بندی، به‌خودی‌خود معادل ارائه یک پاسخ نهایی نیست. موتور جستجو مجموعه‌ای از منابع را در اختیار کاربر می‌گذارد تا او بتواند از میان آن‌ها اطلاعات موردنیازش را پیدا کند. حتی اگر نتیجه نخست بسیار مرتبط باشد، ممکن است برای پاسخ‌گویی به یک مسئله پیچیده کافی نباشد.

برای مثال، جستجوی عبارت «استانداردهای بسته‌بندی مواد شیمیایی» ممکن است کاربر را به اسناد استاندارد، صفحات شرکت‌های تولیدکننده، دستورالعمل‌های حمل‌ونقل و مقالات تخصصی برساند. اما تشخیص اینکه کدام استاندارد به ماده موردنظر مربوط است، چه محدودیت‌هایی دارد و در شرایط عملیاتی مشخص کدام الزامات باید رعایت شوند، همچنان به بررسی و تفسیر اطلاعات نیاز دارد.

در این مدل، موتور جستجو مسیر دسترسی به منابع را کوتاه می‌کند، اما لزوماً تمام مسیر رسیدن از منابع به نتیجه را طی نمی‌کند. کاربر همچنان نقش فعالی در انتخاب، ارزیابی و ترکیب اطلاعات دارد.

Answer Engine چگونه پاسخ را تولید و ترکیب می‌کند؟

Answer Engine یا موتور پاسخ‌گو، به‌جای آنکه صرفاً منابع مرتبط را نمایش دهد، تلاش می‌کند پاسخ موردنیاز کاربر را مستقیماً ارائه کند. در این رویکرد، سیستم می‌تواند پرسش را تفسیر کند، اطلاعات مرتبط را از دانش یا منابع در دسترس خود بازیابی کند و آن‌ها را در قالب پاسخی متناسب با سؤال سازمان دهد.

البته همه موتورهای پاسخ‌گو یکسان عمل نمی‌کنند. بعضی پاسخ‌ها عمدتاً بر دانش آموخته‌شده مدل تکیه دارند؛ برخی سیستم‌ها هنگام پاسخ‌گویی در وب یا پایگاه‌های اطلاعاتی جستجو می‌کنند؛ و برخی نیز از ترکیب مدل زبانی، ابزارهای بازیابی اطلاعات و منابع بیرونی استفاده می‌کنند. بنابراین، تولید پاسخ همیشه به معنای جستجوی زنده در وب نیست و هر پاسخ تولیدشده نیز الزاماً بر منابع تازه و قابل بررسی متکی نیست.

فرض کنیم کاربر می‌پرسد:

«برای انتخاب تأمین‌کننده یک ماده اولیه صنعتی، چه عواملی را باید بررسی کنیم؟»

یک موتور جستجو ممکن است مجموعه‌ای از صفحات درباره ارزیابی تأمین‌کنندگان، کنترل کیفیت، شرایط خرید و مدیریت ریسک را نمایش دهد. یک سیستم پاسخ‌گو می‌تواند همین موضوعات را در قالب چارچوبی منسجم دسته‌بندی کند، رابطه میان آن‌ها را توضیح دهد و پیشنهاد کند که ارزیابی بر اساس مشخصات فنی، ثبات کیفیت، قابلیت تأمین، شرایط تجاری و الزامات تحویل انجام شود.

در این حالت، سیستم فقط اطلاعات را پیدا نکرده است؛ بخشی از کارِ سازمان‌دهی و ترکیب آن‌ها را نیز انجام داده است. کاربر به‌جای شروع از چندین صفحه مستقل، با یک ساختار اولیه برای بررسی مسئله روبه‌رو می‌شود.

بااین‌حال، باید میان ساختن یک پاسخ منسجم و اثبات درست بودن آن پاسخ تفاوت قائل شد. یک سیستم ممکن است توضیحی روان و منطقی ارائه کند، اما بخشی از اطلاعات را نادیده بگیرد، استثنایی مهم را ذکر نکند یا نتیجه‌ای ارائه دهد که برای شرایط خاص کاربر مناسب نباشد. اگر پاسخ به داده‌های نادرست یا ناقص متکی باشد، انسجام متن نمی‌تواند این نقص را برطرف کند.

به همین دلیل، عملکرد یک موتور پاسخ‌گو را نباید صرفاً با سرعت یا روان بودن پاسخ سنجید. در کاربردهای جدی‌تر، ارتباط پاسخ با پرسش، کفایت شواهد، دقت اطلاعات و امکان بررسی منابع نیز اهمیت دارند.

تفاوت Search Engine، Answer Engine و سیستم‌های ترکیبی

برای فهم بهتر تفاوت این سه رویکرد، باید به خروجی اصلی و مسئولیت هر سیستم توجه کنیم، نه فقط به نام یا ظاهر رابط کاربری آن.

این جدول یک تفکیک مفهومی است، نه مرزبندی قطعی میان محصولات. ابزارهای امروزی می‌توانند هم‌زمان چند ویژگی داشته باشند و جایگاه آن‌ها بر اساس نوع پرسش یا قابلیت فعال‌شده تغییر کند.

برای نمونه، یک موتور جستجوی سنتی ممکن است در کنار لینک‌ها پاسخ‌های خلاصه‌شده نمایش دهد. یک دستیار هوش مصنوعی ممکن است برای پاسخ به پرسش کاربر در وب جستجو کند و منابع را ارجاع دهد. حتی یک سیستم پاسخ‌گو نیز ممکن است برای بعضی پرسش‌ها به‌جای تولید توضیح طولانی، مستقیماً کاربر را به یک منبع مشخص هدایت کند.

پس تفاوت اصلی را نباید به این صورت خلاصه کرد که موتور جستجو فقط لینک می‌دهد و هوش مصنوعی فقط پاسخ می‌سازد. مرز میان این دو در حال تغییر است. پرسش مهم‌تر این است که چه مقدار از فرآیند کشف، انتخاب، تفسیر و ترکیب اطلاعات را سیستم انجام می‌دهد و چه مقدار از آن همچنان بر عهده کاربر باقی می‌ماند.

نقش منابع، ارجاعات و بازیابی اطلاعات در پاسخ‌های هوش مصنوعی

هرچه سیستم‌های پاسخ‌گو نقش بیشتری در ترکیب اطلاعات بر عهده بگیرند، اهمیت منابعی که پاسخ بر اساس آن‌ها شکل می‌گیرد بیشتر می‌شود. کاربر ممکن است دیگر همه صفحات مرتبط را جداگانه بررسی نکند؛ در نتیجه، انتخاب منابع توسط سیستم می‌تواند تأثیر مستقیمی بر اطلاعاتی داشته باشد که در پاسخ نهایی دیده می‌شوند.

یکی از روش‌های بهبود این فرآیند، استفاده از بازیابی اطلاعات در کنار مدل زبانی است. در رویکردی که معمولاً با عنوان تولید تقویت‌شده با بازیابی یا RAG شناخته می‌شود، سیستم ابتدا اطلاعات مرتبط را از یک مجموعه منبع بازیابی می‌کند و سپس از آن‌ها برای تولید پاسخ بهره می‌گیرد. این مجموعه منابع می‌تواند شامل اسناد داخلی، پایگاه‌های اطلاعاتی یا محتوای وب باشد.

این روش می‌تواند پاسخ را به اطلاعات مشخص و قابل بررسی متصل کند، اما به‌تنهایی تضمین‌کننده صحت آن نیست. اگر منبع مناسب بازیابی نشود، اطلاعات بازیابی‌شده ناقص باشد یا مدل آن اطلاعات را نادرست تفسیر کند، نتیجه همچنان ممکن است اشتباه باشد. بنابراین، کیفیت پاسخ به چند مرحله وابسته است: انتخاب منابع، بازیابی اطلاعات مرتبط، تفسیر درست شواهد و ارائه دقیق نتیجه.

ارجاع به منابع نیز در این میان نقشی مهم دارد. ارجاع مناسب به کاربر کمک می‌کند ادعاهای مطرح‌شده را بررسی کند، اطلاعات تکمیلی را ببیند و در صورت نیاز به سند اصلی مراجعه کند. اما صرف نمایش یک لینک به معنای پشتیبانی واقعی آن منبع از ادعای مطرح‌شده نیست. منبع باید با موضوع مرتبط باشد و محتوای آن واقعاً ادعای موردنظر را تأیید کند.

برای کسب‌وکارها نیز این موضوع پیامد مهمی دارد. در محیطی که سیستم‌ها بخشی از اطلاعات موجود در وب یا پایگاه‌های تخصصی را برای ساخت پاسخ انتخاب می‌کنند، صرف انتشار محتوا کافی نیست. اطلاعات باید دقیق، روشن، قابل دسترسی و در زمینه مناسب ارائه شده باشند تا امکان شناسایی و استفاده صحیح از آن‌ها افزایش یابد.

بااین‌حال، نباید از این نکته نتیجه گرفت که یک فرمول ثابت برای انتخاب شدن در پاسخ‌های هوش مصنوعی وجود دارد. سیستم‌های مختلف از منابع و سازوکارهای متفاوتی استفاده می‌کنند و نحوه انتخاب اطلاعات می‌تواند با نوع پرسش تغییر کند. آنچه می‌توان با اطمینان بیشتری گفت این است که کیفیت واقعی اطلاعات و امکان ارزیابی آن‌ها، همچنان بخشی اساسی از مسئله باقی می‌ماند.

وقتی پاسخ آماده است، آیا کاربر هنوز به منبع اصلی مراجعه می‌کند؟

یکی از پیامدهای پاسخ‌محور شدن جستجو این است که کاربر برای برخی پرسش‌ها ممکن است بدون ورود به وب‌سایت‌های مختلف به نتیجه اولیه برسد. اگر هدف او دانستن تعریف یک اصطلاح، دریافت خلاصه‌ای از یک موضوع عمومی یا آشنایی اولیه با یک مفهوم باشد، پاسخ مستقیم می‌تواند نیازش را برطرف کند.

