يجعل الذكاء الاصطناعي كل العلامات التجارية تبدو متشابهة لأن الفرق تطرح على نماذج متشابهة أسئلة متشابهة، فتجيب النماذج بأكثر اللغة احتمالًا في الفئة. وهذا هو تجانس المحتوى المُنتَج بالذكاء الاصطناعي. والحل ليس موجِّهًا أذكى، بل مدخلات مختلفة: بيانات الفئة التي تُظهر ما يقوله المنافسون بالفعل، وتوترات الجمهور التي لا يملكها أحد، وما نجح سابقًا مع هذا الجمهور.
أبرز النقاط
- التجانس خاصية مجموعة المحتوى كاملةً لا أي قطعة منفردة: قد تبدو كل مشاركة جيدة بينما تتقارب الفئة.
- ينشأ من النماذج المشتركة والموجزات المشتركة وتزايد الحجم، وكلها تسحب المخرجات نحو الإجابة الأكثر احتمالًا.
- يمنح استرجاع بيانات حقيقية عن الفئة قبل التوليد النموذجَ شيئًا محددًا يختلف عنه وشيئًا محددًا يقوله.
- يمكنك قياس التقارب باختبارات بسيطة، من فحص تبديل العلامة التجارية إلى درجات التشابه عبر الزمن.
ما تجانس المحتوى المُنتَج بالذكاء الاصطناعي؟
تجانس المحتوى المُنتَج بالذكاء الاصطناعي هو انجراف المحتوى المدعوم بالذكاء الاصطناعي نحو الأفكار والبنى والعبارات نفسها عبر علامات تجارية كثيرة. ويمكن قياسه بوصفه تزايدًا في التشابه بين المخرجات، حتى حين يحظى كل مخرَج منها بتقييم جيد بمفرده.
يأتي أوضح دليل من دراسة لـAnil Doshi وOliver Hauser نُشرت في Science Advances. فالكتّاب الذين استعانوا بأفكار الذكاء الاصطناعي أنتجوا قصصًا قُيّمت بنسبة 8.1% أعلى في الجِدّة و9% أعلى في الفائدة، ومع ذلك كانت القصص التي استخدمت فكرة واحدة من الذكاء الاصطناعي أكثر تشابهًا فيما بينها بنسبة 10.7% من القصص المكتوبة دونه. وكما قال Doshi: «هناك خطر فقدان الجدّة الجماعية» (University of Exeter).
هذا هو الفخ أمام فرق التسويق. فكل مراجع يعتمد مسودة أفضل من المتوسط، ولا أحد ينظر إلى الفئة ككل، حيث صارت كل المسودات الأفضل من المتوسط تبدو متشابهة.
لماذا يجعل الذكاء الاصطناعي كل العلامات التجارية تبدو متشابهة؟
لأن النماذج نفسها، حين تُغذّى بنوع الموجز نفسه، تعيد مركز التوزيع نفسه. وثلاث قوى تدفع في هذا الاتجاه في الوقت نفسه.
النماذج المشتركة تفضّل المحتمل
يُدرَّب النموذج اللغوي على إنتاج النص المحتمل. وحين يُطلب منه إعلان للعناية بالبشرة أو منشور لشركة تقنية مالية دون الكثير غير ذلك، يعيد الصياغات التي رآها أكثر من غيرها لتلك الفئة. وبلغة الإحصاء، يميل إلى المنوال، وكل علامة تجارية تستخدم النموذج نفسه تميل إلى المنوال نفسه.
الموجزات المشتركة تمحو الفروق
تُكتب معظم الموجزات انطلاقًا من أعراف الفئة: الشخصيات المستهدفة نفسها، والفوائد نفسها، ودعوات الإجراء نفسها. ولا يستطيع النموذج إضافة تمايز غائب عن مدخلاته، فينتج الموجز العام مخرجات عامة مهما كان النموذج جيدًا.
الحجم يضاعف الأثر
جعلت الأدوات التوليدية الصيغ المتعددة رخيصة. فقد أعلن فريق الهندسة في Meta أن أكثر من مليون معلن استخدموا أدواته التوليدية للذكاء الاصطناعي لإنشاء أكثر من 15 مليون إعلان في شهر واحد، وبنى محرك الاسترجاع Andromeda للتعامل مع الحجم المتنامي بسرعة من المواد الإعلانية الإبداعية (Engineering at Meta). ومزيد من الصيغ المبنية على المدخلات نفسها يضيف حجمًا دون أن يضيف تنوعًا.
