لا يقرأ البحث بالذكاء الاصطناعي الويب بأكمله قبل أن يجيبك. فهو يستخدم أولاً الاسترجاع المتجهي لجلب نحو اثنتي عشرة فقرة هي الأكثر صلة من الفهرس، ثم يمررها إلى النموذج اللغوي كي يولّد إجابته اعتماداً على هذه المقاطع وحدها. وهنا تظهر حقيقة قد تبدو غير بديهية: احتمال استشهاد الذكاء الاصطناعي بمحتواك يتوقف على قابلية فقرة بعينها للاستخراج والقراءة منفردة، لا على ترتيب صفحتك في نتائج البحث التقليدية.
ما المراحل الأربع التي تجري خلف كواليس البحث بالذكاء الاصطناعي؟
بين لحظة إرسال سؤالك وظهور الإجابة، تمر العملية بأربع مراحل تقريباً: فهم الاستعلام، والاسترجاع، وإعادة الترتيب، والتوليد. وفي كل مرحلة تُستبعد دفعة من المحتوى؛ أما الوصول إلى الإجابة النهائية فيتطلب اجتيازها جميعاً. يركز معظم الناس على شكل الإجابة في المرحلة الأخيرة، ويتجاهلون المراحل الثلاث الأولى التي تحدد أساساً ما إذا كان المحتوى سيدخل قائمة المرشحين.
- فهم الاستعلام وإعادة صياغته: يفكك النموذج السؤال المكتوب بلغة طبيعية، ويستكمله، وقد يعيد صياغته في عدة استعلامات فرعية لمعالجة الغموض أو تعدد المعاني.
- الاسترجاع: يحوّل النظام الاستعلام إلى متجه، ثم يستخرج من الفهرس عشرات المقاطع النصية الأقرب إليه دلالياً. وهذه المرحلة هي التي ترسم حدود مجموعة المحتوى المرشح.
- إعادة الترتيب: يستخدم النظام نموذجاً أكثر تطوراً لإعادة تقييم الفقرات المرشحة، وتقديم الفقرات الأقدر على الإجابة عن السؤال.
- التوليد: لا يقرأ النموذج اللغوي سوى الفقرات التي اجتازت التصفية النهائية، ثم يركّب منها إجابة متماسكة ويعرض مصادرها إذا كانت الواجهة تدعم الاستشهادات.
التضمين: تحويل «المعنى» إلى مجموعة من الإحداثيات
التضمين هو جوهر عملية الاسترجاع. يحوّل النظام كل مقطع نصي إلى سلسلة من الأرقام، أي إلى متجه، ثم يضعه في فضاء متعدد الأبعاد. تتقارب إحداثيات المحتوى المتشابه في المعنى؛ فعبارتا «إلغاء الاشتراك في الخطة» و«إلغاء الاشتراك» تختلفان لفظياً، لكن متجهيهما يكادان يتطابقان. ويُحوَّل سؤال المستخدم أيضاً إلى متجه، لتصبح عملية البحث مسألة هندسية: العثور على النقاط الأقرب إلى السؤال داخل هذا الفضاء.
وهذا يفسر محدودية فاعلية حشو الكلمات المفتاحية في البحث بالذكاء الاصطناعي. فالنموذج يقيس التقارب الدلالي، لا التطابق الحرفي بين العبارات. ما يفيد فعلاً هو تقديم شرح متكامل للموضوع، وتوضيح الروابط بين المفاهيم، وصياغة النص بحيث يحتل موقعاً محدداً وواضحاً في الفضاء الدلالي.
RAG: يجيب النموذج استناداً إلى «ما عثر عليه»، لا إلى ما يتذكره
تعتمد معظم تجارب البحث بالذكاء الاصطناعي اليوم على RAG، أي التوليد المعزز بالاسترجاع. ولأن المعرفة المخزنة في معلمات النموذج قد تصبح قديمة أو تنتج عنها معلومات مختلقة، يسترجع النظام مجموعة من الوثائق عند الطلب، ويُدخلها في سياق النموذج، ثم يطلب منه بناء الإجابة على أساسها. لهذا يعرض كل من Perplexity وAI Overviews روابط للمصادر؛ فالإجابة تُبنى في الأصل من الوثائق المسترجعة.
لماذا تختلف آليات AI Overviews وChatGPT وPerplexity؟
رغم اعتمادها جميعاً على RAG، تختلف طريقة التنفيذ بوضوح. يرتبط Google AI Overviews بفهرس البحث القائم؛ فعادةً ما تكون المصادر المرشحة صفحات تظهر بالفعل في نتائج البحث، ثم يتولى Gemini تلخيصها وانتقاءها. أما Perplexity فيميل إلى البحث الآني وترتيب النتائج وفق درجة الصلة، مع نطاق أوسع من المصادر وحداثة أكبر. ويختلف سلوك ChatGPT بحسب الحالة: فعند تفعيل البحث، يجري عملية بحث، وعند تعطيله يعتمد على المعرفة المكتسبة أثناء التدريب. وفي الحالة الثانية، يسهل أن تصبح الإجابة قديمة أو ألا يظهر محتواك فيها. وفهم هذه الفروق هو ما يحدد أين ينبغي توجيه جهودك.
بعد فهم العملية، كيف تكتب محتوى قابلاً للاسترجاع والاستشهاد؟
عند قراءة المراحل الأربع السابقة بترتيب عكسي، تتضح أولويات التحسين. يجب أن يُسترجع محتواك أولاً، ثم يُنتقى لمرحلة التوليد. يعتمد الاسترجاع على اكتمال المعنى وقابلية الزحف من الناحية التقنية، بينما يعتمد الاختيار للتوليد على استقلالية كل فقرة، ووضوح الإجابة، وموثوقية المصادر. هذان شرطان ينتميان إلى مرحلتين مختلفتين، ولا تكتمل النتيجة بغياب أي منهما.
- اجعل كل فقرة مفهومة بذاتها ومن دون الاعتماد على السياق، لأنها غالباً ما تُستخرج كفقرة منفصلة.
- طابق السؤال مع الإجابة مباشرةً: ابدأ بالخلاصة ثم اشرح الأسباب، حتى لا يضطر النموذج إلى تخمين ما تريد قوله.
- استبدل الصفات بأرقام وتعريفات وخطوات محددة؛ فالمحتوى القابل للتحقق أيسر ثقةً واستشهاداً.
- حافظ على التركيز الدلالي، واشرح موضوعاً واحداً بوضوح في الصفحة، كي لا يستقر المتجه في منطقة دلالية مبهمة.
- تأكد من قدرة زواحف الذكاء الاصطناعي على قراءة المحتوى تقنياً، وراعِ إعدادات robots والبيانات المنظمة وأساليب العرض.
كل مرحلة من مراحل البحث بالذكاء الاصطناعي هي عملية تصفية، ولا يُرى محتواك فعلياً ما لم يصمد حتى لحظة التوليد. تتعثر مواقع B2B كثيرة قبل الفهرسة؛ ليس لأن محتواها ضعيف، بل لأن بنية الفقرات والإعدادات التقنية تحول دون قراءته بوضوح. إذا أردت معرفة المرحلة التي يفقد فيها محتواك فرصته، يمكنك حجز جلسة تشخيص GEO مدتها 30 دقيقة. نستخدم مراقبة الظهور في أنظمة الذكاء الاصطناعي لفحص حالة الاستشهاد بمحتواك مباشرةً عبر محركات الذكاء الاصطناعي المختلفة.