اما همه جستجوها با یک پاسخ کوتاه به پایان نمی‌رسند. زمانی که کاربر قصد خرید محصولی تخصصی، ارزیابی یک تأمین‌کننده، بررسی یک ادعای فنی یا تصمیم‌گیری درباره یک قرارداد را دارد، مراجعه به منبع اصلی همچنان می‌تواند ضروری باشد. او ممکن است به مشخصات دقیق، شرایط جاری، مستندات رسمی، قیمت واقعی یا اطلاعاتی نیاز داشته باشد که در پاسخ خلاصه‌شده وجود ندارند.

همچنین، در بسیاری از تصمیم‌ها هدف کاربر فقط کسب اطلاعات نیست؛ او می‌خواهد اقدامی انجام دهد. بررسی جزئیات محصول، مشاهده نمونه‌کارها، دریافت پیشنهاد قیمت، تماس با شرکت یا ثبت سفارش معمولاً به مراجعه مستقیم به کسب‌وکار نیاز دارد. پاسخ هوش مصنوعی می‌تواند مسیر رسیدن به این مرحله را تغییر دهد، اما لزوماً آن را حذف نمی‌کند.

از سوی دیگر، باید توجه داشت که پاسخ آماده ممکن است میزان مراجعه به منابع را در بعضی موقعیت‌ها کاهش دهد. اگر کاربر پاسخ موردنیاز خود را در همان محیط دریافت کند، ممکن است دلیلی برای باز کردن همه لینک‌های مرتبط نداشته باشد. این موضوع برای ناشران محتوا و کسب‌وکارهایی که از طریق بازدید ارگانیک مخاطب جذب می‌کنند، اهمیت دارد.

بااین‌حال، کاهش کلیک را نباید به‌طور خودکار معادل کاهش ارزش محتوا یا حذف نقش وب‌سایت دانست. ممکن است نقش وب‌سایت از ارائه پاسخ‌های عمومی به فراهم کردن اطلاعات تخصصی، شواهد قابل استناد، ابزارهای کاربردی و امکانات لازم برای اقدام تغییر کند. البته اینکه این تغییر در هر صنعت چه اثری بر ترافیک و درآمد دارد، به نوع جستجو، رفتار مخاطب، مدل کسب‌وکار و نحوه نمایش پاسخ‌ها وابسته است.

در نتیجه، سؤال مناسب فقط این نیست که آیا کاربران هنوز به وب‌سایت مراجعه می‌کنند. باید پرسید در چه مرحله‌ای به منبع اصلی نیاز دارند، چه اطلاعاتی آن‌ها را به مراجعه ترغیب می‌کند و حضور در کدام بخش از مسیر تصمیم‌گیری برای کسب‌وکار ارزش ایجاد می‌کند.

تفاوت میان دسترسی به اطلاعات و درک قابل‌اعتماد اطلاعات

دسترسی به اطلاعات، حتی اگر سریع و گسترده باشد، با درک قابل‌اعتماد آن‌ها یکسان نیست. ممکن است کاربر در چند ثانیه پاسخی منسجم دریافت کند، اما برای تشخیص اعتبار آن پاسخ به شواهد، زمینه و مقایسه نیاز داشته باشد.

برای مثال، دو منبع ممکن است درباره یک ماده صنعتی مشخصات متفاوتی ارائه کنند. این تفاوت می‌تواند ناشی از گرید محصول، شرایط آزمون، نسخه متفاوت استاندارد یا کاربرد موردنظر باشد. سیستمی که صرفاً اطلاعات را خلاصه می‌کند، ممکن است این تفاوت‌ها را به‌درستی توضیح ندهد. در چنین موقعیتی، درک درست موضوع مستلزم شناخت زمینه و بررسی اسناد اصلی است.

این مسئله در موضوعات تخصصی و تصمیم‌های پرریسک اهمیت بیشتری دارد. پاسخ قابل اعتماد باید نه‌تنها اطلاعات مرتبط را ارائه کند، بلکه محدودیت‌ها، شرایط کاربرد و مواردی را که نیاز به بررسی بیشتر دارند نیز تا حد امکان روشن سازد. گاهی بهترین پاسخ، نتیجه‌ای قطعی نیست؛ بلکه توضیحی است درباره آنچه می‌دانیم، آنچه هنوز مشخص نیست و شواهدی که برای تصمیم‌گیری لازم است.

از این منظر، ارزش سیستم‌های پاسخ‌گو فقط به توانایی آن‌ها در تولید متن خلاصه نمی‌شود. توانایی هدایت کاربر به سمت شواهد مناسب، حفظ ارتباط با منابع اصلی و روشن کردن مرز میان اطلاعات تأییدشده و نتیجه‌گیری نیز اهمیت دارد.

برای کسب‌وکارها هم این تفاوت معنادار است. دیده شدن یک نام در پاسخ هوش مصنوعی الزاماً به معنای اعتماد کاربر یا انتخاب آن کسب‌وکار نیست. اطلاعاتی که درباره یک برند ارائه می‌شود باید دقیق باشد، ادعاهای آن قابلیت بررسی داشته باشند و منابع موجود بتوانند تصویری روشن از توانمندی‌ها و محدودیت‌های آن ارائه کنند. حضور در مسیر کشف اطلاعات تنها یکی از مراحل است؛ تبدیل آن حضور به اعتماد و سپس انتخاب، به عوامل دیگری نیز وابسته است.

جمع‌بندی: چه کسی اطلاعات را انتخاب و ترکیب می‌کند؟

تحول منطق جستجو را می‌توان در تغییر تقسیم کار میان کاربر و سیستم خلاصه کرد. در الگوی مبتنی بر فهرست نتایج، سیستم بیشتر وظیفه یافتن و مرتب‌سازی منابع را انجام می‌دهد و کاربر بخش بزرگی از فرآیند بررسی، مقایسه و ترکیب اطلاعات را بر عهده دارد. در الگوی پاسخ‌محور، سیستم می‌تواند بخشی از این وظایف را نیز انجام دهد و نتیجه را در قالبی منسجم‌تر ارائه کند.

اما این انتقال به معنای حذف نقش کاربر نیست. هرچه پاسخ‌ها پیچیده‌تر یا تصمیم‌ها حساس‌تر باشند، ارزیابی شواهد، بررسی منابع و سنجش تناسب اطلاعات با شرایط واقعی اهمیت بیشتری پیدا می‌کند. در عین حال، ارجاع به منبع نیز به‌تنهایی تضمین‌کننده اعتبار پاسخ نیست؛ کیفیت انتخاب منابع و نحوه تفسیر آن‌ها همچنان تعیین‌کننده است.

بینش کلیدی این بخش: تغییر مهم در منطق جستجو، صرفاً حرکت از صفحه نتایج به یک رابط گفت‌وگومحور نیست؛ بلکه جابه‌جایی بخشی از فرآیند انتخاب، تفسیر و ترکیب اطلاعات از کاربر به سیستم است. این جابه‌جایی، هم تجربه کشف اطلاعات را تغییر می‌دهد و هم پرسش تازه‌ای برای کسب‌وکارها ایجاد می‌کند: چگونه اطمینان حاصل کنند اطلاعاتشان نه‌فقط قابل پیدا شدن، بلکه قابل فهم، قابل بررسی و در موقعیت مناسب قابل استفاده باشد؟

بازیگران جدید جستجو و تفاوت مسیرهای آن‌ها

تغییر دنیای جستجو فقط به این معنا نیست که ابزارهای هوش مصنوعی وارد قلمرو گوگل شده‌اند. اتفاق مهم‌تر، شکل‌گیری مسیرهای متفاوتی برای کشف اطلاعات است. در گذشته، کاربر معمولاً با واردکردن یک عبارت در موتور جستجو، فهرستی از صفحات را دریافت می‌کرد و خودش مسئول انتخاب منابع، مقایسه اطلاعات و رسیدن به پاسخ بود. اکنون بخشی از این فرایند در خود ابزارهای جستجو و هوش مصنوعی انجام می‌شود؛ از خلاصه‌سازی اطلاعات و پاسخ‌گویی مستقیم گرفته تا تحلیل چند منبع و ادامه تحقیق در قالب یک مکالمه.

در این میان، گوگل، ChatGPT، Gemini، Claude و Perplexity هرکدام مسیر متفاوتی را دنبال می‌کنند. تفاوت آن‌ها صرفاً در کیفیت پاسخ‌ها یا قابلیت‌های فنی نیست؛ بلکه در این است که کاربر چگونه به اطلاعات می‌رسد، چه مقدار از فرایند تحقیق را به ابزار می‌سپارد و در نهایت چگونه به منبع اصلی دسترسی پیدا می‌کند.

گوگل؛ ترکیب جستجوی سنتی با پاسخ‌های هوش مصنوعی

گوگل همچنان بر پایه جستجوی وب، نمایه‌سازی صفحات و رتبه‌بندی نتایج فعالیت می‌کند؛ اما هوش مصنوعی به‌تدریج نقش پررنگ‌تری در نحوه ارائه اطلاعات پیدا کرده است. قابلیت‌هایی مانند AI Overviews و AI Mode به کاربران اجازه می‌دهند پیش از مراجعه به صفحات وب یا در کنار نتایج سنتی، پاسخ‌های ترکیبی و توضیحات مستقیم دریافت کنند.

در این الگو، جستجوی سنتی و جستجوی مبتنی بر هوش مصنوعی در کنار یکدیگر قرار می‌گیرند. کاربر همچنان می‌تواند از طریق لینک‌ها به وب‌سایت‌ها برسد، اما ممکن است بخشی از نیاز اطلاعاتی خود را با مطالعه پاسخ تولیدشده توسط هوش مصنوعی برطرف کند. در پرسش‌های پیچیده‌تر نیز امکان پیگیری موضوع با پرسش‌های تکمیلی فراهم می‌شود.

برای کسب‌وکارها، این تغییر اهمیت ویژه‌ای دارد. حضور در نتایج جستجو دیگر تنها به معنای کسب رتبه در فهرست لینک‌ها نیست؛ بلکه دیده‌شدن محتوا در پاسخ‌های هوش مصنوعی و انتخاب‌شدن به‌عنوان منبع اطلاعات نیز اهمیت پیدا می‌کند.

