اگر تا به حال به خودتان گفتهاید که بازاریابی جستوجو بهخاطر اهمیتش نزد افکار عمومی از نوعی جایگاه محافظتشده برخوردار است، هاروارد تازه عددی منتشر کرده که خلاف آن را نشان میدهد. جیمز رایلی، استادیار دانشگاه، از مردم آمریکا خواست میزان اعتراض اخلاقی به سپردن هر یک از ۹۴۰ شغل مختلف به ماشین را با مقیاس ۱ تا ۷ امتیازدهی کنند. استراتژیستهای بازاریابی جستوجو امتیاز ۲.۳۱ گرفتند. از میان ۱۰ شغلی که هاروارد نمودار کرده، فقط کارمندان بایگانی پایینتر بودند. روحانیون ۵.۹۱ و کارکنان نگهداری از کودک ۵.۸۶ امتیاز گرفتند. هرچه امروز بین شغل ما و اتوماسیون کامل ایستاده، وجدان عمومی نیست.
نویسنده مقاله در ابتدا اعتراف میکند عاشق شوخی قدیمی درباره فروشگاه موادغذایی بین هاروارد و MIT است؛ جایی که دانشجویی چرخ خرید با ۱۵ قلم کالا را به صف «۱۰ قلم یا کمتر» میبرد. صندوقدار به تابلو نگاه میکند، به دانشجو نگاه میکند و آه میکشد: «یا باید بروی هاروارد و بلد نباشی بشماری، یا بروی MIT و بلد نباشی بخوانی.» این شوخی درباره نقاط کور نخبگان است و توصیف نسبتاً خوبی از اتفاقی است که وقتی متخصصان سئو پژوهشهای هوش مصنوعی را میخوانند رخ میدهد؛ نویسنده میگوید خودش هم نزدیک بود با همین گزارش دچارش شود.
هاروارد واقعاً چه مطالعه کرد؟
کمی زمینه لازم است. «هوش مصنوعی در ۲۰۲۶: از پذیرش تا عاملمحوری» (AI in 2026: From Adoption to Agentic) مرور فوریه ۲۰۲۶ از HBS Working Knowledge است که پنج مقاله منتشرشده پیشین را یکجا جمع میکند. دو مقالهای که آزمایش اجرا کردهاند خبر اصلیاند: «مردم تا حدی با تصاحب مشاغل زیاد توسط هوش مصنوعی موافقاند» که به پژوهش اکتبر ۲۰۲۵ جیمز رایلی استناد میکند، و «تصویب وام بانکی را چه کسی باید انجام دهد: انسان یا الگوریتم؟» که به پژوهش الیزابت پالسون، استادیار، با همنویسی کرک بنساک از ۲۰۲۴ اشاره دارد.
نظرسنجی امتیازدهی مشاغل رایلی ۹۴۰ شغل و ۲۳۵۷ پاسخدهنده را پوشش داد و امتیاز ۲.۳۱ برای بازاریابی جستوجو تنها نیمی از یافته اوست. بر اساس قابلیتهای فعلی هوش مصنوعی، مردم از اتوماسیون کامل حدود ۳۰٪ مشاغل آزمودهشده حمایت میکنند. وقتی نظرسنجی رایلی در عوض از مردم خواست هوش مصنوعی پیشرفتهتری را تصور کنند که با هزینه کمتر از انسان بهتر عمل میکند، حمایت از اتوماسیون تقریباً دو برابر شد و به ۵۸٪ رسید. یک کف اخلاقی وجود دارد، اما باریک است؛ فقط حدود ۱۲٪ مشاغل، از جمله روحانیون، کارکنان نگهداری از کودک و ورزشکاران، بدون توجه به عملکرد هوش مصنوعی مقاومت اخلاقی شدید برانگیختند. ۴۲٪ دیگر مردم را بیتفاوت گذاشتند. نتیجهگیری خود رایلی این است که مقاومت در برابر اتوماسیون بیشتر داستانی درباره این است که آیا فناوری هنوز میتواند کار را انجام دهد یا نه، نه درباره اصول؛ و بازاریابی جستوجو از قبل نزدیک کف این طبقه اخلاقی نشسته است. چیزی که بین شغل شما و عدد اتوماسیون بسیار بالاتر ایستاده، احساسات نیست؛ این است که آیا ابزارها بهاندازه کافی خوباند یا نه، و این موقعیت بسیار لرزانتری برای دفاع است.
