كيف تؤثر النماذج اللغوية الكبيرة (LLMs) على طريقة اتخاذ قرارات مشتري خدمات تحديد الهوية
التقينا مؤخرًا بإيفان بايلين، الرئيس التنفيذي لشركة «First Page Sage»، الوكالة الرائدة في مجال خدمات تحسين محركات البحث (SEO) القائمة على نموذج البرمجيات كخدمة (SaaS) في الولايات المتحدة. وبفضل عملاء مثل «Salesforce» و«Verisign» و«Grammarly» و«Nerdwallet»، لطالما كانت وكالة إيفان رائدة في مجال الظهور في نتائج البحث العضوية، ومؤخرًا في مجال قابلية الاكتشاف المدعومة بالذكاء الاصطناعي.
في أوائل عام 2023، بعد فترة وجيزة من إطلاق ChatGPT، أطلق إيفان مجال «تحسين المحركات التوليدية» (GEO) — وهو تطور لـ SEO مصمم خصيصًا لعصر الذكاء الاصطناعي التوليدي. كما قاد أول دراسة واسعة النطاق لخوارزمية ChatGPT، حيث حلل كيفية اختيار النماذج اللغوية الكبيرة (LLMs) للشركات التي تظهر في إجاباتها. ويستند مجال GEO إلى تلك الأبحاث لمساعدة العلامات التجارية على تشكيل الطريقة التي تظهر بها في الردود التي يولدها الذكاء الاصطناعي بشكل استراتيجي.
خلال محادثتنا، أوضح إيفان كيف بدأت النماذج اللغوية الكبيرة (LLMs) في التأثير على قرارات الشراء في القطاعات الخاضعة للتنظيم مثل الخدمات المالية، وما الذي يجب أن يعرفه «مشترو الهوية» — أي مديرو مكافحة الاحتيال، ومسؤولو الامتثال، وفرق المشتريات — عند استخدام هذه الأدوات لتقييم الموردين.
Microblink: يتجه عدد متزايد من المشترين إلى استخدام أدوات مثل ChatGPT أو Perplexity للمساعدة في البحث عن حلول للتحقق من الهوية. من وجهة نظرك، كيف ينبغي لمتخصصي الامتثال أو مكافحة الاحتيال أن ينظروا إلى هذه الملخصات التي تنتجها نماذج اللغة الكبيرة (LLM)؟
إيفان: بحذر، ولكن أيضًا باهتمام. تتميز النماذج اللغوية الكبيرة (LLMs) بسرعتها المذهلة ودقتها الاتجاهية في كثير من الأحيان. إذا سألت: «ما هي شركات توفير خدمات "اعرف عميلك" (KYC) التي تتميز بمعدل منخفض من النتائج السلبية الخاطئة؟» أو «ما هي أفضل الحلول للتحقق البيومتري؟»، فمن المرجح أن تحصل على إجابة متماسكة وتبدو مفيدة. لكن ما يقدمه النموذج هو توليفة من المعلومات المتاحة للجمهور — لذا فهو لا يعرف سوى ما تم تدريبه عليه. وإذا كانت البيانات المتاحة حول شركة ما قليلة أو غير متسقة، فقد يتم تقديم مزود خدمات يُعتبر الأفضل في فئته بشكل خاطئ أو يتم استبعاده تمامًا.
ولهذا السبب أوصي بالتعامل مع ردود نماذج اللغة الكبيرة (LLM) كأداة أولية للاطلاع، وليس كأداة لاتخاذ القرار. فهي قادرة على تسريع عملية اكتشاف الموردين وإبراز العوامل المميزة المفيدة، لكن دقتها تعتمد كليًّا على مدى نجاح الشركات في توعية النظام البيئي بما تقوم به.