ChatGPT؛ تبدیل مکالمه به مسیر کشف اطلاعات

در ChatGPT، کشف اطلاعات می‌تواند از یک پرسش ساده آغاز شود و به یک فرایند تحقیق چندمرحله‌ای تبدیل شود. کاربر به‌جای جستجوی جداگانه چند عبارت، می‌تواند مسئله خود را توضیح دهد، پاسخ اولیه بگیرد، محدودیت‌هایش را مشخص کند و بر اساس نتایج قبلی، پرسش‌های دقیق‌تری مطرح کند. قابلیت جستجوی وب نیز امکان استفاده از اطلاعات روز و ارجاع به منابع را فراهم می‌کند.

این الگو به‌ویژه زمانی مفید است که کاربر هنوز دقیقاً نمی‌داند چه چیزی باید جستجو کند. برای مثال، مدیری که قصد ورود به یک بازار جدید را دارد، می‌تواند از بررسی اولیه بازار شروع کند، سپس رقبا، معیارهای ارزیابی و ریسک‌های تصمیم را بررسی کند و در نهایت به یک چارچوب عملی برسد.

در چنین تجربه‌ای، جستجو دیگر صرفاً یافتن یک صفحه نیست؛ بلکه بخشی از فرایند تعریف مسئله، تحلیل اطلاعات و تصمیم‌گیری است. البته پاسخ‌های تولیدشده همچنان به بررسی منابع و اعتبارسنجی اطلاعات نیاز دارند.

Gemini؛ پیوند جستجو با اکوسیستم گوگل

Gemini مسیر دیگری را دنبال می‌کند که در آن توانایی‌های مکالمه‌ای و تحلیلی هوش مصنوعی با خدمات و ابزارهای گوگل پیوند می‌خورند. بسته به قابلیت‌های فعال و تنظیمات کاربر، این اکوسیستم می‌تواند دسترسی به اطلاعات وب و ارتباط با سرویس‌هایی مانند Gmail، Drive و سایر ابزارهای گوگل را در یک تجربه یکپارچه‌تر فراهم کند.

تفاوت مهم این رویکرد در فاصله میان کشف اطلاعات و استفاده از آن است. کاربر ممکن است ابتدا درباره موضوعی تحقیق کند، سپس اطلاعات مرتبط را با اسناد خود ترکیب کند یا برای انجام یک کار مشخص از قابلیت‌های متصل استفاده کند.

برای نمونه، فردی که درباره یک بازار تحقیق می‌کند، ممکن است بخواهد اطلاعات عمومی وب را در کنار اسناد و یادداشت‌های کاری خود بررسی کند. در این شرایط، ارزش ابزار فقط به ارائه پاسخ محدود نمی‌شود؛ بلکه به توانایی آن در پیوند دادن منابع اطلاعاتی و کمک به ادامه کار نیز بستگی دارد.

Claude؛ تمرکز بر تحلیل و کار با اطلاعات

Claude را می‌توان در این مقایسه بیشتر از زاویه تحلیل، استدلال و کار با حجم قابل‌توجهی از اطلاعات بررسی کرد. این ابزار در بسیاری از سناریوها برای خواندن و تحلیل اسناد، استخراج نکات کلیدی، مقایسه دیدگاه‌ها، بررسی استدلال‌ها و تبدیل اطلاعات پراکنده به یک خروجی منسجم کاربرد دارد. قابلیت‌های جستجوی وب و پژوهش آن نیز، بسته به نسخه و امکانات در دسترس، امکان استفاده از منابع بیرونی را فراهم می‌کنند.

فرض کنیم یک شرکت چند گزارش بازار، اسناد فنی و پیشنهاد تجاری دریافت کرده است. مسئله دیگر صرفاً پیدا کردن این اسناد نیست؛ بلکه استخراج معیارهای مشترک، شناسایی تناقض‌ها و مقایسه گزینه‌هاست. در چنین موقعیتی، ابزار هوش مصنوعی می‌تواند به مرحله تحلیل اطلاعات کمک کند.

بنابراین، در بررسی جایگاه Claude نباید آن را صرفاً یک موتور جستجوی دیگر در نظر گرفت. بخش مهمی از کاربرد آن به پردازش و تفسیر اطلاعاتی مربوط می‌شود که کاربر در اختیار دارد یا از منابع مختلف گردآوری کرده است.

Perplexity؛ پاسخ‌گویی با تأکید بر منابع

Perplexity تجربه‌ای را دنبال می‌کند که در آن پاسخ مستقیم و دسترسی به منابع، بخش‌های اصلی فرایند جستجو هستند. کاربر پرسش خود را مطرح می‌کند و به‌جای دریافت صرفاً یک فهرست از صفحات، پاسخی ترکیبی همراه با ارجاع به منابع مرتبط دریافت می‌کند. امکان طرح پرسش‌های تکمیلی نیز به ادامه تحقیق کمک می‌کند.

این الگو برای کاربرانی جذاب است که می‌خواهند سریع‌تر به یک جمع‌بندی اولیه برسند، اما همچنان مسیر بررسی شواهد و مراجعه به منابع اصلی را در اختیار داشته باشند.

برای مثال، هنگام بررسی روندهای یک صنعت، کاربر می‌تواند تصویری اولیه از موضوع به دست آورد و سپس از طریق ارجاعات، گزارش‌ها و اطلاعات پشتیبان را بررسی کند. بااین‌حال، وجود ارجاع به‌تنهایی تضمین نمی‌کند که تمام جزئیات پاسخ درست باشند یا هر منبع دقیقاً ادعای موردنظر را تأیید کند؛ ارزیابی منبع همچنان ضروری است.

مقایسه رویکردهای جدید جستجو

تفاوت این ابزارها را بهتر است بر اساس نقشی بررسی کنیم که در مسیر کشف و استفاده از اطلاعات ایفا می‌کنند، نه اینکه صرفاً آن‌ها را در یک رتبه‌بندی کلی قرار دهیم.

این جدول یک مقایسه کاربردی از الگوهای غالب است، نه مرزبندی قطعی قابلیت‌ها. امکانات این ابزارها دائماً تغییر می‌کنند و در بسیاری از زمینه‌ها با یکدیگر هم‌پوشانی دارند. برای مثال، ChatGPT و Gemini می‌توانند در تحقیق وب به کار روند، Perplexity قابلیت‌های متنوع‌تری از پاسخ‌گویی ساده دارد و گوگل نیز به‌تدریج تجربه‌های مکالمه‌ای و تحلیلی بیشتری ارائه می‌کند.

چرا این ابزارها لزوماً جایگزین یکدیگر نیستند؟

تصور اینکه ظهور ابزارهای جدید به معنای حذف فوری موتورهای جستجوی سنتی است، بیش از حد ساده‌سازی‌شده است. کاربران برای تمام نیازهای اطلاعاتی خود از یک مسیر ثابت استفاده نمی‌کنند. نوع پرسش، میزان پیچیدگی مسئله، نیاز به منابع معتبر، زمان در دسترس و هدف نهایی تعیین می‌کنند که کدام ابزار مناسب‌تر باشد.

برای مثال، یک کاربر ممکن است برای پیدا کردن وب‌سایت رسمی یک تأمین‌کننده از گوگل استفاده کند، برای شناخت اولیه بازار از ChatGPT کمک بگیرد، اطلاعات را در Perplexity با منابع مرتبط بررسی کند و سپس برای مقایسه گزارش‌ها و پیشنهادهای دریافتی از Claude یا ابزارهای مشابه استفاده کند. در این سناریو، ابزارها الزاماً رقیب مستقیم یکدیگر نیستند؛ بلکه در مراحل متفاوتی از یک فرایند واحد قرار می‌گیرند.

بینش کلیدی این بخش برای کسب‌وکارها آن است که آینده جستجو را نباید صرفاً با رقابت بر سر جایگزینی گوگل تحلیل کرد. مسئله مهم‌تر، تغییر مسیرهایی است که کاربران از طریق آن‌ها نیاز خود را بیان می‌کنند، اطلاعات را کشف می‌کنند، پاسخ‌ها را ارزیابی می‌کنند و به تصمیم می‌رسند.

در نتیجه، حضور دیجیتال یک کسب‌وکار نیز باید متناسب با این مسیرهای متنوع بررسی شود. دیده‌شدن در نتایج سنتی، حضور به‌عنوان منبع در پاسخ‌های هوش مصنوعی و فراهم‌کردن اطلاعات قابل اتکا برای تحلیل و مقایسه، ابعاد متفاوتی از این حضور هستند. درک رابطه میان این ابعاد، زمینه را برای بررسی تغییرات عمیق‌تر در رفتار کاربران و آینده کشف اطلاعات فراهم می‌کند.

آیا گوگل از بین می‌رود یا تعریف جستجو تغییر می‌کند؟

هر بار که یک فناوری تازه شیوه دسترسی به اطلاعات را تغییر می‌دهد، این پرسش مطرح می‌شود که آیا بازیگران قبلی از میدان خارج خواهند شد یا خود را با شرایط جدید تطبیق می‌دهند. ورود هوش مصنوعی مولد به دنیای جستجو نیز همین پرسش را درباره گوگل مطرح کرده است: اگر کاربران بتوانند پاسخ پرسش‌های خود را مستقیماً از هوش مصنوعی دریافت کنند، چه نیازی به موتور جستجویی خواهند داشت که آن‌ها را به صفحات وب هدایت می‌کند؟

این پرسش مهم است، اما برای پاسخ‌دادن به آن باید دو موضوع متفاوت را از یکدیگر جدا کنیم: تغییر در شیوه استفاده از جستجو و تغییر در ساختار بازار جستجو. ممکن است کاربران کمتر از گذشته روی لینک‌ها کلیک کنند، بیشتر از پاسخ‌های مستقیم استفاده کنند و پرسش‌های پیچیده‌تری را در قالب مکالمه مطرح کنند؛ بدون آنکه موتورهای جستجو، زیرساخت‌های نمایه‌سازی وب یا نقش وب‌سایت‌ها به‌طور کامل از میان بروند.