شکاف باور پشت هر دو مقاله
پژوهش پالسون آزمایش متفاوتی است و مانند رایلی شرط «الگوریتم پیشرفته» ندارد، بنابراین باید دقیق بود که واقعاً چه یافتهای داشته. او و همنویسش کرک بنساک، استادیار دانشگاه برکلی، آزمایش conjoint با ۹۰۰۰ شرکتکننده اجرا کردند و از آنها خواستند انسانی یا الگوریتمی را برای تصویب وام یا تصمیمگیری درباره آزادی پیش از محاکمه یک متهم انتخاب کنند. بهطور میانگین، و حتی با کنترل performance، مردم ۴.۳ واحد درصد به سمت انسان برای وام و ۷.۶ واحد برای آزادی پیش از محاکمه متمایل بودند. عدالت، به معنای رفتار برابر در میان گروههای نژادی، کماهمیتترین عامل در قضاوت هر نوع تصمیمگیرندهای از آب درآمد.
عدد جالبتر در نموداری در صفحه ۱۳ گزارش دفن شده و بهجای ترجیح یکنواخت، شکاف باوری است. در میان پاسخدهندگانی که از قبل باور داشتند الگوریتمها در این وظایف از انسان بهتر عمل میکنند، ۵۶٪ برای آزادی پیش از محاکمه و ۵۴٪ برای وام الگوریتم را انتخاب کردند. در میان کسانی که باور داشتند انسانها بهترند، ۶۳٪ و ۵۹٪ انسان را برگزیدند. پالسون گفت اگر بتوانید بدون افت سایر معیارها، دستاوردهای دقت واقعی اثبات کنید، «احتمالاً کافی است». داده او نشان میدهد ترجیح انسان اصلاً موضع اخلاقی ثابتی نیست؛ از باوری درباره این نشئت میگیرد که در حال حاضر چه کسی در کار بهتر است؛ چیزی که تقریباً دقیقاً با استدلال امکانپذیری فنی رایلی همخوانی دارد، حتی اگر دو مطالعه برای آزمودن چیزهای متفاوتی طراحی شده باشند.
شکاف شایستگی بهسرعت در حال بستهشدن است
رافائلا سادون، کریم لخانی و همنویسانشان ۷۹۱ توسعهدهنده محصول در Procter & Gamble را دنبال کردند؛ برخی بهتنهایی کار میکردند، برخی در تیم، برخی با ابزار داخلی GPT-4 و برخی بدون آن. ایدههایی که در ۱۰٪ برتر کیفیت قرار میگرفتند، سه برابر بیشتر از تیمهای مجهز به هوش مصنوعی میآمدند تا از افراد بدون کمک. کارمندانی که از هوش مصنوعی استفاده میکردند نیز اشتیاق و انرژی بیشتری برای کار و اضطراب و سرخوردگی کمتری نسبت به کارمندانی که بدون آن بهتنهایی کار میکردند گزارش دادند. این دقیقاً همان نوع تولید ایده و کار محتوایی است که بازاریابان جستوجو بابت آن حقوق میگیرند و شکاف شایستگیای که داده رایلی میگوید تنها چیز محافظ شغل است، درست همینجا در حال بستهشدن است.
یادداشت فنی تسدال نیلی و ریچا رنجان از گروه Expedia توصیف میکند آن شایستگی بعداً به کجا میرود. چشمانداز آنها هوش مصنوعی عاملمحور بهعنوان رئیس ستاد، تحلیلگر اطلاعات رقابتی و مربی اجرایی است که پس از راهاندازی با حداقل نظارت انسانی کار میکند. توصیه نیلی به رهبرانی که آن را به کار میگیرند این است که از چیزی که او «کار بدون لذت» مینامد شروع کنند؛ کارهای تکراری که هیچکس نمیخواهد، پیش از واگذاری هر چیز پرریسکتر. این یک مسیر ورود معقول است و همچنین توصیفی است از اینکه اتوماسیون دقیقاً چگونه تمایل دارد پس از اثبات خود بر کارهای کسلکننده، به سمت بالا بخزد.
