عوامل هوش مصنوعی مخاطب جدید مورد علاقه رسانه ها هستند

جلسه توجیهی Chattiana دستور کار و لیست کارهای سئو را فهرست می‌کند و موضوعات خنک‌کننده را از سرفصل‌های خبرنامه‌های مختلف خود همراه با پیوندهایی به منابع استخراج می‌کند. سئو، مشاور روابط عمومی مستقر در سن دیگو، به WIRED می گوید: «من به نوعی خودم را به عنوان یک درونگرا به چالش می کشم تا مکالمات بیشتری را شروع کنم. او می‌گوید خبرنامه به او حسی از اخبار و گزینه‌های روزانه برای پرکردن یک سکوت ناخوشایند در تماس زوم می‌دهد. سئو به دور از اولین کسی است که اخبار خود را با کمک هوش مصنوعی مصرف می کند.

در واقع، این روند آنقدر رایج شده است که برخی از رسانه های خبری شروع به تولید محتوایی می کنند که با عوامل هوش مصنوعی - نه خوانندگان انسانی - به عنوان مخاطب مورد نظر رفتار می کند. این می‌تواند شبیه هر چیزی باشد، از فیدهای بهینه‌سازی شده برای هوش مصنوعی گرفته تا قطعاتی که به عوامل اجازه می‌دهند تا مقالات شخصی‌سازی شده ایجاد کنند. ژاکلین کامرون، مدیر درآمد Axios می گوید: «ما معتقدیم که اکوسیستم رسانه در حال تغییر است.
ما شاهد این هستیم که وب باز رو به وخامت است. می بینیم که جستجو در حال کاهش است.

ما می بینیم که فراشخصی سازی در حال افزایش است، که LLM ها در شیوه ای که مردم اخبار آنها را مصرف می کنند اهمیت بیشتری پیدا می کنند. ناشران بزرگ به روش های مختلف به این تغییر واکنش نشان داده اند. بسیاری، از جمله شرکت مادر WIRED، Condé Nast، قراردادهایی امضا کرده اند تا به پلتفرم های هوش مصنوعی اجازه دهند محتوای خود را ارائه دهند. رسانه ها با استراتژی های «بهینه سازی موتور مولد» یا GEO دست و پنجه نرم می کنند تا اطمینان حاصل کنند که مقالات در پاسخ به درخواست های هوش مصنوعی ظاهر می شوند.

سال گذشته، AIOSEO، یک افزونه SEO برای سایت‌های وردپرس، قابلیتی را راه‌اندازی کرد که به وب‌سایت‌ها فایل‌های LLM.txt را ارائه می‌دهد که به هوش مصنوعی کمک می‌کند محتوای سایت‌ها را کشف و تفسیر کند. دیگران حالت تدافعی تری اتخاذ کرده اند: نیویورک تایمز در سال 2023 از OpenAI و مایکروسافت به دلیل نقض حق نسخه برداری شکایت کرد و ادعا کرد که این شرکت ها به طور غیرقانونی به مدل ها در زمینه گزارش آموزش داده اند.

آن پرونده هنوز ادامه دارد. با این حال، آنچه Axios و تعداد انگشت شماری دیگر تلاش می کنند، نشان دهنده یک تغییر اساسی تر در نحوه عملکرد رسانه ها و داستان های آن برای چه کسانی است. کامرون می‌گوید: «ما همیشه گفته‌ایم که می‌خواهیم جایی باشیم که مخاطب است.» کامرون می‌گوید: «ما معتقدیم که بخش قابل توجهی از مصرف اخبار به سیستم‌های هوش مصنوعی، LLMها و دستگاه‌ها منتقل می‌شود.

او فیدها را راهی کارآمدتر برای عوامل برای دسترسی به محتوای Axios، کاهش روایت برای اولویت‌بندی داده‌های ساختاریافته توصیف می‌کند - که بیشتر شبیه به پایانه بلومبرگ است تا مجموعه‌ای از مقالات. دو فید اولیه مستقیم مشتریان شرکتی را هدف قرار می دهند. اولین مورد، که پاییز امسال راه اندازی شد، به عوامل هوش مصنوعی مشترکین Axios Pro Deals دسترسی به محتوای ادغام و اکتساب را می دهد. فید دوم به عنوان منبعی برای آموزش مدل های زبان بزرگ داخلی عمل می کند و سال آینده راه اندازی می شود. شروع با فیدهایی که برای کسب و کارها هدف قرار می گیرند منطقی است.