در واقع، تحول جستجو را نباید صرفاً رقابتی میان گوگل و ابزارهای هوش مصنوعی دانست. مسئله اصلی این است که با تغییر رفتار کاربران، ارزش اقتصادی جستجو، نحوه توزیع توجه و مسیر رسیدن به اطلاعات نیز تغییر می‌کند.

مزیت‌های ساختاری گوگل؛ فراتر از یک صفحه جستجو

جایگاه گوگل فقط به رابط کاربری ساده یا عادت کاربران به واردکردن عبارت‌های جستجو وابسته نیست. این شرکت مجموعه‌ای از زیرساخت‌ها، محصولات و ارتباطات را در اختیار دارد که به آن اجازه می‌دهد تجربه جستجو را در مقیاس گسترده توسعه دهد.

از نمایه‌سازی صفحات وب و سامانه‌های رتبه‌بندی گرفته تا مرورگر Chrome، سیستم‌عامل اندروید، ابزارهای تبلیغاتی، خدمات نقشه و محصولات مرتبط با کسب‌وکارها، اجزای مختلف این اکوسیستم می‌توانند در کشف اطلاعات و هدایت کاربران نقش داشته باشند. داده‌های حاصل از تعامل کاربران و توانایی توسعه زیرساخت‌های محاسباتی نیز در رقابت بر سر کیفیت و سرعت خدمات اهمیت دارند.

این مزیت‌ها به معنای مصونیت گوگل در برابر تغییر نیستند. شرکت‌های فناوری ممکن است حتی با وجود زیرساخت‌های قدرتمند، بخشی از رفتار کاربران یا بازار خود را به رقبا واگذار کنند. بااین‌حال، رقیبی که یک تجربه مکالمه‌ای جذاب ارائه می‌دهد، لزوماً تمام اجزای لازم برای جایگزینی زیرساخت جستجوی وب را در اختیار ندارد.

از سوی دیگر، گوگل مجبور نیست برای استفاده از هوش مصنوعی، مدل سنتی خود را یک‌باره کنار بگذارد. این شرکت می‌تواند پاسخ‌های تولیدشده با هوش مصنوعی را در کنار لینک‌های سنتی قرار دهد، تجربه جستجو را برای پرسش‌های پیچیده‌تر توسعه دهد و هم‌زمان بخش‌هایی از زیرساخت موجود خود را حفظ کند.

بنابراین، رقابت اصلی فقط بر سر ساخت یک مدل هوش مصنوعی بهتر نیست؛ بلکه بر سر ترکیب کیفیت پاسخ، دسترسی به اطلاعات، تجربه کاربری، توزیع خدمات و مدل اقتصادی پایدار است.

هوش مصنوعی چگونه مدل سنتی جستجو را تهدید می‌کند؟

مدل سنتی جستجو بر یک مسیر نسبتاً مشخص استوار است: کاربر پرسشی را مطرح می‌کند، موتور جستجو نتایج را نمایش می‌دهد، کاربر روی یکی از آن‌ها کلیک می‌کند و وب‌سایت مقصد فرصت ارائه اطلاعات، معرفی محصولات یا تبدیل بازدیدکننده به مشتری را به دست می‌آورد. تبلیغات جستجو نیز در بخش مهمی از این مسیر اقتصادی قرار دارند.

هوش مصنوعی مولد می‌تواند این مسیر را کوتاه‌تر کند. اگر کاربر پاسخ خود را مستقیماً در صفحه جستجو یا یک دستیار هوشمند دریافت کند، ممکن است دیگر نیازی به مراجعه به چندین وب‌سایت نداشته باشد. این تغییر برای کاربر می‌تواند به معنای صرفه‌جویی در زمان باشد، اما برای ناشران محتوا و کسب‌وکارهایی که به بازدید ارگانیک وابسته‌اند، پیامدهای متفاوتی دارد.

سه چالش در این میان اهمیت ویژه‌ای دارند:

• کاهش وابستگی به کلیک: بخشی از نیاز اطلاعاتی کاربران پیش از ورود به وب‌سایت‌ها برطرف می‌شود و در نتیجه، میزان مراجعه به بعضی صفحات ممکن است کاهش یابد.

• تغییر اقتصاد تبلیغات: اگر رفتار کاربران و جایگاه تبلیغات در تجربه جستجو تغییر کند، موتورهای جستجو باید راه‌هایی برای حفظ درآمد و ایجاد ارزش برای تبلیغ‌دهندگان پیدا کنند.

• افزایش رقابت بر سر اعتماد: پاسخ مستقیم باید برای کاربر مفید و قابل اتکا باشد. کیفیت پاسخ، شفافیت منابع و امکان بررسی ادعاها می‌توانند بر انتخاب ابزار و تداوم استفاده از آن اثر بگذارند.

البته همه این پیامدها در تمام حوزه‌ها به یک اندازه رخ نمی‌دهند. جستجوی یک تعریف ساده با بررسی تخصصی یک محصول، مقایسه قیمت‌ها یا پیدا کردن تأمین‌کننده تفاوت دارد. در بعضی موارد، پاسخ مستقیم کافی است؛ در موارد دیگر، کاربر همچنان باید به وب‌سایت اصلی مراجعه کند، جزئیات را بررسی کند یا اقدامی انجام دهد.

در نتیجه، تهدید هوش مصنوعی برای مدل سنتی جستجو را باید در تغییر مسیرهای ارزش‌آفرینی جستجو کرد، نه صرفاً در توانایی آن برای تولید پاسخ.

رقابت بر سر توجه کاربر، اعتماد و دسترسی به منابع

در جستجوی سنتی، بخش مهمی از رقابت بر سر جایگاه صفحات در نتایج بود. وب‌سایت‌ها تلاش می‌کردند برای عبارت‌های مرتبط رتبه بالاتری کسب کنند تا کاربران بیشتری وارد صفحات آن‌ها شوند. اما وقتی پاسخ‌ها به‌صورت مستقیم در محیط موتور جستجو یا دستیارهای هوشمند ارائه می‌شوند، رقابت شکل پیچیده‌تری پیدا می‌کند.

در این شرایط، سه نوع ارزش از یکدیگر متمایز می‌شوند:

• توجه کاربر: آیا کاربر پاسخ خود را دریافت می‌کند و به تحقیق ادامه می‌دهد، یا بدون مراجعه به منابع دیگر از فرایند جستجو خارج می‌شود؟

• اعتماد به پاسخ: آیا کاربر پاسخ ارائه‌شده را برای تصمیم خود کافی می‌داند، یا برای اطمینان به منابع اصلی مراجعه می‌کند؟

• دسترسی به منابع: آیا وب‌سایت‌ها همچنان می‌توانند در مسیر کشف اطلاعات دیده شوند، به‌عنوان منبع مورد استناد قرار بگیرند و مخاطب مرتبط جذب کنند؟

این تغییر برای کسب‌وکارها مهم است، زیرا دیده‌شدن و دریافت کلیک دیگر الزاماً هم‌زمان اتفاق نمی‌افتند. ممکن است اطلاعات یک شرکت در پاسخ هوش مصنوعی مورد استفاده قرار بگیرد، اما کاربر مستقیماً وارد وب‌سایت آن نشود. در مقابل، در جستجوهایی که به خرید، ارزیابی فنی یا انتخاب تأمین‌کننده مربوط هستند، دسترسی به اطلاعات دقیق و بررسی مستقیم وب‌سایت همچنان می‌تواند نقش مهمی داشته باشد.

به همین دلیل، رقابت آینده فقط بر سر حضور در فهرست نتایج نیست؛ بلکه بر سر حضور مؤثر در مسیر تصمیم‌گیری کاربر است.

آیا کاهش کلیک الزاماً به معنای کاهش اهمیت جستجو است؟

خیر. کاهش کلیک و کاهش اهمیت جستجو دو مفهوم متفاوت‌اند و نباید آن‌ها را معادل یکدیگر در نظر گرفت.

پژوهش مرکز تحقیقاتی پیو (Pew Research Center) درباره رفتار کاربران آمریکایی در مارس ۲۰۲۵ نشان داد که کاربران در صفحات گوگل دارای خلاصه هوش مصنوعی، در ۸ درصد بازدیدها روی یکی از نتایج سنتی کلیک کرده‌اند؛ این میزان در صفحات فاقد خلاصه هوش مصنوعی ۱۵ درصد بوده است. کلیک روی منابع ذکرشده در خود خلاصه نیز فقط در یک درصد بازدیدهای دارای خلاصه مشاهده شد. این نتایج از نمونه ۹۰۰ بزرگسال آمریکایی و داده‌های مرور وب آن‌ها به دست آمده است؛ بنابراین نباید آن‌ها را بدون بررسی به تمام کاربران، کشورها و انواع جستجو تعمیم داد.

این یافته‌ها نشان می‌دهند که پاسخ‌های مستقیم می‌توانند مسیر مراجعه به وب‌سایت‌ها را تغییر دهند. بااین‌حال، از کاهش کلیک به‌تنهایی نمی‌توان نتیجه گرفت که جستجو اهمیت خود را از دست داده است. ممکن است کاربر همچنان از موتور جستجو برای کشف اطلاعات استفاده کند، اما نیاز کمتری به بازکردن صفحات داشته باشد.

از طرف دیگر، ارزش همه کلیک‌ها یکسان نیست. بازدیدکننده‌ای که صرفاً برای یافتن یک تعریف وارد وب‌سایت می‌شود، با مدیری که برای ارزیابی یک تأمین‌کننده یا بررسی مشخصات یک محصول به همان سایت مراجعه می‌کند، ارزش تجاری یکسانی ندارد.

بنابراین، برای سنجش پیامدهای این تحول باید علاوه بر حجم ترافیک، به کیفیت بازدیدها، میزان تبدیل، جذب مشتری، دیده‌شدن برند و نقش محتوا در تصمیم‌گیری نیز توجه کرد. کاهش بازدید ممکن است برای بعضی وب‌سایت‌ها تهدیدی جدی باشد، اما به‌تنهایی تصویر کاملی از تغییر ارزش اقتصادی جستجو ارائه نمی‌دهد.