چرا این برای سئو اهمیت دارد
دیدگاه نویسنده این است که صنعت فرض کرده گوگل همچنان به امضای نام انسان و سیگنالهای E-E-A-T پاداش میدهد چون مردم سهم اخلاقی بازماندهای در انسانیماندن کار سئو دارند. داده خود هاروارد میگوید آن سهم وجود ندارد. چیزی که همین حالا از بازاریابی جستوجو محافظت میکند شکاف شایستگی است، نه وجدان؛ و شکافهای شایستگی بسته میشوند. سیستمهای گوگل و بهطور فزاینده رفتار استنادی موتورهای پاسخ هوش مصنوعی، همان آزمونی را اجرا میکنند که پاسخدهندگان پالسون روی مسئولان وام و قضات انجام دادند. آنها میپرسند آیا نسخه تولیدشده توسط انسان هنوز بهشکل اثباتپذیری بهتر است، و لحظهای که پاسخ برعکس شود، ترجیح هم برعکس میشود. مطالعه P&G و یادداشت فنی نیلی هر دو نشان میدهند آن لحظه نزدیکتر از آن چیزی است که بیشتر ما در این صنعت میخواهیم قبول کنیم.
این برای استراتژی شما چه معنایی دارد
اول، پشت هر چیزی که هوش مصنوعی لمس میکند، پیش از بیرونرفتن، یک نام انسانی واقعی و قابلبررسی بگذارید؛ نه امضای کلی «تیم تحریریه». شخصی با پروفایل لینکدین، اعتبارنامه و سابقهای که خواننده یا خزنده بتواند با کارهای دیگر تطبیق دهد. داده شکاف باور پالسون میگوید ترجیح، شایستگی درکشده را دنبال میکند؛ پس به شایستگی خود سیگنالی بدهید که به آن بچسبد، نه فقط یک نام.
دوم، سوابق عملکردت را منتشر کن، نه فقط فرآیندت را. اگر محتوا یا برنامه سئوی شما نتیجه قابلاندازهگیری تولید کرده، رسیدها را داخل خود متن بگذار. این همان نمایش دقت است که داده پالسون میگوید واقعاً مردم را از ستون انسان به ستون الگوریتم میبرد و دلیلی وجود ندارد سوابق خود شما نتواند همان کار را برعکس انجام دهد.
سوم، اتوماسیون کامل را برای کارهای کسلکننده، تکراری و بدون لذتی که نیلی توصیف میکند نگه دار؛ چیزهایی مثل ممیزی لینکهای داخلی، پیشنویس توضیحات متا و رسیدگی به فایلهای لاگ — و برای هر چیزی که اعتماد خواننده یا پول مشتری را لمس میکند یک انسان نامدار نگه دار. داده رایلی میگوید این تنها خطی است که مردم بدون توجه به عملکرد هنوز کاملاً از آن عبور نمیکنند، اما خطی باریکتر از آن چیزی است که بیشتر متخصصان سئو فرض میکنند و تنها خط باقیمانده برای دفاع است.
پسربچه با چرخ خرید پر نمیخواست ریاضی را اشتباه حساب کند؛ فقط نمیتوانست تابلو را بخواند. هاروارد هر دو نیمه آن مشکل را در یک گزارش به صنعت ما تحویل داد؛ عددی سخت درباره اینکه چقدر پوشش اخلاقی واقعاً داریم و توصیفی نسبتاً دقیق از تنها چیزی که هنوز برایمان وقت میخرد. شمارش و خواندن را درست انجام بده، وگرنه ما همانهایی خواهیم بود که بهعنوان خطا محاسبه میشویم.