بودجه‌های شرکت‌ها نسبت به مشترکین منفرد برای آزمایش‌ها تحمل بیشتری دارند، به‌ویژه اگر این مفاهیم اثبات‌نشده حتی یک مزیت تجاری جزئی ارائه دهند. اما سومین فید Axios Direct که این شرکت قصد دارد در سال آینده توسعه دهد، مورد توجه مصرف‌کنندگان قرار خواهد گرفت – راهی برای مشترکین فردی تا گزارش‌های Axios را مستقیما برای نماینده خود ارسال کنند.

هر سه فید مشابه فیدهای RSS به نظر می رسند - از نظر زیبایی شناختی دلپذیر نیستند، زیرا برای چشم انسان در نظر گرفته نشده اند، اما در عوض به شکل خطوط استاندارد متنی هستند. در حالی که Axios محتوای (از قبل مختصر) خود را برای جلب رضایت هوش مصنوعی کاهش می دهد، Every رویکرد متفاوتی را در پیش گرفته است. این شرکت شش ساله رسانه‌های فناوری و نرم‌افزار، که سال گذشته دور سرمایه‌گذاری 2 میلیون دلاری از سرمایه‌گذارانی از جمله رید هافمن، بنیان‌گذار لینکدین را اعلام کرد، انتظار دارد مشترکانش با هوش مصنوعی به‌عنوان توسعه‌دهنده خودشان رفتار کنند. بنیانگذار Every’s Dan Shipper می گوید رایج ترین روشی که محتوای Every’s با یک t متفاوت است

مقاله معمولی این است که نویسندگان آن هر زمان که ممکن است، اعلان‌ها را در قطعات اضافه می‌کنند و به خوانندگان این امکان را می‌دهند که خودشان مفاهیم را آزمایش کنند. برای مثال، مقاله‌ای در مورد یک مدل جدید، شامل مجموعه‌ای از دستورات است که خواننده می‌تواند در هوش مصنوعی کپی و جای‌گذاری کند و نشان می‌دهد که چگونه مدل به سؤالات پاسخ می‌دهد و ورودی را ارزیابی می‌کند. انواع خاصی از مقالات - مانند راهنماها - همچنین شامل دکمه‌هایی هستند که خوانندگان می‌توانند آن‌ها را برای «خواندن با کلود» یا «خواندن با چت GPT» فشار دهند. با کلیک کردن، دستوری ظاهر می‌شود که به هوش مصنوعی دستور می‌دهد «با یک خلاصه فشرده شروع کنید: یک پاراگراف، با گلوله.

سپس پیشنهاد دهید عمیق تر بروید.» نویسندگان بدون نگرانی در مورد از دست دادن توجه خوانندگان، داستان ها را با جزئیات بسته بندی می کنند، زیرا می دانند که عوامل مرتبط ترین بخش ها را انتخاب می کنند. دو سال پیش، این رسانه اولین مقاله «قابل توسعه» خود را راه اندازی کرد: یک ویژگی طولانی همراه با پایگاه داده گزارش، از ضبط مصاحبه گرفته تا مقالات خبری و ویدیوهای YouTube. خوانندگان می توانند از یک ربات چت پرس و جو کنند، که جزئیات بیشتری را از پایگاه داده دریافت می کند. اخیرا، Every مقاله‌ای 8000 کلمه‌ای درباره Codex منتشر کرده است که مشترکین می‌توانند آن را به اشکال بیشتری مصرف کنند.

با ترسیم از پایگاه داده، نمایندگان مشترکین می توانند یک قطعه جدید - خواه یک مقاله، پادکست یا ویدیو - متناسب با علایق خود تنظیم کنند. ممکن است یکی از خواننده ها خلاصه ای را بخواهد، در حالی که دیگری می تواند یک فیلم کوتاه از بیت های مصاحبه درخواست کند. شیپر می‌گوید: «به‌عنوان یک نویسنده، باید در مورد آنچه در داستانی که می‌گویید، انتخاب کنید.