ماذا تُظهر بيانات SOMIN عن التشابه؟
بدأ الحوار التسويقي الذي نرصده يسمّي المشكلة صراحةً. وتبرز أربع إشارات في مساحات عمل SOMIN.
- في مساحة عمل تحسين الإعلانات لدينا، أنتج محرك الرؤى الرؤية «الأصالة هي الترياق ضد التجانس» لتوتر يتعلق بتمايز العلامة التجارية، بزاوية مبنية على نظرية التجانس الثقافي: العلامات التي تعتمد على قوالب وصيغ متشابهة للذكاء الاصطناعي تفقد صوتها الخاص. وقاعدة الأدلة صغيرة، 11 منشورًا، لكن ملخص التوتر خلفها صريح بشأن أن المحتوى المُنتَج بالذكاء الاصطناعي ينتج رسائل متجانسة.
- في مساحة عمل المحتوى الإبداعي لدينا، التي ترصد علامات أدوات المحتوى بالذكاء الاصطناعي، وجدت دراسة Perspective Study لـ108 منشورًا (من 27 سبتمبر إلى 27 أكتوبر 2025) أن محتوى هذه الأدوات نفسها يتحدث عن تشبّع بمحتوى الذكاء الاصطناعي المنخفض الجودة يجعل التواصل الأصيل أصعب، إلى جانب ضغط على الفرق للنشر بوتيرة غير مسبوقة.
- في مساحة عمل أبحاث الجمهور لدينا، جمعت دراسة فجوات تسويقية مدتها 30 يومًا لـ151 منشورًا (أكتوبر 2026) 22 منشورًا تحت توتر الأصالة والتواصل، بما في ذلك أزمة ثقة لدى مستخدمي الجيل Z مرتبطة بمحتوى الذكاء الاصطناعي والزيف المصطنع.
- تتضمن لحظات الحقيقة التي يولّدها نموذج SOMIN الفكرة: «إن لم نجد زاوية فريدة، فإننا نخاطر بأن نصبح غير مرئيين لجمهورنا». إنها قراءة من النموذج للشخصية المستهدفة وليست اقتباسًا، لكنها تصف الكلفة التجارية جيدًا.
كيف تواجه بيانات السياق التجانس؟
إنها تغيّر ما يستند إليه النموذج. فحين يقرأ النموذج بيانات حقيقية عن الفئة قبل أن يكتب، لا تعود الإجابة الأكثر احتمالًا هي متوسط الفئة؛ بل الإجابة الأكثر احتمالًا بالنظر إلى هذه العلامة التجارية وهؤلاء المنافسين وهذا الجمهور.
هذا هو موضوع ورقة SOMIN في SIGIR 2026، «SOMIN: Agentic AI for Automating Professional Visibility and Countering Content Homogenization» (ACM SIGIR 2026). وهي تصف ذكاءً اصطناعيًا وكيليًا معزّزًا بالاسترجاع يساعد المهنيين على كتابة محتوى متميز على LinkedIn، بما في ذلك النشر الآلي. والمبدأ الموجز في صفحة الأبحاث لدينا هو أن الوكلاء يسترجعون بيانات سياق حقيقية قبل أن يكتبوا، فيبقى المحتوى متميزًا بدلًا من أن يتقارب نحو المخرجات العامة نفسها.
وعمليًا، تؤدي أربعة أنواع من السياق المسترجع معظم العمل.
- ما يقوله المنافسون بالفعل. متى كانت عروض القيمة المزدحمة في السياق، أمكن توجيه النموذج إلى تجنّبها.
- توترات مدعومة بالأدلة. يمنح توتر محدد للجمهور مدعوم بالأدلة النموذجَ سببًا لقول شيء بعينه.
- أدلة العلامة التجارية الخاصة. حقائق المنتج والادعاءات التي لا تستطيع إطلاقها إلا هذه العلامة غائبة بحكم التعريف عن متوسط الفئة.
- سجل الأداء. الفائزون والخاسرون السابقون يثبّتون العمل الجديد في ما استجاب له هذا الجمهور.
وتمتد الفكرة نفسها إلى وكيل مدير وسائل التواصل الاجتماعي لدينا، الذي يرصد ما ينجح في الفئة ويكتب بصوت العلامة التجارية نفسه؛ وهو يدير فعلًا حساب SOMIN على LinkedIn.