آینده؛ هم‌زیستی جستجوی سنتی و پاسخ‌های هوش مصنوعی

نشانه‌های تحول جستجو را می‌توان در راهبرد خود گوگل نیز مشاهده کرد. این شرکت به‌جای کنارگذاشتن زیرساخت جستجوی موجود، قابلیت‌هایی مانند AI Overviews و AI Mode را به تجربه جستجو افزوده است. در این الگو، هوش مصنوعی می‌تواند پرسش‌های پیچیده را بررسی کند، اطلاعات را ترکیب کند و پاسخ مستقیم ارائه دهد؛ درحالی‌که لینک‌های وب همچنان برای بررسی بیشتر در دسترس هستند.

این مسیر نشان می‌دهد که مرز میان موتور جستجو و دستیار هوشمند الزاماً ثابت نخواهد ماند. موتورهای جستجو می‌توانند مکالمه‌ای‌تر شوند و دستیارهای هوشمند نیز قابلیت‌های بیشتری برای جستجوی وب، ارجاع به منابع و کمک به انجام کارها پیدا کنند.

در چنین شرایطی، آینده جستجو احتمالاً با ترکیبی از تجربه‌ها شکل خواهد گرفت: جستجوی سریع برای یافتن یک سایت یا محصول، پاسخ مستقیم برای رفع نیازهای اطلاعاتی ساده، مکالمه برای بررسی پرسش‌های پیچیده و مراجعه به منابع اصلی برای اعتبارسنجی یا انجام اقدام نهایی.

البته این هم‌زیستی به معنای حفظ سهم فعلی همه بازیگران نیست. تغییر رفتار کاربران می‌تواند درآمدها، سهم بازار و میزان ترافیک وب‌سایت‌ها را جابه‌جا کند. برخی خدمات ممکن است اهمیت بیشتری پیدا کنند و برخی دیگر با فشار اقتصادی روبه‌رو شوند. هم‌زیستی در سطح فناوری و تجربه کاربری، لزوماً به معنای ثبات در ساختار بازار نیست.

جمع‌بندی: جستجو ممکن است تغییر کند، نه اینکه ناپدید شود

برای درک آینده جستجو، باید میان سه سطح تحول تفاوت قائل شویم:

این سه سطح با یکدیگر ارتباط دارند، اما الزاماً هم‌زمان یا با سرعت یکسان تغییر نمی‌کنند. تغییر رابط کاربری می‌تواند سریع اتفاق بیفتد؛ تغییر رفتار کاربران به میزان پذیرش و اعتماد آن‌ها بستگی دارد و تحول ساختار بازار نیز به عوامل اقتصادی، فنی و رقابتی گسترده‌تری وابسته است.

بینش کلیدی این بخش آن است که آینده جستجو را نباید صرفاً با این پرسش سنجید که آیا گوگل باقی می‌ماند یا خیر. پرسش مهم‌تر این است که وقتی کاربران برای یافتن پاسخ، تحلیل اطلاعات و تصمیم‌گیری به مسیرهای متنوع‌تری دسترسی دارند، نقش هر بازیگر و ارزش هر نقطه تماس چگونه تغییر می‌کند.

برای کسب‌وکارها نیز این تمایز اهمیت مستقیمی دارد. هدف دیگر نمی‌تواند صرفاً افزایش کلیک از یک کانال مشخص باشد. مسئله این است که در مسیرهای مختلف کشف اطلاعات، چگونه به منبعی معتبر، قابل‌استناد و مؤثر در تصمیم کاربر تبدیل شوند؛ چه این مسیر از جستجوی سنتی آغاز شود و چه از یک پاسخ هوش مصنوعی.

این تغییر، زمینه را برای بررسی پرسشی مهم‌تر فراهم می‌کند: وقتی مسیر کشف اطلاعات تغییر می‌کند، کسب‌وکارها چگونه باید حضور دیجیتال خود را برای این محیط جدید بازتعریف کنند؟

آینده جستجو؛ وقتی کشف اطلاعات به یک فرآیند پیوسته تبدیل می‌شود

در جستجوی سنتی، هر پرسش معمولاً نقطه شروع یک جستجوی تازه بود. کاربر عبارتی را وارد می‌کرد، نتایج را بررسی می‌کرد، وارد یک یا چند صفحه می‌شد و پس از جمع‌آوری اطلاعات، خودش ارتباط میان آن‌ها را پیدا می‌کرد. اگر پرسش جدیدی شکل می‌گرفت، اغلب باید جستجوی دیگری انجام می‌داد و بخشی از مسیر را از ابتدا طی می‌کرد.

هوش مصنوعی این الگو را تغییر می‌دهد. کاربر می‌تواند مسئله‌ای را مطرح کند، پاسخ اولیه بگیرد، محدودیت‌های خود را توضیح دهد، اطلاعات تازه‌ای اضافه کند و مسیر تحقیق را بر اساس نتایج قبلی ادامه دهد. در این تجربه، هر پاسخ می‌تواند زمینه‌ای برای پرسش بعدی باشد و کشف اطلاعات به‌جای مجموعه‌ای از جستجوهای جداگانه، به یک فرآیند پیوسته تبدیل شود.

این تغییر صرفاً به معنای مکالمه‌ای‌شدن رابط کاربری نیست. اهمیت اصلی آن در این است که بخشی از کارهایی که پیش‌تر بر عهده کاربر بود، از تعریف دقیق پرسش و مقایسه منابع تا تحلیل اطلاعات و تعیین گام بعدی، می‌تواند به سیستم واگذار شود. البته میزان این واگذاری به قابلیت ابزار، پیچیدگی مسئله و حساسیت تصمیم بستگی دارد.

در این الگوی جدید، ارزش جستجو فقط به توانایی یافتن اطلاعات محدود نمی‌شود؛ بلکه به توانایی کمک‌کردن به کاربر برای حرکت از یک پرسش اولیه به درک بهتر مسئله و استفاده مؤثر از اطلاعات وابسته است.

جستجوی مکالمه‌ای؛ از یک پرسش به زنجیره‌ای از پرسش‌ها

بسیاری از نیازهای اطلاعاتی را نمی‌توان با یک عبارت کوتاه و یک پاسخ نهایی برطرف کرد. کاربری که می‌پرسد «بهترین راه ورود به یک بازار جدید چیست؟» ممکن است هنوز اطلاعات کافی درباره اندازه بازار، رقبا، هزینه‌ها، محدودیت‌های قانونی و ظرفیت کسب‌وکار خود نداشته باشد. پاسخ مفید به چنین پرسشی معمولاً به بررسی چند موضوع مرتبط نیاز دارد.

در جستجوی مکالمه‌ای، کاربر می‌تواند ابتدا مسئله کلی را مطرح کند و سپس بر اساس پاسخ دریافتی، پرسش‌های دقیق‌تری بپرسد. سیستم نیز می‌تواند اطلاعات قبلی مکالمه را در نظر بگیرد تا پاسخ‌های بعدی با مسیر تحقیق هماهنگ باشند.

برای مثال، تحقیق درباره ورود به یک بازار می‌تواند به‌ترتیب به بررسی تقاضا، شناسایی رقبا، مقایسه کانال‌های توزیع و ارزیابی ریسک‌ها برسد. در این حالت، کاربر لازم نیست برای هر مرحله همه اطلاعات قبلی را دوباره توضیح دهد یا از ابتدا جستجو کند.

بااین‌حال، مکالمه‌ای‌بودن به‌تنهایی تضمین‌کننده کیفیت تحقیق نیست. اگر پاسخ اولیه نادرست باشد، پرسش‌های بعدی نیز ممکن است بر پایه فرضی اشتباه شکل بگیرند. همچنین، سیستم باید بتواند میان اطلاعات تأییدشده، فرضیه‌ها و مواردی که هنوز به بررسی نیاز دارند، تمایز قائل شود.

تغییر مهم اینجاست: جستجو از یافتن پاسخ یک پرسش به هدایت یک مسیر پرسش‌وپاسخ تبدیل می‌شود. این مسیر زمانی ارزشمند است که هر مرحله به روشن‌ترشدن مسئله کمک کند، نه اینکه صرفاً مکالمه را طولانی‌تر کند.

جستجوی زمینه‌محور؛ وقتی پاسخ به موقعیت کاربر وابسته است

یک پرسش واحد ممکن است برای دو کاربر، دو پاسخ متفاوت و درعین‌حال مناسب داشته باشد. تفاوت می‌تواند به هدف، سطح دانش، محدودیت‌های مالی، موقعیت جغرافیایی، زمان یا اطلاعاتی مربوط باشد که هر کاربر پیش‌تر ارائه کرده است.

برای مثال، پرسش «کدام نرم‌افزار مدیریت ارتباط با مشتری مناسب‌تر است؟» بدون دانستن اندازه شرکت، بودجه، تعداد کاربران و نیازهای عملیاتی، پاسخ دقیقی ندارد. فهرست عمومی نرم‌افزارها شاید نقطه شروع مناسبی باشد، اما برای رسیدن به انتخابی قابل دفاع، اطلاعات بیشتری لازم است.

جستجوی زمینه‌محور تلاش می‌کند این فاصله را کاهش دهد. سیستم می‌تواند از اطلاعات موجود در مکالمه، جزئیات ارائه‌شده توسط کاربر و در صورت مجازبودن، داده‌های متصل به ابزارهای دیگر استفاده کند تا پاسخ را با شرایط مسئله هماهنگ سازد.

شخصی‌سازی نیز می‌تواند در این فرایند نقش داشته باشد، اما نباید آن را با زمینه‌محوری یکسان دانست. شخصی‌سازی ممکن است به ترجیحات یا سابقه کاربر وابسته باشد؛ درحالی‌که زمینه‌محوری به فهم شرایط و هدف پرسش فعلی نیز مربوط است. یک پاسخ شخصی‌سازی‌شده لزوماً پاسخ درستی نیست و استفاده از اطلاعات بیشتر هم همیشه به نتیجه بهتر منجر نمی‌شود.