و همیشه این سوال وجود دارد که آیا این انتخاب‌های درست هستند؟ یا این‌ها انتخاب‌های درستی برای یک خواننده خاص هستند؟ با هوش مصنوعی، روزنامه نگاران دیگر انتخاب نمی کنند. شیپر می‌افزاید: «مردم با این کار دیوانه‌کننده و دیوانه‌کننده انجام می‌دهند. راسموس کلیس نیلسن، استاد ارتباطات در دانشگاه کپنهاگ، می‌گوید که در حالی که بازار نشر برای نمایندگان در حال ظهور است، ناپخته و «بسیار ناهموار» باقی می‌ماند. او می‌گوید سؤالات عمده‌ای در مورد قیمت و نحوه تعامل عوامل هوش مصنوعی با محتوا در آینده باقی می‌ماند. کامرون و آلیسون مورفی، افسر عملیات Axios، آر

نسبت به هوش مصنوعی به عنوان نماینده مخاطب خوشبین است. به گفته مدیران، سبک کوتاه و بسیار ساختارمند Axios در حال حاضر این ناشر را به یکی از موارد مورد علاقه هوش مصنوعی تبدیل کرده است که هنگام پاسخ به درخواست‌ها از آن استفاده کند. مورفی می گوید: «زمان برای خزنده ها پول است. "آنها نمی خواهند مجبور باشند برای یافتن نکته اصلی سه چهارم صفحه پایین تر بروند. بنابراین، این چیزی است که در حال حاضر به نفع ما بوده است." اما آیا خزیدن هوش مصنوعی در محتوای آن واقعا به نفع Axios است؟ نیلسن می گوید، حتی اگر خوانندگان واقعا از صفحه اصلی Axios بازدید نکنند، دیده شدن نام تجاری به خودی خود می تواند مثبت باشد.

این بی شباهت به ناشران نیست که برای پلتفرم های اجتماعی مانند TikTok و Instagram محتوا تولید می کنند که به ندرت بینندگان را به وب سایت خود باز می گرداند. نشریات به طور کلی با این موضوع دست و پنجه نرم می‌کنند که وقتی یک ربات چت می‌تواند پاسخ‌هایی را در یک بشقاب نقره‌ای ارائه دهد، کسب درآمد از انواع خاصی از محتوا چقدر دشوار شده است. مردم فقط می‌خواهند برای اطلاعاتی که سایر نشریات و LLMها ندارند، پول بپردازند. در Every، این به معنای راهنمایی در مورد هوش مصنوعی و نحوه استفاده از آن است. در Axios Pro Deals، دسترسی سریع به اطلاعاتی است که می تواند بازار را به حرکت درآورد.

اشتراک تمام دسترسی Axios Pro Deals 2499 دلار در سال هزینه دارد، در حالی که اشتراک سالانه Every 288 دلار هزینه دارد. Shipper این 288 دلار را به عنوان اشتراک برای یک خواننده انسانی، همراه با نمایندگان خود می بیند. شیپر می گوید: «ممکن است نخواهم همه مطالب شما را هر ماه بخوانم. اما اگر اشتراک او می تواند شامل نماینده او شود، "ممکن است بخواهم نماینده من آن را بداند تا بتواند به من بگوید، "هی، این چیز مهم است." مورفی می‌گوید که نقطه شروع Axios پذیرش است: مردم در حال حاضر از هوش مصنوعی برای جذب اطلاعات استفاده می‌کنند و افراد بیشتری در آینده نزدیک این کار را انجام خواهند داد. «من هم سعی می‌کنم آن را به یک l تبدیل کنم

مورفی می‌گوید که از نظر وجودی کمتر ترسناک است، این اولین باری نیست که این اتفاق در رسانه‌ها رخ می‌دهد.» مردم اخبار خود را از طریق رسانه‌های اجتماعی، از طریق ویدیوی کوتاه، از طریق پادکست دریافت می‌کنند. مورفی می‌افزاید: «این واقعا هوش مصنوعی به عنوان مخاطب نیست. این هوش مصنوعی به عنوان ابزاری است که به ما کمک می‌کند به مخاطبان خود دسترسی پیدا کنیم.»