كيف تعرف إن كان محتواك يتقارب؟
قِسه بدلًا من الجدال حوله. تتراوح الفحوص أدناه بين اختبار من عشر دقائق ومقياس مستمر.
| الفحص | كيفية إجرائه | ما الذي يكشفه |
|---|---|---|
| اختبار تبديل العلامة التجارية | استبدل اسم علامتك التجارية باسم منافس في آخر عشرة إعلانات أو منشورات | إذا ظل معظمها يُقرأ بصورة طبيعية، فالنص عام للفئة |
| التشابه الذاتي عبر الزمن | حوّل منشوراتك الحديثة إلى تمثيلات متجهية (embeddings) وتتبّع متوسط التشابه الزوجي بينها شهرًا بعد شهر | الخط المتصاعد يعني أن مخرجاتك تتقارب |
| التشابه مع المنافسين | قارن التمثيلات المتجهية لمنشوراتك بمنشورات المنافسين في الفترة نفسها | هل تنجرف نحو مركز الفئة |
| تغطية الزوايا | صنّف كل قطعة بحسب التوتر والزاوية، ثم قارنها بتغطية المنافسين | هل تزدحم في الزوايا القليلة نفسها |
| تتبّع الأدلة | احسب المفاهيم المرتبطة بمنشور أو مراجعة أو نتيجة اختبار أو حقيقة عن المنتج | المفاهيم التي لا يمكن تتبّعها هي عادةً المفاهيم العامة |
إذا كنت تستخدم Claude، فإن مقياس تنوع المحتوى في إضافة Marketing Mondays المجانية لدينا يقيّم مدى تنوع المحتوى الإبداعي لعلامة تجارية، من 0 إلى 100، مقارنةً بمنافسيها.
هل يضر المحتوى المتجانس بالنتائج؟
إنه يُضعف الغرضين اللذين وُجد المحتوى من أجلهما: أن يُعثر عليه وأن يُختار. تكافئ منصات البحث والإعلان المحتوى الذي يضيف شيئًا، ويتجاهل الجمهور ما رآه من قبل.
توضح إرشادات Google أن المحتوى المُنتَج بالذكاء الاصطناعي ليس محظورًا في حد ذاته، لكن استخدام الذكاء الاصطناعي لإنشاء صفحات كثيرة دون إضافة قيمة للمستخدمين قد ينتهك سياسة السبام لديها بشأن إساءة استخدام المحتوى على نطاق واسع (Google Search Central). وفي الإعلام الاجتماعي المدفوع، يمنح الإعلان الشبيه بإعلانات الجميع نظام التوصيل والمشاهد سببًا ضئيلًا لاختياره. ويتناول دليلنا حول هندسة السياق للتسويق كيفية بناء المدخلات التي تمنع ذلك.
FAQ
ما تجانس المحتوى المُنتَج بالذكاء الاصطناعي؟
هو ميل المحتوى المدعوم بالذكاء الاصطناعي من علامات تجارية مختلفة إلى التقارب نحو الأفكار والصياغات نفسها، لأن نماذج متشابهة تتلقى موجزات متشابهة وتعيد الإجابة الأكثر احتمالًا للفئة.
لماذا يكتب ChatGPT الشيء نفسه لكل علامة تجارية؟
بلا سياق محدد، يملأ النموذج الفراغات بما هو معتاد في الفئة. وكل علامة تجارية تعطيه موجزًا مشابهًا تتلقى إجابة مشابهة.
هل تستطيع الموجِّهات الأفضل علاج تشابه الذكاء الاصطناعي؟
جزئيًا فقط. فالصياغة تغيّر النبرة، لكن المخرجات المتميزة تحتاج إلى مدخلات متميزة: بيانات المنافسين، وتوترات الجمهور المدعومة بالأدلة، وأدلة العلامة التجارية، وسجل الأداء.
كيف تقيس تنوع المحتوى؟
تتبّع تشابه منشوراتك عبر الزمن ومقارنةً بالمنافسين باستخدام التمثيلات المتجهية للنصوص، وصنّف المحتوى بحسب الزاوية لترى التغطية، وأجرِ اختبار تبديل العلامة التجارية على الإعلانات الحديثة.
هل المحتوى المُنتَج بالذكاء الاصطناعي سيئ لتحسين محركات البحث؟
ليس في حد ذاته. فما يقلق Google هو المحتوى على نطاق واسع الذي لا يضيف قيمة للمستخدمين، لذا تحتاج الصفحات المدعومة بالذكاء الاصطناعي إلى معلومات أصلية ودقة وغرض واضح.
أجرِ اختبار تبديل العلامة التجارية على آخر عشرة إعلانات لك هذا الأسبوع. فإن صمد أكثر من القليل بعد التبديل، فابدأ بتغذية أدواتك ببيانات الفئة قبل أن تكتب، وتتبّع التشابه شهريًا لترى التغيّر.