از این منظر، یکی از چالش‌های آینده جستجو، تعیین تعادل میان پاسخ متناسب و حفظ دقت، حریم خصوصی و کنترل کاربر بر اطلاعات است. سیستم باید بداند کدام زمینه برای پاسخ ضروری است و کجا استفاده از اطلاعات اضافی نه‌تنها کمکی نمی‌کند، بلکه ممکن است به نتیجه‌گیری نادرست منجر شود.

اتصال جستجو به ابزارها و انجام اقدامات

در مرحله بعد، جستجو می‌تواند از ارائه اطلاعات فراتر برود و به انجام کارها متصل شود. در الگوی سنتی، کاربر اطلاعات را پیدا می‌کرد، آن‌ها را بررسی می‌کرد و سپس برای اجرای تصمیم خود به ابزار دیگری مراجعه می‌کرد. در تجربه‌های جدید، این مراحل می‌توانند به یکدیگر نزدیک‌تر شوند.

برای نمونه، فرایند برنامه‌ریزی یک سفر ممکن است از بررسی مقصدها و مقایسه گزینه‌ها آغاز شود، سپس به تنظیم برنامه روزانه، بررسی زمان‌بندی و در صورت وجود دسترسی و مجوزهای لازم، انجام اقداماتی مانند رزرو منتهی شود. در محیط کسب‌وکار نیز تحقیق درباره یک بازار می‌تواند به سازمان‌دهی یافته‌ها، مقایسه تأمین‌کنندگان و آماده‌سازی یک گزارش تصمیم‌گیری برسد.

این تحول مرز میان یافتن اطلاعات و استفاده از آن‌ها را کم‌رنگ می‌کند. بااین‌حال، باید میان سه سطح تفاوت گذاشت:

• کشف اطلاعات: یافتن منابع و داده‌های مرتبط با مسئله.

• کمک به اقدام: تبدیل یافته‌ها به برنامه، پیشنهاد یا مجموعه‌ای از گام‌های اجرایی.

• اجرای اقدام: انجام عملیات واقعی از طریق ابزارها و سرویس‌های متصل، در محدوده مجوزهای تعیین‌شده.

این سه سطح یکسان نیستند. سیستمی که پیشنهاد مناسبی ارائه می‌کند، الزاماً توانایی اجرای آن را ندارد؛ همان‌طور که توانایی اجرای یک عملیات نیز به معنای درستی تصمیم اولیه نیست.

هرچه جستجو به اقدامات واقعی نزدیک‌تر شود، اهمیت کنترل دسترسی، تأیید کاربر، قابلیت بازبینی و مدیریت خطا بیشتر خواهد شد. در این مرحله، کیفیت تجربه فقط با سرعت رسیدن به نتیجه سنجیده نمی‌شود؛ بلکه به این بستگی دارد که سیستم تا چه اندازه قابل‌کنترل و قابل‌اعتماد عمل می‌کند.

حافظه و زمینه تعامل؛ پیوستگی بدون شروع دوباره

یکی از محدودیت‌های جستجوی سنتی این بود که ارتباط میان جستجوهای مختلف عمدتاً بر عهده خود کاربر قرار داشت. فرد باید نتایج قبلی را به خاطر می‌سپرد، اطلاعات را ذخیره می‌کرد و برای ادامه تحقیق، ارتباط میان یافته‌ها را دوباره برقرار می‌ساخت.

در سیستم‌های هوشمند، زمینه مکالمه می‌تواند این پیوستگی را افزایش دهد. سیستم ممکن است اطلاعاتی را که کاربر در همان مکالمه ارائه کرده است، در پاسخ‌های بعدی لحاظ کند. در برخی محصولات نیز، با توجه به تنظیمات و مجوزها، امکان استفاده از حافظه پایدار یا اطلاعات ذخیره‌شده در ابزارهای متصل وجود دارد.

برای مثال، اگر کاربر در مراحل ابتدایی تحقیق مشخص کرده باشد که یک شرکت بودجه محدودی دارد و تنها به بازارهای منطقه‌ای علاقه‌مند است، در ادامه بررسی گزینه‌ها می‌توان این محدودیت‌ها را نیز در نظر گرفت. در نتیجه، نیازی نیست همه معیارها در هر مرحله از نو بیان شوند.

اما حافظه بیشتر همیشه بهتر نیست. اطلاعات قدیمی ممکن است دیگر معتبر نباشند، زمینه یک پروژه ممکن است با پروژه دیگر متفاوت باشد و فرضیات قبلی نباید بدون بررسی به‌عنوان واقعیت پذیرفته شوند. افزون بر این، استفاده از اطلاعات شخصی باید تابع تنظیمات، مجوزها و انتظارات معقول کاربر باشد.

بنابراین، حافظه زمانی به بهبود جستجو کمک می‌کند که پیوستگی را افزایش دهد، بدون آنکه اطلاعات نامرتبط یا قدیمی را به پاسخ تحمیل کند. چنین سیستمی باید بتواند زمینه مرتبط را حفظ کند، اطلاعات نامطمئن را تشخیص دهد و در صورت لزوم برای روشن‌شدن شرایط، از کاربر توضیح بیشتری بخواهد.

اعتماد، صحت پاسخ و قابلیت ردیابی منابع

وقتی جستجو به یک فرایند پیوسته تبدیل می‌شود، کاربر ممکن است به‌تدریج بخش بیشتری از تحقیق و تحلیل را به سیستم هوشمند واگذار کند. این موضوع اهمیت صحت اطلاعات و امکان بررسی آن‌ها را افزایش می‌دهد؛ زیرا یک خطای اولیه می‌تواند بر مراحل بعدی تحقیق و حتی تصمیم نهایی اثر بگذارد.

در جستجوی سنتی، کاربر معمولاً با چند صفحه و منبع مواجه می‌شد و می‌توانست آن‌ها را با یکدیگر مقایسه کند. در پاسخ‌های تولیدشده با هوش مصنوعی، بخش‌هایی از این فرایند در یک پاسخ ترکیبی ادغام می‌شوند. این اتفاق می‌تواند تجربه را ساده‌تر کند، اما گاهی تشخیص منشأ هر ادعا و ارزیابی اعتبار آن را دشوارتر می‌سازد.

برای ارزیابی یک سیستم جستجوی هوشمند، توجه به چند معیار ضروری است:

• صحت پاسخ: آیا اطلاعات ارائه‌شده با شواهد معتبر سازگارند؟

• کیفیت منابع: آیا منابع استفاده‌شده برای موضوع موردنظر مناسب و قابل اتکا هستند؟

• قابلیت ردیابی: آیا کاربر می‌تواند منشأ ادعاهای مهم را پیدا کند و آن‌ها را مستقلاً بررسی کند؟

• شفافیت محدودیت‌ها: آیا سیستم میان واقعیت، برآورد، فرضیه و اطلاعات نامشخص تفاوت می‌گذارد؟

• پایداری در مراحل بعدی: آیا نتیجه‌گیری‌های بعدی بر پایه اطلاعات معتبر شکل می‌گیرند یا خطاهای قبلی را تکرار می‌کنند؟

وجود لینک یا ارجاع به منبع، به‌تنهایی صحت پاسخ را تضمین نمی‌کند. ممکن است منبع معتبر باشد، اما ادعای موردنظر را تأیید نکند؛ یا پاسخ، اطلاعات درست و نادرست را در کنار یکدیگر قرار دهد. بنابراین، قابلیت ردیابی زمانی ارزشمند است که امکان بررسی واقعی ادعاها را فراهم کند.

همچنین، میزان اعتبارسنجی لازم به نوع تصمیم بستگی دارد. برای یک پرسش عمومی شاید بررسی محدودی کافی باشد، اما در تصمیم‌های مالی، حقوقی، پزشکی یا تجاری مهم، اتکا به یک پاسخ تولیدشده با هوش مصنوعی بدون بررسی مستقل می‌تواند خطرناک باشد.

در آینده جستجو، اعتماد صرفاً از روان‌بودن پاسخ یا سرعت تعامل حاصل نمی‌شود؛ بلکه به ترکیبی از صحت، شفافیت، کیفیت منابع و امکان راستی‌آزمایی وابسته خواهد بود.

مرز میان جستجو، تحقیق، مشاوره و تصمیم‌گیری

با توسعه قابلیت‌های هوش مصنوعی، تمایز میان چند فعالیت که پیش‌تر جدا از یکدیگر دیده می‌شدند، دشوارتر می‌شود. یک کاربر ممکن است برای یافتن اطلاعات وارد سیستم شود، در همان محیط تحقیق کند، گزینه‌های خود را مقایسه کند و در نهایت از آن برای تدوین برنامه یا انتخاب یک مسیر کمک بگیرد.

بااین‌حال، این فعالیت‌ها از نظر ماهیت و مسئولیت یکسان نیستند.

این مرزبندی مطلق نیست. جستجو می‌تواند بخشی از تحقیق باشد، تحقیق می‌تواند به مشاوره منتهی شود و پیشنهادهای مشورتی نیز ممکن است در تصمیم‌گیری به کار روند. نکته این است که با حرکت از یافتن اطلاعات به سمت توصیه و اقدام، میزان نیاز به زمینه دقیق، شواهد معتبر و ارزیابی پیامدها افزایش می‌یابد.

برای مثال، یافتن اطلاعات درباره تأمین‌کنندگان یک ماده اولیه با انتخاب تأمین‌کننده مناسب یکسان نیست. تصمیم نهایی ممکن است به کیفیت محصول، مشخصات فنی، قیمت، شرایط تحویل، اعتبار تجاری و ریسک‌های قراردادی وابسته باشد. یک سیستم هوشمند می‌تواند در جمع‌آوری و مقایسه این اطلاعات کمک کند، اما نتیجه قابل اتکا به کیفیت داده‌ها و بررسی شرایط واقعی نیز وابسته است.

این تحول نشان می‌دهد که جستجوی آینده ممکن است دیگر یک فعالیت مستقل و محدود به آغاز فرایند تحقیق نباشد؛ بلکه در بخش‌های مختلف کاربر با اطلاعات حضور داشته باشد، از تعریف مسئله تا بررسی گزینه‌ها و ارزیابی نتایج.