Microblink: من جانب Microblink، استثمرنا في نشر المحتوى التقني، والتحلي بالشفافية بشأن عملية التحقق التي نتبعها، ومشاركة بيانات الأداء كلما أمكن ذلك. هل يؤثر هذا النوع من الجهود فعليًّا على ما تتعلمه النماذج؟
إيفان: بالطبع. تتعلم النماذج التوليدية من خلال التعرض والتكرار في المجالات الموثوقة. لذا، إذا كنت تنشر مقالات تفسيرية تقنية متعمقة، أو يتم الاستشهاد بك في الأوراق البحثية، أو يتم ذكر اسمك في تقارير الامتثال، فإن ذلك يبني ارتباطًا بين علامتك التجارية ومفاهيم محددة مثل «الكشف عن الحيوية» أو «دقة إشارات الاحتيال». وبمرور الوقت، يبدأ النموذج في التعامل مع علامتك التجارية باعتبارها مرجعاً موثوقاً في تلك المجالات.
تميل الشركات التي تحقق أفضل أداء في ردود نماذج اللغة الكبيرة (LLM) إلى أن تتمتع ببصمة دلالية متسقة. وهذا يعني أن رسائلها واضحة ومتسقة عبر محتواها الخاص، والتغطية الإعلامية من الأطراف الثالثة، وتعليقات الخبراء. وتلتقط نماذج اللغة الكبيرة (LLM) هذا التناسق وتعكسه في إجاباتها.
Microblink: إلى أي مدى يمكن قياس هذا النوع من التأثير؟ هل يمكن للشركة أن تعرف ما إذا كانت جهودها تؤتي ثمارها بالفعل؟
إيفان: نعم، وهذا ما يجعل GEO أمرًا مثيرًا للغاية. على عكس تحسين محركات البحث التقليدي (SEO) حيث تقوم بتتبع تصنيفات الكلمات المفتاحية، فإنك هنا تختبر المطالبات. فأنت تطرح على النموذج عشرات الأسئلة ذات الصلة بالجانب التجاري، وتسجل ما إذا تمت الإشارة إلى علامتك التجارية، وتحلل طريقة صياغة النص. هل يتم تقديمك كمبتكر؟ أم كمورد من بين العديد من الموردين؟ وهل تم تضمين العوامل التي تميزك؟
نضع خطوط أساس — على سبيل المثال، تظهر علامتك التجارية في 3 من أصل 50 مطالبة — ثم نسعى إلى رفع هذا الرقم من خلال المحتوى الموجه والنشر الاستراتيجي. إنها حلقة تغذية مرتدة مغلقة: فالنموذج هو بيئة الاختبار والنتيجة في آن واحد.
Microblink: ما النصيحة التي تقدمها لمدير مكافحة الاحتيال أو مسؤول الامتثال الذي يرغب في الاستخدام المسؤول للذكاء الاصطناعي التوليدي أثناء عملية اختيار الموردين؟
إيفان: أولاً، عليك أن تعرف حدود هذه الأداة. تعامل معها كقناة تكميلية، وليست بديلاً عن إجراءات العناية الواجبة. ثم ابحث عن الموردين الذين بذلوا جهداً في تحقيق الشفافية. إذا كانت الشركة تستثمر في قابلية التفسير — من خلال نشر معدلات النتائج الإيجابية الخاطئة، وتفصيل أساليب حماية البيانات، ومشاركة دراسات الحالة — فهذه علامة جيدة لكل من ثقة النموذج وعملية الاختيار الفعلية الخاصة بك.
كما يجب عليك مقارنة ما يقدمه النموذج بما تجده في مصادر مستقلة. فإذا تضمنت الإجابة «Microblink»، على سبيل المثال، وأثارت اهتمامك، فابحث عن مصدر تلك المعلومة. وأفضل المشترين هم أولئك الذين يجمعون بين سرعة الذكاء الاصطناعي والتحقق البشري.
Microblink: ما هي النقطة الأساسية التي تود أن يتذكرها المشترون المحتملون للهوية؟
إيفان: الذكاء الاصطناعي التوليدي يغير الطريقة التي تُجرى بها الأبحاث. ويشمل ذلك الكيفية التي يقيّم بها المشترون التقنيات المعقدة والخاضعة للرقابة، مثل التحقق من الهوية. إذا كنت مشتريًا، فإن مهمتك لا تقتصر على الاستماع إلى النموذج فحسب، بل تتمثل في فهم سبب إجابته بهذه الطريقة. وهذا الوعي يمنحك ميزة كبيرة في التمييز بين الدعاية والحقيقة.