جمع‌بندی؛ از یافتن اطلاعات تا کمک به استفاده از اطلاعات

تغییر مهم در آینده جستجو، صرفاً جایگزینی فهرست لینک‌ها با پاسخ‌های تولیدشده توسط هوش مصنوعی نیست. آنچه در حال شکل‌گیری است، تجربه‌ای است که در آن کشف اطلاعات، ادامه تحقیق، تحلیل شواهد و استفاده از نتایج می‌توانند در یک مسیر پیوسته به یکدیگر متصل شوند.

این مسیر بر چند قابلیت کلیدی تکیه دارد: تعامل مکالمه‌ای، درک زمینه، حفظ پیوستگی، دسترسی به ابزارها و منابع و امکان بررسی صحت اطلاعات. بااین‌حال، ارزش این قابلیت‌ها به حضور هم‌زمان همه آن‌ها در یک محصول وابسته نیست؛ بلکه به این بستگی دارد که سیستم در موقعیت موردنظر کاربر چه مسئله‌ای را حل می‌کند و تا چه اندازه این کار را دقیق و قابل‌اعتماد انجام می‌دهد.

بینش کلیدی این بخش آن است که آینده جستجو را نمی‌توان فقط با تعداد لینک‌ها، حجم پاسخ‌ها یا سرعت رسیدن به نتیجه سنجید. معیار مهم‌تر، توانایی سیستم در کمک به کاربر برای کشف اطلاعات مرتبط، ارزیابی شواهد، روشن‌ترکردن مسئله و استفاده مؤثر از یافته‌هاست.

این تغییر برای کسب‌وکارها نیز پیامد مهمی دارد. اگر کاربران اطلاعات را در مسیرهای متنوع‌تری کشف کنند و بخشی از تحقیق و مقایسه را در محیط‌های هوشمند انجام دهند، حضور دیجیتال دیگر صرفاً به معنای قرارگرفتن در فهرست نتایج نخواهد بود. اهمیت محتوا به توانایی آن در پاسخ‌گویی به نیاز واقعی، ارائه اطلاعات قابل اتکا و کمک به درک و ارزیابی یک موضوع نیز وابسته می‌شود.

در نتیجه، برای فهم آینده جستجو باید از بررسی ابزارها فراتر رفت و به رابطه میان سیستم‌های هوشمند، منابع اطلاعاتی و رفتار کاربران توجه کرد. همین رابطه است که مشخص می‌کند کدام محتوا دیده می‌شود، کدام منبع در فرایند تحقیق نقش پیدا می‌کند و کدام کسب‌وکار می‌تواند در مسیر تصمیم‌گیری مخاطب اثرگذار باشد.

جستجوی چندوجهی؛ فراتر رفتن از متن

سال‌ها جستجو بر پایه یک الگوی ساده شکل گرفته بود: کاربر نیاز خود را با چند کلمه بیان می‌کرد و موتور جستجو تلاش می‌کرد صفحاتی را پیدا کند که با آن عبارت‌ها ارتباط داشتند. اما بسیاری از نیازهای واقعی را نمی‌توان به‌راحتی در قالب چند کلمه توضیح داد. گاهی کاربر تصویری از یک محصول دارد، بخشی از یک ویدئو را به خاطر می‌آورد، می‌خواهد صدای خاصی را شناسایی کند یا قصد دارد درباره چیزی که مقابل دوربین می‌بیند، اطلاعات بیشتری به دست آورد.

جستجوی چندوجهی یا Multimodal Search پاسخی به همین نیاز است. در این رویکرد، کاربر می‌تواند به‌جای اتکا به متن، از تصویر، صدا، ویدئو یا ترکیبی از این ورودی‌ها برای بیان خواسته خود استفاده کند. سیستم نیز می‌تواند اطلاعات این ورودی‌ها را در کنار متن و سایر داده‌های مرتبط بررسی کند تا نتایج متناسب‌تری ارائه دهد.

برای مثال، کاربری که تصویری از یک صندلی دارد، می‌تواند به‌جای توصیف شکل، جنس، رنگ و طراحی آن، تصویر را ارائه کند و بپرسد این مدل چیست یا از کجا می‌توان نمونه مشابه آن را پیدا کرد. در نمونه‌ای دیگر، کاربر می‌تواند از یک نمودار عکس بگیرد و درباره مفهوم آن سؤال کند یا بخشی از یک ویدئو را همراه با پرسشی مشخص در اختیار سیستم قرار دهد.

تغییر اصلی این است که کاربر دیگر مجبور نیست نیاز خود را ابتدا به زبان متن ترجمه کند؛ تصویر، صدا و سایر شکل‌های اطلاعات نیز می‌توانند نقطه شروع جستجو باشند.

Multimodal Search چیست؟

جستجوی چندوجهی به فرایند کشف و بازیابی اطلاعات با استفاده از چند نوع داده یا شیوه بیان اشاره دارد. در این الگو، سیستم ممکن است متن را با تصویر، صوت یا ویدئو ترکیب کند و ارتباط میان آن‌ها را برای درک بهتر درخواست کاربر به کار بگیرد.

تفاوت این رویکرد با جستجوی سنتی صرفاً در اضافه‌شدن یک دکمه برای بارگذاری تصویر نیست. در جستجوی متنی، سیستم عمدتاً با عبارت‌های نوشته‌شده و ارتباط آن‌ها با اسناد و صفحات سروکار دارد؛ اما در جستجوی چندوجهی، اطلاعات بصری یا صوتی نیز می‌توانند در فهم درخواست، یافتن نتایج یا تولید پاسخ نقش داشته باشند.

این قابلیت‌ها را باید از یکدیگر تفکیک کرد. برخی ابزارها تصویر را برای یافتن تصاویر مشابه یا محصولات مرتبط به کار می‌گیرند؛ برخی دیگر می‌توانند محتوای تصویر را توصیف کنند یا به پرسش‌های مربوط به آن پاسخ دهند. در سطحی پیشرفته‌تر، سیستم ممکن است اطلاعات چند رسانه را در کنار هم تحلیل کند. بنابراین، هر ابزار چندوجهی الزاماً همه این توانایی‌ها را ندارد.

در عمل، جستجوی چندوجهی می‌تواند چند شکل متفاوت داشته باشد:

• متن و تصویر: کاربر تصویری ارائه می‌کند و با متن مشخص می‌کند دنبال چه اطلاعاتی است.

• تصویر به تصویر: سیستم بر اساس شباهت بصری، تصاویر یا محصولات مرتبط را پیدا می‌کند.

• صدا و گفتار: کاربر با بیان شفاهی درخواست یا ارائه یک فایل صوتی، فرایند جستجو را آغاز می‌کند.

• ویدئو و متن: جستجو بر اساس محتوای یک ویدئو، صحنه‌های آن یا پرسشی درباره بخش مشخصی از آن انجام می‌شود.

• ترکیب چندوجهی: چند نوع ورودی در کنار هم برای درک دقیق‌تر نیاز کاربر استفاده می‌شوند.

این دسته‌ها مرزهای کاملاً جداگانه‌ای ندارند. یک تجربه جستجو می‌تواند با تصویر شروع شود، با پرسش متنی ادامه یابد و در نهایت به بررسی یک ویدئو یا منبع دیگر برسد.

ترکیب متن، تصویر، صدا و ویدئو در فرآیند جستجو

یکی از ویژگی‌های مهم جستجوی چندوجهی، امکان ترکیب انواع ورودی برای دقیق‌ترکردن درخواست است. کاربر ممکن است تصویری از یک محصول ارائه کند و با متن درباره جنس، قیمت یا مدل مشابه آن سؤال بپرسد. در نمونه‌ای دیگر، می‌تواند با دوربین از یک وسیله فیلم بگیرد و درباره نحوه کار آن توضیح بخواهد.

ترکیب ورودی‌ها کمک می‌کند سیستم بخشی از ابهام موجود در درخواست را کاهش دهد. تصویر مشخص می‌کند کاربر درباره چه چیزی صحبت می‌کند و متن یا صدا هدف او را روشن می‌سازد. در جستجوی پیشرفته‌تر، سیستم می‌تواند محتوای بصری، گفتار و اطلاعات زمانی را در کنار یکدیگر بررسی کند.

برای مثال، تصور کنید کاربری در یک ویدئوی آموزشی، قطعه‌ای صنعتی را می‌بیند که نام آن را نمی‌داند. او می‌تواند تصویر قطعه را ارائه کند و درباره کاربرد، مشخصات فنی یا روش نصب آن سؤال بپرسد. اگر سیستم بتواند قطعه را درست شناسایی کند و اطلاعات معتبر مرتبط را پیدا کند، کاربر از مرحله توصیف دستی به مرحله بررسی مستقیم موضوع می‌رسد.

البته ترکیب چند نوع ورودی همیشه به معنای دقت بیشتر نیست. تصاویر نامناسب، صدای نامفهوم یا اطلاعات متناقض می‌توانند نتیجه را ضعیف کنند. همچنین، سیستم باید تشخیص دهد کدام بخش از ورودی برای پاسخ اهمیت دارد؛ زیرا ممکن است جزئیات ظاهری یک تصویر برای شناسایی محصول مهم باشند، اما برای پاسخ به پرسشی درباره قیمت یا اصالت آن کافی نباشند.

جستجوی تصویری؛ وقتی تصویر به پرسش تبدیل می‌شود

جستجوی تصویری از مدت‌ها پیش برای یافتن تصاویر مشابه یا شناسایی اشیای موجود در عکس استفاده می‌شد. اما ترکیب این قابلیت با هوش مصنوعی، امکان طرح پرسش درباره محتوای تصویر را نیز گسترش داده است.

برای مثال، کاربر می‌تواند از یک گیاه، بنای تاریخی، قطعه الکترونیکی یا محصول مصرفی عکس بگیرد و درباره هویت، ویژگی‌ها یا کاربرد آن اطلاعات بخواهد. در بعضی سناریوها، سیستم علاوه بر شناسایی احتمالی موضوع، منابع وب، تصاویر مشابه و اطلاعات تکمیلی را نیز ارائه می‌کند.

این تحول برای خرید آنلاین اهمیت ویژه‌ای دارد. کاربر ممکن است محصولی را در یک فروشگاه، شبکه اجتماعی یا محیط واقعی ببیند، بدون آنکه نام یا مشخصات آن را بداند. جستجوی تصویری می‌تواند به یافتن نمونه‌های مشابه، شناسایی برند یا بررسی فروشندگان کمک کند. ابزارهایی مانند Google Lens نمونه‌ای از این مسیر هستند که جستجو را از توصیف متنی به مشاهده مستقیم محصول گسترش می‌دهند.

بااین‌حال، شباهت بصری را نباید با یکسان‌بودن محصول اشتباه گرفت. دو کالا ممکن است ظاهری تقریباً مشابه داشته باشند، اما از نظر جنس، کیفیت، مشخصات فنی یا سازنده تفاوت‌های مهمی داشته باشند. بنابراین، نتایج تصویری برای کشف گزینه‌ها بسیار مفیدند، اما در تصمیم‌های خرید باید با اطلاعات دقیق محصول و منابع معتبر تکمیل شوند.

برای کسب‌وکارها نیز این تغییر اهمیت دارد. تصاویر محصولات می‌توانند نقطه ورود کاربران به یک برند باشند، حتی زمانی که کاربر نام برند یا عبارت مرتبط با آن را نمی‌داند. به همین دلیل، کیفیت تصاویر، وضوح محصول در عکس، هماهنگی تصاویر با مشخصات واقعی و دسترسی به اطلاعات تکمیلی، در تجربه کشف بصری نقش دارند.

جستجو در ویدئوها و محتوای چندرسانه‌ای

ویدئو ترکیبی از تصاویر متوالی، حرکت، صدا، گفتار و اطلاعات زمانی است. به همین دلیل، جستجو در آن پیچیده‌تر از یافتن یک تصویر ثابت یا صفحه متنی است. ممکن است کاربر به دنبال یک صحنه خاص، توضیحی که در دقیقه مشخصی بیان شده یا نمایش یک مرحله از فرایند تولید باشد.

جستجوی ویدئویی می‌تواند با استفاده از متن، زیرنویس، گفتار، فریم‌های تصویری و اطلاعات توصیفی، به یافتن محتوای مرتبط کمک کند. در سیستم‌های پیشرفته‌تر، هدف فقط پیدا کردن یک فایل ویدئویی نیست؛ بلکه یافتن بخش مشخصی از آن است که به پرسش کاربر پاسخ می‌دهد.

برای مثال، مهندسی که به دنبال روش نصب یک قطعه است، ممکن است به‌جای تماشای کامل یک ویدئوی ۴۰ دقیقه‌ای، بخواهد مستقیماً به بخشی برسد که مراحل نصب را نمایش می‌دهد. یا کاربری که یک سخنرانی طولانی را بررسی می‌کند، ممکن است بخواهد بخش مربوط به یک موضوع مشخص را پیدا کند.

پژوهش‌های مربوط به بازیابی چندوجهی ویدئو نیز نشان می‌دهند که استفاده هم‌زمان از نشانه‌های تصویری و صوتی می‌تواند در یافتن محتوای مرتبط مؤثر باشد؛ هرچند کیفیت داده‌ها و شیوه نمایه‌سازی بر دقت نتایج اثر می‌گذارند.

این موضوع برای تولیدکنندگان محتوا و کسب‌وکارها دو پیامد دارد. نخست اینکه ویدئوها می‌توانند فراتر از جستجوهای مبتنی بر عنوان و توضیحات کشف شوند. دوم اینکه سازمان‌دهی محتوا، زیرنویس دقیق، توضیحات روشن و تفکیک موضوعات در ویدئوهای طولانی می‌تواند به درک بهتر محتوای آن‌ها کمک کند.

البته نمی‌توان فرض کرد که تمام ابزارهای جستجو قادرند همه جزئیات هر ویدئو را درک یا جستجو کنند. قابلیت دسترسی به محتوای ویدئو، کیفیت صوت و تصویر و امکانات هر پلتفرم، محدوده نتایج قابل دستیابی را تعیین می‌کنند.

Google Lens و ابزارهای مشابه؛ نمونه‌ای از تغییر مسیر کشف

این ابزارها نشان می‌دهند که جستجو لزوماً نباید از صفحه اصلی یک موتور جستجو آغاز شود. کاربر ممکن است هنگام تماشای ویدئو، مرور یک وب‌سایت یا مشاهده محصولی در محیط واقعی با موضوعی مواجه شود و همان‌جا تحقیق را آغاز کند.

برای کسب‌وکارها، این یعنی مسیر کشف محصول می‌تواند از تصویر، ویدئو یا محتوای منتشرشده در پلتفرم‌های دیگر شروع شود. در نتیجه، بررسی حضور دیجیتال تنها بر اساس عبارت‌هایی که کاربران در کادر جستجو وارد می‌کنند، تصویر کاملی از نحوه کشف برند و محصولات ارائه نمی‌دهد.

فرصت‌ها و محدودیت‌های جستجوی چندوجهی برای کاربران و کسب‌وکارها

جستجوی چندوجهی می‌تواند فرایند کشف اطلاعات را برای کاربرانی ساده‌تر کند که نام دقیق موضوع یا واژه‌های مناسب برای توصیف آن را نمی‌دانند. همچنین، این رویکرد امکان کشف محصولات و محتواهایی را فراهم می‌کند که از طریق جستجوی متنی به‌سادگی پیدا نمی‌شوند.

برای کسب‌وکارها، فرصت اصلی در ایجاد مسیرهای جدید دسترسی به مخاطب است. تصویر یک محصول، ویدئوی نمایش کاربرد آن یا نموداری در یک محتوای تخصصی می‌تواند به نقطه آغاز تحقیق کاربر تبدیل شود. این موضوع به‌ویژه برای تجارت الکترونیک، آموزش، گردشگری، طراحی، تولید صنعتی و حوزه‌هایی که اطلاعات بصری در آن‌ها اهمیت زیادی دارد، قابل توجه است.

در مقابل، چند محدودیت را نیز باید در نظر گرفت:

• ابهام در تشخیص: سیستم ممکن است شیء یا صحنه را اشتباه شناسایی کند یا میان نمونه‌های مشابه تمایز کافی نداشته باشد.

• وابستگی به کیفیت محتوا: تصویر تار، نور نامناسب، صدای ضعیف و ویدئوی کم‌کیفیت می‌توانند دقت بازیابی را کاهش دهند.

• محدودیت در دسترسی به منابع: همه تصاویر و ویدئوها به یک اندازه قابل نمایه‌سازی یا جستجو نیستند و دسترسی به محتوای بعضی پلتفرم‌ها محدود است.

• ابهام در ارزیابی نتایج: شباهت بصری یا تطابق موضوعی لزوماً به معنای صحت مشخصات، اعتبار منبع یا مناسب‌بودن محصول نیست.

• حریم خصوصی و حقوق محتوا: تصاویر افراد، اسناد خصوصی و محتوای دارای محدودیت استفاده، ملاحظاتی فراتر از کیفیت جستجو ایجاد می‌کنند.

از منظر کسب‌وکار، پاسخ مناسب به این تغییر صرفاً افزودن تصاویر بیشتر به وب‌سایت نیست. محتوای بصری باید با اطلاعات دقیق و قابل بررسی همراه باشد و ساختار سایت نیز به کاربران و سامانه‌های جستجو کمک کند ارتباط میان تصویر، محصول، توضیحات و اطلاعات تکمیلی را تشخیص دهند.

به بیان دیگر، قابل‌کشف‌بودن محتوای بصری زمانی ارزش تجاری پیدا می‌کند که کاربر بتواند از تصویر یا ویدئو به اطلاعات قابل اعتماد و در نهایت به اقدام مناسب برسد.

جمع‌بندی؛ وقتی هر نوع محتوا می‌تواند نقطه شروع جستجو باشد

جستجوی چندوجهی دامنه راه‌های بیان نیاز اطلاعاتی را گسترش می‌دهد. کاربر دیگر مجبور نیست همیشه موضوع موردنظر را با عبارت‌های دقیق توصیف کند؛ می‌تواند آن را نشان دهد، درباره‌اش صحبت کند یا بخش مشخصی از یک محتوای چندرسانه‌ای را برای بررسی انتخاب کند.

این تحول هم تجربه کاربران و هم نحوه کشف محتوای دیجیتال را تحت تأثیر قرار می‌دهد. تصاویر، ویدئوها و سایر قالب‌های رسانه‌ای می‌توانند نقش فعال‌تری در مسیر رسیدن به اطلاعات پیدا کنند و ارتباط میان محتوا و پرسش کاربر، فراتر از تطابق چند کلمه شکل بگیرد.

بینش کلیدی این بخش آن است که با گسترش جستجوی چندوجهی، مفهوم محتوای قابل‌کشف نیز گسترده‌تر می‌شود. مسئله فقط این نیست که یک صفحه وب برای چه عبارت‌هایی رتبه می‌گیرد؛ بلکه این است که تصویر، ویدئو یا اطلاعات موجود در یک محتوا تا چه اندازه می‌تواند در پاسخ به یک نیاز واقعی شناسایی و استفاده شود.

برای کسب‌وکارها، این تحول اهمیت کیفیت محتوا، اطلاعات دقیق، ساختار مناسب و ارتباط میان رسانه‌ها و منابع اصلی را افزایش می‌دهد. بااین‌حال، جستجوی چندوجهی جایگزین همه روش‌های قبلی نخواهد شد. متن همچنان برای بسیاری از نیازهای اطلاعاتی ضروری است و ارزش هر قالب به نوع پرسش و هدف کاربر بستگی دارد.

آنچه تغییر می‌کند، محدودشدن جستجو به یک شیوه بیان نیست. در آینده، مسیر کشف اطلاعات می‌تواند از متن، تصویر، صدا یا ویدئو آغاز شود و در ادامه به ترکیبی از این قالب‌ها برسد؛ مسیری که درک آن برای تحلیل آینده جستجو و بازتعریف حضور دیجیتال کسب‌وکارها اهمیت فزاینده‌ای دارد.